[發(fā)明專利]一種低壓居民光伏發(fā)電異常檢測方法及系統(tǒng)

在審

• 申請?zhí)枺?/td>: 202211338815.1
• 申請日: 2022-10-28
• 公開（公告）號: CN115526273A
• 公開（公告）日: 2022-12-27
• 發(fā)明（設(shè)計）人: 梁洪浩;姜和芳;陳曉偉;劉濤;馬越
• 申請（專利權(quán)）人: 深圳供電局有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06Q50/06
• 代理公司: 深圳匯智容達(dá)專利商標(biāo)事務(wù)所(普通合伙) 44238
• 代理人: 孫威

本發(fā)明提供一種低壓居民光伏發(fā)電異常檢測方法，包括獲取低壓光伏發(fā)電用戶檔案信息，并確定出每一個發(fā)電用戶的用戶數(shù)據(jù)；根據(jù)每一個發(fā)電用戶的用戶數(shù)據(jù)，計算出每一個發(fā)電用戶的電量數(shù)據(jù)；建立與日發(fā)電量及裝機容量關(guān)聯(lián)的異常初步篩選規(guī)則，并結(jié)合每一個發(fā)電用戶的用戶數(shù)據(jù)及對應(yīng)的電量數(shù)據(jù)，對低壓光伏用戶檔案信息中的所有發(fā)電用戶進(jìn)行篩選，以得到滿足所述異常初步篩選規(guī)則的發(fā)電用戶；利用支持向量機算法，對滿足異常初步篩選規(guī)則的發(fā)電用戶進(jìn)行聚類分析，進(jìn)一步選出異常發(fā)電用戶。本發(fā)明還提供一種低壓居民光伏發(fā)電異常檢測系統(tǒng)。實施本發(fā)明，能克服現(xiàn)有低壓居民光伏發(fā)電異常檢測方法所存在的操作復(fù)雜，效率低及結(jié)果準(zhǔn)確率不高的問題。

技術(shù)領(lǐng)域

本發(fā)明涉及用電異常監(jiān)測技術(shù)領(lǐng)域，尤其涉及一種低壓居民光伏發(fā)電異常檢測方法及系統(tǒng)。

背景技術(shù)

新能源技術(shù)的高速發(fā)展，推動了光伏發(fā)電用戶的快速增長，使得低壓光伏發(fā)電用戶數(shù)量也隨之上升。鑒于低壓光伏發(fā)電用戶上網(wǎng)不可避免地對電網(wǎng)安全可靠運行產(chǎn)生影響，因此對低壓光伏發(fā)電異常進(jìn)行精準(zhǔn)的監(jiān)測，可以提升低壓光伏上網(wǎng)電量數(shù)據(jù)管理能力，并有利于支撐電網(wǎng)穩(wěn)定可靠運行。

現(xiàn)有的低壓居民光伏發(fā)電異常檢測方法有多種。例如，主要是通過計算晴天某時段臺區(qū)下屬各戶光伏發(fā)電量與所有居民發(fā)電量的比值，并以該比值作為基準(zhǔn)來判斷其他下一時段光伏出力是否正常；又如，基于光伏發(fā)電站發(fā)電交直變換過程、地區(qū)特點、環(huán)境光照建立效率值，再基于效率值與實際檢測效率值進(jìn)行比較判斷光伏發(fā)單異常；又如，在發(fā)電數(shù)據(jù)運維過程中發(fā)現(xiàn)異常進(jìn)行現(xiàn)場運維處理。但是，上述現(xiàn)有的低壓居民光伏發(fā)電異常檢測方法操作過程相對復(fù)雜，且依賴特定時間或條件才能觸發(fā)對異常的監(jiān)測，導(dǎo)致效率較低。同時，上述現(xiàn)有的低壓居民光伏發(fā)電異常檢測方法也未考慮光伏發(fā)電用戶檔案信息人工錄入失誤的情況，影響異常監(jiān)測結(jié)果的準(zhǔn)確率。

發(fā)明內(nèi)容

本發(fā)明實施例所要解決的技術(shù)問題在于，提供一種低壓居民光伏發(fā)電異常檢測方法及系統(tǒng)，能克服現(xiàn)有低壓居民光伏發(fā)電異常檢測方法所存在的操作復(fù)雜，效率低及結(jié)果準(zhǔn)確率不高的問題。

為了解決上述技術(shù)問題，本發(fā)明實施例提供了一種低壓居民光伏發(fā)電異常檢測方法，所述方法包括以下步驟：

獲取低壓光伏發(fā)電用戶檔案信息，并根據(jù)所述低壓光伏發(fā)電用戶檔案信息，確定出每一個發(fā)電用戶的用戶數(shù)據(jù)；其中，所述用戶數(shù)據(jù)包括低壓光伏發(fā)電用戶電能表關(guān)系、光伏裝機容量、用戶所屬臺區(qū)、用戶所屬線路和用戶所屬變電站；

根據(jù)每一個發(fā)電用戶的用戶數(shù)據(jù)，計算出每一個發(fā)電用戶的電量數(shù)據(jù)；其中，所述電量數(shù)據(jù)包括日發(fā)電量、日上網(wǎng)電量、月上網(wǎng)電量和上月上網(wǎng)結(jié)算電量；

建立與日發(fā)電量及裝機容量關(guān)聯(lián)的異常初步篩選規(guī)則，并結(jié)合每一個發(fā)電用戶的用戶數(shù)據(jù)及對應(yīng)的電量數(shù)據(jù)，對所述低壓光伏用戶檔案信息中的所有發(fā)電用戶進(jìn)行篩選，以得到滿足所述異常初步篩選規(guī)則的發(fā)電用戶；

利用預(yù)設(shè)的支持向量機算法，對滿足所述異常初步篩選規(guī)則的發(fā)電用戶進(jìn)行聚類分析，進(jìn)一步選出異常發(fā)電用戶。

其中，所述異常初步篩選規(guī)則為日發(fā)電量大于8倍的裝機容量。

其中，所述利用預(yù)設(shè)的支持向量機算法，對滿足所述異常初步篩選規(guī)則的發(fā)電用戶進(jìn)行聚類分析，進(jìn)一步選出異常發(fā)電用戶的具體步驟包括：

基于K-means算法，對滿足所述異常初步篩選規(guī)則的發(fā)電用戶的用戶數(shù)據(jù)及對應(yīng)的電量數(shù)據(jù)進(jìn)行降維聚類；

利用所述支持向量機算法，對降維聚類之后的歸屬于每一類別的發(fā)電用戶的用戶數(shù)據(jù)及對應(yīng)的電量數(shù)據(jù)進(jìn)行訓(xùn)練，得到每一類別的SVM異常識別模型；

基于每一類別的SVM異常識別模型，對滿足所述異常初步篩選規(guī)則的發(fā)電用戶的電量數(shù)據(jù)均進(jìn)行異常識別，進(jìn)一步選出異常發(fā)電用戶。

其中，所述基于K-means算法，對滿足所述異常初步篩選規(guī)則的發(fā)電用戶的用戶數(shù)據(jù)及對應(yīng)的電量數(shù)據(jù)進(jìn)行降維聚類的步驟具體包括：