光伏电站群运行监测的物联网信任度分析方法及相关装置制造方法及图纸

本申请公开了一种光伏电站群运行监测的物联网信任度分析方法及相关装置，由于数据传输带宽、数据传输速率、传输时延而形成的信息充足和缺失，因此，本申请利用信息充足量和缺失量来计算面向光伏电站群运行监测的物联网信任度，并评估信任度对光伏电站群运行、控制与管理优化的影响。这种面向光伏电站群运行监测的物联网信任度模糊概率计算方法，同时反映了感知系统或设备充足与缺失、数据传输带宽、数据传输速率、传输准确率、传输时延的影响，为面向光伏电站群运行监测的物联网信任度评估提供理论指导，为基于物联网的光伏电站群运行、控制与管理优化提供必要的技术支撑。控制与管理优化提供必要的技术支撑。控制与管理优化提供必要的技术支撑。

【技术实现步骤摘要】
光伏电站群运行监测的物联网信任度分析方法及相关装置


[0001]本申请涉及电力
，尤其涉及一种光伏电站群运行监测的物联网信任度分析方法及相关装置。

技术介绍

[0002]5G的三大应用场景是对电力物联网中数据传输方案三大应用场景的进一步深化。国内外相关专家学者也按照5G的三大应用场景对电力物联网业务进行划分，并开展了相关的研究工作。
[0003]eMBB场景主要满足一些高带宽业务需求，是对数据采集类应用场景和业务信息传输场景的加强。目前，电力物联网在这方面的应用主要是电网大视频，包括了变电站机器人巡检、输电线路无人机在线监测、配电房视频监控、移动式现场施工作业管控及应急现场自组网综合应用等。已经有不少研究人员尝试应用5G技术在某些场景中做了实验，并取得了一定成果。
[0004]在信任度计算方面，有很多研究成果，比如：通过信任链的多次迭代计算出节点在全局范围内的信誉值，引入概率论的方法来解决信任问题，给出了一种基于Bayesian网的信任模型算法性能，在计算信任时考虑了算法的时间衰减和惩罚因子，提高了算法的准确性及抗策略攻击能力。信任是动态建立和发展的，其发展趋势具有一定的规律，同时相邻两次交易之间具有一定的相关性，已有算法没有很好地体现信任的时间相关性，上下文相关性和发展趋势，为了更好的描述信任的这些特性，在已有马氏链模型的基础上，引入稳态概率来描述信任的发展趋势，每次交易完成后动态更新转移矩阵来更准确的描述信任的上下文相关性，同时加入时间衰减因子和惩罚激励因子来提高算法的抗攻击能力。然而，对于面向光伏电站群运行监测的物联网信任度模糊概率计算现有技术仍鲜有研究。因此，亟需一种面向光伏电站群运行监测的物联网信任度模糊概率计算方法，来计算电力物联网的信任度，并评估信任度对光伏电站群运行、控制与管理优化的影响。

技术实现思路

[0005]本申请提供了一种光伏电站群运行监测的物联网信任度分析方法及相关装置，用于计算电力物联网的信任度，并评估信任度对光伏电站群运行、控制与管理优化的影响。
[0006]有鉴于此，本申请第一方面提供了一种光伏电站群运行监测的物联网信任度分析方法，所述方法包括：
[0007]根据光伏发电系统输出功率分别与日照强度、日照时间、日照阴影、日照偏角以及日照温度升高之间的特征关系，采用统计分析法分别计算光伏发电系统输出功率误差与日照强度、日照时间、日照阴影、日照偏角以及日照温度升高的模糊不确定性关系的三维梯形模糊集；
[0008]在感知层，计算电力物联网在光伏电站群运行监测中提供数据采集而形成的第一信息收益值；在网络层，计算电力物联网在光伏电站群运行监测中提供数据传输而形成的
第二信息收益值；在网络层，计算电力物联网在光伏电站群运行监测中提供数据存储和共享而形成的第三信息收益值；
[0009]基于所述三维梯形模糊集，计算电力物联网在光伏电站群运行监测中的信息损失值；
[0010]根据所述第一信息收益值、所述第二信息收益值、所述第三信息收益值以及所述信息损失值计算在光伏电站群运行监测的电力物联网中，电力物联网对所有用户信任度的平均值；
[0011]根据电力物联网对所有用户信任度的平均值，对电力物联网的信任度等级进行评估。
[0012]可选地，根据光伏发电系统输出功率与日照强度，采用统计分析法计算光伏发电系统输出功率误差与日照强度的模糊不确定性关系的三维梯形模糊集，具体包括：
[0013]在电力物联网的感知层，通过感知系统对具有模糊不确定性的日照强度进行采集；
[0014]从物联网监控数据中心获取用户所在地一天中白天N
PV
个时段日照强度的数据信息，根据光伏发电系统输出功率与日照强度之间的特征关系，采用统计分析方法计算确定用户时段t，t＝1,2,...,N
PV
，光伏发电系统输出功率误差与日照强度模糊不确定性关系的三维梯形模糊集
[0015][0016]式中，及分别为时段t与日照强度有关系的光伏发电系统输出功率误差的三维梯形模糊集或与三维梯形下界、中界、上界相对应的光伏发电系统输出功率误差模糊数及隶属度系数,及分别为时段t与日照强度有关系的光伏发电系统输出功率误差的三维梯形模糊集下界、中界、上界相对应的模糊数及隶属度系数。
[0017]可选地，所述在感知层，计算电力物联网在光伏电站群运行监测中提供数据采集而形成的第一信息收益值，具体包括：
[0018]基于第一信息收益值计算式，计算得到电力物联网在光伏电站群运行监测中提供数据采集而形成的第一信息收益值R
PV1
；
[0019]其中，所述第一信息收益值计算式为：
[0020]R
PV1
＝E[k
Mi
(M
S
+M
T
+M
Y
+M
A
+M
ΔT
)]；
[0021]式中，R
PV1
为在光伏电站群运行监测中电力物联网向用户提供数据采集而形成的信息收益值；k
Mi
M
S
为物联网在感知层为光伏电站群提供日照强度数据采集而形成的信息收益值，k
Mi
M
T
为物联网在感知层为光伏电站群提供日照时间提供数据采集而形成的信息收益值，k
Mi
M
Y
为物联网在感知层为光伏电站群提供日照阴影提供数据采集而形成的信息收益值，k
Mi
M
A
为物联网在感知层为光伏电站群提供日照偏角提供数据采集而形成的信息收益值，k
Mi
M
ΔT
为物联网在感知层为光伏电站群提供日照温度升高数据采集而形成的信息收益
值，k
Mi
为物联网在感知层为光伏电站群提供数据采集而给用户带来的单位信息收益值；E[]为对[]求期望值。
[0022]可选地，所述在网络层，计算电力物联网在光伏电站群运行监测中提供数据传输而形成的第二信息收益值，具体包括：
[0023]基于第二信息收益值计算式，计算得到电力物联网在光伏电站群运行监测中提供数据传输而形成的第二信息收益值R
PV2
；
[0024]其中，所述第二信息收益值计算式为：
[0025]R
PV2
＝E[k
Dvi
v
Dvi
]；
[0026]式中，R
PV2
为在光伏电站群运行监测中电力物联网向用户提供数据传输而形成的信息收益值；k
Dvi
v
Dvi
为向用户提供数据传输为极低、很低、低、较低、中等、较高、高、很高、极高9个模糊不确定性速率而形成的信息收益值，k
Dvi
为因电力物联网提供第i个速率的数据传输而给用户带来的单位收益值。
[0027]可选地，所述在网络层，计算电本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种光伏电站群运行监测的物联网信任度分析方法，其特征在于，包括：根据光伏发电系统输出功率分别与日照强度、日照时间、日照阴影、日照偏角以及日照温度升高之间的特征关系，采用统计分析法分别计算光伏发电系统输出功率误差与日照强度、日照时间、日照阴影、日照偏角以及日照温度升高的模糊不确定性关系的三维梯形模糊集；在感知层，计算电力物联网在光伏电站群运行监测中提供数据采集而形成的第一信息收益值；在网络层，计算电力物联网在光伏电站群运行监测中提供数据传输而形成的第二信息收益值；在网络层，计算电力物联网在光伏电站群运行监测中提供数据存储和共享而形成的第三信息收益值；基于所述三维梯形模糊集，计算电力物联网在光伏电站群运行监测中的信息损失值；根据所述第一信息收益值、所述第二信息收益值、所述第三信息收益值以及所述信息损失值计算在光伏电站群运行监测的电力物联网中，电力物联网对所有用户信任度的平均值；根据电力物联网对所有用户信任度的平均值，对电力物联网的信任度等级进行评估。2.根据权利要求1所述的光伏电站群运行监测的物联网信任度分析方法，其特征在于，根据光伏发电系统输出功率与日照强度，采用统计分析法计算光伏发电系统输出功率误差与日照强度的模糊不确定性关系的三维梯形模糊集，具体包括：在电力物联网的感知层，通过感知系统对具有模糊不确定性的日照强度进行采集；从物联网监控数据中心获取用户所在地一天中白天N
PV
个时段日照强度的数据信息，根据光伏发电系统输出功率与日照强度之间的特征关系，采用统计分析方法计算确定用户时段t，t＝1,2,...,N
PV
，光伏发电系统输出功率误差与日照强度模糊不确定性关系的三维梯形模糊集e
′
s
：：：式中，及分别为时段t与日照强度有关系的光伏发电系统输出功率误差的三维梯形模糊集或与三维梯形下界、中界、上界相对应的光伏发电系统输出功率误差模糊数及隶属度系数,及分别为时段t与日照强度有关系的光伏发电系统输出功率误差的三维梯形模糊集下界、中界、上界相对应的模糊数及隶属度系数。3.根据权利要求1所述的光伏电站群运行监测的物联网信任度分析方法，其特征在于，所述在感知层，计算电力物联网在光伏电站群运行监测中提供数据采集而形成的第一信息收益值，具体包括：基于第一信息收益值计算式，计算得到电力物联网在光伏电站群运行监测中提供数据采集而形成的第一信息收益值R
PV1
；其中，所述第一信息收益值计算式为：R
PV1
＝E[k
Mi
(M
S
+M
T
+M
Y
+M
A
+M
ΔT
)]；式中，R
PV1
为在光伏电站群运行监测中电力物联网向用户提供数据采集而形成的信息
收益值；k
Mi
M
S
为物联网在感知层为光伏电站群提供日照强度数据采集而形成的信息收益值，k
Mi
M
T
为物联网在感知层为光伏电站群提供日照时间提供数据采集而形成的信息收益值，k
Mi
M
Y
为物联网在感知层为光伏电站群提供日照阴影提供数据采集而形成的信息收益值，k
Mi
M
A
为物联网在感知层为光伏电站群提供日照偏角提供数据采集而形成的信息收益值，k
Mi
M
ΔT
为物联网在感知层为光伏电站群提供日照温度升高数据采集而形成的信息收益值，k
Mi
为物联网在感知层为光伏电站群提供数据采集而给用户带来的单位信息收益值；E[]为对[]求期望值。4.根据权利要求1所述的光伏电站群运行监测的物联网信任度分析方法，其特征在于，所述在网络层，计算电力物联网在光伏电站群运行监测中提供数据传输而形成的第二信息收益值，具体包括：基于第二信息收益值计算式，计算得到电力物联网在光伏电站群运行监测中提供数据传输而形成的第二信息收益值R
PV2
；其中，所述第二信息收益值计算式为：R
PV2
＝E[k
Dvi
v
Dvi
]；式中，R
PV2
为在光伏电站群运行监测中电力物联网向用户提供数据传输而形成的信息收益值；k
Dvi
v
Dvi
为向用户提供数据传输为极低、很低、低、较低、中等、较高、高、很高、极高9个模糊不确定性速率而形成的信息收益值，k
Dvi
为因电力物联网提供第i个速率的数据传输而给用户带来的单位收益值。5.根据权利要求1所述的光伏电站群运行监测的物联网信任度分析方法，其特征在于，...

【专利技术属性】
技术研发人员：周祥峰，蔡春元，李永健，黎礼飞，简玮侠，陈振江，周慧彬，黄晓东，李华，张莹，杨德强，魏俊锋，
申请(专利权)人：广东电网有限责任公司中山供电局，
类型：发明
国别省市：