CN110083642B - 发电数据的多维度分析方法 - Google Patents
发电数据的多维度分析方法 Download PDFInfo
- Publication number
- CN110083642B CN110083642B CN201910351385.9A CN201910351385A CN110083642B CN 110083642 B CN110083642 B CN 110083642B CN 201910351385 A CN201910351385 A CN 201910351385A CN 110083642 B CN110083642 B CN 110083642B
- Authority
- CN
- China
- Prior art keywords
- mean value
- data
- contemporaneous
- dimensional
- value
- 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.)
- Active
Links
- 238000010248 power generation Methods 0.000 title claims abstract description 51
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000004141 dimensional analysis Methods 0.000 title description 4
- 238000004458 analytical method Methods 0.000 claims abstract description 36
- 239000013598 vector Substances 0.000 claims description 75
- 230000001360 synchronised effect Effects 0.000 claims description 10
- 230000002159 abnormal effect Effects 0.000 claims description 6
- 230000005611 electricity Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/283—Multi-dimensional databases or data warehouses, e.g. MOLAP or ROLAP
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
- G06F16/285—Clustering or classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Probability & Statistics with Applications (AREA)
- Mathematical Physics (AREA)
- Public Health (AREA)
- Fuzzy Systems (AREA)
- Computational Linguistics (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Control Of Eletrric Generators (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本申请提供了一种发电数据的多维度分析方法,本方法获取多维度发电数据,多维度发电数据包括:发电功率,电流值和电压值;获取天气数据,根据天气数据确定天气类型;天气数据包括气温和气象;根据天气类型确定多维度标准;基于多维度标准,对多维度发电数据进行分析。本方法根据天气数据确定天气类型;根据天气类型确定多维度标准;基于多维度标准,对多维度发电数据进行分析,实现了发电数据的多维度智能分析。且由于分析时考虑的天气情况,可以使得分析结果符合当前场景,提升了分析准确性。
Description
技术领域
本发明涉及电力数据处理技术领域,尤其涉及一种发电数据的多维度分析方法。
背景技术
目前发电集团基本上是以统一的数据中心为支撑,将发电计划、发电控制、电量预测与电力市场交易等模块进行组合,形成发电公司运营管理系统,再与生产(设备)管理信息系统等进行集成,形成集团级的发电管理系统(GMS,Generation Management System)。这样的系统既可以处理实时数据,也可以对管理数据和其他经营信息进行综合分析和处理,实现了在电力市场环境下发电集团经营管理比较完整的管理及决策支持系统,
然而,集团级的发电管理系统主要是实现实时监视和报表功能,而在分析方面明显不足。
发明内容
为解决上述问题,本申请实施例提出了一种发电数据的多维度分析方法。
为了达到上述目的,本发明采用的主要技术方案包括:
一种发电数据的多维度分析方法,所述方法包括:
S101,获取多维度发电数据,所述多维度发电数据包括:发电功率,电流值和电压值;
S102,获取天气数据,根据所述天气数据确定天气类型;所述天气数据包括气温和气象;
S103,根据所述天气类型确定多维度标准;
S104,基于所述多维度标准,对多维度发电数据进行分析。
可选地,所述天气类型为晴天,或者,阴天,或者,雨天,或者,雪天。
可选地,所述S103包括:
S103-1,根据预先确定的天气类型与置信区间之间的对应关系,确定所述天气类型对应的置信区间;
S103-2,根据天气数据调整所述对应的置信区间;
S103-3,根据调整后的置信区间确定多维度标准。
可选地,所述S103-1之前还包括:
S201,获取历史时间段内每天的天气类型,每天的发电功率,电流值和电压值;
S202,确定历史时间段内每天的天气向量;所述天气向量为{日期,天气类型,发电功率,电流值,电压值};
S203,将具有相同天气类型的天气向量分为一类;
S204,通过k-means方法,对每类中的天气向量进行聚类,得到各类的子类;
S205,确定每个子类的天气向量数量和位于每个子类中心位置的天气向量;
S206,根据每个子类的天气向量数量,计算每个天气向量与其所在子类中心位置的天气向量的距离;
S207,计算所有的距离均值,所有的距离标准差,以及每类的距离均值,每类的距离标准差;
S208,根据所有的距离均值,所有的距离标准差,以及每类的距离均值,每类的距离确定所述各类的置信区间;
S209,建立各类的置信区间与各类对应的天气类型之间的对应关系。
可选地,所述S206包括:
通过如下公式计算任一天气向量i的距离:
i,j均为天气向量标识,Dij为任一天气向量i与其所在的子类t中心位置的天气向量j的距离,t为子类标识,nt为子类t中天气向量的数量,N为天气向量总数量,△为任一天气向量i与天气向量j之间相差的天数,Pi为任一天气向量i中的发电功率值,Pj为天气向量j中的发电功率值,Ui为任一天气向量i中的电压值,Uj为天气向量j中的电压值,Ii为任一天气向量i中的电流值,Ij为天气向量j中的电流值。
可选地,所述208包括:
任一类的置信区间为[a,b];
其中,a为区间上限,a=所述任一类的距离均值-所有的距离均值*所述任一类的距离标准差/所述任一类的距离均值;
b为区间下限,b=所述任一类的距离均值+(1+所有的距离标准差)*所述任一类的距离标准差/所述任一类的距离标准差。
可选地,所述S103-2包括:
调整后的置信区间为[所述对应的置信区间-c,所述对应的置信区间+c];
所述c为区间调整值,c=所述天气数据中的气温/同期气温。
可选地,所述同期气温的确定方法包括:
在历史时间段内,选择同期历史气温;其中,同期历史气温对应的日期与S101中获取的多维发电数据对应的日期相同;
将同期历史气温的均值*(1-同期历史气温的最大值/同期历史气温的最小值)确定为同期气温。
可选地,多维度标准包括发电功率标准,电流值标准和电压值标准;
所述S103-3包括:
S103-3-1在历史时间段内,选择同期多维度数据;其中,同期多维度数据;对应的日期与S101中获取的多维发电数据对应的日期相同;
S103-3-2,确定同期多维度数据中的发电功率均值,同期多维度数据中的电压值均值,同期多维度数据中的电流值均值;
S103-3-3,发电功率标准为[同期多维度数据中的发电功率均值+所述对应的置信区间-c,同期多维度数据中的发电功率均值+所述对应的置信区间+c];电流值标准为[同期多维度数据中的电流值均值*同期多维度数据中的发电功率均值/同期多维度数据中的电压值均值+所述对应的置信区间-c,同期多维度数据中的电流值均值*同期多维度数据中的发电功率均值/同期多维度数据中的电压值均值+所述对应的置信区间+c];电压值标准为[同期多维度数据中的电流值均值*同期多维度数据中的发电功率均值/同期多维度数据中的电流值均值+所述对应的置信区间-c,同期多维度数据中的电流值均值*同期多维度数据中的发电功率均值/同期多维度数据中的电流值均值+所述对应的置信区间+c]。
可选地,所述S104包括:
若S101获取的多维度发电数据中的发电功率位于[同期多维度数据中的发电功率均值+所述对应的置信区间-c,同期多维度数据中的发电功率均值+所述对应的置信区间+c]中,且S101获取的多维度发电数据中的电流值位于[同期多维度数据中的电流值均值*同期多维度数据中的发电功率均值/同期多维度数据中的电压值均值+所述对应的置信区间-c,同期多维度数据中的电流值均值*同期多维度数据中的发电功率均值/同期多维度数据中的电压值均值+所述对应的置信区间+c]中,且S101获取的多维度发电数据中的电压值位于[同期多维度数据中的电流值均值*同期多维度数据中的发电功率均值/同期多维度数据中的电流值均值+所述对应的置信区间-c,同期多维度数据中的电流值均值*同期多维度数据中的发电功率均值/同期多维度数据中的电流值均值+所述对应的置信区间+c]中,则确定分析结果为正常;
若S101获取的多维度发电数据中的发电功率位于[同期多维度数据中的发电功率均值+所述对应的置信区间-c,同期多维度数据中的发电功率均值+所述对应的置信区间+c]中,但S101获取的多维度发电数据中的电流值位于[同期多维度数据中的电流值均值*同期多维度数据中的发电功率均值/同期多维度数据中的电压值均值+所述对应的置信区间-c,同期多维度数据中的电流值均值*同期多维度数据中的发电功率均值/同期多维度数据中的电压值均值+所述对应的置信区间+c]外,或者,S101获取的多维度发电数据中的发电功率位于[同期多维度数据中的发电功率均值+所述对应的置信区间-c,同期多维度数据中的发电功率均值+所述对应的置信区间+c]中,但S101获取的多维度发电数据中的电压值位于[同期多维度数据中的电流值均值*同期多维度数据中的发电功率均值/同期多维度数据中的电流值均值+所述对应的置信区间-c,同期多维度数据中的电流值均值*同期多维度数据中的发电功率均值/同期多维度数据中的电流值均值+所述对应的置信区间+c]外,则确定分析结果为异常;
若S101获取的多维度发电数据中的发电功率位于[同期多维度数据中的发电功率均值+所述对应的置信区间-c,同期多维度数据中的发电功率均值+所述对应的置信区间+c]外,但S101获取的多维度发电数据中的电流值位于[同期多维度数据中的电流值均值*同期多维度数据中的发电功率均值/同期多维度数据中的电压值均值+所述对应的置信区间-c,同期多维度数据中的电流值均值*同期多维度数据中的发电功率均值/同期多维度数据中的电压值均值+所述对应的置信区间+c]中,且S101获取的多维度发电数据中的电压值位于[同期多维度数据中的电流值均值*同期多维度数据中的发电功率均值/同期多维度数据中的电流值均值+所述对应的置信区间-c,同期多维度数据中的电流值均值*同期多维度数据中的发电功率均值/同期多维度数据中的电流值均值+所述对应的置信区间+c]中,则确定分析结果为正常;
若S101获取的多维度发电数据中的发电功率位于[同期多维度数据中的发电功率均值+所述对应的置信区间-c,同期多维度数据中的发电功率均值+所述对应的置信区间+c]外,但S101获取的多维度发电数据中的电流值位于[同期多维度数据中的电流值均值*同期多维度数据中的发电功率均值/同期多维度数据中的电压值均值+所述对应的置信区间-c,同期多维度数据中的电流值均值*同期多维度数据中的发电功率均值/同期多维度数据中的电压值均值+所述对应的置信区间+c]外,或者,S101获取的多维度发电数据中的发电功率位于[同期多维度数据中的发电功率均值+所述对应的置信区间-c,同期多维度数据中的发电功率均值+所述对应的置信区间+c]外,但S101获取的多维度发电数据中的电压值位于[同期多维度数据中的电流值均值*同期多维度数据中的发电功率均值/同期多维度数据中的电流值均值+所述对应的置信区间-c,同期多维度数据中的电流值均值*同期多维度数据中的发电功率均值/同期多维度数据中的电流值均值+所述对应的置信区间+c]外,则确定分析结果为异常。
本发明的有益效果是:根据天气数据确定天气类型;根据天气类型确定多维度标准;基于多维度标准,对多维度发电数据进行分析,实现了发电数据的多维度智能分析。且由于分析时考虑的天气情况,可以使得分析结果符合当前场景,提升了分析准确性。
附图说明
下面将参照附图描述本申请的具体实施例,其中:
图1示出了本申请一实施例提供的一种发电数据的多维度分析方法流程示意图。
具体实施方式
为了进行发电数据的分析,本发明提供一种方法,根据天气数据确定天气类型;根据天气类型确定多维度标准;基于多维度标准,对多维度发电数据进行分析,实现了发电数据的多维度智能分析。且由于分析时考虑的天气情况,可以使得分析结果符合当前场景,提升了分析准确性。
参见图1,本实施例提供的一种发电数据的多维度分析方法实现流程包括:
S101,获取多维度发电数据。
其中,多维度发电数据包括:发电功率,电流值和电压值。
S102,获取天气数据,根据天气数据确定天气类型。
其中,天气数据包括气温和气象。
天气类型为晴天,或者,阴天,或者,雨天,或者,雪天。
具体的,如果天气数据中气象为下雨,无论是大雨,中雨,还是小雨,其天气类型均为雨天。同样,如果天气数据中气象为下雪,无论是大雪,中雪,还是小雪,其天气类型均为雪天。如果天气数据中气象为晴,其天气类型均为晴天。如果天气数据中气象为阴,霾,扬沙,雾等无太阳的天气,或者影响能见度的天气,其天气类型均为晴天。
S103,根据天气类型确定多维度标准。
本步骤是基于预先确定的天气类型与置信区间之间的对应关系实现的,具体的,
S103-1,根据预先确定的天气类型与置信区间之间的对应关系,确定天气类型对应的置信区间。
例如,阴天对应的置信区间。
S103-2,根据天气数据调整对应的置信区间。
调整后的置信区间为[对应的置信区间-c,对应的置信区间+c]。
c为区间调整值,c=天气数据中的气温/同期气温。
同期气温的确定方法包括:
在历史时间段内,选择同期历史气温。
其中,同期历史气温对应的日期与S101中获取的多维发电数据对应的日期相同。
将同期历史气温的均值*(1-同期历史气温的最大值/同期历史气温的最小值)确定为同期气温。
S103-3,根据调整后的置信区间确定多维度标准。
其中,多维度标准包括发电功率标准,电流值标准和电压值标准。
本步骤的实现方式为:
S103-3-1在历史时间段内,选择同期多维度数据。其中,同期多维度数据。对应的日期与S101中获取的多维发电数据对应的日期相同。
S103-3-2,确定同期多维度数据中的发电功率均值,同期多维度数据中的电压值均值,同期多维度数据中的电流值均值。
S103-3-3,发电功率标准为[同期多维度数据中的发电功率均值+对应的置信区间-c,同期多维度数据中的发电功率均值+对应的置信区间+c]。电流值标准为[同期多维度数据中的电流值均值*同期多维度数据中的发电功率均值/同期多维度数据中的电压值均值+对应的置信区间-c,同期多维度数据中的电流值均值*同期多维度数据中的发电功率均值/同期多维度数据中的电压值均值+对应的置信区间+c]。电压值标准为[同期多维度数据中的电流值均值*同期多维度数据中的发电功率均值/同期多维度数据中的电流值均值+对应的置信区间-c,同期多维度数据中的电流值均值*同期多维度数据中的发电功率均值/同期多维度数据中的电流值均值+对应的置信区间+c]。
本步骤中最重要的一个实现依据是预先确定的天气类型与置信区间之间的对应关系,下面详细介绍天气类型与置信区间之间的对应关系的确定方法:
S201,获取历史时间段内每天的天气类型,每天的发电功率,电流值和电压值。
S202,确定历史时间段内每天的天气向量。
其中,天气向量为{日期,天气类型,发电功率,电流值,电压值}。
S203,将具有相同天气类型的天气向量分为一类。
S204,通过k-means方法,对每类中的天气向量进行聚类,得到各类的子类。
S205,确定每个子类的天气向量数量和位于每个子类中心位置的天气向量。
S206,根据每个子类的天气向量数量,计算每个天气向量与其所在子类中心位置的天气向量的距离。
计算任一天气向量i的距离的方法为:
i,j均为天气向量标识,Dij为任一天气向量i与其所在的子类t中心位置的天气向量j的距离,t为子类标识,nt为子类t中天气向量的数量,N为天气向量总数量,△为任一天气向量i与天气向量j之间相差的天数,Pi为任一天气向量i中的发电功率值,Pj为天气向量j中的发电功率值,Ui为任一天气向量i中的电压值,Uj为天气向量j中的电压值,Ii为任一天气向量i中的电流值,Ij为天气向量j中的电流值。
S207,计算所有的距离均值,所有的距离标准差,以及每类的距离均值,每类的距离标准差。
S208,根据所有的距离均值,所有的距离标准差,以及每类的距离均值,每类的距离确定各类的置信区间。
对于任一类,该任一类的置信区间为[a,b]。
其中,a为区间上限,a=任一类的距离均值-所有的距离均值*任一类的距离标准差/任一类的距离均值。
b为区间下限,b=任一类的距离均值+(1+所有的距离标准差)*任一类的距离标准差/任一类的距离标准差。
S209,建立各类的置信区间与各类对应的天气类型之间的对应关系。
S104,基于多维度标准,对多维度发电数据进行分析。
例如,
若S101获取的多维度发电数据中的发电功率位于[同期多维度数据中的发电功率均值+对应的置信区间-c,同期多维度数据中的发电功率均值+对应的置信区间+c]中,且S101获取的多维度发电数据中的电流值位于[同期多维度数据中的电流值均值*同期多维度数据中的发电功率均值/同期多维度数据中的电压值均值+对应的置信区间-c,同期多维度数据中的电流值均值*同期多维度数据中的发电功率均值/同期多维度数据中的电压值均值+对应的置信区间+c]中,且S101获取的多维度发电数据中的电压值位于[同期多维度数据中的电流值均值*同期多维度数据中的发电功率均值/同期多维度数据中的电流值均值+对应的置信区间-c,同期多维度数据中的电流值均值*同期多维度数据中的发电功率均值/同期多维度数据中的电流值均值+对应的置信区间+c]中,则确定分析结果为正常。
若S101获取的多维度发电数据中的发电功率位于[同期多维度数据中的发电功率均值+对应的置信区间-c,同期多维度数据中的发电功率均值+对应的置信区间+c]中,但S101获取的多维度发电数据中的电流值位于[同期多维度数据中的电流值均值*同期多维度数据中的发电功率均值/同期多维度数据中的电压值均值+对应的置信区间-c,同期多维度数据中的电流值均值*同期多维度数据中的发电功率均值/同期多维度数据中的电压值均值+对应的置信区间+c]外,或者,S101获取的多维度发电数据中的发电功率位于[同期多维度数据中的发电功率均值+对应的置信区间-c,同期多维度数据中的发电功率均值+对应的置信区间+c]中,但S101获取的多维度发电数据中的电压值位于[同期多维度数据中的电流值均值*同期多维度数据中的发电功率均值/同期多维度数据中的电流值均值+对应的置信区间-c,同期多维度数据中的电流值均值*同期多维度数据中的发电功率均值/同期多维度数据中的电流值均值+对应的置信区间+c]外,则确定分析结果为异常。
若S101获取的多维度发电数据中的发电功率位于[同期多维度数据中的发电功率均值+对应的置信区间-c,同期多维度数据中的发电功率均值+对应的置信区间+c]外,但S101获取的多维度发电数据中的电流值位于[同期多维度数据中的电流值均值*同期多维度数据中的发电功率均值/同期多维度数据中的电压值均值+对应的置信区间-c,同期多维度数据中的电流值均值*同期多维度数据中的发电功率均值/同期多维度数据中的电压值均值+对应的置信区间+c]中,且S101获取的多维度发电数据中的电压值位于[同期多维度数据中的电流值均值*同期多维度数据中的发电功率均值/同期多维度数据中的电流值均值+对应的置信区间-c,同期多维度数据中的电流值均值*同期多维度数据中的发电功率均值/同期多维度数据中的电流值均值+对应的置信区间+c]中,则确定分析结果为正常。
若S101获取的多维度发电数据中的发电功率位于[同期多维度数据中的发电功率均值+对应的置信区间-c,同期多维度数据中的发电功率均值+对应的置信区间+c]外,但S101获取的多维度发电数据中的电流值位于[同期多维度数据中的电流值均值*同期多维度数据中的发电功率均值/同期多维度数据中的电压值均值+对应的置信区间-c,同期多维度数据中的电流值均值*同期多维度数据中的发电功率均值/同期多维度数据中的电压值均值+对应的置信区间+c]外,或者,S101获取的多维度发电数据中的发电功率位于[同期多维度数据中的发电功率均值+对应的置信区间-c,同期多维度数据中的发电功率均值+对应的置信区间+c]外,但S101获取的多维度发电数据中的电压值位于[同期多维度数据中的电流值均值*同期多维度数据中的发电功率均值/同期多维度数据中的电流值均值+对应的置信区间-c,同期多维度数据中的电流值均值*同期多维度数据中的发电功率均值/同期多维度数据中的电流值均值+对应的置信区间+c]外,则确定分析结果为异常。
本实施例提供的方法,根据天气的类型动态的确定置信区间,同时基于当天的气温对置信区间进行调节,进而用调节后的置信区间去多维度分析发电数据,保证了分析结果的准确性。
本方法根据天气数据确定天气类型;根据天气类型确定多维度标准;基于多维度标准,对多维度发电数据进行分析,实现了发电数据的多维度智能分析。且由于分析时考虑的天气情况,可以使得分析结果符合当前场景,提升了分析准确性。
需要明确的是,本发明并不局限于上文所描述并在图中示出的特定配置和处理。为了简明起见,这里省略了对已知方法的详细描述。在上述实施例中,描述和示出了若干具体的步骤作为示例。但是,本发明的方法过程并不限于所描述和示出的具体步骤,本领域的技术人员可以在领会本发明的精神后,作出各种改变、修改和添加,或者改变步骤之间的顺序。
还需要说明的是,本发明中提及的示例性实施例,基于一系列的步骤或者装置描述一些方法或系统。但是,本发明不局限于上述步骤的顺序,也就是说,可以按照实施例中提及的顺序执行步骤,也可以不同于实施例中的顺序,或者若干步骤同时执行。
最后应说明的是:以上所述的各实施例仅用于说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述实施例所记载的技术方案进行修改,或者对其中部分或全部技术特征进行等同替换;而这些修改或替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (8)
1.一种发电数据的多维度分析方法,其特征在于,所述方法包括:
S101,获取多维度发电数据,所述多维度发电数据包括:发电功率,电流值和电压值;
S102,获取天气数据,根据所述天气数据确定天气类型;所述天气数据包括气温和气象;
S103,根据所述天气类型确定多维度标准;
S104,基于所述多维度标准,对多维度发电数据进行分析;
所述S103包括:
S103-1,根据预先确定的天气类型与置信区间之间的对应关系,确定所述天气类型对应的置信区间;
S103-2,根据天气数据调整所述对应的置信区间;
S103-3,根据调整后的置信区间确定多维度标准;
所述S103-1之前还包括:
S201,获取历史时间段内每天的天气类型,每天的发电功率,电流值和电压值;
S202,确定历史时间段内每天的天气向量;所述天气向量为{日期,天气类型,发电功率,电流值,电压值};
S203,将具有相同天气类型的天气向量分为一类;
S204,通过k-means方法,对每类中的天气向量进行聚类,得到各类的子类;
S205,确定每个子类的天气向量数量和位于每个子类中心位置的天气向量;
S206,根据每个子类的天气向量数量,计算每个天气向量与其所在子类中心位置的天气向量的距离;
S207,计算所有的距离均值,所有的距离标准差,以及每类的距离均值,每类的距离标准差;
S208,根据所有的距离均值,所有的距离标准差,以及每类的距离均值,每类的距离确定所述各类的置信区间;
S209,建立各类的置信区间与各类对应的天气类型之间的对应关系。
2.根据权利要求1所述的方法,其特征在于,所述天气类型为晴天,或者,阴天,或者,雨天,或者,雪天。
4.根据权利要求3所述的方法,其特征在于,所述208包括:
任一类的置信区间为[a,b];
其中,a为区间上限,a=所述任一类的距离均值-所有的距离均值*所述任一类的距离标准差/所述任一类的距离均值;
b为区间下限,b=所述任一类的距离均值+(1+所有的距离标准差)*所述任一类的距离标准差/所述任一类的距离标准差。
5.根据权利要求4所述的方法,其特征在于,所述S103-2包括:
调整后的置信区间为[所述对应的置信区间-c,所述对应的置信区间+c];
所述c为区间调整值,c=所述天气数据中的气温/同期气温。
6.根据权利要求5所述的方法,其特征在于,所述同期气温的确定方法包括:
在历史时间段内,选择同期历史气温;其中,同期历史气温对应的日期与S101中获取的多维发电数据对应的日期相同;
将同期历史气温的均值*(1-同期历史气温的最大值/同期历史气温的最小值)确定为同期气温。
7.根据权利要求6所述的方法,其特征在于,多维度标准包括发电功率标准,电流值标准和电压值标准;
所述S103-3包括:
S103-3-1在历史时间段内,选择同期多维度数据;其中,同期多维度数据;对应的日期与S101中获取的多维发电数据对应的日期相同;
S103-3-2,确定同期多维度数据中的发电功率均值,同期多维度数据中的电压值均值,同期多维度数据中的电流值均值;
S103-3-3,发电功率标准为[同期多维度数据中的发电功率均值+所述对应的置信区间-c,同期多维度数据中的发电功率均值+所述对应的置信区间+c];电流值标准为[同期多维度数据中的电流值均值*同期多维度数据中的发电功率均值/同期多维度数据中的电压值均值+所述对应的置信区间-c,同期多维度数据中的电流值均值*同期多维度数据中的发电功率均值/同期多维度数据中的电压值均值+所述对应的置信区间+c];电压值标准为[同期多维度数据中的电流值均值*同期多维度数据中的发电功率均值/同期多维度数据中的电流值均值+所述对应的置信区间-c,同期多维度数据中的电流值均值*同期多维度数据中的发电功率均值/同期多维度数据中的电流值均值+所述对应的置信区间+c]。
8.根据权利要求7所述的方法,其特征在于,所述S104包括:
若S101获取的多维度发电数据中的发电功率位于[同期多维度数据中的发电功率均值+所述对应的置信区间-c,同期多维度数据中的发电功率均值+所述对应的置信区间+c]中,且S101获取的多维度发电数据中的电流值位于[同期多维度数据中的电流值均值*同期多维度数据中的发电功率均值/同期多维度数据中的电压值均值+所述对应的置信区间-c,同期多维度数据中的电流值均值*同期多维度数据中的发电功率均值/同期多维度数据中的电压值均值+所述对应的置信区间+c]中,且S101获取的多维度发电数据中的电压值位于[同期多维度数据中的电流值均值*同期多维度数据中的发电功率均值/同期多维度数据中的电流值均值+所述对应的置信区间-c,同期多维度数据中的电流值均值*同期多维度数据中的发电功率均值/同期多维度数据中的电流值均值+所述对应的置信区间+c]中,则确定分析结果为正常;
若S101获取的多维度发电数据中的发电功率位于[同期多维度数据中的发电功率均值+所述对应的置信区间-c,同期多维度数据中的发电功率均值+所述对应的置信区间+c]中,但S101获取的多维度发电数据中的电流值位于[同期多维度数据中的电流值均值*同期多维度数据中的发电功率均值/同期多维度数据中的电压值均值+所述对应的置信区间-c,同期多维度数据中的电流值均值*同期多维度数据中的发电功率均值/同期多维度数据中的电压值均值+所述对应的置信区间+c]外,或者,S101获取的多维度发电数据中的发电功率位于[同期多维度数据中的发电功率均值+所述对应的置信区间-c,同期多维度数据中的发电功率均值+所述对应的置信区间+c]中,但S101获取的多维度发电数据中的电压值位于[同期多维度数据中的电流值均值*同期多维度数据中的发电功率均值/同期多维度数据中的电流值均值+所述对应的置信区间-c,同期多维度数据中的电流值均值*同期多维度数据中的发电功率均值/同期多维度数据中的电流值均值+所述对应的置信区间+c]外,则确定分析结果为异常;
若S101获取的多维度发电数据中的发电功率位于[同期多维度数据中的发电功率均值+所述对应的置信区间-c,同期多维度数据中的发电功率均值+所述对应的置信区间+c]外,但S101获取的多维度发电数据中的电流值位于[同期多维度数据中的电流值均值*同期多维度数据中的发电功率均值/同期多维度数据中的电压值均值+所述对应的置信区间-c,同期多维度数据中的电流值均值*同期多维度数据中的发电功率均值/同期多维度数据中的电压值均值+所述对应的置信区间+c]中,且S101获取的多维度发电数据中的电压值位于[同期多维度数据中的电流值均值*同期多维度数据中的发电功率均值/同期多维度数据中的电流值均值+所述对应的置信区间-c,同期多维度数据中的电流值均值*同期多维度数据中的发电功率均值/同期多维度数据中的电流值均值+所述对应的置信区间+c]中,则确定分析结果为正常;
若S101获取的多维度发电数据中的发电功率位于[同期多维度数据中的发电功率均值+所述对应的置信区间-c,同期多维度数据中的发电功率均值+所述对应的置信区间+c]外,但S101获取的多维度发电数据中的电流值位于[同期多维度数据中的电流值均值*同期多维度数据中的发电功率均值/同期多维度数据中的电压值均值+所述对应的置信区间-c,同期多维度数据中的电流值均值*同期多维度数据中的发电功率均值/同期多维度数据中的电压值均值+所述对应的置信区间+c]外,或者,S101获取的多维度发电数据中的发电功率位于[同期多维度数据中的发电功率均值+所述对应的置信区间-c,同期多维度数据中的发电功率均值+所述对应的置信区间+c]外,但S101获取的多维度发电数据中的电压值位于[同期多维度数据中的电流值均值*同期多维度数据中的发电功率均值/同期多维度数据中的电流值均值+所述对应的置信区间-c,同期多维度数据中的电流值均值*同期多维度数据中的发电功率均值/同期多维度数据中的电流值均值+所述对应的置信区间+c]外,则确定分析结果为异常。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910351385.9A CN110083642B (zh) | 2019-04-28 | 2019-04-28 | 发电数据的多维度分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910351385.9A CN110083642B (zh) | 2019-04-28 | 2019-04-28 | 发电数据的多维度分析方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110083642A CN110083642A (zh) | 2019-08-02 |
CN110083642B true CN110083642B (zh) | 2021-01-05 |
Family
ID=67417495
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910351385.9A Active CN110083642B (zh) | 2019-04-28 | 2019-04-28 | 发电数据的多维度分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110083642B (zh) |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102842105A (zh) * | 2012-07-09 | 2012-12-26 | 中国电力科学研究院 | 一种计及风电不确定性的暂态稳定风险在线评估方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103268366B (zh) * | 2013-03-06 | 2017-09-29 | 辽宁省电力有限公司电力科学研究院 | 一种适用于分散式风电场的组合风电功率预测方法 |
CN103559655B (zh) * | 2013-11-15 | 2016-05-25 | 哈尔滨工业大学 | 基于数据挖掘的微网新型馈线负荷的预测方法 |
US10453460B1 (en) * | 2016-02-02 | 2019-10-22 | Amazon Technologies, Inc. | Post-speech recognition request surplus detection and prevention |
CN107133685B (zh) * | 2016-02-26 | 2020-07-28 | 华为技术有限公司 | 光伏发电系统发电量的预测方法及预测系统 |
CN106059492B (zh) * | 2016-05-05 | 2018-03-06 | 江苏方天电力技术有限公司 | 基于功率预测的光伏组件阴影故障类型判定方法 |
CN108197837B (zh) * | 2018-02-07 | 2022-03-08 | 沈阳工业大学 | 基于KMeans聚类的光伏发电预测方法 |
-
2019
- 2019-04-28 CN CN201910351385.9A patent/CN110083642B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102842105A (zh) * | 2012-07-09 | 2012-12-26 | 中国电力科学研究院 | 一种计及风电不确定性的暂态稳定风险在线评估方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110083642A (zh) | 2019-08-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Han et al. | A PV power interval forecasting based on seasonal model and nonparametric estimation algorithm | |
CN112285807B (zh) | 一种气象信息预测方法及装置 | |
KR101836439B1 (ko) | 전력 수용가에 설치된 ess의 충방전 알고리즘 예측 시스템 | |
JP5746098B2 (ja) | 自然エネルギーを利用した発電システムの劣化診断装置 | |
CN109508835A (zh) | 一种融合环境反馈的智慧电网短期电力负荷预测方法 | |
CN105303263A (zh) | 一种区域电网的负荷预测系统及其方法 | |
CN110009385B (zh) | 一种基于多因素映射的光伏发电用户群划分方法 | |
US20220029423A1 (en) | System and method for controlling solar photovoltaic power generation on basis of machine learning | |
CN112070268A (zh) | 基于酒店需求侧响应的电力负荷预测方法及装置 | |
CN110298765A (zh) | 一种基于客观关联因素的配电网用电功率异常检测方法 | |
CN112114384A (zh) | 一种输电线覆冰发生概率预报方法 | |
KR102462909B1 (ko) | 태양광패널의 음영감지방법 및 시스템 | |
CN115511170A (zh) | 一种多光伏电站功率预测误差建模方法 | |
CN117748722A (zh) | 一种电能管理综合检测系统 | |
CN110083642B (zh) | 发电数据的多维度分析方法 | |
CN114722098A (zh) | 一种基于正态云模型和密度聚类算法的典型负荷曲线辨识方法 | |
CN112311078B (zh) | 一种基于信息融合的太阳能负载调节方法和装置 | |
KR102473018B1 (ko) | 태양광 발전 시스템 이상 감지 장치 및 방법 | |
CN109101659A (zh) | 一种小水电数据采集系统中功率数据异常的方法 | |
CN117555887A (zh) | 一种多源异构分布式光伏数据处理方法和装置、电子设备 | |
CN105760895B (zh) | 一种光伏出力波动类型的划分方法 | |
CN108876060B (zh) | 一种基于大数据的样本采集风电出力概率预测方法 | |
CN114139871B (zh) | 日前发电备用容量配置方法、装置、存储介质及终端设备 | |
CN116484998A (zh) | 基于气象相似日的分布式光伏电站功率预测方法及系统 | |
CN116307111A (zh) | 一种基于k均值聚类和随机森林算法的无功负荷预测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |