光伏电站高比例异常运行数据组合识别方法

叶林; 崔宝丹; 李卓; 赵永宁; 路朋

doi:10.7500/AEPS20211110003

您当前的位置：

首页 >

文章列表页 >

光伏电站高比例异常运行数据组合识别方法

学术研究 | 更新时间：2025-06-16

- 光伏电站高比例异常运行数据组合识别方法
- Combined Identification Method for High Proportion of Abnormal Operation Data in Photovoltaic Power Station
- 电力系统自动化 2022年46卷第20期页码：74-82
- 作者机构：
  
  中国农业大学信息与电气工程学院，北京市 100083
- 作者简介：
  
  叶林(1968—)，男，通信作者，教授，博士生导师，德国洪堡学者，主要研究方向：电力系统自动化、新能源发电技术。E-mail：yelin@cau.edu.cn
  崔宝丹(1998—)，女，硕士研究生，主要研究方向：电力系统运行与控制、新能源发电技术。E-mail：cuibaodan@cau.edu.cn
  李卓(1994—)，女，博士研究生，主要研究方向：电力系统运行与控制、新能源发电技术。E-mail：lizhuo94@cau.edu.cn
- 基金信息：
  
  国家电网公司科技项目(5100-202155018A-0-0-00)
- DOI：10.7500/AEPS20211110003
  中图分类号：
- 收稿日期：2021-11-10，
  
  修回日期：2022-03-08，
  
  网络出版日期：2022-07-08，
  
  纸质出版日期：2022-10-25
- 稿件说明：
移动端阅览
叶林,崔宝丹,李卓等.光伏电站高比例异常运行数据组合识别方法[J].电力系统自动化,2022,46(20):74-82.

YE Lin,CUI Baodan,LI Zhuo,et al.Combined Identification Method for High Proportion of Abnormal Operation Data in Photovoltaic Power Station[J].Automation of Electric Power Systems,2022,46(20):74-82.
叶林,崔宝丹,李卓等.光伏电站高比例异常运行数据组合识别方法[J].电力系统自动化,2022,46(20):74-82. DOI： 10.7500/AEPS20211110003.

YE Lin,CUI Baodan,LI Zhuo,et al.Combined Identification Method for High Proportion of Abnormal Operation Data in Photovoltaic Power Station[J].Automation of Electric Power Systems,2022,46(20):74-82. DOI： 10.7500/AEPS20211110003.

摘要

高质量光伏功率数据是光伏发电和并网研究的基础，但光伏电站的实际运行功率数据中通常含有高比例的异常数据，且异常和正常数据的界限不明显，传统的新能源异常数据识别方法难以应对此类型的异常数据。分析光伏功率连续型异常数据和离散型异常数据的典型特征，提出了一种高比例异常数据的组合识别方法。首先，基于连续型异常数据在时间上具有连续性的特点，采用相似日同时段均值对比算法剔除连续型异常数据；其次，基于离散型异常数据与正常数据相比较为分散的特点，采用四分位法剔除离散型异常数据。算例分析表明，所提方法能够适应具有异常数据和正常数据界限不明显特征的高比例异常数据条件，有效识别连续型异常数据和离散型异常数据，从而大幅提高了辐照度和光伏功率的线性相关程度。

Abstract

High-quality photovoltaic power data is the basis of the research on photovoltaic power generation and grid integration. However

the actual power operation data in photovoltaic power stations usually contains a high proportion of abnormal data

and the boundary between abnormal and normal data is not obvious. Traditional identification methods for renewable energy abnormal data are difficult to deal with this type of abnormal data. By analyzing typical characteristics of continuous abnormal data and discrete abnormal data of the photovoltaic power

a combined identification method for the high-proportion abnormal data is proposed. Firstly

based on the continuous characteristics of continuous abnormal data in terms of time

the continuous abnormal data is eliminated by the comparison of mean values of similar days at the same time period. Secondly

based on the characteristics of discrete abnormal data being more dispersed than normal data

the quartile method is used to eliminate discrete abnormal data. The example analysis shows that the proposed method can adapt to the condition of high-proportion abnormal data with no obvious boundary between abnormal data and normal data

effectively identify continuous abnormal data and discrete abnormal data

and greatly improve the linear correlation between radiation and photovoltaic power.

关键词

Keywords

references

国家能源局 . 国家能源局关于2020年全国可再生能源电力发展监测评价结果的通报［EB/OL］.［ 2021-06-20 ］. http：//www.nea.gov.cn http://www.nea.gov.cn .

National Energy Administration . Briefing by the National Energy Administration on the results of the national monitoring and evaluation of renewable energy power development in 2020 ［EB/OL］. ［ 2021-06-20 ］. http：//www.nea.gov.cn http://www.nea.gov.cn .

薛禹胜，赖业宁 . 大能源思维与大数据思维的融合：（一）大数据与电力大数据［J］. 电力系统自动化， 2016 ， 40 （ 1 ）： 1 - 8 .

XUE Yusheng ， LAI Yening . Integration of macro energy thinking and big data thinking： Part one big data and power big data ［J］. Automation of Electric Power Systems ， 2016 ， 40 （ 1 ）： 1 - 8 .

叶林，马明顺，靳晶新，等 . 考虑风电-光伏功率相关性的因子分析-极限学习机聚合方法［J］. 电力系统自动化， 2021 ， 45 （ 23 ）： 31 - 40 .

YE Lin ， MA Mingshun ， JIN Jingxin ， et al . Factor analysis-extreme learning machine aggregation method considering correlation of wind power and photovoltaic power ［J］. Automation of Electric Power Systems ， 2021 ， 45 （ 23 ）： 31 - 40 .

余操，许盛之，姚建曦，等 . 灰尘导致的光伏电站发电损失的对比实验［J］. 太阳能学报， 2022 ， 43 （ 4 ）： 243 - 248 .

YU Cao ， XU Shengzhi ， YAO Jianxi ， et al . Contrast experiment for generation loss of photovoltaic station by dusts ［J］. Acta Energiae Solaris Sinica ， 2022 ， 43 （ 4 ）： 243 - 248 .

叶林，裴铭，路朋，等 . 基于天气分型的短期光伏功率组合预测方法［J］. 电力系统自动化， 2021 ， 45 （ 1 ）： 44 - 54 .

YE Lin ， PEI Ming ， LU Peng ， et al . Combination forecasting method of short-term photovoltaic power based on weather classification ［J］. Automation of Electric Power Systems ， 2021 ， 45 （ 1 ）： 44 - 54 .

王辉，崔建勇 . 应对光伏并网的抽水蓄能电站优化运行［J］. 电网技术， 2014 ， 38 （ 8 ）： 2095 - 2101 .

WANG Hui ， CUI Jianyong . Optimal operation of pumped hydro energy storage in power system with large integration of photovoltaic generation ［J］. Power System Technology ， 2014 ， 38 （ 8 ）： 2095 - 2101 .

贾清泉，赵美超，孙玲玲，等 . 主动配电网中计及时序性与相关性的分布式光伏并网规划［J］. 中国电机工程学报， 2018 ， 38 （ 6 ）： 1719 - 1728 .

JIA Qingquan ， ZHAO Meichao ， SUN Lingling ， et al . Planning for grid-connection of distributed PVs considering the sequential feature and correlation in active distribution network ［J］. Proceedings of the CSEE ， 2018 ， 38 （ 6 ）： 1719 - 1728 .

ZHOU J ， GUO P ， WANG X R . Modeling of wind turbine power curve based on Gaussian process ［C］// 2014 International Conference on Machine Learning and Cybernetics ， July 13-16 ， 2014 ， Lanzhou， China ： 71 - 76 .

杨茂，翟冠强，苏欣 . 基于风特征分析的风电机组异常数据识别算法［J］. 中国电机工程学报， 2017 ， 37 （增刊1 ）： 144 - 151 .

YANG Mao ， ZHAI Guanqiang ， SU Xin . An algorithm for abnormal data identification of wind turbine based on wind characteristic analysis ［J］. Proceedings of the CSEE ， 2017 ， 37 （ Supplement 1 ）： 144 - 151 .

KISVARI A ， LIN Z ， LIU X L . Wind power forecasting—a data-driven method along with gated recurrent neural network ［J］. Renewable Energy ， 2021 ， 163 ： 1895 - 1909 .

LIN Z ， LIU X L ， COLLU M . Wind power prediction based on high-frequency SCADA data along with isolation forest and deep learning neural networks ［J］. International Journal of Electrical Power & Energy Systems ， 2020 ， 118 ： 105835 .

赵天辉，王建学，马龙涛，等 . 基于非参数回归分析的工业负荷异常值识别与修正方法［J］. 电力系统自动化， 2017 ， 41 （ 18 ）： 53 - 59 .

ZHAO Tianhui ， WANG Jianxue ， MA Longtao ， et al . Outlier detection and correction method for industrial loads based on nonparametric regression analysis ［J］. Automation of Electric Power Systems ， 2017 ， 41 （ 18 ）： 53 - 59 .

WANG J Z ， XIONG S H . A hybrid forecasting model based on outlier detection and fuzzy time series—a case study on Hainan wind farm of China ［J］. Energy ， 2014 ， 76 ： 526 - 541 .

ZHENG L ， HU W ， MIN Y . Raw wind data preprocessing： a data-mining approach ［J］. IEEE Transactions on Sustainable Energy ， 2015 ， 6 （ 1 ）： 11 - 19 .

赵天辉，张耀，王建学 . 基于空间密度聚类和异常数据域的负荷异常值识别方法［J］. 电力系统自动化， 2021 ， 45 （ 10 ）： 97 - 105 .

ZHAO Tianhui ， ZHANG Yao ， WANG Jianxue . Identification method of load outlier based on density-based spatial clustering and outlier boundaries ［J］. Automation of Electric Power Systems ， 2021 ， 45 （ 10 ）： 97 - 105 .

代杰杰，宋辉，杨祎，等 . 基于栈式降噪自编码器的输变电设备状态数据清洗方法［J］. 电力系统自动化， 2017 ， 41 （ 12 ）： 224 - 230 .

DAI Jiejie ， SONG Hui ， YANG Yi ， et al . Cleaning method for status data of power transmission and transformation equipment based on stacked denoising autoencoders ［J］. Automation of Electric Power Systems ， 2017 ， 41 （ 12 ）： 224 - 230 .

赵永宁，叶林，朱倩雯 . 风电场弃风异常数据簇的特征及处理方法［J］. 电力系统自动化， 2014 ， 38 （ 21 ）： 39 - 46 .

ZHAO Yongning ， YE Lin ， ZHU Qianwen . Characteristics and processing method of abnormal data clusters caused by wind curtailments in wind farms ［J］. Automation of Electric Power Systems ， 2014 ， 38 （ 21 ）： 39 - 46 .

ZHAO Y N ， YE L ， WANG W S ， et al . Data-driven correction approach to refine power curve of wind farm under wind curtailment ［J］. IEEE Transactions on Sustainable Energy ， 2018 ， 9 （ 1 ）： 95 - 105 .

邹同华，高云鹏，伊慧娟，等 . 基于Thompson tau-四分位和多点插值的风电功率异常数据处理［J］. 电力系统自动化， 2020 ， 44 （ 15 ）： 156 - 162 .

ZOU Tonghua ， GAO Yunpeng ， YI Huijuan ， et al . Processing of wind power abnormal data based on Thompson tau-quartile and multi-point interpolation ［J］. Automation of Electric Power Systems ， 2020 ， 44 （ 15 ）： 156 - 162 .

ZHAO Y ， LEHMAN B ， BALL R ， et al . Outlier detection rules for fault detection in solar photovoltaic arrays ［C］// 28th Annual IEEE Applied Power Electronics Conference and Exposition ， March 17-21 ， 2013 ， Long Beach， USA ： 2913 - 2920 .

赵唯嘉，张宁，康重庆，等 . 光伏发电出力的条件预测误差概率分布估计方法［J］. 电力系统自动化， 2015 ， 39 （ 16 ）： 8 - 15 .

ZHAO Weijia ， ZHANG Ning ， KANG Chongqing ， et al . A method of probabilistic distribution estimation of conditional forecast error for photovoltaic power generation ［J］. Automation of Electric Power Systems ， 2015 ， 39 （ 16 ）： 8 - 15 .

龚莺飞，鲁宗相，乔颖，等 . 基于Copula理论的光伏功率高比例异常数据机器识别算法［J］. 电力系统自动化， 2016 ， 40 （ 9 ）： 16 - 22 .

GONG Yingfei ， LU Zongxiang ， QIAO Ying ， et al . Copula theory based machine identification algorithm of high proportion of outliers in photovoltaic power data ［J］. Automation of Electric Power Systems ， 2016 ， 40 （ 9 ）： 16 - 22 .

杨茂，黄鑫 . 基于光照过程特征分析的光伏功率异常数据识别算法［J］. 电力系统自动化， 2019 ， 43 （ 6 ）： 64 - 69 .

YANG Mao ， HUANG Xin . Abnormal data identification algorithm for photovoltaic power based on characteristics analysis of illumination process ［J］. Automation of Electric Power Systems ， 2019 ， 43 （ 6 ）： 64 - 69 .

时珉，尹瑞，胡傲宇，等 . 基于滑动标准差计算的光伏阵列异常数据清洗办法［J］. 电力系统保护与控制， 2020 ， 48 （ 6 ）： 108 - 114 .

SHI Min ， YIN Rui ， HU Aoyu ， et al . A novel photovoltaic array outlier cleaning algorithm based on moving standard deviation ［J］. Power System Protection and Control ， 2020 ， 48 （ 6 ）： 108 - 114 .

HYNDMAN R J ， FAN Y N . Sample quantiles in statistical packages ［J］. The American Statistician ， 1996 ， 50 （ 4 ）： 361 - 365 .

MANOBEL B ， SEHNKE F ， LAZZÚS J A ， et al . Wind turbine power curve modeling based on Gaussian processes and artificial neural networks ［J］. Renewable Energy ， 2018 ， 125 ： 1015 - 1020 .

AHMED R ， SREERAM V ， MISHRA Y ， et al . A review and evaluation of the state-of-the-art in PV solar power forecasting： techniques and optimization ［J］. Renewable and Sustainable Energy Reviews ， 2020 ， 124 ： 109792 .

郑可轲，牛玉广 . 大规模新能源发电基地出力特性研究［J］. 太阳能学报， 2018 ， 39 （ 9 ）： 2591 - 2598 .

ZHENG Keke ， NIU Yuguang . Research on renewable power basement output characteristics ［J］. Acta Energiae Solaris Sinica ， 2018 ， 39 （ 9 ）： 2591 - 2598 .

ANTONANZAS J ， OSORIO N ， ESCOBAR R ， et al . Review of photovoltaic power forecasting ［J］. Solar Energy ， 2016 ， 136 ： 78 - 111 .

KETCHEN D J ， SHOOK C L . The application of cluster analysis in strategic management research： an analysis and critique ［J］. Strategic Management Journal ， 1996 ， 17 （ 6 ）： 441 - 458 .

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

考虑多无功源的光伏电站两阶段无功电压协调控制策略

基于SVG功率因数调节的光伏电站集中孤岛检测法