[發(fā)明專利]一種光伏功率異常數(shù)據(jù)的識別方法、裝置及終端設(shè)備

在審

• 申請?zhí)枺?/td>: 202011405020.9
• 申請日: 2020-12-03
• 公開（公告）號: CN112529061A
• 公開（公告）日: 2021-03-19
• 發(fā)明（設(shè)計(jì)）人: 陳鑫;王曉晨;牛辰庚
• 申請（專利權(quán)）人: 新奧數(shù)能科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06F16/28
• 代理公司: 北京嘉科知識產(chǎn)權(quán)代理事務(wù)所(特殊普通合伙) 11687
• 代理人: 張艷

1.一種光伏功率異常數(shù)據(jù)的識別方法，其特征在于，包括：

獲取不同時間下光伏電站的光伏功率，得到時序功率數(shù)據(jù)集；

采用K-means聚類算法對所述時序功率數(shù)據(jù)集進(jìn)行聚類，得到聚類數(shù)據(jù)集，所述聚類數(shù)據(jù)集包括聚類中心和各聚類中心所對應(yīng)的數(shù)據(jù)點(diǎn)；

基于所述聚類數(shù)據(jù)集，計(jì)算所述數(shù)據(jù)點(diǎn)和所述數(shù)據(jù)點(diǎn)所對應(yīng)的聚類中心的偏差，得到偏差數(shù)據(jù)集；

采用DBSCAN對所述偏差數(shù)據(jù)集進(jìn)行聚類，得到異常數(shù)據(jù)距離閾值；

基于所述聚類中心和所述異常數(shù)據(jù)距離閾值，對所述偏差數(shù)據(jù)集進(jìn)行分類，得到異常數(shù)據(jù)集。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，采用K-means聚類算法對所述時序功率數(shù)據(jù)集進(jìn)行聚類，得到聚類數(shù)據(jù)集，具體包括：

基于二維時序圖，X軸為時間，Y軸為光伏功率，采用K-means聚類算法對所述時序功率數(shù)據(jù)集進(jìn)行聚類，得到聚類數(shù)據(jù)集。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，采用K-means聚類算法對所述時序功率數(shù)據(jù)集進(jìn)行聚類，得到聚類數(shù)據(jù)集，還包括：

根據(jù)當(dāng)前光伏電站的太陽輻照度設(shè)置聚類時長；

設(shè)置聚類簇?cái)?shù)K為1；

采用K-means聚類算法對所述時序功率數(shù)據(jù)集進(jìn)行聚類，標(biāo)記各時段聚類中心，得到聚類數(shù)據(jù)集。

4.根據(jù)權(quán)利要求1所述的方法，其特征在于，基于所述聚類數(shù)據(jù)集，計(jì)算所述數(shù)據(jù)點(diǎn)和所述數(shù)據(jù)點(diǎn)所對應(yīng)的聚類中心的偏差，得到偏差數(shù)據(jù)集，具體包括：

各數(shù)據(jù)點(diǎn)功率減去各數(shù)據(jù)點(diǎn)所對應(yīng)的聚類中心功率，得到各數(shù)據(jù)點(diǎn)所對應(yīng)的偏差；

整合各數(shù)據(jù)點(diǎn)所對應(yīng)的偏差，得到偏差數(shù)據(jù)集。

5.根據(jù)權(quán)利要求1所述的方法，其特征在于，采用DBSCAN對所述偏差數(shù)據(jù)集進(jìn)行聚類，得到異常數(shù)據(jù)距離閾值，具體包括：

設(shè)置偏差數(shù)據(jù)集的半徑Eps和半徑區(qū)域中能夠聚成一類的最少偏差個數(shù)MinPts；

使用DBSCAN算法對所述偏差數(shù)據(jù)集進(jìn)行聚類，得到聚類結(jié)果；

判斷聚類結(jié)果是否符合預(yù)設(shè)條件；

若是，則確定所述聚類結(jié)果所對應(yīng)的半徑Eps為異常數(shù)據(jù)距離閾值；

若否，則返回步驟設(shè)置偏差數(shù)據(jù)集的半徑Eps和半徑區(qū)域中能夠聚成一類的最少偏差個數(shù)MinPts。

6.根據(jù)權(quán)利要求5所述的方法，其特征在于，判斷聚類結(jié)果是否符合預(yù)設(shè)條件，具體包括：

根據(jù)所述聚類結(jié)果形成的簇?cái)?shù)設(shè)置預(yù)設(shè)條件；

判斷聚類結(jié)果是否符合預(yù)設(shè)條件。

7.根據(jù)權(quán)利要求1所述的方法，其特征在于，基于所述聚類中心和所述異常數(shù)據(jù)距離閾值，對所述偏差數(shù)據(jù)集進(jìn)行分類，得到異常數(shù)據(jù)集，具體包括：

判斷偏差數(shù)據(jù)集中的各數(shù)據(jù)是否屬于以異常數(shù)據(jù)距離閾值為半徑，每一個聚類中心的領(lǐng)域內(nèi)；

若否，則該數(shù)據(jù)為異常數(shù)據(jù)，使用距離聚類方式篩選異常數(shù)據(jù)后得到異常數(shù)據(jù)集。

8.一種光伏功率異常數(shù)據(jù)的識別裝置，其特征在于，所述裝置包括：

時序功率數(shù)據(jù)集獲取模塊，被配置為獲取不同時間下光伏電站的光伏功率，得到時序功率數(shù)據(jù)集；

聚類數(shù)據(jù)集獲取模塊，被配置為采用K-means聚類算法對所述時序功率數(shù)據(jù)集進(jìn)行聚類，得到聚類數(shù)據(jù)集，所述聚類數(shù)據(jù)集包括聚類中心和各聚類中心所對應(yīng)的數(shù)據(jù)點(diǎn)；

偏差數(shù)據(jù)集獲取模塊，被配置為基于所述聚類數(shù)據(jù)集，計(jì)算所述數(shù)據(jù)點(diǎn)和所述數(shù)據(jù)點(diǎn)所對應(yīng)的聚類中心的偏差，得到偏差數(shù)據(jù)集；

異常距離閾值獲取模塊，被配置為采用DBSCAN對所述偏差數(shù)據(jù)集進(jìn)行聚類，得到異常數(shù)據(jù)距離閾值；

異常數(shù)據(jù)集獲取模塊，被配置為基于所述聚類中心和所述異常數(shù)據(jù)距離閾值，對所述時序功率數(shù)據(jù)集進(jìn)行分類，得到異常數(shù)據(jù)集。

9.一種終端設(shè)備，包括存儲器、處理器以及存儲在所述存儲器中并可在所述處理器上運(yùn)行的計(jì)算機(jī)程序，其特征在于，所述處理器執(zhí)行所述計(jì)算機(jī)程序時實(shí)現(xiàn)如權(quán)利要求1至7任一項(xiàng)所述方法的步驟。

10.一種存儲介質(zhì)，所述存儲介質(zhì)存儲有計(jì)算機(jī)程序，其特征在于，所述計(jì)算機(jī)程序被處理器執(zhí)行時實(shí)現(xiàn)如權(quán)利要求1至7任一項(xiàng)所述方法的步驟。