【技术实现步骤摘要】
本专利技术涉及用电异常识别领域，具体涉及一种基于相似日典型曲线的光伏系统电流异常识别方法。
技术介绍
1、光伏发电已经成为满足可再生能源需求的重要方式，其在清洁能源领域的地位日益突出。随着光伏发电系统的不断部署和分布式并网的增加，对这些系统的实时监控和性能管理变得至关重要，以确保其可靠且高效地生成电力。
2、数据挖掘技术在光伏发电领域得到了广泛的应用，为系统运行提供了新的洞察力。这些技术可以用于故障诊断、性能评估和系统优化。例如，机器学习算法能够对电流、电压、温度等多维数据进行分析，从而实现对系统状态的实时或近实时监控。这些算法不仅能够检测和报告异常，还可以帮助预测潜在问题并采取适当的措施，以最大程度地提高系统的可靠性和效率。
3、然而，光伏发电系统的电流输出通常受到气象条件的影响，如阳光强度、温度等。这些因素导致电流具有强烈的日内和日间变异性，这对异常检测提出了挑战。简单地将实时数据与固定阈值或历史平均值进行比较可能导致误报和漏报，因为这些方法未能考虑到气象条件的影响，这些方法往往对突发和随机故障敏感，但在识别由环境条件引起的慢性问题方面却不够准确。因此，需要一种更智能的方法，能够在考虑到气象变化的同时，精确地识别系统的异常情况。
4、本专利技术的目标就是克服这些挑战，提供一种基于相似日典型曲线的电流异常识别方法，以实现在复杂气象条件下的高精度监控和提高光伏发电系统的可靠性和效率。通过结合聚类算法和机器学习技术，本专利技术为光伏发电系统的实时监控带来了新的解决方案，以应对日常的气象波动和系统
5、这种创新的方法将有助于确保光伏发电系统在各种气象条件下都能够稳定运行，并及时发现和解决潜在的问题，从而为可再生能源领域的可持续发展做出重要贡献。
技术实现思路
1、本专利技术的目的是为了克服现有技术的不足，提供一种基于相似日典型曲线的光伏系统电流异常识别方法，以实现在复杂气象条件下的高精度监控和提高光伏发电系统的可靠性和效率。通过结合聚类算法和机器学习技术，本专利技术为光伏发电系统的实时监控带来了新的解决方案，以应对日常的气象波动和系统的性能变化。
2、实现上述目的的一种技术方案是：一种基于相似日典型曲线的光伏系统电流异常识别方法，具体包括以下步骤：
3、s1:数据收集和预处理；
4、s2:构建日季节气象特征；
5、s3:实施电流数据监测与关联日选取，实时收集光伏发电系统的电流数据，形成测试曲线；
6、s4:计算距离和异常检测,计算测试电流曲线与选定典型日曲线之间的距离，根据阈值进行异常判定；
7、s5:警报和修复。
8、进一步的，s1中，收集的数据包括，历史光伏数据和历史气象数据。
9、进一步的，历史光伏数据为用户电流曲线形成的样本曲线库。
10、进一步的，建立样本曲线库的具体如下式：
11、
12、x表示原始数据，x’表示归一化后数据，再对高频、低频数据进行数据标准化和归一化处理，以消除不同电力数据之间的量纲差异。
13、进一步的，历史气象数据为通过气象数据平台收集的样本曲线日季节、气温、辐照度、湿度和云量数据。
14、进一步的，s2中，通过历史气象数据构建日季节气象特征，采用聚类算法利用典型日季节气象特征对历史数据中的日子进行典型日类别分类。
15、进一步的，聚类算法采用k-means聚类算法。
16、进一步的，s3中，关联日选取具体为:进行日特征提取与匹配，获取计算日气象数据，计算季节天气特征，通过k近邻算法从典型日中找到与当前日最为相似的典型日。
17、进一步的，s4中，计算距离和异常检测具体采用动态时间规划算法计算测试电流曲线与选定的典型日电流曲线之间的距离。
18、进一步的，s5中，根据异常判定的类型和严重程度，提供匹配的修复建议或者自动触发修复流程。
19、通过本专利技术基于相似日典型曲线的光伏系统电流异常识别方法的步骤，能够提供一个完善、高效和准确的光伏发电电流异常识别系统。该系统不仅能够及时检测异常情况，还能够提供详细的维护建议，从而帮助确保光伏发电系统的稳定运行。通过结合聚类算法和机器学习技术，本专利技术为光伏发电系统的实时监控带来了新的解决方案，以应对日常的气象波动和系统的性能变化。这种创新的方法将有助于确保光伏发电系统在各种气象条件下都能够稳定运行，并及时发现和解决潜在的问题，从而为可再生能源领域的可持续发展做出重要贡献。
本文档来自技高网...【技术保护点】
1.一种基于相似日典型曲线的光伏系统电流异常识别方法，其特征在于，具体包括以下步骤：
2.根据权利要求1所述的一种基于相似日典型曲线的光伏系统电流异常识别方法，其特征在于，S1中，收集的数据包括，历史光伏数据和历史气象数据。
3.根据权利要求2所述的一种基于相似日典型曲线的光伏系统电流异常识别方法，其特征在于，历史光伏数据为用户电流曲线形成的样本曲线库。
4.根据权利要求3所述的一种基于相似日典型曲线的光伏系统电流异常识别方法，其特征在于，建立样本曲线库的具体如下式：
5.根据权利要求2所述的一种基于相似日典型曲线的光伏系统电流异常识别方法，其特征在于，历史气象数据为通过气象数据平台收集的样本曲线日季节、气温、辐照度、湿度和云量数据。
6.根据权利要求1所述的一种基于相似日典型曲线的光伏系统电流异常识别方法，其特征在于，S2中，通过历史气象数据构建日季节气象特征，采用聚类算法利用典型日季节气象特征对历史数据中的日子进行典型日类别分类。
7.根据权利要求6所述的一种基于相似日典型曲线的光伏系统电流异常识别方法，
8.根据权利要求1所述的一种基于相似日典型曲线的光伏系统电流异常识别方法，其特征在于，S3中，关联日选取具体为:进行日特征提取与匹配，获取计算日气象数据，计算季节天气特征，通过k近邻算法从典型日中找到与当前日最为相似的典型日。
9.根据权利要求1所述的一种基于相似日典型曲线的光伏系统电流异常识别方法，其特征在于，S4中，计算距离和异常检测具体采用动态时间规划算法计算测试电流曲线与选定的典型日电流曲线之间的距离。
10.根据权利要求1所述的一种基于相似日典型曲线的光伏系统电流异常识别方法，其特征在于，S5中，根据异常判定的类型和严重程度，提供匹配的修复建议或者自动触发修复流程。
...【技术特征摘要】
1.一种基于相似日典型曲线的光伏系统电流异常识别方法，其特征在于，具体包括以下步骤：
2.根据权利要求1所述的一种基于相似日典型曲线的光伏系统电流异常识别方法，其特征在于，s1中，收集的数据包括，历史光伏数据和历史气象数据。
3.根据权利要求2所述的一种基于相似日典型曲线的光伏系统电流异常识别方法，其特征在于，历史光伏数据为用户电流曲线形成的样本曲线库。
4.根据权利要求3所述的一种基于相似日典型曲线的光伏系统电流异常识别方法，其特征在于，建立样本曲线库的具体如下式：
5.根据权利要求2所述的一种基于相似日典型曲线的光伏系统电流异常识别方法，其特征在于，历史气象数据为通过气象数据平台收集的样本曲线日季节、气温、辐照度、湿度和云量数据。
6.根据权利要求1所述的一种基于相似日典型曲线的光伏系统电流异常识别方法，其特征在于，s2中，通过历史气象数据构建日季节气象特征...
【专利技术属性】
技术研发人员：王钰楠，吴琦娜，陈明，冯楷，吴滨，魏盛，赵顺麟，黄珊凤，杨扬，汪旖云，
申请(专利权)人：国网上海市电力公司，
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。