CN112434822A - 基于智能电表及地理信息分群的户用光伏异常识别方法 - Google Patents
基于智能电表及地理信息分群的户用光伏异常识别方法 Download PDFInfo
- Publication number
- CN112434822A CN112434822A CN202011096516.2A CN202011096516A CN112434822A CN 112434822 A CN112434822 A CN 112434822A CN 202011096516 A CN202011096516 A CN 202011096516A CN 112434822 A CN112434822 A CN 112434822A
- Authority
- CN
- China
- Prior art keywords
- abnormal
- photovoltaic
- users
- value
- user
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 37
- 230000002159 abnormal effect Effects 0.000 claims abstract description 129
- 238000004364 calculation method Methods 0.000 claims abstract description 17
- 238000012423 maintenance Methods 0.000 claims abstract description 10
- 238000010248 power generation Methods 0.000 claims description 33
- 238000009434 installation Methods 0.000 claims description 12
- 238000006243 chemical reaction Methods 0.000 claims description 7
- 230000009021 linear effect Effects 0.000 claims description 3
- 230000000717 retained effect Effects 0.000 claims description 2
- 238000003745 diagnosis Methods 0.000 abstract description 10
- 230000008901 benefit Effects 0.000 abstract description 7
- 230000005856 abnormality Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 2
- 230000032683 aging Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000004383 yellowing Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0204—Market segmentation
- G06Q30/0205—Location or geographical consideration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
- Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S50/00—Market activities related to the operation of systems integrating technologies related to power network operation or related to communication or information technologies
- Y04S50/14—Marketing, i.e. market research and analysis, surveying, promotions, advertising, buyer profiling, customer management or rewards
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Accounting & Taxation (AREA)
- Marketing (AREA)
- Finance (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Operations Research (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- Data Mining & Analysis (AREA)
- Public Health (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Photovoltaic Devices (AREA)
Abstract
本发明公开了基于智能电表及地理信息分群的户用光伏异常识别方法,涉及光伏异常识别领域。目前,识别异常光伏,计算量大,且准确性低。本发明首先找出距离故障用户最近的三户正常用户,根据光伏组件的单二极管模型公式求出光生电流值,然后计算出故障用户单日内的功率损失时间序列,继而可以用最小二乘法对功率损失进行拟合,结合光伏阵列的出力特征,根据拟合结果得到故障诊断结果。本技术方案通过两种方式综合判断,准确性高,减少了因识别错误导致的资源损失。且通过异常用户的识别,可减小异常诊断的范围与计算量,缩短异常诊断时间,对于异常用户后续的维护与检修的有着重要的意义;提升收益及设备的利用率。
Description
技术领域
本发明涉及光伏异常识别领域,尤其涉及基于智能电表及地理信息分群的户用光伏异常识别方法。
背景技术
随着国家对于可再生清洁新能源的大力推广及对自然生态的重视,光发电以其无污染、可持续等特点得到了广泛的推广应用。在2013年前后光伏发电政策补贴的加大,大规模光伏发电逐渐并网,分布式光伏用户急剧增多,光伏装机容量已跃居全球首位。在光伏广泛在全国铺开渐趋稳定之后,由于光伏安装位置的特殊性,如何对光伏的运行状态进行监测并对出现的故障做出分析成为了光伏良性发展的关键所在。
光伏发电在国内目前分为集中式和分布式两种形式,集中式主要以光伏电站的形式出现,而分布式则主要以户用光伏的形式出现。其中光伏电站由于其容量较大且地理位置高度集中,一般会配有集中监控***,可一体化地完成信息交互、智能运维及调度管理等工作。户用光伏是由居民自己申报安装,将光伏组件安装在自家日照充足的地方(一般是屋顶),并配备逆变器,将光伏组件输出的直流电逆变升压至与电网同步,同时在逆变器输出侧安装智能电表,用来记录光伏产生的电能。居民用户可将这些电能供日常的家庭用电,也可并网售卖给电网公司,从中获得收益。
户用光伏具有数量巨大、单机体量相较于光伏电站很小,但是总容量比重很高的特点。而光伏组件的安装位置为空旷无遮挡的室外环境,在无保护状态下就会有多种原因会导致光伏组件的故障,从而致使光伏发电效率的下降。由于其分布式的特性、户用的定位与运维器件的偏低投入产出比,致使其不具备光伏电站所具有的运维条件,所能依赖的诊断的依据只有智能电表记录的读数以及户用光伏在安装时在电网公司报备留下的设备信息。其中,智能电表记录的数据为光伏阵列经逆变器升压后的输出电压、输出电流、输出功率与日发电量,户用光伏用户留档的数据一般有报装容量——即光伏***在标准测试情况下的额定功率、用户的地理位置——即用户的地址与经纬度,同时部分用户还记录有光伏组件与逆变器的厂家与型号。
大部分户用光伏组件的连接方式均为串并联,好处在于在提高了输出电压的情况下,兼顾了输出的稳定性;同时每块光伏组件的接线盒内装有旁路二极管,在组件一定的阴影情况下将其从电路中切除,提高输出功率的同时也起到了保护组件的作用。直流侧的故障有组件分层、内部气泡、单元变黄、划痕及热斑等永久性的短路断路故障,也有局部阴影遮盖及积尘污染等因素造成的临时性故障,也有在组件正常使用年限中出现异常老化故障,以上这些故障都可能导致户用光伏***光伏的输出功率、效率和可靠性下降。但如何识别异常光伏,计算量大,且准确性低。
对异常用户的识别是为了减小异常诊断的范围与计算量,缩短异常诊断时间,对于异常用户后续的维护与检修的有着重要的意义;与此同时,异常用户的识别也可以为用户提供相应的异常告警信息,有助于户用光伏用户及时发现异常,提升收益及设备的利用率。
发明内容
本发明要解决的技术问题和提出的技术任务是对现有技术方案进行完善与改进,提供基于智能电表及地理信息分群的户用光伏异常识别方法,以达到准确识别的目的;为此,本发明采取以下技术方案。
基于智能电表及地理信息分群的户用光伏异常识别方法,包括以下步骤:
1)获取原始数据;原理数据包括用户的地理位置、智能电能表所记录的光伏负荷与发电量;
2)根据地理位置做聚类分群;
3)计算每户光伏用户的单位容量的日发电量;
4)计算划分后子区域内光伏用户单位容量的日发电量的平均值及标准差;
5)根据平均值及标准差判断该子区域内的各光伏用户单位容量的日发电量是否为异常值;
6)当为异常值时,将其标记为第一异常值;
7)判断所有数值中有无第一异常值;若是,则进入步骤8);若否,则进入步骤10);
8)将第一异常值对应的光伏用户标记为异常用户并剔除;整理得到该区域内的筛选后的光伏用户;并返回步骤4)重新计算平均值及标准差;
9)输出所有第一异常值及其对应异常用户;
10)获取每户光伏用户,并将划分后子区域内光伏用户单位容量的日发电量从小到大进行排列,并计算其上四分位数、下四分位数;
11)根据四分位数计算其四分位距并确定上限与下限;
12)根据上限与下限判断该区域内光伏用户的单位容量的日发电量是否为异常值,若是,则将其标记为第二异常值;
13)输出所有第二异常值及其对应异常用户;
14)取第一异常值和第二异常值对应的异常用户的交集作为最终的异常识别输出结果;得到最终的异常用户;
15)根据异常识别输出结果向最终的异常光伏用户发送异常告警信息;并对对应的异常光伏设备进行检修。
本技术方案首先根据安装档案记录的地理位置信息对所有的光伏用户进行聚类分群,在各个划分的子区域内计算每户光伏用户的单位容量的日发电量,依据3-sigma和箱型图两种方法对该值做异常值的识别,结合两种方法的结果,取其交集作为最终的异常识别结果;这两种方法的计算过程简单,所需数据体量及计算的数据量小,而依托智能电表获取的数据维度也很有限,单一的识别方法可能会存在着误判及漏判的问题,通过上述的两种方式综合判断,准确性高,减少了因识别错误导致的资源损失。且通过异常用户的识别,可减小异常诊断的范围与计算量,缩短异常诊断时间,对于异常用户后续的维护与检修的有着重要的意义;与此同时,异常用户的识别为用户提供相应的异常告警信息,有助于户用光伏用户及时发现异常,提升收益及设备的利用率。
作为优选技术手段:在步骤1)中,获取的原始信息还包括户用光伏用户在安装时留档的报装容量。
作为优选技术手段:在步骤2)中,对所有的光伏用户基于空间相关性的大规模分布式用户光伏空间分群方法对光伏用户进行聚类,获得最佳聚类数及其相应的子区域划分;在划分后的子区域内,气象条件及户用光伏的出力具有一致性。
作为优选技术手段:在步骤3)中,计算光伏用户的日发电量时,根据***容量和使用年限的不同做相应的换算,将其换算成为单位容量的日发电量,换算的计算公式如下:
其中,X为换算后的单位容量的日发电量,X’为智能电表采集到的日发电量,ε为线性质保值,Pset为申报安装容量。
其中,n为子区域内的光伏用户总数。
作为优选技术手段:在步骤5)中,在判断各光伏用户单位容量的日发电量是否为异常值时,符合式(4)时就不属于随机误差而是粗大误差,即可认定为异常值:
判断有无识别出异常值,若有,则将这些异常值对应的用户标记为异常用户E1。
作为优选技术手段:在步骤10)中,将划分后子区域内光伏用户单位容量的日发电量从小到大进行排列,并计算其上四分位数Q3、下四分位数Q1;上四分位数Q3为排序后处在75%位置上的数值,下四分位数Q1为排序后处在25%位置上的数值,计算公式如式(5)、(6)所示:
Q3=(1+[(i+1)/4]-(i+1)/4)X[(i+1)/4]+((i+1)/4-[(i+1)/4])X-(i+1)/4]+1 (5)
Q1=(1+[3(i+1)/4]-3(i+1)/4)X[3(i+1)/4]+(3(i+1)/4-[3(i+1)/4])X[3(i+1)/4]+1 (6)
其中,[x]为取整函数,函数值为不超过实数x的最大整数;i为数据X的总数。
作为优选技术手段:在步骤11)中,四分位距IQR为上四分位数Q3与下四分位数Q1的差,四分位距IQR、上限、下限的计算公式如式(7)、(8)、(9)所示:
IQR=Q3-Q1 (7)
上限=Q3+1.5IQR (8)
下限=Q1-1.5IQR (9)
上限和下限为异常值截断点,上限与下限之间为内限;处于内限以内的数据为正常值,处于内限以外位置的数据都是异常值;将这些异常值对应的用户标记为异常用户E2。
作为优选技术手段:在步骤14)中取两种异常识别结果的交集作为最终的异常识别输出结果E:
E=E1∩E2。
有益效果:本技术方案首先根据安装档案记录的地理位置信息对所有的光伏用户进行聚类分群,在各个划分的子区域内计算每户光伏用户的单位容量的日发电量,依据3-sigma和箱型图两种方法对该值做异常值的识别,结合两种方法的结果,取其交集作为最终的异常识别结果。这两种方法的计算过程简单,所需数据体量及计算的数据量小,而依托智能电表获取的数据维度也很有限,单一的识别方法可能会存在着误判及漏判的问题,通过上述的两种方式综合判断,准确性高,减少了因识别错误导致的资源损失。且通过异常用户的识别,可减小异常诊断的范围与计算量,缩短异常诊断时间,对于异常用户后续的维护与检修的有着重要的意义;与此同时,异常用户的识别为用户提供相应的异常告警信息,有助于户用光伏用户及时发现异常,提升收益及设备的利用率。
附图说明
图1是本发明的流程图。
具体实施方式
以下结合说明书附图对本发明的技术方案做进一步的详细说明。
如图1所示,本发明包括以下步骤:
步骤1:获取原始数据;包含了户用光伏用户在安装时留档在电网公司的数据,一般有报装容量、用户的地理位置,以及智能电表所记录的光伏负荷与发电量。
步骤2:根据地理位置做聚类分群;对所有的光伏用户基于空间相关性的大规模分布式用户光伏空间分群方法对光伏用户进行聚类,经该算法可获得最佳聚类数及其相应的子区域划分,并且可认为在划分后的子区域内,气象条件及户用光伏的出力有着较好的一致性。
步骤3:计算每户光伏用户的单位容量的日发电量;光伏用户的日发电量根据***容量和使用年限的不同做相应的换算,将其换算成为单位容量的日发电量,换算的计算公式如下:
其中,X为换算后的单位容量的日发电量,X’为智能电表采集到的日发电量,ε为线性质保值,Pset为申报安装容量。
其中,n为子区域内的光伏用户总数。
步骤5:根据平均值及标准差判断该子区域内的各光伏用户单位容量的日发电量是否为异常值;判断各光伏用户单位容量的日发电量是否为异常值,符合下式就不属于随机误差而是粗大误差,即可认定为异常值:
由此判断有无识别出异常值。
步骤6:当为异常值时,将其标记为第一异常值;将这些异常值对应的用户标记为异常用户E1。
步骤7:判断所有数值中有无第一异常值;若是,则进入步骤8;若否,则进入步骤10。
步骤8:将第一异常值对应的光伏用户标记为异常用户并剔除;整理得到该区域内的筛选后的光伏用户;并返回步骤4)重新计算平均值及标准差。
步骤9:输出所有第一异常值及其对应异常用户E1。
步骤10:获取每户光伏用户,将划分后子区域内光伏用户单位容量的日发电量从小到大进行排列,并计算其上四分位数Q3、下四分位数Q1。上四分位数Q3为排序后处在75%位置上的数值,下四分位数Q1为排序后处在25%位置上的数值,计算公式如式(5)、(6)所示:
Q3=(1+[(i+1)/4]-(i+1)/4)X[(i+1)/4]+((i+1)/4-[(i+1)/4])X[(i+1)/4]+1 (5)
Q1=(1+[3(i+1)/4]-3(i+1)/4)X[3(i+1)/4]+(3(i+1)/4-[3(i+1)/4])X[3(i+1)/4]+1 (6)
其中,[x]为取整函数,函数值为不超过实数x的最大整数;i为数据X的总数。
步骤11:根据四分位数计算其四分位距并确定上限与下限;四分位距IQR为上四分位数Q3与下四分位数Q1的差,四分位距IQR、上限、下限的计算公式如式(7)、(8)、(9)所示:
IQR=Q3-Q1 (7)
上限=Q3+1.5IQR (8)
下限=Q1-1.5IQR (9)
上限和下限为异常值截断点,。
步骤12:根据上限与下限判断该区域内光伏用户的单位容量的日发电量是否为异常值,上限与下限之间为内限。处于内限以内的数据为正常值,处于内限以外位置的数据都是第二异常值;将这些第二异常值对应的用户标记为异常用户E2。
步骤13:输出所有第二异常值及其对应异常用户E2。
步骤14:取第一异常值和第二异常值对应的异常用户的交集作为最终的异常识别输出结果;得到最终的异常用户E:
E=E1∩E2。
步骤15:根据异常识别输出结果向最终的异常光伏用户发送异常告警信息;并对对应的异常光伏设备进行检修。
以上图1所示的基于智能电表及地理信息分群的户用光伏异常识别方法是本发明的具体实施例,已经体现出本发明实质性特点和进步,可根据实际的使用需要,在本发明的启示下,对其进行形状、结构等方面的等同修改,均在本方案的保护范围之列。
Claims (9)
1.基于智能电表及地理信息分群的户用光伏异常识别方法,其特征在于包括以下步骤:
1)获取原始数据;原理数据包括用户的地理位置、智能电能表所记录的光伏负荷与发电量;
2)根据地理位置做聚类分群;
3)计算每户光伏用户的单位容量的日发电量;
4)计算划分后子区域内光伏用户单位容量的日发电量的平均值及标准差;
5)根据平均值及标准差判断该子区域内的各光伏用户单位容量的日发电量是否为异常值;
6)当为异常值时,将其标记为第一异常值;
7)判断所有数值中有无第一异常值;若是,则进入步骤8);若否,则进入步骤10);
8)将第一异常值对应的光伏用户标记为异常用户并剔除;整理得到该区域内的筛选后的光伏用户;并返回步骤4)重新计算平均值及标准差;
9)输出所有第一异常值及其对应异常用户;
10)获取每户光伏用户,并将划分后子区域内光伏用户单位容量的日发电量从小到大进行排列,并计算其上四分位数、下四分位数;
11)根据四分位数计算其四分位距并确定上限与下限;
12)根据上限与下限判断该区域内光伏用户的单位容量的日发电量是否为异常值,若是,则将其标记为第二异常值;
13)输出所有第二异常值及其对应异常用户;
14)取第一异常值和第二异常值对应的异常用户的交集作为最终的异常识别输出结果;得到最终的异常用户;
15)根据异常识别输出结果向最终的异常光伏用户发送异常告警信息;并对对应的异常光伏设备进行检修。
2.根据权利要求1所述的基于智能电表及地理信息分群的户用光伏异常识别方法,其特征在于:在步骤1)中,获取的原始信息还包括户用光伏用户在安装时留档的报装容量。
3.根据权利要求2所述的基于智能电表及地理信息分群的户用光伏异常识别方法,其特征在于:在步骤2)中,对所有的光伏用户基于空间相关性的大规模分布式用户光伏空间分群方法对光伏用户进行聚类,获得最佳聚类数及其相应的子区域划分;在划分后的子区域内,气象条件及户用光伏的出力具有一致性。
7.根据权利要求6所述的基于智能电表及地理信息分群的户用光伏异常识别方法,其特征在于:在步骤10)中,将划分后子区域内光伏用户单位容量的日发电量从小到大进行排列,并计算其上四分位数Q3、下四分位数Q1;上四分位数Q3为排序后处在75%位置上的数值,下四分位数Q1为排序后处在25%位置上的数值,计算公式如式(5)、(6)所示:
Q3=(1+[(i+1)/4]-(i+1)/4)X[(i+1)/4]+((i+1)/4-[(i+1)/4])X-(i+1)/4]+1 (5)
Q1=(1+[3(i+1)/4]-3(i+1)/4)X[3(i+1)/4]+(3(i+1)/4-[3(i+1)/4])X[3(i+1)/4]+1 (6)
其中,[x]为取整函数,函数值为不超过实数x的最大整数;i为数据X的总数。
8.根据权利要求7所述的基于智能电表及地理信息分群的户用光伏异常识别方法,其特征在于:在步骤11)中,四分位距IQR为上四分位数Q3与下四分位数Q1的差,四分位距IQR、上限、下限的计算公式如式(7)、(8)、(9)所示:
IQR=Q3-Q1 (7)
上限=Q3+1.5IQR (8)
下限=Q1-1.5IQR (9)
上限和下限为异常值截断点,上限与下限之间为内限;处于内限以内的数据为正常值,处于内限以外位置的数据都是异常值;将这些异常值对应的用户标记为异常用户E2。
9.根据权利要求8所述的基于智能电表及地理信息分群的户用光伏异常识别方法,其特征在于:在步骤14)中取两种异常识别结果的交集作为最终的异常识别输出结果E:
E=E1∩E2。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011096516.2A CN112434822A (zh) | 2020-10-14 | 2020-10-14 | 基于智能电表及地理信息分群的户用光伏异常识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011096516.2A CN112434822A (zh) | 2020-10-14 | 2020-10-14 | 基于智能电表及地理信息分群的户用光伏异常识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112434822A true CN112434822A (zh) | 2021-03-02 |
Family
ID=74690570
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011096516.2A Pending CN112434822A (zh) | 2020-10-14 | 2020-10-14 | 基于智能电表及地理信息分群的户用光伏异常识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112434822A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114039886A (zh) * | 2021-10-19 | 2022-02-11 | 国网山东省电力公司日照供电公司 | 基于四分差和自相关性分析的数据正确性辨识方法及装置 |
CN116961576A (zh) * | 2023-07-26 | 2023-10-27 | 国网山东省电力公司沂南县供电公司 | 基于周边检测数据的分布式光伏发电量检测方法 |
CN116991964A (zh) * | 2023-09-25 | 2023-11-03 | 浙江电力交易中心有限公司 | 区域用户绿电数据处理方法、***及存储介质 |
CN117078268A (zh) * | 2023-10-16 | 2023-11-17 | 国网浙江省电力有限公司宁波供电公司 | 一种用于分布式光伏的结算方法以及财务机器人 |
-
2020
- 2020-10-14 CN CN202011096516.2A patent/CN112434822A/zh active Pending
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114039886A (zh) * | 2021-10-19 | 2022-02-11 | 国网山东省电力公司日照供电公司 | 基于四分差和自相关性分析的数据正确性辨识方法及装置 |
CN116961576A (zh) * | 2023-07-26 | 2023-10-27 | 国网山东省电力公司沂南县供电公司 | 基于周边检测数据的分布式光伏发电量检测方法 |
CN116991964A (zh) * | 2023-09-25 | 2023-11-03 | 浙江电力交易中心有限公司 | 区域用户绿电数据处理方法、***及存储介质 |
CN116991964B (zh) * | 2023-09-25 | 2023-12-26 | 浙江电力交易中心有限公司 | 区域用户绿电数据处理方法、***及存储介质 |
CN117078268A (zh) * | 2023-10-16 | 2023-11-17 | 国网浙江省电力有限公司宁波供电公司 | 一种用于分布式光伏的结算方法以及财务机器人 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112434822A (zh) | 基于智能电表及地理信息分群的户用光伏异常识别方法 | |
Omran et al. | A clustering-based method for quantifying the effects of large on-grid PV systems | |
Gallardo-Saavedra et al. | Quantitative failure rates and modes analysis in photovoltaic plants | |
Wang et al. | Implementation of a web-based real-time monitoring and control system for a hybrid wind-PV-battery renewable energy system | |
CN106230378B (zh) | 一种光伏电站组串故障的诊断方法 | |
CN113159601B (zh) | 一种基于dbscan聚类算法的光伏电站运行状态分析方法 | |
CN112671002B (zh) | 提升新能源高占比电网输电能力的调相机配置方法和装置 | |
Singh et al. | Performance analysis of 58 kW grid-connected roof-top solar PV system | |
CN114943371A (zh) | 基于主成分分析-决策树的光伏电站发电预测方法及装置 | |
CN112380695A (zh) | 一种考虑实时风速的海上风电场集电***可靠性获取方法 | |
CN114660381A (zh) | 一种电力线路分支监测终端及其阻抗分析方法 | |
CN108696249A (zh) | 光伏组件故障快速诊断方法 | |
Elhassene et al. | Early degradation factors of solar 33 kV grid connected power plant, a comparative study | |
Wang et al. | A linear integer programming model for fault diagnosis in active distribution systems with bi-directional fault monitoring devices installed | |
CN112290885B (zh) | 一种户用光伏***直流侧故障诊断方法 | |
Cavalcante et al. | Performance analysis of a solar photovoltaic power plant | |
CN114285073B (zh) | 一种并网光伏逆变器性能分析*** | |
CN104779914A (zh) | 用于汇流箱的汇流检测方法及***、太阳能电站 | |
CN104767479A (zh) | 用于汇流箱的汇流检测方法及***、太阳能电站 | |
CN205230339U (zh) | 基于虚拟电能表模块的智能电表全事件采集测试*** | |
Gomathy et al. | Automatic monitoring and fault identification of photovoltaic system by wireless sensors | |
Prasad et al. | An analysis on grid connected roof top solar pv system using pv syst software | |
CN202495775U (zh) | 太阳能光伏并网发电*** | |
Gökgöz et al. | Investigation of failures during commissioning and operation in photovoltaic power systems | |
Karki | Reliability and cost evaluation of small isolated power systems containing photovoltaic and wind energy |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |