基于Copula理论的光伏功率高比例异常数据机器识别算法

被引：23

作者：

龚莺飞 ^{[1
,2
]}

鲁宗相 ^{[1
,2
]}

乔颖 ^{[1
,2
]}

王强 ^{[3
]}

曹欣 ^{[3
]}

机构：

[1] 电力系统及发电设备控制和仿真国家重点实验室清华大学

[2] 清华大学电机工程与应用电子技术系

[3] 国网河北省电力公司

来源：

电力系统自动化 | 2016年 / 40卷 / 09期

关键词：

光伏功率; 高比例异常数据; 概率功率曲线; Copula理论; 机器识别;

D O I：

暂无

中图分类号：

TM615 [太阳能发电];

学科分类号：

0807 ;

摘要：

目前很多在运光伏电站由于通信故障、设备异常、人为限电等问题导致功率实测数据含高比例异常数据,极大阻碍了电站性能分析和功率数据的深化应用。基于Copula函数建立了描述辐照度与光伏功率间相关关系的概率功率曲线模型,进而针对光伏实测数据分散度、随机性强,异常数据比例高的特点,结合工程经验归纳了三类典型异常数据特征并提出了相应的异常数据机器识别模型。利用实测光伏电站数据和人工生成数据集进行仿真分析表明,采用该异常数据机器识别模型能适应高比例异常数据条件,有效识别各种类型异常数据,具有比常规3-sigma识别法更好的适应性和识别率。

引用

页码：16 / 22+55 +55

页数：8

共 9 条

[1] 光伏发电出力的条件预测误差概率分布估计方法 [J].

赵唯嘉 ;

张宁 ;

康重庆 ;

王跃峰 ;

李鹏 ;

马烁 .

电力系统自动化, 2015, 39 (16) :8-15

[2] 基于OPTICS的变电设备状态监测异常数据过滤算法 [J].

张强 ;

王序文 ;

王小捷 ;

陈光 ;

刘娟 .

电力信息与通信技术, 2015, 13 (06) :8-14

[3] 风电场输出功率异常数据识别与重构方法研究 [J].

朱倩雯 ;

叶林 ;

赵永宁 ;

郎燕生 ;

宋旭日 .

电力系统保护与控制, 2015, 43 (03) :38-45

[4] 风电场弃风异常数据簇的特征及处理方法 [J].

赵永宁 ;

叶林 ;

朱倩雯 .

电力系统自动化, 2014, 38 (21) :39-46

[5] 计及天气类型指数的光伏发电短期出力预测 [J].

袁晓玲 ;

施俊华 ;

徐杰彦 .

中国电机工程学报, 2013, 33 (34) :57-64+12

[6] 基于粗糙集理论的序列离群点检测 [J].

江峰 ;

杜军威 ;

葛艳 ;

眭跃飞 ;

曹存根 .

电子学报, 2011, 39 (02) :345-350

[7] 中长期负荷预测的异常数据辨识与缺失数据处理 [J].

毛李帆 ;

姚建刚 ;

金永顺 ;

李文杰 ;

关石磊 ;

陈芳 .

电网技术, 2010, 34 (07) :148-153

[8] 异常检测算法分析 [J].

李炎 ;

李皓 ;

钱肖鲁 ;

朱扬勇 .

计算机工程, 2002, (06) :5-6+32

[9]

A New Outlier Detection Algorithms Based on Markov Chain[J] . Yang Jun,Wang Ying Long.Advanced Materials Research . 2012 (366)

← 1 →