[發明專利]一種分布式光伏電站功率數據虛擬采集方法

有效

• 申請號: 202011034270.6
• 申請日: 2020-09-27
• 公開（公告）號: CN112052913B
• 公開（公告）日: 2022-08-23
• 發明（設計）人: 姜小濤;方磊;牛睿;葛磊蛟;王文天;張凌浩;秦羽飛;朱紅勤;周科峰;劉嘉恒;許超;嵇文路;馮隆基;馬琎劼;胡君;張繼東;王文帝;楊卓然
• 申請（專利權）人: 國網江蘇省電力有限公司南京供電分公司;天津大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08;G06Q50/06
• 代理公司: 北京智繪未來專利代理事務所(普通合伙) 11689
• 代理人: 王萍;肖繼軍

1.一種分布式光伏電站功率數據虛擬采集方法，其特征在于：

所述方法包括以下步驟：

步驟1：根據氣象特征相似性，選取待采集電站采集日的相似日，以相似日的標桿電站的功率數據和待采集電站的電流數據作為小波神經網絡的訓練樣本；

步驟2：構建小波神經網絡，并利用蝙蝠算法優化小波神經網絡的參數；

步驟3：將步驟2優化得到的小波神經網絡參數作為小波神經網絡的初始參數，使用訓練樣本訓練小波神經網絡，得到功率數據虛擬采集模型；

步驟4：輸入采集日標桿電站的功率數據及待采集電站的電流數據，利用功率數據虛擬采集模型進行數據擬合，實現功率數據的虛擬采集；

步驟1所述標桿電站和待采集電站為同一氣象區域范圍內的分布式光伏電站，且標桿電站和待采集電站的設備參數相同，所述標桿電站設有功率數據采集終端，待采集電站設有電流采集終端；

步驟1具體包括以下步驟：

步驟1.1：獲取采集日及采集日前P個歷史日的氣象數據，P＞1；

步驟1.2：對采集日和每個歷史日，分別構造氣象特征向量：

X＝[F₁,F₂,…,F_n-1,F_av]；

F_av為每日輻照度的平均值，F_m(m＝1,2,…,n-1)為每日m時刻的氣象數據；

步驟1.3：對步驟1.2構造的各氣象特征向量分別進行分量歸一化處理；

采集日與歷史日歸一化后的氣象特征向量分別為：

x₀＝(x₀(1),x₀(2),…,x₀(n))

x_i＝(x_i(1),x_i(2),…,x_i(n))

式中，x₀為采集日歸一化后的氣象特征向量，x_i為第i個歷史日歸一化后的氣象特征向量；x₀(n)為采集日第n個歸一化后的分量，x_i(n)為第i歷史日第n個歸一化后的分量，i＝1,…P；

步驟1.4：計算x_i相對于x₀的相似性綜合指標S_i；

步驟1.5：將各歷史日的相似性綜合指標值遞減排列，選取前Q個歷史日作為相似日，Q小于P；

步驟1.6：以相似日的標桿電站的功率數據和待采集電站的電流數據作為小波神經網絡的訓練樣本；

步驟1.1中，獲取的氣象數據為輻照度；

步驟1.4包括以下步驟：

步驟1.4.1：分別計算x₀與x_i在第n個分量的關聯系數：

式中，Δ＝|x₀(n)-x_i(n)|，ξ_i(n)為關聯系數，r為分辨系數；

步驟1.4.2：分別計算x₀和x_i的相似度：

式中，N為各分量的關聯系數的總數；

步驟1.4.3：分別計算x₀和x_i的余弦相似度：

其中，x_ok、x_ik分別為采集日和第i個歷史日氣象特征向量的第k個分量；

步驟1.4.4：計算x_i相對于x₀的相似性綜合指標S_i：

S_i＝αR_i+(1-α)D_cosi

其中，α為經驗權重系數。

2.根據權利要求1所述的一種分布式光伏電站功率數據虛擬采集方法，其特征在于：

步驟1.3中，采用如下歸一化方式：

式中，x、x_min、x_max分別為原始數據、原始數據中的最小值、原始數據中的最大值，x'為歸一化后的數據。