CN105160595A - 基于多时间尺度出力评估的分布式光伏窃电监管方法 - Google Patents
基于多时间尺度出力评估的分布式光伏窃电监管方法 Download PDFInfo
- Publication number
- CN105160595A CN105160595A CN201510525086.4A CN201510525086A CN105160595A CN 105160595 A CN105160595 A CN 105160595A CN 201510525086 A CN201510525086 A CN 201510525086A CN 105160595 A CN105160595 A CN 105160595A
- Authority
- CN
- China
- Prior art keywords
- photovoltaic
- stealing
- generated energy
- power generation
- suspicion
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 30
- 238000010248 power generation Methods 0.000 claims abstract description 61
- 238000004364 calculation method Methods 0.000 claims abstract description 46
- 230000007774 longterm Effects 0.000 claims abstract description 16
- 238000007689 inspection Methods 0.000 claims abstract description 7
- 230000005611 electricity Effects 0.000 claims description 26
- 238000012544 monitoring process Methods 0.000 claims description 12
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 claims description 7
- 230000005856 abnormality Effects 0.000 claims description 7
- 238000012216 screening Methods 0.000 abstract description 9
- 238000007619 statistical method Methods 0.000 abstract description 3
- 239000000470 constituent Substances 0.000 abstract 1
- 230000000875 corresponding effect Effects 0.000 description 17
- 238000005516 engineering process Methods 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 206010033307 Overweight Diseases 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000002354 daily effect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 235000020825 overweight Nutrition 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000004513 sizing Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000001550 time effect Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Landscapes
- Photovoltaic Devices (AREA)
Abstract
本发明公开了一种基于多时间尺度出力评估的分布式光伏窃电监管方法，首先建立基于电站历史统计数据的光伏出力计算模型，利用电站历史发电信息及同期气象信息，生成气象信息与光伏出力的拟合曲线，载入实时气象信息，便可求得该电站的实时出力。然后基于多时间尺度光伏出力评估，给出三层筛选结构的窃电识别方法：实时窃电评估、短期窃电评估和中长期窃电评估，并根据窃电嫌疑判定结果给出相应的稽查方案。本发明采用统计学方法，规避了光伏电站各组成元件的独立建模，计算误差小，提高了模型精度，通过设计窃电识别的三层筛选结构，大大提高了分布式光伏发电的窃电识别率，为分布式光伏发电的有效监管提供证据，提高了稽查工作效率。
Description
技术领域
本发明涉及一种基于多时间尺度出力评估的分布式光伏窃电监管方法，属于光伏发电技术领域。
背景技术
分布式光伏发电主要应用于工业园区、公共商业设施和住宅建筑，对优化能源结构、推动节能减排、实现经济可持续发展具有重要意义，是解决能源危机和环境问题的有效手段。
财政部于2013年7月下发的《关于分布式光伏发电实行按照电量补贴政策等有关问题的通知》，明确了分布式光伏发电项目按电量补贴等政策实施办法。分布式光伏发电项目按照程序完成备案，项目建成投产，符合并网相关条件并完成并网验收等电网接入工作的，可申请按电量给予补贴。电网企业根据项目发电量和国家确定的补贴标准，按电费结算周期及时支付补贴资金。补贴电量由电网企业按用户抄表周期对列入分布式光伏发电项目补贴目录内的项目发电量、上网电量和自发自用电量等进行抄表计量，作为计算补贴的依据。
在正常运行情况下，分布式光伏发电一般仅向电网公司上传光伏发电系统并网状态、发电量等信息，缺乏有效的辅助测量信息，存在用户通过一定的技术手段使得分布式光伏电能计量表多计量发电量或自行更改接线，造成光伏电能计量表虚高，进而获取高额补贴的可能性。
新能源发电产业的发展，如风力发电、分布式光伏发电、光热发电等，基于其特殊的发电方式及补贴政策，亦催生出很多新型的窃电手段。光伏防窃电与传统的防窃电不同，不是防从电网窃电，而是防光伏电能计量表虚高。目前，防窃电技术的研究主要针对传统用户窃电方式而开展，对象侧重于电能计量表本体，每个电能计量表都需安装防窃电装置，工程量大，且效果不好。因此，目前的防窃电方法不能适用于分布式光伏发电系统的防窃电。针对分布式光伏发电系统防窃电技术，目前国内仍未见相关研究成果。
发明内容
本发明的目的在于提供一种基于多时间尺度出力评估的分布式光伏窃电监管方法实现对分布式光伏发电业主发电量的有效监管，对发电量明显高于理论计算发电量的分布式光伏业主进行核查，避免部分分布式光伏业主通过不法手段获取高额补贴，形成对分布式光伏发电补贴政策的有力技术支撑。
为达到上述目的，本发明采用的技术方案如下：
基于多时间尺度出力评估的分布式光伏窃电监管方法，包括以下步骤：
1)建立基于电站历史统计数据的光伏出力计算模型，具体为：
1-1)建立分布式光伏发电系统运行历史信息数据库，在此基础上，建立光伏出力计算模型；
1-2)优化所述步骤1-1)建立的光伏出力计算模型；
1-3)验证所述步骤1-2)优化好的光伏出力计算模型，若验证结果在设定的范围内，则进入步骤1-4)，否则，返回步骤1-2)，重新优化光伏出力计算模型；
1-4)模型应用，即输入光伏电站所在地实时气象信息，利用光伏出力计算模型计算获得光伏电站实时输出功率，进而计算获得光伏电站实时理论发电量；
2)进行基于多时间尺度出力评估的光伏窃电嫌疑判定；多时间尺度出力评估分为以小时为单位的实时出力评估、以天为单位的短期出力评估和分别以月、季度为单位的中长期出力评估，对应的，分布式光伏窃电嫌疑判定分为实时窃电嫌疑判定，短期窃电嫌疑判定和中长期窃电嫌疑判定三层，具体为：
2-1)进行实时窃电嫌疑判定：采用早晚两小时的实际发电量与光伏出力计算模型计算的理论发电量进行比较，判定满足120％理论发电量>实际发电量>80％理论发电量时，为发电正常，对高于120％理论发电量的分布式光伏用户进行窃电嫌疑系数判定，对低于理论发电量80％的分布式光伏用户发出发电异常告警；
2-2)对实时窃电嫌疑判定结果为发电正常的光伏电站进行短期窃电嫌疑判定：利用1天的实际发电量与光伏出力计算模型计算的理论发电量进行对比，判定满足120％理论发电量>实际发电量>80％理论发电量时，为发电正常，对高于120％理论发电量的分布式光伏用户进行窃电嫌疑系数判定，对低于理论发电量80％的分布式光伏用户发出发电异常告警；
2-3)进行中长期窃电嫌疑判定：中期窃电嫌疑判定以一个月为单位，长期窃电嫌疑判定以一个季度为单位，通过统计月/季度通过步骤2-1)、步骤2-2)筛选出的存在窃电嫌疑的天数，给出窃电嫌疑判定结果和相应的稽查方案。
前述的步骤1-1)中，历史信息数据库包括分布式光伏发电系统装机容量、发电功率、发电量及同期气象资料，历史信息数据库提供的样本数据应涵盖各天气类型的气象信息及其对应的光伏电站输出功率。
前述的步骤1-1)中，光伏出力计算模型的输入量即为历史信息数据库中的气象信息及其对应的光伏电站输出功率，输出为气象信息与光伏电站输出功率的拟合曲线。
前述的步骤1-2)中，优化的方法为：比较相同气象条件下的光伏电站输出功率值，对偏差大于预定值的样本数据进行剔除。
前述的步骤1-3)中，利用分布式光伏发电系统运行历史信息数据库中的样本进行验证，该验证所采用的样本数据区别于光伏出力计算模型建立时所采用的样本数据，将光伏电站一段时间的气象信息导入到光伏出力计算模型，利用模型计算获得对应的光伏电站输出功率，进而获取不同时间尺度的光伏电站发电量信息，该电量为理论电量值；同时读取电能表对应时间段的发电量信息，为实际电量值，对比光伏电站理论电量值和实际电量值，计算误差，判断该误差是否在设定的范围内。
前述的步骤2)中，窃电嫌疑系数判定方法为：设定140％理论发电量>实际发电量>120％理论发电量，窃电嫌疑系数为0.1；当实际发电量每高出理论发电量20％，窃电嫌疑系数增加0.1，以此类推；当实际发电量>280％理论发电量，窃电嫌疑系数为0.9。
前述的步骤2-3)中，以一个月为单位的中期窃电嫌疑判定结果和相应的稽查方案为：当光伏电站一个月内存在窃电嫌疑总天数小于等于7天，认为该光伏电站具有轻度窃电嫌疑，建议增长检查周期；当光伏电站一个月内存在窃电嫌疑总天数介于7-15天之间，认为该光伏电站具有中度窃电嫌疑，应标识为近期重点监督对象；当光伏电站一个月内存在窃电嫌疑总天数大于等于15天，认为该光伏电站具有重大窃电嫌疑，建议现场稽查。
与现有技术相比，本发明的优点为：
1)基于光伏电站历史数据建立的分布式光伏出力计算模型，采用统计学方法，规避了光伏电站各组成元件的独立建模，计算误差小，提高了模型精度。
2)三层筛选结构的分布式光伏窃电识别方法以多时间尺度光伏出力评估为理论依据，逐级筛选，窃电判定可信度高，有效提高了分布式光伏窃电识别率。
3)根据光伏电站月度存在窃电嫌疑天数的统计，给出窃电嫌疑判定结果并给出相应的稽查方案，为分布式光伏发电的有效监管提供证据，提高了稽查工作效率。
附图说明
图1为本发明的基于电站历史统计数据的光伏出力计算模型流程图；
图2为本发明的基于多时间尺度出力评估的光伏窃电嫌疑判定流程图；
图3为本发明的中期窃电嫌疑判定流程图。
具体实施方式
现结合附图和具体实施方式对本发明作进一步详细说明。
本发明的基于多时间尺度出力评估的分布式光伏窃电监管方法，包括以下两个部分：
1.建立基于电站历史统计数据的光伏出力计算模型
光伏出力计算采用统计学方法，利用电站历史发电功率及同期气象信息建立光伏出力计算模型，利用建立好的光伏出力计算模型，更新气象信息可以直接计算获得光伏出力，规避了基于数学建模需要考虑光伏组件安装方式、倾角、光伏逆变器效率、电站损耗等一系列因素，提高了模型精度。
如图1所示，建立基于电站历史统计数据的光伏出力计算模型包括如下步骤：
首先模型建立。在分布式光伏发电系统运行历史信息数据库的基础上，建立分布式光伏出力计算模型，该模型基于统计数据。历史信息数据库包括分布式光伏发电系统装机容量、发电功率、发电量及同期气象资料，历史信息数据库提供的样本数据应涵盖各天气类型(晴天、多云、阴天、雨天)的气象信息及其对应的光伏电站输出功率。气象信息和电能表信息采样频率越高，模型越精确。分布式光伏出力计算模型的输入量即为历史信息数据库中的气象信息及其对应的光伏电站输出功率，输出为气象信息与光伏电站输出功率的拟合曲线。其中，横坐标为气象信息，纵坐标为光伏电站输出功率。在模型建立过程中，由于历史数据库提供的样本输入为气象信息，输出为对应的光伏电站输出功率，对于不同的天气类型，相同的气象条件(相同的辐照、温度等)对应的光伏电站输出功率可能不同，此时，为保障模型输出精度，采用求平均值的处理方法。历史数据库提供的样本丰富，可以涵盖各天气类型下的光伏电站运行情况，因而获取的气象信息与光伏电站输出功率拟合曲线具有普遍的参考意义。
其次是模型优化。本发明所建立的分布式光伏出力计算模型基于历史气象信息及其对应的光伏电站输出功率，存在气象及功率对应时刻不吻合的情况，比如气象信息采样时刻A，但此时对应的电能表的光伏输出功率有可能是上一时刻的值，即对应采样时刻为B，若在时刻A与时刻B之间天气发生了剧烈的变化(飘过一片云等)，二者对应的关系就不再准确，可能会影响模型精度。为消除该类不合理数据的影响，需要对建立的模型进行优化。比较相似气象条件下的光伏电站输出功率值，对偏差较大(过高或过低)的样本数据进行剔除，进而获得气象信息与光伏电站输出功率高度拟合的曲线。
然后模型验证。对于优化好的分布式光伏出力计算模型，需要检验其精度，若模型精度在可接受范围内，可进入下一步模型应用；否则需要重新进行模型建立和优化。在该步骤中，利用分布式光伏发电系统运行历史信息数据库中的样本进行测试，该部分样本数据应区别于模型建立时所采用的样本数据。将该电站一段时间的气象信息导入分布式光伏出力计算模型，利用模型计算获得对应的光伏电站输出功率，进而获取不同时间尺度的光伏电站发电量信息，该电量为分布式光伏出力模型计算得出的理论电量值；同时读取电能表对应时间段的电量信息，为光伏电站实际电量值。对比光伏电站理论电量值和实际电量值，计算误差，若该误差在可接受范围内，进入第四步。否则，返回第二步，重新优化分布式光伏出力计算模型。
最后为模型应用，即输入光伏电站所在地实时气象信息，计算获得光伏电站实时输出功率，进而计算获得光伏电站实时理论发电量。
2.进行基于多时间尺度出力评估的光伏窃电嫌疑判定
由于光伏电站输出功率受气象条件影响较大，具有随机不确定性，为提高分布式光伏窃电识别率，本发明采用具有时间累积效应的光伏发电量作为判别窃电与否的依据。光伏发电量可以由光伏输出功率积分计算获得。
分布式光伏出力评估分为实时出力评估(以小时为单位)、短期出力评估(以天为单位)和中长期出力评估(分别以月、季度为单位)。对应的，分布式光伏窃电嫌疑判定分为实时窃电嫌疑判定，短期窃电嫌疑判定和中长期窃电嫌疑判定三层。
在光伏窃电嫌疑判定过程中，需要用到窃电嫌疑系数，本发明的窃电嫌疑系数确定的依据为实际发电量与理论发电量区间之间的误差；其中，理论发电量由分布式光伏出力计算模型计算所得，实际发电量为光伏逆变器出口的光伏发电量结算电表上传的电量。当实际发电量＜80％理论发电量时，给出发电异常告警；当120％理论发电量>实际发电量>80％理论发电量时，为发电正常；当实际发电量＞120％理论发电量时，判定相应的窃电嫌疑系数：设定140％理论发电量>实际发电量>120％理论发电量，窃电嫌疑系数为0.1；当实际发电量每高出理论发电量20％，窃电嫌疑系数增加0.1，以此类推；当实际发电量>280％理论发电量，窃电嫌疑系数为0.9。
如图2所示，第一层为实时窃电嫌疑判定，采用早晚两小时的实际发电量与分布式光伏出力计算模型计算的理论发电量进行比较。由于在早上和晚上，太阳刚升起或者已经落下，太阳辐照比较弱，对应的光伏发电量很小，对于不法窃电用户来说，其窃电曲线不随气象条件变化而变化，有可能在早晚的实际发电量明显高于理论计算电量，因此，可以利用该时段的光伏电站出力作为判断窃电与否的有力依据。判定满足120％理论发电量>实际发电量>80％理论发电量时，为发电正常，对高于120％理论发电量的光伏用户进行窃电嫌疑系数判定，对低于理论发电量80％的光伏用户发出发电异常告警。但是，有的光伏窃电用户掌握光伏发电趋势，在早晚时间人为少发电或者停机不发电，如果纯粹利用实时窃电嫌疑判定可能识别不出该部分窃电用户。因此，在第一层筛选的基础上，即对第一层判断结果为“发电正常”状态的分布式光伏电站进行第二层筛选。第二层为短期窃电嫌疑判定，利用1天的发电量进行比较。根据每天实际发电量与分布式光伏出力计算模型计算的理论发电量进行对比，判定满足120％理论发电量>实际发电量>80％理论发电量时，为发电正常，对高于120％理论发电量的光伏用户进行窃电嫌疑系数判定，对低于理论发电量80％的光伏用户发出发电异常告警。考虑到分布式光伏发电的随机性，仅仅利用一天的电量比较，判定光伏电站是否存在窃电嫌疑不合适。因此，加入第三层筛选，中长期窃电嫌疑判定，即拉长时间跨度进行窃电嫌疑判断。其中，中期窃电嫌疑判定以一个月为单位，长期窃电嫌疑判定以一个季度为单位，通过统计月/季度通过前两层筛选出的电站存在窃电嫌疑的天数，给出窃电结果。中长期窃电嫌疑判定，屏蔽了通过实时窃电嫌疑判定和短期窃电嫌疑判定可能存在误判情况的不足。
如图3所示，中长期窃电嫌疑判定以中期窃电嫌疑判定为例，检测周期为一个月，需要对光伏电站一个月内通过第一层和第二层检测出来存在窃电嫌疑的天数进行统计，并将计算结果求和。当光伏电站一个月内存在窃电嫌疑总天数小于等于7天，认为该光伏电站具有轻度窃电嫌疑，建议增长检查周期，如一个季度或者半年；当光伏电站一个月内存在窃电嫌疑总天数介于7-15天之间，认为该光伏电站具有中度窃电嫌疑，应标识为近期重点监督对象；当光伏电站一个月内存在窃电嫌疑总天数大于等于15天，认为该光伏电站具有重大窃电嫌疑，建议现场稽查。
最后应当指出的是，本发明给出的基于多时间尺度出力评估的分布式光伏窃电识别方法，时间尺度分别为小时、日、月三种尺度，其他方案对于分布式光伏出力时间尺度的长短定义可能有所不同，比如周、季度等，但不能绕过本发明的保护范围。本发明给出的分布式光伏窃电识别方法引入三层筛选结构，分别为实时出力评估(利用早晚两小时发电量信息)、短期窃电评估(利用日发电量信息)、中长期窃电评估(利用月/季度存在窃电嫌疑天数统计信息)，其他方案可以利用上述三层筛选结构中的任意一种方法或者筛选其中两种方法进行组合，进行光伏窃电识别，但不能绕过本发明的保护范围。
Claims (7)
1.基于多时间尺度出力评估的分布式光伏窃电监管方法，其特征在于，包括以下步骤：
1）建立基于电站历史统计数据的光伏出力计算模型，具体为：
1-1）建立分布式光伏发电系统运行历史信息数据库，在此基础上，建立光伏出力计算模型；
1-2）优化所述步骤1-1）建立的光伏出力计算模型；
1-3）验证所述步骤1-2）优化好的光伏出力计算模型，若验证结果在设定的范围内，则进入步骤1-4），否则，返回步骤1-2），重新优化光伏出力计算模型；
1-4）模型应用，即输入光伏电站所在地实时气象信息，利用光伏出力计算模型计算获得光伏电站实时输出功率，进而计算获得光伏电站实时理论发电量；
2）进行基于多时间尺度出力评估的光伏窃电嫌疑判定；多时间尺度出力评估分为以小时为单位的实时出力评估、以天为单位的短期出力评估和分别以月、季度为单位的中长期出力评估，对应的，分布式光伏窃电嫌疑判定分为实时窃电嫌疑判定，短期窃电嫌疑判定和中长期窃电嫌疑判定三层，具体为：
2-1）进行实时窃电嫌疑判定：采用早晚两小时的实际发电量与光伏出力计算模型计算的理论发电量进行比较，判定满足120%理论发电量>实际发电量>80%理论发电量时，为发电正常，对高于120%理论发电量的分布式光伏用户进行窃电嫌疑系数判定，对低于理论发电量80%的分布式光伏用户发出发电异常告警；
2-2）对实时窃电嫌疑判定结果为发电正常的光伏电站进行短期窃电嫌疑判定：利用1天的实际发电量与光伏出力计算模型计算的理论发电量进行对比，判定满足120%理论发电量>实际发电量>80%理论发电量时，为发电正常，对高于120%理论发电量的分布式光伏用户进行窃电嫌疑系数判定，对低于理论发电量80%的分布式光伏用户发出发电异常告警；
2-3)进行中长期窃电嫌疑判定：中期窃电嫌疑判定以一个月为单位，长期窃电嫌疑判定以一个季度为单位，通过统计月/季度通过步骤2-1）、步骤2-2）筛选出的存在窃电嫌疑的天数，给出窃电嫌疑判定结果和相应的稽查方案。
2.根据权利要求1所述的基于多时间尺度出力评估的分布式光伏窃电监管方法，其特征在于，所述步骤1-1）中，历史信息数据库包括分布式光伏发电系统装机容量、发电功率、发电量及同期气象资料，历史信息数据库提供的样本数据应涵盖各天气类型的气象信息及其对应的光伏电站输出功率。
3.根据权利要求2所述的基于多时间尺度出力评估的分布式光伏窃电监管方法，其特征在于，所述步骤1-1）中，光伏出力计算模型的输入量即为历史信息数据库中的气象信息及其对应的光伏电站输出功率，输出为气象信息与光伏电站输出功率的拟合曲线。
4.根据权利要求1所述的基于多时间尺度出力评估的分布式光伏窃电监管方法，其特征在于，所述步骤1-2）中，优化的方法为：比较相同气象条件下的光伏电站输出功率值，对偏差大于预定值的样本数据进行剔除。
5.根据权利要求1所述的基于多时间尺度出力评估的分布式光伏窃电监管方法，其特征在于，所述步骤1-3）中，利用分布式光伏发电系统运行历史信息数据库中的样本进行验证，该验证所采用的样本数据区别于光伏出力计算模型建立时所采用的样本数据，将光伏电站一段时间的气象信息导入到光伏出力计算模型，利用模型计算获得对应的光伏电站输出功率，进而获取不同时间尺度的光伏电站发电量信息，该电量为理论电量值；同时读取电能表对应时间段的发电量信息，为实际电量值，对比光伏电站理论电量值和实际电量值，计算误差，判断该误差是否在设定的范围内。
6.根据权利要求1所述的基于多时间尺度出力评估的分布式光伏窃电监管方法，其特征在于，所述步骤2）中，窃电嫌疑系数判定方法为：设定140%理论发电量>实际发电量>120%理论发电量，窃电嫌疑系数为0.1；当实际发电量每高出理论发电量20%，窃电嫌疑系数增加0.1，以此类推；当实际发电量>280%理论发电量，窃电嫌疑系数为0.9。
7.根据权利要求1所述的基于多时间尺度出力评估的分布式光伏窃电监管方法，其特征在于，所述步骤2-3）中，以一个月为单位的中期窃电嫌疑判定结果和相应的稽查方案为：当光伏电站一个月内存在窃电嫌疑总天数小于等于7天，认为该光伏电站具有轻度窃电嫌疑，建议增长检查周期；当光伏电站一个月内存在窃电嫌疑总天数介于7-15天之间，认为该光伏电站具有中度窃电嫌疑，应标识为近期重点监督对象；当光伏电站一个月内存在窃电嫌疑总天数大于等于15天，认为该光伏电站具有重大窃电嫌疑，建议现场稽查。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510525086.4A CN105160595A (zh) | 2015-08-24 | 2015-08-24 | 基于多时间尺度出力评估的分布式光伏窃电监管方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510525086.4A CN105160595A (zh) | 2015-08-24 | 2015-08-24 | 基于多时间尺度出力评估的分布式光伏窃电监管方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN105160595A true CN105160595A (zh) | 2015-12-16 |
Family
ID=54801442
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510525086.4A Pending CN105160595A (zh) | 2015-08-24 | 2015-08-24 | 基于多时间尺度出力评估的分布式光伏窃电监管方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105160595A (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105956394A (zh) * | 2016-04-28 | 2016-09-21 | 南京理工大学 | 一种基于最小二乘法的光伏模拟器虚增电量的检测方法 |
| CN108181534A (zh) * | 2018-01-24 | 2018-06-19 | 宁波大家小家网络科技有限公司 | 一种用于光伏发电全额上网的发用电分析的方法及系统 |
| CN110738415A (zh) * | 2019-10-15 | 2020-01-31 | 国网山西省电力公司晋中供电公司 | 基于用电采集系统和离群点算法的窃电用户分析方法 |
| CN112329872A (zh) * | 2020-11-11 | 2021-02-05 | 湖南安华源电力科技有限公司 | 一种采用多维融合技术提高光伏发电量的方法 |
| CN112818934A (zh) * | 2021-02-28 | 2021-05-18 | 长沙理工大学 | 一种基于特征挖掘的光伏发电三层筛选窃电识别方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2014068502A (ja) * | 2012-09-27 | 2014-04-17 | Kddi Corp | 太陽光発電電力制御システム、太陽光発電電力制御方法およびプログラム |
| CN104300899A (zh) * | 2014-09-11 | 2015-01-21 | 国家电网公司 | 一种光伏发电防窃电系统 |
| CN104348413A (zh) * | 2014-10-13 | 2015-02-11 | 东南大学 | 基于数据分析的自适应光伏防窃电方法 |
| CN104793030A (zh) * | 2015-04-24 | 2015-07-22 | 国家电网公司 | 一种分布式光伏发电窃电监管方法 |
| CN104794544A (zh) * | 2015-04-24 | 2015-07-22 | 国家电网公司 | 基于智能算法的分布式光伏发电防窃电监测方法 |
-
2015
- 2015-08-24 CN CN201510525086.4A patent/CN105160595A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2014068502A (ja) * | 2012-09-27 | 2014-04-17 | Kddi Corp | 太陽光発電電力制御システム、太陽光発電電力制御方法およびプログラム |
| CN104300899A (zh) * | 2014-09-11 | 2015-01-21 | 国家电网公司 | 一种光伏发电防窃电系统 |
| CN104348413A (zh) * | 2014-10-13 | 2015-02-11 | 东南大学 | 基于数据分析的自适应光伏防窃电方法 |
| CN104793030A (zh) * | 2015-04-24 | 2015-07-22 | 国家电网公司 | 一种分布式光伏发电窃电监管方法 |
| CN104794544A (zh) * | 2015-04-24 | 2015-07-22 | 国家电网公司 | 基于智能算法的分布式光伏发电防窃电监测方法 |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105956394A (zh) * | 2016-04-28 | 2016-09-21 | 南京理工大学 | 一种基于最小二乘法的光伏模拟器虚增电量的检测方法 |
| CN108181534A (zh) * | 2018-01-24 | 2018-06-19 | 宁波大家小家网络科技有限公司 | 一种用于光伏发电全额上网的发用电分析的方法及系统 |
| CN108181534B (zh) * | 2018-01-24 | 2023-09-29 | 宁波大家小家网络科技有限公司 | 一种用于光伏发电全额上网的发用电分析的方法及系统 |
| CN110738415A (zh) * | 2019-10-15 | 2020-01-31 | 国网山西省电力公司晋中供电公司 | 基于用电采集系统和离群点算法的窃电用户分析方法 |
| CN112329872A (zh) * | 2020-11-11 | 2021-02-05 | 湖南安华源电力科技有限公司 | 一种采用多维融合技术提高光伏发电量的方法 |
| CN112329872B (zh) * | 2020-11-11 | 2022-07-15 | 湖南安华源电力科技有限公司 | 一种采用多维融合技术提高光伏发电量的方法 |
| CN112818934A (zh) * | 2021-02-28 | 2021-05-18 | 长沙理工大学 | 一种基于特征挖掘的光伏发电三层筛选窃电识别方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN102566435B (zh) | 一种光伏电站的性能预报及故障报警方法 | |
| Zhang et al. | A data-driven approach for detection and estimation of residential PV installations | |
| CN103678872B (zh) | 一种光伏发电系统性能评估方法及装置 | |
| CN105160595A (zh) | 基于多时间尺度出力评估的分布式光伏窃电监管方法 | |
| Koo et al. | Estimation of the monthly average daily solar radiation using geographic information system and advanced case-based reasoning | |
| US11143680B2 (en) | Estimation of energy losses due to partial equipment failure for photovoltaic systems from measured and modeled inputs | |
| CN106059496B (zh) | 一种光伏组件阵列性能监测和故障识别的方法及系统 | |
| US20140188410A1 (en) | Methods for Photovoltaic Performance Disaggregation | |
| CN113642787A (zh) | 基于配售电竞争态势下区域配电网网格化负荷区间预测方法 | |
| CN105260800A (zh) | 一种光伏组件温度预测方法及装置 | |
| CN103235981A (zh) | 一种风电电能质量趋势预测方法 | |
| CN104794544A (zh) | 基于智能算法的分布式光伏发电防窃电监测方法 | |
| CN107145707A (zh) | 一种计及光伏出力不确定性和全寿命周期成本的配电网变压器规划方法 | |
| CN105337574B (zh) | 基于稳健回归的分布式光伏发电窃电识别方法 | |
| WO2015073996A2 (en) | Solar energy disaggregation techniques for whole-house energy consumption data | |
| US11551323B2 (en) | Ensuring safe servicing in a low-voltage network of the electric power distribution system | |
| TWI671996B (zh) | 判斷太陽能發電模組朝向的方法 | |
| CN105139275A (zh) | 一种建立分布式光伏窃电成本效益评价模型的方法 | |
| Tsagaris et al. | Data monitoring system for supervising the performance assessment of a photovoltaic park | |
| Pratt et al. | The effect of uncertainty in modeling coefficients used to predict energy production using the sandia array performance model | |
| DeBenedictis et al. | Statistically adjusted engineering (SAE) modeling of metered roof-top photovoltaic (PV) output: California evidence | |
| Lu et al. | Large-scale pv integration study | |
| de Miranda Lammoglia et al. | Analysis of economic viability with the use of monte carlo simulation for microgeneration of photovoltaic energy | |
| Zhou et al. | PV power characteristic modeling based on multi-scale clustering and its application in generation prediction | |
| Han et al. | Sensitivity analysis of acquisition granularity of photovoltaic output power to capacity configuration of energy storage systems |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C41 | Transfer of patent application or patent right or utility model | ||
| CB03 | Change of inventor or designer information |
Inventor after: Ji Qiuhua Inventor after: Liu Gang Inventor after: Zhou Guang Inventor after: Du Wei Inventor after: Chen Lei Inventor after: Zhang Yu Inventor after: Wang Yanjuan Inventor after: Hu Jihao Inventor after: Cai Wei Inventor before: Ji Qiuhua Inventor before: Cai Wei Inventor before: Huang Yilin Inventor before: Liu Gang Inventor before: Zhou Guang Inventor before: Du Wei Inventor before: Dai Chensong Inventor before: Chen Lei Inventor before: Zhang Yu Inventor before: Wang Yanjuan Inventor before: Hu Jihao |
|
| COR | Change of bibliographic data | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20160926 Address after: 210009 weft two road, hi tech Development Zone, Jiangsu, Nanjing Applicant after: State Grid Corporation of China Applicant after: State Grid Hebei Electric Power Company Applicant after: Nanjing Nanrui Solar Energy Technology Co., Ltd. Applicant after: Nanjing Nari Co., Ltd. Applicant after: NARI Technology Development Co., Ltd. Address before: 210009 weft two road, hi tech Development Zone, Jiangsu, Nanjing Applicant before: State Grid Corporation of China Applicant before: Nanjing Nari Co., Ltd. Applicant before: Nanjing Nanrui Solar Energy Technology Co., Ltd. |
|
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20151216 |