CN112085258A - 一种基于大数据技术的区域光伏发电量异常实时监测方法 - Google Patents
一种基于大数据技术的区域光伏发电量异常实时监测方法 Download PDFInfo
- Publication number
- CN112085258A CN112085258A CN202010814408.8A CN202010814408A CN112085258A CN 112085258 A CN112085258 A CN 112085258A CN 202010814408 A CN202010814408 A CN 202010814408A CN 112085258 A CN112085258 A CN 112085258A
- Authority
- CN
- China
- Prior art keywords
- power generation
- photovoltaic power
- photovoltaic
- abnormity
- time monitoring
- 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
- 238000010248 power generation Methods 0.000 title claims abstract description 120
- 238000000034 method Methods 0.000 title claims abstract description 55
- 238000012544 monitoring process Methods 0.000 title claims abstract description 40
- 238000005516 engineering process Methods 0.000 title claims abstract description 16
- 230000002159 abnormal effect Effects 0.000 claims abstract description 50
- 238000012423 maintenance Methods 0.000 claims abstract description 21
- 238000004458 analytical method Methods 0.000 claims abstract description 17
- 241000039077 Copula Species 0.000 claims abstract description 16
- 238000007619 statistical method Methods 0.000 claims abstract description 10
- 230000005611 electricity Effects 0.000 claims description 24
- 230000005856 abnormality Effects 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 9
- 238000011156 evaluation Methods 0.000 claims description 5
- 238000004422 calculation algorithm Methods 0.000 claims description 4
- 238000005065 mining Methods 0.000 claims description 4
- 238000007621 cluster analysis Methods 0.000 claims description 3
- 230000000737 periodic effect Effects 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 9
- 238000011160 research Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 5
- 230000000295 complement effect Effects 0.000 description 3
- 238000007405 data analysis Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 230000002411 adverse Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000004146 energy storage Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 210000003608 fece Anatomy 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000007257 malfunction Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000001556 precipitation Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Classifications
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/2433—Single-class perspective, e.g. one-against-all classification; Novelty detection; Outlier detection
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Water Supply & Treatment (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Educational Administration (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Photovoltaic Devices (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
一种基于大数据技术的区域光伏发电量异常实时监测方法,属监控领域。包括构建光伏发电异常智能识别模型;获取系统光伏发用电数据和外部气象数据;采用基于类3σ准则的光伏功率异常数据识别,进行异常数据检测;通过离群点分析方法识别各类用户的偏高与偏低的异常用户;通过基于统计分析和Copula思想的异常识别模型及时发现、识别异常用户;通过光伏用户的故障预警,提高安全稳定运行水平,降低客户光伏设备故障率;实现设备故障的准确预测,提高安全稳定运行水平;有针对性的制定检修、运维计划,开展提前事前运维。其对对居民用户、低压非居用户、高压用户,能够进行光伏发电异常智能识别,可广泛用于电网的运行监控和管理领域。
Description
技术领域
本发明属于电网监测领域,尤其涉及一种用于区域光伏发电量异常的实时监测方法。
背景技术
近年来,全世界电力能源消耗加剧,化石能源供应不足。光伏发电作为一种清洁丰富的可再生新能源,备受国内外相关方面的关注,正从独立的系统逐渐向大规模并网方向发展。
随着光伏发电并网数量的增加,光伏发电波动性和间歇性的特性势必会对并网系统的稳定性造成一定的影响。尤其受太阳辐射强度、环境温度等因素影响,光伏发电的特性变得越发凸显,不利于电力系统的调度,给电网调度人员带来了困扰。
目前,针对于光伏发电的研究日趋成熟,目前主要在于功率预测、优化、控制,以及配置于光伏电站的储能系统容量优化光伏电站的数据库中存储着大量数据,在对光伏出力数据进行分析时,需要考虑数据采集的密集程度与采集数量,即数据的粒度和跨度。
国网宁夏研究并制定了光伏数据采集通信机制、适应电网多种有功控制需求的光伏有功控制模式及控制性能评估方法,以此建立了横向集成光伏信息采集与监视、光伏有功控制功能,纵向贯穿调度端和厂站端的光伏综合控制系统,实现了调度主站对光伏电站的有功闭环控制。国网河北对光伏功率超短期和短期预测技术进行了研究,结合中国光伏功率预测发展现状,提出了值得研究和关注的光伏功率预测关键问题。
有相关的专家学者开展了光伏大数据的研究。张超等(2019)介绍了箱线图法工作原理,利用该方法发现了某地区分布式光伏用户发电量异常情况。许晓艳等(2010)通过研究认为利用大数据分析分布式光伏发电的发展前景、进行负荷预测、判断异常情况,对分布式光伏发电的经营管理具有十分重要的意义。
针对用户侧分布式光伏发电系统,考虑预测系统的成本约束和运行需求,以及农村电网应用特点,刘念等人提出一种基于核函数极限学习机的分布式光伏功率预测方法。对于不同容量的分布式光伏发电系统,使用核函数极限学习机构建分布式光伏短期功率预测模型,使用基于权重的训练样本筛选方法提高预测模型计算效率,并通过粒子群算法优化模型参数。
通过对研究进行梳理发现,通过对整个光伏发电数据的需求响应、监测/诊断、电力调度等是当前及未来光伏大数据研究的趋势,具有重要的研究意义和实践价值。
发明内容
本发明所要解决的技术问题是提供一种基于大数据技术的区域光伏发电量异常实时监测方法。利用离群点分析算法构建不同异常情况下的光伏发电异常智能识别模式,通过光伏用户单位容量发电量智能检测,配合外部环境的数据分析,识别光伏带病运行、骗补情况。通过对历史功率因素、故障运维等数据的数据挖掘,建立异常智能识别评估方法,识别运营过程中存在的问题,实现用户设备故障预警,提高光伏用户发电日常运维管理水平和电网互联互供水平。
本发明的技术方案是:提供一种基于大数据技术的区域光伏发电量异常实时监测方法,其特征是:
1)基于Copula理论,构建光伏发电异常智能识别模型;
2)获取系统光伏发用电数据和外部气象数据;
3)采用基于类3σ准则的光伏功率异常数据识别,进行异常数据检测;
4)通过离群点分析方法识别各类用户的偏高与偏低的异常用户;
5)通过基于统计分析和Copula思想的异常识别模型及时发现光伏运营过程中存在的问题,帮助供电公司更有效的识别异常用户;
6)通过光伏用户的故障预警,提高安全稳定运行水平,同时为客户提供设备监控服务,降低客户光伏设备故障率;
7)通过光伏用户的故障预警,实现设备故障的准确预测,对光伏发电风险进行评级管控,减少设备故障率,提高安全稳定运行水平;
8)针对光伏设备的历史故障信息进行统计分析,分析其故障的原因,从而有针对性的制定检修、运维计划,开展提前事前运维。
具体的,所述的区域光伏发电量异常实时监测方法,基于Copula方法、概率功率曲线和异常判别准则的基础光伏功率异常数据识别模型流程,直接利用原始辐照度和光伏功率数据拟合Copula函数参数,基于概率功率曲线生成给定置信度下的功率上下边界,并对边界外的数据采用判别准则进行识别,最终输出判别结果。
具体的,所述的区域光伏发电量异常实时监测方法,利用周期图法提取光伏功率的周期性分量,得到了随机性分量;然后,利用混合t Location-Scale分布模型对光伏功率随机性分量进行拟合;最后,利用混合t Location-Scale分布模型中的模型参数,建立类3σ准则模型。
进一步的,所述光伏发电异常智能识别模型的构建采用如下途径:
对供电公司所辖区域近几年的光伏用户的发电上网和外部环境等数据进行挖掘分析,利用离群点分析、聚类分析或综合评判等算法构建不同异常情况下的光伏发电异常智能识别模型,完善光伏发电异常界定、识别和区域光伏用户发电异常识别技术分析,识别光伏带病运行、骗补情况,建立异常智能识别评估方法,实现用户设备故障预警。
具体的,所述的区域光伏发电量异常实时监测方法,在对居民用户进行发电异常识别时,异常偏高定义为超过用电类别单位容量发电量60%;异常偏低定义为低于用电类别单位容量发电量60%。
具体的,所述的区域光伏发电量异常实时监测方法,在对低压非居用户进行发电异常识别时,异常偏高定义为超过用电类别单位容量发电量60%;异常偏低定义为低于用电类别单位容量发电量60%。
具体的,所述的区域光伏发电量异常实时监测方法,在对高压用户进行发电异常识别时,异常偏高定义为超过用电类别单位容量发电量50%;异常偏低定义为低于用电类别单位容量发电量50%。
进一步的,所述的区域光伏发电量异常实时监测方法,通过对光伏用户的故障预警,实现设备故障的准确预测,并自动给出决策建议,辅助差异化精益运维管理。
进一步的,所述的区域光伏发电量异常实时监测方法,通过对光伏发电风险进行评级管控,降低设备故障率。
进一步的,所述的区域光伏发电量异常实时监测方法,针对光伏设备的历史故障信息进行统计分析,分析其故障的原因,从而有针对性的制定检修、运维计划,开展提前事前运维。
与现有技术比较,本发明的优点是:
1.本发明的技术方案基于区域光伏发电异常智能识别模式,结合供电公司光伏发电业务管理需求,从异常识别检测制定应用策略,及时发现运营过程中存在的问题,帮助供电公司更有效的识别异常用户;
2.本发明的技术方案,能够实现设备故障的准确预测,并自动给出决策建议,辅助差异化精益运维管理,较以往人工经验预判准确度大大提升;
3.本发明的技术方案,通过对光伏发电风险进行评级管控,减少设备故障率,提高优质服务质量和供电服务水平,针对光伏设备的历史故障信息进行统计分析,分析其故障的原因,从而可以有针对性的制定检修、运维计划,开展提前事前运维。
附图说明
图1是基于Copula理论的光伏功率异常数据识别流程示意图;
图2是基于类3σ准则的光伏功率异常数据识别流程示意图;
图3是本发明异常数据智能识别模型示意图;
图4是居民用户异常用户分析示意图;
图5是低压非居用户异常用户分析示意图;
图6是高压用户异常用户分析示意图;
图7是本发明异常用户应用策略示意图;
图8是本发明设备故障预警分析示意图。
具体实施方式
下面结合附图对本发明做进一步说明。
光伏发电异常主要为发电量偏低或达不到理想的输出功率等光伏发电上网数据出现异常。在实际运行中,部分分布式光伏存在单位容量日发电量明显偏低,即带病运行的现象,另有部分分布式光伏单位容量日发电量明显过高,存在骗取补贴的嫌疑。
准确可信的光伏功率时间序列数据是光伏发电性能分析、功率预测等工作的基础。然而,很多光伏电站现场采集的功率数据质量较差,极大阻碍了这些数据的信息挖掘和深化应用。
产生光伏功率异常数据的原因众多,如通信故障、设备异常、人为限电等,其中人为限电导致的光伏功率数据异常问题在国内尤为严重。高比例的光伏功率异常数据会对光伏功率和光资源波动性研究、光伏功率与辐照度、温度等因素之间真实规律的提取造成不利影响,直接利用现场数据会降低光伏功率预测模型的精度和有效性,也会对光伏电站的运行管理、电网的运营调度产生不利影响。因此,进行光伏功率高比例异常数据识别成为一项至关重要的工作。
光伏异常可显示为发电量过高、发电量过低、发电量为0三种。
发电量过高的原因可能是用户擅自增容、余电上网电量大于发电量、蓄意骗取光伏补贴等。
发电量过低的原因可能是设备故障、光伏组件被遮挡,例如累积过多灰尘、鸟粪等、光伏材质与安装等。
发电量为0可能是计量设备故障引起的。
1、基于Copula理论的光伏功率高比例异常数据识别模型:
辐照度直接影响光伏功率,通过分析地面辐照度与光伏功率关系,基于Copula方法建立概率功率曲线;通过观察光伏电站实际运行数据和辐照数据,提取异常数据特征,建立异常数据判别准则,最终判在曲线外并符合判别准则的数据为异常数据。概率功率曲线可以准确描述具有高分散度的辐照度与光伏功率关系。
如图1中所示,基于Copula方法、概率功率曲线和异常判别准则的基础光伏功率异常数据识别模型流程,直接利用原始辐照度和光伏功率数据拟合Copula函数参数,基于概率功率曲线生成给定置信度下的功率上下边界,并对边界外的数据采用判别准则进行识别,最终输出判别结果。
2、基于类3σ准则的光伏功率异常数据识别:
如图2中所示,光伏类3σ准则模型的建立步骤:首先,利用周期图法提取光伏功率的周期性分量,得到了随机性分量;然后,利用混合t Location-Scale分布模型对光伏功率随机性分量进行拟合;最后,利用混合t Location-Scale分布模型中的模型参数(均值μ和标准差σ),建立类3σ准则模型。
其中,混合t Location-Scale分布模型的μ和σ,可以由构成混合分布模型的单一tLocation-Scale分布模型求得。
3、光伏发电异常智能识别模型的构建:
如3中所示,光伏发电异常智能识别模型的构建采用如下途径:
对供电公司所辖区域近几年的光伏用户的发电上网和外部环境等数据进行挖掘分析,利用离群点分析、聚类分析或综合评判等算法构建不同异常情况下的光伏发电异常智能识别模型,完善光伏发电异常界定、识别和区域光伏用户发电异常识别技术分析,识别光伏带病运行、骗补情况,建立异常智能识别评估方法,实现用户设备故障预警。
4、数据获取:
4.1、系统光伏发用电数据获取:
目前系统中已有光伏数据主要分成三类:用电信息、发电信息、电网相关信息,涉及系统包括采集系统、营销业务应用系统、PMS系统等。
4.2、外部气象数据:
基于外部气象数据,获取上海2019年1月-2020年3月的最高温、最低温、降水量和每个月天气类型数据,为后续研究提供数据支撑。
5、数据分析:
5.1、发电用户信息统计:
某供电公司的光伏用户发电电压等级以交流380V与交流220V为主,发电用户开户时间集中在2016年-2018年.
光伏用电客户类型有低压非居民、高压、居民三类,以居民客户为主。
5.2、异常数据检测:
基于Copula思想的异常识别模型:以2020年3月自发自用余电上网用户1128户(占光伏用户总户数93.6%,去除了3月电量为例及全部自用发电用户)为研究对象进行说明。
5.3、通过离群点分析方法识别各类用户的偏高与偏低的异常用户:
以居民用户(户数1133户,用电类别单位容量发电量112)为例进行发电异常识别,结果如图4中所示。
异常1:偏高(超过用电类别单位容量发电量60%),可能是擅自增容;
异常2:偏低(低于用电类别单位容量发电量60%),可能是存在故障或者是骗补。
以低压非居用户(户数24户,用电类别单位容量发电量90)为例进行发电异常识别,结果如图5中所示。
异常1:偏高(超过用电类别单位容量发电量60%),可能是擅自增容;
异常2:偏低(低于用电类别单位容量发电量60%),可能是存在故障或者是骗补。
以高压用户(户数71户,用电类别单位容量发电量95)为例进行发电异常识别,结果如图6中所示。
异常1:偏高(超过用电类别单位容量发电量50%),可能是擅自增容;
异常2:偏低(低于用电类别单位容量发电量50%),可能是存在故障或者是骗补。
图7中给出了异常用户应用策略示意图。
通过采用异常用户应用策略,可以通过基于统计分析和Copula思想的异常识别模型及时发现光伏运营过程中存在的问题,帮助供电公司更有效的识别异常用户。
图8中给出了设备故障预警分析示意图。
通过光伏用户的故障预警,提高安全稳定运行水平,同时为客户提供设备监控服务,降低客户光伏设备故障率。
本发明的技术方案,通过光伏用户的故障预警,提高安全稳定运行水平,同时为客户提供光伏选材等新兴业务服务:
一是辅助差异化精益运维管理。
实现设备故障的准确预测,并自动给出决策建议,辅助差异化精益运维管理。较以往的人工经验预判模式,其预判准确度大大提升。
二是设备风险评级管控,降低设备故障率。
通过对光伏发电风险进行评级管控,减少设备故障率,提高优质服务质量和供电服务水平,提升了公司品牌形象和社会影响力。
三是针对光伏设备的历史故障信息进行统计分析,分析其故障的原因,从而有针对性的制定检修、运维计划,开展提前事前运维。
本发明的技术方案,提供了一种基于大数据的区域光伏用户发电异常智能识别方法,构建了基于大数据的光伏用户发电异常智能识别模型,通过大数据分析和专家调研方式,对居民用户、低压非居用户、高压用户,能够进行光伏发电异常智能识别,识别出部分光伏发电异常用户,并可根据数据结果制定具有针对性的应用策略,提高了供电公司光伏发电客户的发电效率。
本发明可广泛用于电网的运行监控和管理领域。
Claims (10)
1.一种基于大数据技术的区域光伏发电量异常实时监测方法,其特征是:
1)基于Copula理论,构建光伏发电异常智能识别模型;
2)获取系统光伏发用电数据和外部气象数据;
3)采用基于类3σ准则的光伏功率异常数据识别,进行异常数据检测;
4)通过离群点分析方法识别各类用户的偏高与偏低的异常用户;
5)通过基于统计分析和Copula思想的异常识别模型及时发现光伏运营过程中存在的问题,帮助供电公司更有效的识别异常用户;
6)通过光伏用户的故障预警,提高安全稳定运行水平,同时为客户提供设备监控服务,降低客户光伏设备故障率;
7)通过光伏用户的故障预警,实现设备故障的准确预测,对光伏发电风险进行评级管控,减少设备故障率,提高安全稳定运行水平;
8)针对光伏设备的历史故障信息进行统计分析,分析其故障的原因,从而有针对性的制定检修、运维计划,开展提前事前运维。
2.按照权利要求1所述的基于大数据技术的区域光伏发电量异常实时监测方法,其特征是所述的区域光伏发电量异常实时监测方法,基于Copula方法、概率功率曲线和异常判别准则的基础光伏功率异常数据识别模型流程,直接利用原始辐照度和光伏功率数据拟合Copula函数参数,基于概率功率曲线生成给定置信度下的功率上下边界,并对边界外的数据采用判别准则进行识别,最终输出判别结果。
3.按照权利要求1所述的基于大数据技术的区域光伏发电量异常实时监测方法,其特征是所述的区域光伏发电量异常实时监测方法,利用周期图法提取光伏功率的周期性分量,得到了随机性分量;然后,利用混合t Location-Scale分布模型对光伏功率随机性分量进行拟合;最后,利用混合t Location-Scale分布模型中的模型参数,建立类3σ准则模型。
4.按照权利要求1所述的基于大数据技术的区域光伏发电量异常实时监测方法,其特征是所述光伏发电异常智能识别模型的构建采用如下途径:
对供电公司所辖区域近几年的光伏用户的发电上网和外部环境等数据进行挖掘分析,利用离群点分析、聚类分析或综合评判等算法构建不同异常情况下的光伏发电异常智能识别模型,完善光伏发电异常界定、识别和区域光伏用户发电异常识别技术分析,识别光伏带病运行、骗补情况,建立异常智能识别评估方法,实现用户设备故障预警。
5.按照权利要求1所述的基于大数据技术的区域光伏发电量异常实时监测方法,其特征是所述的区域光伏发电量异常实时监测方法,在对居民用户进行发电异常识别时,异常偏高定义为超过用电类别单位容量发电量60%;异常偏低定义为低于用电类别单位容量发电量60%。
6.按照权利要求1所述的基于大数据技术的区域光伏发电量异常实时监测方法,其特征是所述的区域光伏发电量异常实时监测方法,在对低压非居用户进行发电异常识别时,异常偏高定义为超过用电类别单位容量发电量60%;异常偏低定义为低于用电类别单位容量发电量60%。
7.按照权利要求1所述的基于大数据技术的区域光伏发电量异常实时监测方法,其特征是所述的区域光伏发电量异常实时监测方法,在对高压用户进行发电异常识别时,异常偏高定义为超过用电类别单位容量发电量50%;异常偏低定义为低于用电类别单位容量发电量50%。
8.按照权利要求1所述的基于大数据技术的区域光伏发电量异常实时监测方法,其特征是所述的区域光伏发电量异常实时监测方法,通过对光伏用户的故障预警,实现设备故障的准确预测,并自动给出决策建议,辅助差异化精益运维管理。
9.按照权利要求1所述的基于大数据技术的区域光伏发电量异常实时监测方法,其特征是所述的区域光伏发电量异常实时监测方法,通过对光伏发电风险进行评级管控,降低设备故障率。
10.按照权利要求1所述的基于大数据技术的区域光伏发电量异常实时监测方法,其特征是所述的区域光伏发电量异常实时监测方法,针对光伏设备的历史故障信息进行统计分析,分析其故障的原因,从而有针对性的制定检修、运维计划,开展提前事前运维。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010814408.8A CN112085258A (zh) | 2020-08-13 | 2020-08-13 | 一种基于大数据技术的区域光伏发电量异常实时监测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010814408.8A CN112085258A (zh) | 2020-08-13 | 2020-08-13 | 一种基于大数据技术的区域光伏发电量异常实时监测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112085258A true CN112085258A (zh) | 2020-12-15 |
Family
ID=73728285
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010814408.8A Pending CN112085258A (zh) | 2020-08-13 | 2020-08-13 | 一种基于大数据技术的区域光伏发电量异常实时监测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112085258A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112766668A (zh) * | 2021-01-05 | 2021-05-07 | 华翔翔能科技股份有限公司 | 一种屋顶光伏装置的电力管理方法及系统 |
CN114169642A (zh) * | 2021-12-31 | 2022-03-11 | 重庆跃达电力设备有限公司 | 应用于光伏系统的预测性维护方法、系统及存储介质 |
CN116131755A (zh) * | 2023-02-23 | 2023-05-16 | 呼和浩特市语能科技有限责任公司 | 一种太阳能发电设备智能控制系统及方法 |
CN116628608A (zh) * | 2023-04-23 | 2023-08-22 | 华能国际电力江苏能源开发有限公司 | 一种光伏发电故障诊断方法及系统 |
CN117353655A (zh) * | 2023-12-06 | 2024-01-05 | 道莅智远科技(青岛)有限公司 | 基于rtk技术的海上漂浮式光伏智能监控系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104270091A (zh) * | 2014-08-27 | 2015-01-07 | 国电南瑞南京控制系统有限公司 | 一种基于监控系统的光伏发电设备故障诊断方法 |
CN105590027A (zh) * | 2015-12-17 | 2016-05-18 | 国网冀北电力有限公司 | 光伏功率异常数据的识别方法 |
CN108197774A (zh) * | 2017-12-08 | 2018-06-22 | 囯网河北省电力有限公司电力科学研究院 | 一种分布式光伏发电量异常诊断的方法及装置 |
CN109345786A (zh) * | 2018-09-13 | 2019-02-15 | 国网上海市电力公司 | 一种低压非居民用户用电异常情况自动报警系统 |
CN110119755A (zh) * | 2019-03-22 | 2019-08-13 | 国网浙江省电力有限公司信息通信分公司 | 基于Ensemble学习模型的电量异常检测方法 |
CN110210052A (zh) * | 2019-04-23 | 2019-09-06 | 东北电力大学 | 光伏发电出力波动性分量统计特性分析的方法 |
-
2020
- 2020-08-13 CN CN202010814408.8A patent/CN112085258A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104270091A (zh) * | 2014-08-27 | 2015-01-07 | 国电南瑞南京控制系统有限公司 | 一种基于监控系统的光伏发电设备故障诊断方法 |
CN105590027A (zh) * | 2015-12-17 | 2016-05-18 | 国网冀北电力有限公司 | 光伏功率异常数据的识别方法 |
CN108197774A (zh) * | 2017-12-08 | 2018-06-22 | 囯网河北省电力有限公司电力科学研究院 | 一种分布式光伏发电量异常诊断的方法及装置 |
CN109345786A (zh) * | 2018-09-13 | 2019-02-15 | 国网上海市电力公司 | 一种低压非居民用户用电异常情况自动报警系统 |
CN110119755A (zh) * | 2019-03-22 | 2019-08-13 | 国网浙江省电力有限公司信息通信分公司 | 基于Ensemble学习模型的电量异常检测方法 |
CN110210052A (zh) * | 2019-04-23 | 2019-09-06 | 东北电力大学 | 光伏发电出力波动性分量统计特性分析的方法 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112766668A (zh) * | 2021-01-05 | 2021-05-07 | 华翔翔能科技股份有限公司 | 一种屋顶光伏装置的电力管理方法及系统 |
CN114169642A (zh) * | 2021-12-31 | 2022-03-11 | 重庆跃达电力设备有限公司 | 应用于光伏系统的预测性维护方法、系统及存储介质 |
CN116131755A (zh) * | 2023-02-23 | 2023-05-16 | 呼和浩特市语能科技有限责任公司 | 一种太阳能发电设备智能控制系统及方法 |
CN116131755B (zh) * | 2023-02-23 | 2024-04-26 | 青岛中筑新能源有限公司 | 一种太阳能发电设备智能控制系统及方法 |
CN116628608A (zh) * | 2023-04-23 | 2023-08-22 | 华能国际电力江苏能源开发有限公司 | 一种光伏发电故障诊断方法及系统 |
CN117353655A (zh) * | 2023-12-06 | 2024-01-05 | 道莅智远科技(青岛)有限公司 | 基于rtk技术的海上漂浮式光伏智能监控系统 |
CN117353655B (zh) * | 2023-12-06 | 2024-03-05 | 道莅智远科技(青岛)有限公司 | 基于rtk技术的海上漂浮式光伏智能监控系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112085258A (zh) | 一种基于大数据技术的区域光伏发电量异常实时监测方法 | |
CN105337308B (zh) | 一种电网侧区域分布式光伏运维管理系统及管理方法 | |
CN107017630A (zh) | 一种多时间尺度的电力需求侧响应方法 | |
CN102591278B (zh) | 具有发电和负荷预测功能的微网控制系统的微网通讯控制方法 | |
CN104319774B (zh) | 智能社区的监控方法和装置 | |
CN102934312A (zh) | 能量产生系统及其控制 | |
CN105305488B (zh) | 一种考虑新能源并网对输电网利用率影响的评价方法 | |
CN113746138A (zh) | 应用于风储电站的储能智慧能量管理系统 | |
CN115063058B (zh) | 一种基于模型驱动和数据驱动的综合能源态势感知系统 | |
CN103944263B (zh) | 具有多样性负载设备的电网的管控方法及系统 | |
CN112036725B (zh) | 一种电能表故障识别方法 | |
CN108493989B (zh) | 一种大规模光伏、风电发电并网系统的发电监控及负荷分配方法 | |
CN116266331A (zh) | 电网公司区域内的电力能源结构监测方法及装置 | |
CN117477610A (zh) | 一种虚拟电厂储能控制系统 | |
Sun et al. | Impacts of solar penetration on short-term net load forecasting at the distribution level | |
Han et al. | Source-Network-Load-Storage coordinated control system based on distribution IOT cloud platform and virtual power plant | |
Cai et al. | Electric power big data and its applications | |
KR20180120363A (ko) | 태양광 발전상태에 관한 빅데이터 수집 및 관리를 통해서 통합 ems 서비스를 제공하는 방법 | |
CN116231757A (zh) | 一种水风光电站群的发电能效分析管理系统 | |
Baodi et al. | Design and application of regional multi-energy complementary distributed energy management and control platform based on big data | |
CN212210610U (zh) | 一种电力在线监测分析优化平台 | |
KR20180120362A (ko) | 중소 태양광 발전 사업자를 위한 IoT 플랫폼 기반의 통합 EMS 서비스 제공 방법 | |
CN102789603A (zh) | 一种计及负荷拉路模型的省级调度有功调整方法 | |
Ou et al. | A Review of Highly Reliable Operation Technologies and Evaluation Techniques for Microgrids in Remote Rural Areas | |
Li et al. | Evaluation and application of wind power integration capacity in power grid on the basis of security constrained economic dispatch |
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 |