一种基于容量估计的改进光伏分解算法制造技术

本发明专利技术公开了一种基于容量估计的改进光伏分解算法，包括以下步骤：生成候选容量序列；基于候选容量序列得到容量曲线；基于容量曲线进行容量估计；构建概率密度函数；生成典型样本；进行最大似然估计，得到光伏分解的初步结果；得到置信系数；利用置信系数对初步结果进行校正，得到最终的光伏分解结果。本发明专利技术基于容量估计结果对原有结果进行校正，增强了原始光伏分解算法的鲁棒性。本发明专利技术方法具有较高的容量估计准确率，在含少量缺失值的情况下保持了较好的适应性，同时对光伏分解算法进行改进，提高了光伏分解算法的计算速度，提高了光伏分解算法的准确率。伏分解算法的准确率。伏分解算法的准确率。

【技术实现步骤摘要】
一种基于容量估计的改进光伏分解算法


[0001]本专利技术属于基于表后净负荷数据的光伏分解领域，具体涉及一种基于容量估计的改进光伏分解算法。

技术介绍

[0002]越来越多的分布式光伏被接入到电力系统中，其中大量的分布式光伏安装于建筑屋顶。这些屋顶分布式光伏容量小、不稳定，且计量数据以“表后”净负荷形式呈现，即无法部署单独的仪表来测量光伏输出功率，而光伏输出功率曲线的知悉对配电系统的运行和规划至关重要，因此需要一种解耦技术将光伏输出功率曲线从净负荷曲线中分解出来，我们称之为光伏分解。
[0003]然而，现有的光伏分解方法都因各自的局限性而不能很好地解决光伏分解的问题，其研究局限性主要如下：
[0004]依赖光伏阵列物理模型和地理位置信息的问题。一些工作利用光伏阵列的物理模型对光伏输出功率曲线进行估计，通过分析辐照度、温度、风向和空气湿度等外部气象信息对光伏输出功率的影响，对光伏阵列进行统一的物理模型构建，实现从净负荷功率中分解出光伏输出功率曲线。然而，准确获取每一个配电系统下的屋顶分布式光伏的详细地理信息是极其困难的，因为这涉及到用户隐私，同时也存在部分分布式光伏并未在电网公司的授权下安装等问题，这些都阻碍了地理信息的获取；另一方面，考虑到不同用户光伏板型号、转换效率等差异，物理模型很难对个体差异性进行自适应调整。
[0005]一些工作利用高分辨率彩色卫星图像自动识别小型光伏阵列的位置和大小。这项工作对于在大面积上识别光伏陈列是有有效的，然而，它只能估计光伏阵列的物理尺寸，但不能直接估计容量，因为相同尺寸的光伏阵列的容量可能因光伏电池板的不同型号及其相应的运行条件而不同。
[0006]一些数据驱动的方法利用天气相似日的净负荷曲线之间的差异来进行光伏系统参数估计。这从一定程度上解决了对物理模型和隐私信息的依赖，但是这种方法并未考虑到用户在相似日下消费负荷之间的差异，同时这种方法需要较长时间的净负荷数据来作为相似天气的聚类基础。
[0007]因此，为了解决上述问题，亟需一种依赖短时间净负荷数据实现驱动的容量估计方法和光伏分解策略。

技术实现思路

[0008]本专利技术为解决现有技术存在的问题而提出，其目的是提供一种基于容量估计的改进光伏分解算法。
[0009]本专利技术的技术方案是：一种基于容量估计的改进光伏分解算法，包括以下步骤：
[0010]A.生成候选容量序列；
[0011]B.基于候选容量序列得到容量曲线；
[0012]C.基于容量曲线进行容量估计；
[0013]D.构建概率密度函数；
[0014]E.生成典型样本；
[0015]F.进行最大似然估计，得到光伏分解的初步结果；
[0016]G.得到置信系数；
[0017]H.利用置信系数对初步结果进行校正，得到最终的光伏分解结果。
[0018]更进一步的，步骤A生成候选容量序列，具体过程如下：
[0019]首先，以净负荷功率数据作为输入；
[0020]然后，在月度尺度下统计净负荷夜间功率极值和净负荷白天功率极值，并进行记录；
[0021]最后，由净负荷夜间功率极值和净负荷白天功率极值得加法组合构成候选容量序列。
[0022]更进一步的，步骤B基于候选容量序列得到容量曲线，具体过程如下：
[0023]首先，对得到的候选容量序列进行排序；
[0024]然后，以序号和容量建立容量曲线。
[0025]更进一步的，步骤C基于容量曲线进行容量估计，具体过程如下：
[0026]首先，基于容量曲线进得到容量曲线的变化趋势；
[0027]然后，利用容量曲线的变化趋势进行容量估计。
[0028]更进一步的，步骤D构建概率密度函数，具体过程如下：
[0029]首先，得到部分可观用户的数据信息；
[0030]然后，基于数据信息提取得到消费负荷的月度夜间用电量和白天用电量；
[0031]最后，基于月度夜间用电量和白天用电量构建概率密度函数。
[0032]更进一步的，步骤E生成典型样本，具体过程如下：
[0033]利用光伏输出功率曲线聚类形成典型样本。
[0034]更进一步的，步骤F进行最大似然估计，得到光伏分解的初步结果，具体过程如下：
[0035]首先，对典型样本进行线性组合求解；
[0036]然后，得到最优权重后，得到光伏分解的初步结果。
[0037]更进一步的，步骤G得到置信系数，具体过程如下：
[0038]首先，基于部分可观用户的数据信息，得到容量的真实值；
[0039]然后，得到可观用户的容量估计值；
[0040]最后，利用容量估计值与容量的真实值得到置信系数。
[0041]更进一步的，步骤H利用置信系数对初步结果进行校正，得到最终的光伏分解结果，具体过程如下：
[0042]首先，得到初步结果中的容量值；
[0043]然后，使用容量估计法得到的容量估计值；
[0044]再后，将容量估计值与容量值处理得到阈值；
[0045]再后，对容量估计进行与阈值进行判断是否需要；
[0046]最后，对需要校正的部分利用置信系数进行校正。
[0047]本专利技术的有益效果如下：
[0048]本专利技术利用光伏发电的间歇性特点和用户消费负荷所表现的无人使用期间功率平稳的特点，实现了在净负荷下对光伏容量的快速准确估计。
[0049]本专利技术通过利用可观用户的光伏输出功率曲线聚类形成典型样本，以及利用消费负荷所表现出的夜间与日间的相关性构建了概率密度函数，并通过求解优化问题得到最优权重，实现对光伏输出功率曲线的初步估计。
[0050]本专利技术基于容量估计结果对原有结果进行校正，增强了原始光伏分解算法的鲁棒性。本专利技术方法具有较高的容量估计准确率，在含少量缺失值的情况下保持了较好的适应性，同时对光伏分解算法进行改进，提高了光伏分解算法的计算速度，提高了光伏分解算法的准确率。
附图说明
[0051]图1是本专利技术的架构示意图；
[0052]图2是本专利技术的容量估计曲线图。
具体实施方式
[0053]以下，参照附图和实施例对本专利技术进行详细说明：
[0054]如图1至图2所示，一种基于容量估计的改进光伏分解算法，包括以下步骤：
[0055]A.生成候选容量序列；
[0056]B.基于候选容量序列得到容量曲线；
[0057]C.基于容量曲线进行容量估计；
[0058]D.构建概率密度函数；
[0059]E.生成典型样本；
[0060]F.进行最大似然估计，得到光伏分解的初步结果；
[0061]G.得到置信系数；
[0062]H.利用置信系数对初步结果进行校正，得到最终的光伏分解结果。
[0063]步骤A生成候选容量序列，具体过程如下：
[0064]首先，以净负荷本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于容量估计的改进光伏分解算法，其特征在于：包括以下步骤：（A）生成候选容量序列；（B）基于候选容量序列得到容量曲线；（C）基于容量曲线进行容量估计；（D）构建概率密度函数；（E）生成典型样本；（F）进行最大似然估计，得到光伏分解的初步结果；（G）得到置信系数；（H）利用置信系数对初步结果进行校正，得到最终的光伏分解结果。2.根据权利要求1所述的一种基于容量估计的改进光伏分解算法，其特征在于：步骤（A）生成候选容量序列，具体过程如下：首先，以净负荷功率数据作为输入；然后，在月度尺度下统计净负荷夜间功率极值和净负荷白天功率极值，并进行记录；最后，由净负荷夜间功率极值和净负荷白天功率极值得加法组合构成候选容量序列。3.根据权利要求1所述的一种基于容量估计的改进光伏分解算法，其特征在于：步骤（B）基于候选容量序列得到容量曲线，具体过程如下：首先，对得到的候选容量序列进行排序；然后，以序号和容量建立容量曲线。4.根据权利要求1所述的一种基于容量估计的改进光伏分解算法，其特征在于：步骤（C）基于容量曲线进行容量估计，具体过程如下：首先，基于容量曲线进得到容量曲线的变化趋势；然后，利用容量曲线的变化趋势进行容量估计。5.根据权利要求1所述的一种基于容量估计的改进光伏分解算法，其特征在于：步骤（D）构建概率密度函数，具体过程如...

【专利技术属性】
技术研发人员：刘博，田建民，栾文鹏，高毅，张梁，王旭东，迟福建，徐晶，罗帅，
申请(专利权)人：国网天津市电力公司国家电网有限公司，
类型：发明
国别省市：