一种光伏异常功率数据清洗方法技术

本发明专利技术涉及光伏发电技术领域，尤其涉及一种光伏异常功率数据清洗方法；包括以下步骤：

【技术实现步骤摘要】
一种光伏异常功率数据清洗方法


[0001]本专利技术涉及光伏发电
，尤其涉及一种光伏异常功率数据清洗方法
。

技术介绍

[0002]光伏发电是利用半导体界面的光生伏特效应而将光能直接转变为电能的一种技术，近年来光伏发电发展迅速，已经成为最重要的能源之一，全国光伏发电装机量也随之增加，随着光伏装机容量的快速增长，光伏发电系统智能化运行维护就显得愈发重要
。
智能化运维功能的实现依赖于数据的质量和高度可靠性，但是在光伏系统实际运行过程中会产生大量的异常值，产生这些异常值的原因包括数据传波信号噪声
、
传感器故障
、
通信设备故障
、
测量设备故障
、
最大功率跟踪异常以及阵列停机限电等
。
这些异常值会对光伏系统的建模分析等带来不理影响，因此异常数据清洗在实际工程中具有重要作用
。
[0003]目前，常用的光伏系统异常数据清洗方法包括全局概率统计方法和智能聚类方法两类，全局概率统计方法的优点在于方法本身为成熟的概率统计理论，能对功率曲线类似的历史样本数据建立统计学模型，而智能聚类方法的优点在于算法对理论要求弱
、
技术性强，大量的重复计算过程能够通过计算机迅速完成，但是上述两种方法也有缺点，全局概率统计方法的缺点在于难以解决异常数据局部堆积带来的数据误清洗问题，智能聚类方法的缺点在于其泛化能力取决于算法自身对于海量新鲜样本的学习，所以泛化能力有限；同时上述两种方法都存在一个缺点，在数据清洗过程中，会直接将异常数据直接删除，这样会破坏原始数据的完整性，可能影响后续的数据建模与决策分析
。
[0004]因此，亟需提供一种光伏异常功率数据清洗方法，相对于现有技术，保证原始数据的完整性
。

技术实现思路

[0005]本专利技术解决现有技术存在的技术问题，本专利技术提供了一种光伏异常功率数据清洗方法
。
[0006]为实现上述目的，本专利技术采用的技术方案如下：
[0007]一种光伏异常功率数据清洗方法，包括以下步骤：
[0008]S1、
采用方差变化点并结合相关性分析识别异常数据的类型，再根据不同类型所对应的方法进行异常数据的检测，异常数据类型包括单点异常值和连续异常值；
[0009]S2、
采用相关数据之间的线形回归模型进行异常数据修复；
[0010]S3、
对
S1、S2
步骤的可行性进行测试
。
[0011]进一步地，
S2
步骤的具体方法为：将异常数据视为缺失值，将缺失值去除，并建立光伏功率与辐照度之间的线性回归模型，根据所建立的线性回归模型计算异常数据点处的修复值
。
[0012]进一步地，步骤
S1
具体包括以下步骤：
[0013]S101、
计算方差变化点；
[0014]S102、
根据所计算的方差变化点进行单点异常值
、
连续异常值的识别；具体说：当检测到的异常方差点为两个且相邻或只检测到一个异常值时，确定为单点异常值，然后转入
S103
步骤进行异常数据检测；当检测到的异常方差点为两个且不相邻，并且这两个方差异常点之间的方差值都为0时，确定为连续异常值，然后转入
S104
步骤进行异常数据检测；
[0015]S103、
当检测到两个相邻的异常方差点时，确定所对应大序号的数据点为单点异常值；当只检测到一个异常方差值时，将该方差值所对应序号的数据点以及比该序号大且相邻序号所对应的数据点选出，并将这两个数据点分别与对应的具有强相关性的数据作差，差值大的数据为单点异常值；
[0016]S104、
确定两个所检测到的不相邻的异常方差点序号之间的所有序号的数据点为连续异常值；
[0017]S105、
利用光伏功率与辐照度之间的强相关性确定最终需要清洗的异常值，当单点异常值或连续异常值的异常情况与其对应的辐照度异常情况不一致时，确认该异常值为最终确认的需清洗的异常值
。
[0018]更进一步地，
S101
步骤具体包括以下步骤：
[0019](1)
设定原始数据序列为
x1,x2,x3,
…
x
n
，记
x
i
为第
i
个数据点，
i
＝
1,2,3
，，
…
，
n
，采用极差标准化对原始数据进行归一化处理，计算公式为：
[0020][0021]上式中，
X
i
为所得出的新数据序列中的第
i
个数据点，
x
i
为原始数据序列中的第
i
个数据点，
x
min
为原始数据序列中最小的数据点，
x
max
为原始数据序列中最大的数据点；
[0022](2)
根据步骤
(1)
计算得出新的数据序列
X1,X2,X3,
……
X
n
，计算新数据序列的方差，计算公式为：
[0023][0024]上式中，
V
i
表示新数据序列中的第
i
个数据点与第
i+1
个数据点之间的方差，
X
i
表示新数据序列中的第
i
个数据点，
X
i+1
表示新数据序列中的第
i+1
个数据点；
[0025]根据方差计算公式得到方差序列为：
V1,V2,V3,
……
V
n
‑1；
[0026](3)
采用中位数绝对偏差方法检测方差序列中的变化点
。
[0027]更进一步地，采用中位数绝对偏差方法检测方差序列中变化点的具体方法为：
[0028](1)
计算每个方差的
MAD
，通过下式计算得出：
[0029]MAD
＝
median|V
i
‑
median(V
i
)|
[0030]上式中，
MAD
表示中位数绝对偏差，
median
表示中位数，
median(V
i
)
表示方差
V
i
的中位数；
[0031](2)
使用拒绝标准来检测方差变化点，拒绝标准为：
[0032]V
i
<median(V
i
)+c
×
MAD
[0033本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种光伏异常功率数据清洗方法，其特征在于，包括以下步骤：
S1、
采用方差变化点并结合相关性分析识别异常数据的类型，再根据不同类型所对应的方法进行异常数据的检测，异常数据类型包括单点异常值和连续异常值；
S2、
采用相关数据之间的线形回归模型进行异常数据修复；
S3、
对
S1、S2
步骤的可行性进行测试
。2.
根据权利要求1所述的一种光伏异常功率数据清洗方法，其特征在于，
S2
步骤的具体方法为：将异常数据视为缺失值，将缺失值去除，并建立光伏功率与辐照度之间的线性回归模型，根据所建立的线性回归模型计算异常数据点处的修复值
。3.
根据权利要求1所述的一种光伏异常功率数据清洗方法，其特征在于，步骤
S1
具体包括以下步骤：
S101、
计算方差变化点；
S102、
根据所计算的方差变化点进行单点异常值
、
连续异常值的识别；具体说：当检测到的异常方差点为两个且相邻或只检测到一个异常值时，确定为单点异常值，然后转入
S103
步骤进行异常数据检测；当检测到的异常方差点为两个且不相邻，并且这两个异常方差点之间的方差值都为0时，确定为连续异常值，然后转入
S104
步骤进行异常数据检测；
S103、
当检测到两个相邻的异常方差点时，确定所对应大序号的数据点为单点异常值；当只检测到一个异常方差点时，将该异常方差点所对应序号的数据点以及比该序号大且相邻序号所对应的数据点选出，并将这两个数据点分别与对应的具有强相关性的数据作差，差值大的数据为单点异常值；
S104、
确定两个所检测到的不相邻的异常方差点序号之间的所有序号的数据点为连续异常值；
S105、
利用光伏功率与辐照度之间的强相关性确定最终需要清洗的异常值，当单点异常值或连续异常值的异常情况与其对应的辐照度异常情况不一致时，确认该异常值为最终确认的需清洗的异常值
。4.
根据权利要求3所述的一种光伏异常功率数据清洗方法，其特征在于，
S101
步骤具体包括以下步骤：
(1)
设定原始数据序列为
x1,x2,x3,
…
x
n
，记
x
i
为第
i
个数据点，
i
＝
1,2,3
，，
…
，
n
，采用极差标准化对原始数据进行归一化处理，计算公式为：上式中，
X
i
为所得出的新数据序列中的第
i
个数据点，
x
i
为原始数据序列中的第
i
个数据点，
x
min
为原始数据序列中最小的数据点，
x
max
为原始数据序列中最大的数据点；
(2)
根据步骤
(1)
计算得出新的数据序列
X1,X2,X3,
……
X
n
，计算新数据序...

【专利技术属性】
技术研发人员：康晓华，高敬更，李浒，徐宏雷，王琨，梁琛，保承家，牛炜，安亮亮，袁晖，戴媛媛，肖如真，杨博然，牛浩明，周盛成，
申请(专利权)人：国网甘肃省电力公司电力科学研究院，
类型：发明
国别省市：