[發明專利]一種光伏功率異常數據的識別方法、裝置及終端設備

在審

• 申請號: 202011405020.9
• 申請日: 2020-12-03
• 公開（公告）號: CN112529061A
• 公開（公告）日: 2021-03-19
• 發明（設計）人: 陳鑫;王曉晨;牛辰庚
• 申請（專利權）人: 新奧數能科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06F16/28
• 代理公司: 北京嘉科知識產權代理事務所(特殊普通合伙) 11687
• 代理人: 張艷

本發明適用于計算機領域，提供了一種光伏功率異常數據的識別方法、裝置及終端設備，其中，所述方法包括：獲取不同時間下光伏電站的光伏功率，得到時序功率數據集；采用K?means聚類算法對所述時序功率數據集進行聚類，得到聚類數據集；基于所述聚類數據集，計算所述數據點和所述數據點所對應的聚類中心的偏差，得到偏差數據集；采用DBSCAN對所述偏差數據集進行聚類，得到異常數據距離閾值；基于所述聚類中心和所述異常數據距離閾值，對所述偏差數據集進行分類，得到異常數據集。本發明通過K?means和DBSCAN二階聚類算法對光伏功率異常數據識別，在全局維度利用數據特征提升了異常識別的靈活性和自適應性。

技術領域

本發明屬于計算機領域，尤其涉及一種光伏功率異常數據的識別方法、裝置及終端設備。

背景技術

在光伏電站的實際運行過程中，通信、數據采集設備故障以及人為因素均會使測量數據發生異常，不同異常誘因引起的數據異常表現不同，同時太陽輻照度、環境溫濕度等氣象因素也會導致光伏功率呈現出一定的波動性，異常數據和正常波動極易混淆。高質量的光伏功率數據是進行光伏研究的基礎，因此須對光伏功率異常數據進行識別。對于未能實時監控太陽輻照度的光伏電站，光伏功率異常數據很難通過人工方法進行識別和清洗，同時人工辨別工作量大，易疏漏出錯。工程上大多采用概率統計中的離群數據辨識方法來識別異常數據。通常，光伏功率隨機性分量數據存在一定的波動范圍，并且絕大部分數據分布在該波動范圍之內，當某一數據出現在該波動范圍之外時，則認為該數據為異常數據。但工程方法往往閾值設置單一機械，如簡單設置功率偏差上下限，該類方法無法準確區分功率正常波動和異常偏差，造成識別誤差大。

發明內容

有鑒于此，本發明提供了一種光伏功率異常數據的識別方法、裝置及終端設備，以解決現有技術中未能實時監控太陽輻照度的光伏電站中光伏功率異常數據識別誤差大的問題。

本發明實施例的第一方面，提供了一種光伏功率異常數據的識別方法，包括：

獲取不同時間下光伏電站的光伏功率，得到時序功率數據集；

采用K-means聚類算法對所述時序功率數據集進行聚類，得到聚類數據集，所述聚類數據集包括聚類中心和各聚類中心所對應的數據點；

基于所述聚類數據集，計算所述數據點和所述數據點所對應的聚類中心的偏差，得到偏差數據集；

采用DBSCAN對所述偏差數據集進行聚類，得到異常數據距離閾值；

基于所述聚類中心和所述異常數據距離閾值，對所述偏差數據集進行分類，得到異常數據集。

在一些實施例中，采用K-means聚類算法對所述時序功率數據集進行聚類，得到聚類數據集，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據集進行聚類，得到聚類數據集。

在一些實施例中，采用K-means聚類算法對所述時序功率數據集進行聚類，得到聚類數據集，還包括：

根據當前光伏電站的太陽輻照度設置聚類時長；

設置聚類簇數K為1；

采用K-means聚類算法對所述時序功率數據集進行聚類，標記各時段聚類中心，得到聚類數據集。

在一些實施例中，基于所述聚類數據集，計算所述數據點和所述數據點所對應的聚類中心的偏差，得到偏差數據集，具體包括：

各數據點功率減去各數據點所對應的聚類中心功率，得到各數據點所對應的偏差；

整合各數據點所對應的偏差，得到偏差數據集。

在一些實施例中，采用DBSCAN對所述偏差數據集進行聚類，得到異常數據距離閾值，具體包括：