光伏电站高比例异常运行数据组合识别方法.pdfVIP

第46 卷 第20 期 2022 年10 月25 日 Vol.46No.20 Oct.25,2022 DOI：10.7500/AEPS20211110003 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 （中国农业大学信息与电气工程学院，北京市 100083） 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。 关键词：光伏电站；异常数据识别；相似日；组合方法；数据重构 ［16］ 0 引言 监测异常数据识别 等领域均有一定的应用。相 关研究表明，组合异常数据识别方法相比于单体方 截至2020年底，中国累计光伏装机总容量已达 ［17-19］ 法识别效果更好 。 ［1］ 到253 GW 。预计在“碳达峰·碳中和”背景下，光 随着光伏装机规模的增大，越来越多的学者开 伏装机容量会持续大幅攀升。随着光伏装机容量的 始研究光伏发电中的异常数据问题。文献［20］依 快速增长和光伏发电系统的智能化运行，光伏电站 据中心极限定理，将光伏功率数据分布视为正态分 ［2-3］ 运行数据的研究已成为该领域研究的热门课题 。 布，采用3-Sigma方法对光伏功率异常数据进行识 其中，准确、可信的光伏功率数据是光伏发电性能评 别。但已有研究表明，只有在晴天时光伏功率数据 ［4］ ［5］ ［6-7］ 估 、光伏功率预测 及光伏并网 等研究的基础。 ［21］ 才接近正态分布 ，且高比例异常数据也会使光伏 然而，由于设备故障、消纳能力有限等原因，许多光 功率数据的分布发生变化，导致采用该方法进行异 伏电站现场采集的功率数据中含有大量的异常数 常数据识别效果不佳。文献［22-23］分别在仅考虑 据，这不仅影响了光伏功率数据本身的数据质量，而 辐照度和考虑多种影响因素的情况下，通过Copula 且大大降低了相关实验和测试结果的准确性。因 理论函数构建辐照度与光伏功率之间的概率曲线， 此，开展光伏功率高比例异常数据识别方法研究具 实现光伏功率异常数据的识别。然而，大量的异常 有重要意义。 数据将会使Copula分布参数发生畸形，从而影响异 异常数据识别是各类数据分析的重要环节，现 常数据识别的准确性。文献［24］提出利用异常数 有的异常