本发明专利技术公开了一种数字化光伏台区负载率分析方法及系统包括，获取台区的历史数据，对历史数据进行预处理，构建相关性特征数据集，对相关性特征数据集进行相关性排序，取相关性最高的k个特征；将k个特征作为模型的输入，训练特征分析模型，并根据模型的输出计算相关特征占比值；将相关特征占比值从高到低进行依次排序，获取相关特征占比值最高的运行温度，根据运行温度分析识别高负载率和低负载率的时间段，进行数字化光伏台区负载率分析。实现数字化光伏台区负载率的精准分析，提高光伏发电的可接入容量，增强分布式光伏发电设备的利用率，同时提高配电网的可靠性。
【技术实现步骤摘要】
本专利技术涉及数字化光伏台区负载率分析，尤其涉及一种数字化光伏台区负载率分析方法及系统。
技术介绍
1、随着新能源的快速发展，台区中光伏电站的渗透率在逐步上升，数字化配电台区在配变侧、低压侧、用户侧分别部署各类低压感知设备，以智能融合配变终端为核心采集配电变压器、低压分支箱、低压电气数据、电能数据等信息的采集监测，再通过智能融合配变终端将台区数据按需分析、计算、整理后上送至配电自动化主站；
2、当光伏发电超出台区容量时还会导致台区过载，严重时发生设备损坏，造成光伏发电可接入容量减小，当分布式光伏发电设备处于非发电状态时，已接入容量增大，会导致用户可接入容量减小，由于光伏出力与很多因素相关，光伏发电具有很强的间歇性、波动性和不确定性，导致负载的影响特征难以精准定位，数据分析难度增加，难以提供给工作人员直观的负载特征信息，无法进行评估处理。
技术实现思路
1、本部分的目的在于概述本专利技术的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和专利技术名称中可能会做些简化或省略以避免使本部分、说明书摘要和专利技术名称的目的模糊，而这种简化或省略不能用于限制本专利技术的范围。
2、鉴于上述现有存在的问题，提出了本专利技术。
3、因此，本专利技术提供了一种数字化光伏台区负载率分析方法及系统，能够解决
技术介绍
中提到的问题。
4、为解决上述技术问题，本专利技术提供如下技术方案，一种数字化光伏台区负载率分析方法，包括：
5、获取台区的历史数据，对所述历史数据进行预处理，构建相关性特征数据集，对所述相关性特征数据集进行相关性排序，取相关性最高的k个特征；
6、将所述k个特征作为模型的输入，训练特征分析模型，并根据模型的输出计算相关特征占比值；
7、将所述相关特征占比值从高到低进行依次排序，获取相关特征占比值最高的运行温度，根据所述运行温度分析识别高负载率和低负载率的时间段，进行数字化光伏台区负载率分析。
8、作为本专利技术所述的数字化光伏台区负载率分析方法的一种优选方案，其中：所述特征分析模型包括：
9、所述特征分析模型的输入为相关性最高的k个特征，输出的数据标记为特征标签，将特征标签标记为ds，所述特征标签的取值范围为[0-6]，其中特征标签的值越大，其相关特征越多；
10、当特征标签ds∈[1,2]时，则将特征标签标记为绿色；
11、当特征标签ds∈(2,4]时，则将特征标签标记为黄色；
12、当特征标签ds∈(4,6]时，则将特征标签标记为红色。
13、作为本专利技术所述的数字化光伏台区负载率分析方法的一种优选方案，其中：所述根据模型的输出计算相关特征占比值包括：
14、设置特征标签系数为dh，利用如下公式获取相关特征占比值dv：
15、
16、其中，e1为预设比例系数；
17、将获取得到相关特征占比值dv从高到低进行依次排序，分别为第一影响特征、第二影响特征、第三影响特征...第k影响特征。
18、作为本专利技术所述的数字化光伏台区负载率分析方法的一种优选方案，其中：所述对所述历史数据进行预处理包括：
19、将台区内所有光伏用户发电设备的容量总和作为光伏接入容量，获取气象条件一致时，对台区在各个时期的历史线损率、逆变器负载率和光伏接入容量特征数据进行清洗，去除缺失值与异常值；
20、用特征中位数填充该特征数据中的缺失值，四分法分析特征数据中存在的异常值，并用特征数据的中位数替换该缺失值；
21、所述气象条件一致为：将辐射强度、风速、温度作为气象因素，将各气象因素的差异小于1％-5％的情况作为气象条件一致。
22、作为本专利技术所述的数字化光伏台区负载率分析方法的一种优选方案，其中：所述根据所述运行温度分析识别高负载率和低负载率的时间段，进行数字化光伏台区负载率分析包括：
23、将所述相关特征占比值从高到低进行依次排序，分别为第一影响特征、第二影响特征、第三影响特征...第k影响特征，其中第一影响特征相关特征占比值最高；
24、获取相同时间间隔的第一影响特征的运行温度，将获取的相同时间间隔运行温度按照获取先后顺序进行排序，将排序后相邻且时间在前的运行温度标记为前置温度，将排序后相邻且时间在后的运行温度标记为后置温度，将后置温度与前置温度进行差值计算，获取温度变化值，获取当前时间之前连续的n个温度变化值；
25、当温度变化值≥0时，将该温度变化值标记为温度升值，获取预警升标值yw；
26、当温度变化值＜0时，将该温度变化值标记为温度降值，获取预警降标值ym；
27、获取预警调整值yf，设置预警调整高值为hq，设置预警调整低值为lq；
28、当预警调整值yf≥预警调整高值hq，则负载率高，收集并记录负载第一特征，并发现优先警报，通知工作人员及时处理；
29、当预警调整低值lq≤预警调整值yf＜预警调整高值hq时，则为正常负载状态；
30、当预警调整值yf＜预警调整低值lq时，则为低负载状态；
31、通过识别高负载率和低负载率的时间段，制定相应的运营策略和调整光伏系统的容量或配置。
32、作为本专利技术所述的数字化光伏台区负载率分析方法的一种优选方案，其中：所述预警升标值包括：
33、将所有温度升值进行求和处理，获取温度总升值wg，获取温度变化值标记为温度升值的总数量，并标记为cs；
34、利用如下公式获取预警调整升标值yw：
35、yw＝wg×a1+cs×a2
36、其中，a1为温度总升值系数，a2为温度升值数量系数。
37、作为本专利技术所述的数字化光伏台区负载率分析方法的一种优选方案，其中：所述预警调整降标值包括：
38、将所有温度降值取绝对值后并进行求和处理，获取温度总降值wn，获取温度变化值标记为温度降值的总数量，并标记为dz；
39、利用如下公式获取预警调整降标值ym：
40、ym＝wn×b1+dz×b2
41、其中，b1为温度总降值系数，b2为温度降值数量系数。
42、一种数字化光伏台区负载率分析系统，其特征在于，包括：数据获取与处理模块、模型训练模块以及分析模块，
43、数据获取与处理模块，所述数据获取与处理模块用于获取台区的历史数据，对所述历史数据进行预处理，构建相关性特征数据集，对所述相关性特征数据集进行相关性排序，取相关性最高的k个特征；
44、模型训练模块，所述模型训练模块用于将所述k个特征作为模型的输入，训练特征分析模型，并根据模型的输出计算相关特征占比值；
45、分析模块，所述分析模块用于将所述相关特征占比值从高到低进行依次排序，获取相关特征占比值最高的运行温度，根据所述运行温度分析识别高负载率和低负本文档来自技高网
...
【技术保护点】
1.一种数字化光伏台区负载率分析方法，其特征在于，包括：
2.如权利要求1所述的数字化光伏台区负载率分析方法，其特征在于，所述特征分析模型包括：
3.如权利要求2所述的数字化光伏台区负载率分析方法，其特征在于，所述根据模型的输出计算相关特征占比值包括：
4.如权利要求3所述的数字化光伏台区负载率分析方法，其特征在于，所述对所述历史数据进行预处理包括：
5.如权利要求4所述的数字化光伏台区负载率分析方法，其特征在于，所述根据所述运行温度分析识别高负载率和低负载率的时间段，进行数字化光伏台区负载率分析包括：
6.如权利要求5所述的数字化光伏台区负载率分析方法，其特征在于，所述预警升标值包括：
7.如权利要求6所述的数字化光伏台区负载率分析方法，其特征在于，所述预警调整降标值包括：
8.一种数字化光伏台区负载率分析系统，其特征在于，包括：数据获取与处理模块、模型训练模块以及分析模块，
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
...
【技术特征摘要】
1.一种数字化光伏台区负载率分析方法，其特征在于，包括：
2.如权利要求1所述的数字化光伏台区负载率分析方法，其特征在于，所述特征分析模型包括：
3.如权利要求2所述的数字化光伏台区负载率分析方法，其特征在于，所述根据模型的输出计算相关特征占比值包括：
4.如权利要求3所述的数字化光伏台区负载率分析方法，其特征在于，所述对所述历史数据进行预处理包括：
5.如权利要求4所述的数字化光伏台区负载率分析方法，其特征在于，所述根据所述运行温度分析识别高负载率和低负载率的时间段，进行数字化光伏台区负载率分析包括：
6.如权利要求5所述的数字...
【专利技术属性】
技术研发人员：刘安茳，蔡永翔，郝树青，付宇，肖小兵，王扬，欧阳广泽，王磊，杨洋，白晋川，胡鹏，张彦，缪茂，班诗雪，何明君，窦陈，
申请(专利权)人：贵州电网有限责任公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。