呂斌斌，方勤斌，王國(guó)幫

（國(guó)網(wǎng)浙江長(zhǎng)興縣供電公司，浙江省湖州市313100）

0 引言

隨著人類(lèi)對(duì)化石能源枯竭、能源安全和環(huán)境惡化等問(wèn)題的關(guān)注，清潔、可再生能源正受到越來(lái)越多的重視，而太陽(yáng)能以其資源無(wú)限、清潔及可持續(xù)性等優(yōu)點(diǎn)成為新能源中的佼佼者［1］。戶(hù)用光伏發(fā)電系統(tǒng)的應(yīng)用，在國(guó)內(nèi)外越來(lái)越普及，對(duì)戶(hù)用光伏發(fā)電系統(tǒng)的研究業(yè)已成為當(dāng)下分布式光伏電站研究熱點(diǎn)之一。其中，光伏數(shù)據(jù)監(jiān)測(cè)就是一個(gè)重要研究點(diǎn)。由于戶(hù)用光伏電站設(shè)備故障、通信中斷及誤碼等原因，監(jiān)控系統(tǒng)存儲(chǔ)的光伏發(fā)電運(yùn)行數(shù)據(jù)常常存在異常。因此，有必要對(duì)光伏異常數(shù)據(jù)進(jìn)行識(shí)別修正，從而保證戶(hù)用光伏發(fā)電行業(yè)的有序健康發(fā)展。

目前，針對(duì)新能源發(fā)電數(shù)據(jù)監(jiān)測(cè)的相關(guān)研究主要側(cè)重于風(fēng)力發(fā)電數(shù)據(jù)監(jiān)測(cè)，對(duì)于光伏數(shù)據(jù)監(jiān)測(cè)的相關(guān)研究較少。文獻(xiàn)［2］分析了風(fēng)電場(chǎng)歷史運(yùn)行數(shù)據(jù)中存在的異常數(shù)據(jù)的主要來(lái)源，并針對(duì)該實(shí)際問(wèn)題，采用基于四分位算法的數(shù)學(xué)模型對(duì)異常數(shù)據(jù)進(jìn)行識(shí)別。文獻(xiàn)［3］則提取了不良數(shù)據(jù)的時(shí)序特性，采用分段判定方法進(jìn)行識(shí)別，并基于歷史數(shù)據(jù)利用自回歸滑動(dòng)平均模型對(duì)不良數(shù)據(jù)進(jìn)行了修復(fù)。文獻(xiàn)［4］則提出一種考慮天氣和空間相關(guān)性的光伏電站輸出功率數(shù)據(jù)修復(fù)方法，將自身相似數(shù)據(jù)與空間相關(guān)數(shù)據(jù)結(jié)合，擴(kuò)展了光伏電站輸出功率數(shù)據(jù)修復(fù)的應(yīng)用場(chǎng)景。文獻(xiàn)［5］提出采用數(shù)據(jù)挖掘方法（包括模糊聚類(lèi)、神經(jīng)網(wǎng)絡(luò)法、k最鄰近算法等）來(lái)模擬風(fēng)電曲線模型，并通過(guò)有效性檢查、數(shù)據(jù)范圍檢查和缺失數(shù)據(jù)檢查3個(gè)步驟來(lái)對(duì)原始數(shù)據(jù)中的異常情況進(jìn)行篩選。

本文針對(duì)現(xiàn)有屋頂光伏發(fā)電裝置數(shù)據(jù)異常情況，將屋頂光伏異常數(shù)據(jù)類(lèi)別劃分為三類(lèi)，并提出各類(lèi)數(shù)據(jù)識(shí)別方法；然后，提出利用歷史數(shù)據(jù)和相鄰用戶(hù)數(shù)據(jù)相結(jié)合的方法對(duì)異常數(shù)據(jù)進(jìn)行修復(fù)；最后，基于所提光伏異常數(shù)據(jù)識(shí)別與修復(fù)方法，搭建了屋頂光伏運(yùn)行數(shù)據(jù)監(jiān)測(cè)系統(tǒng)。

1 屋頂光伏異常數(shù)據(jù)識(shí)別

1.1 光伏異常數(shù)據(jù)類(lèi)別

在分布式家庭屋頂光伏運(yùn)行數(shù)據(jù)中，無(wú)論是在數(shù)據(jù)采集、測(cè)量過(guò)程中引起的數(shù)據(jù)缺失，還是因一些管理問(wèn)題，如用戶(hù)偽裝發(fā)電騙取補(bǔ)貼、分布式光伏設(shè)備發(fā)電效率低下等造成的數(shù)據(jù)異常，針對(duì)這些數(shù)據(jù)異常問(wèn)題都需要對(duì)其進(jìn)行識(shí)別處理，丟失的數(shù)據(jù)進(jìn)行補(bǔ)充，偽裝發(fā)電騙取補(bǔ)貼的數(shù)據(jù)進(jìn)行校正，光伏設(shè)備發(fā)電效率低下造成數(shù)據(jù)異常的給予用戶(hù)整修意見(jiàn)。針對(duì)以上分析，本文主要將屋頂光伏異常數(shù)據(jù)類(lèi)別劃分為三類(lèi)，分別為:

（1）數(shù)據(jù)丟失（如圖1所示），表現(xiàn)為數(shù)據(jù)空缺，主要由光伏數(shù)據(jù)采集裝置或由通信中斷引起。

（2）數(shù)據(jù)高于正常范圍（如圖2所示），表現(xiàn)為明顯超出具有相近安裝容量的相鄰用戶(hù)發(fā)電量，主要由于用戶(hù)利用其它發(fā)電手段（如柴油機(jī)發(fā)電）偽裝光伏發(fā)電騙取補(bǔ)貼引起。

圖2 第二類(lèi)異常數(shù)據(jù)

（3）數(shù)據(jù)低于正常范圍（如圖3所示），表現(xiàn)為明顯低于具有相近安裝容量的相鄰用戶(hù)發(fā)電量，主要原因?yàn)槭枪夥O(shè)備老化或者光伏板表面灰塵積壓過(guò)多引起的發(fā)電效率低下。

圖3 第三類(lèi)異常數(shù)據(jù)

1.2 光伏異常數(shù)據(jù)識(shí)別

（1）第一類(lèi)異常數(shù)據(jù)識(shí)別

則表明t時(shí)段的輸出功率存在丟失情況。

（2）第二類(lèi)異常數(shù)據(jù)識(shí)別

假設(shè)用戶(hù)n的具有相近光伏安裝容量的相鄰用戶(hù)m在T個(gè)時(shí)段內(nèi)的發(fā)電輸出功率為Xm＝｛x1m，x2mL xTm｝，歸一化后可得

其中，kup為常系數(shù)；M為相鄰用戶(hù)的個(gè)數(shù)。

（3）第三類(lèi)異常數(shù)據(jù)識(shí)別

當(dāng)用戶(hù)n數(shù)據(jù)滿足式（6）條件時(shí)，則表明數(shù)據(jù)低于正常值

其中，klow為常系數(shù)。此處需要說(shuō)明的是，kup和klow一般根據(jù)實(shí)際情況設(shè)定。

2 屋頂光伏異常數(shù)據(jù)修復(fù)

本文所提三類(lèi)異常數(shù)據(jù)中，第三類(lèi)數(shù)據(jù)由于是用戶(hù)光伏設(shè)備老化或者管理不當(dāng)造成的發(fā)電效率低下引起的數(shù)據(jù)異常不在數(shù)據(jù)修復(fù)范圍之內(nèi)，這類(lèi)數(shù)據(jù)異?？梢酝ㄟ^(guò)指導(dǎo)用戶(hù)對(duì)光伏板進(jìn)行除塵更換等措施來(lái)得以解決。鑒于此，本章節(jié)主要針對(duì)第一、二類(lèi)異常數(shù)據(jù)進(jìn)行修復(fù)處理。

2.1 異常數(shù)據(jù)修復(fù)流程

針對(duì)本文所述第一、二類(lèi)異常數(shù)據(jù)，具體修復(fù)流程如圖4所示，主要步驟如下:

（1）輸入當(dāng)前用戶(hù)光伏數(shù)據(jù)；

（2）依據(jù)第一類(lèi)異常數(shù)據(jù)識(shí)別方法篩選出數(shù)據(jù)中空缺數(shù)據(jù)；

（3）依據(jù)第二、三類(lèi)異常數(shù)據(jù)識(shí)別方法篩選出另外兩類(lèi)數(shù)據(jù)；

（4）依據(jù)歷史用戶(hù)光伏數(shù)據(jù)以及當(dāng)前相鄰用戶(hù)數(shù)據(jù)對(duì)第一、二類(lèi)數(shù)據(jù)進(jìn)行修復(fù)；同時(shí)，針對(duì)第三類(lèi)數(shù)據(jù)異常情況給予用戶(hù)相應(yīng)的建議。

其中，步驟（4）中異常數(shù)據(jù)修復(fù)涉及方法主要是將歷史數(shù)據(jù)和相鄰用戶(hù)數(shù)據(jù)作為訓(xùn)練樣本輸入BP神經(jīng)網(wǎng)絡(luò)模型進(jìn)行模型訓(xùn)練［6］，從而能夠得到異常數(shù)據(jù)的修復(fù)值。

2.2 相鄰用戶(hù)選取

圖4 屋頂光伏數(shù)據(jù)監(jiān)測(cè)與修復(fù)流程

在一定區(qū)域范圍內(nèi)的居民用戶(hù)可以視為具有相同的光照條件，因此當(dāng)相鄰用戶(hù)具有相近光伏安裝容量時(shí)，其光伏發(fā)電功率也具有相似性。鑒于此，首先需要對(duì)區(qū)域內(nèi)相鄰用戶(hù)進(jìn)行篩選，選取出和需要進(jìn)行數(shù)據(jù)修復(fù)用戶(hù)相似度較高的用戶(hù)，并以這些用戶(hù)數(shù)據(jù)為基礎(chǔ)可以提高數(shù)據(jù)修復(fù)的準(zhǔn)確度。本文采用皮爾遜積矩相關(guān)系數(shù)來(lái)衡量用戶(hù)數(shù)據(jù)的相似度［7］。以用戶(hù)n和m歸一化后的光伏數(shù)據(jù)為例，兩個(gè)用戶(hù)的相似度為:

2.3 歷史相似日選取

3 算例仿真

為驗(yàn)證本文所提出的異常數(shù)據(jù)識(shí)別、異常數(shù)據(jù)修復(fù)方法的有效性，以浙江長(zhǎng)興某光伏村用戶(hù)屋頂光伏實(shí)測(cè)數(shù)據(jù)作為研究對(duì)象，數(shù)據(jù)采樣間隔為1個(gè)小時(shí)。

3.1 異常數(shù)據(jù)識(shí)別

為了對(duì)三類(lèi)異常數(shù)據(jù)進(jìn)行辨識(shí)，本節(jié)以6個(gè)相鄰用戶(hù)屋頂光伏數(shù)據(jù)為例進(jìn)行說(shuō)明，具體如表1所示。此處需要交代的是，為了能夠同時(shí)對(duì)三類(lèi)異常數(shù)據(jù)進(jìn)行識(shí)別，對(duì)表1中用戶(hù)1-3數(shù)據(jù)進(jìn)行了部分改動(dòng)。表1中用戶(hù)1-6光伏安裝容量分別是7.42kW，7.02kW，7.8kW，7.68kW，7.42kW，7.56kW；kup和 klow分別設(shè)為 1.4 和 0.6。

采用1.2節(jié)異常數(shù)據(jù)識(shí)別方法，可得如下結(jié)果:

（2）相鄰用戶(hù)4-6在各時(shí)段光伏發(fā)電量歸一化后的均值為［0.01 0.08 0.33 0.50 0.63 0.69 0.71 0.54 0.51 0.40 0.17 0.04 0.01］，而用戶(hù) 2 光伏數(shù)據(jù)歸一化后的值為 ［0.16 0.37 0.52 0.88 1.00 1.09 1.12 1.03 0.95 0.80 0.56 0.33 0.14］。經(jīng)計(jì)算可得，用戶(hù)2在時(shí)段6-18的發(fā)電量均超過(guò)平均水平的1.3倍以上。因此，用戶(hù)2數(shù)據(jù)屬于第二類(lèi)異常數(shù)據(jù)，表明該用戶(hù)存在偽裝光伏發(fā)電騙取補(bǔ)貼的嫌疑。

（3）用戶(hù) 3 光伏數(shù)據(jù)歸一化后的值為［0 0.01 0.06 0.15 0.16 0.26 0.33 0.27 0.24 0.16 0.11 0.02 0］。經(jīng)計(jì)算可得，用戶(hù)3在時(shí)段7-17的發(fā)電量均低于平均水平的0.6倍以下。因此，用戶(hù)2數(shù)據(jù)屬于第三類(lèi)異常數(shù)據(jù)，表明該用戶(hù)光伏設(shè)備發(fā)電效率低下。

表1 用戶(hù)屋頂光伏數(shù)據(jù)（kW）

3.2 異常數(shù)據(jù)修復(fù)

本節(jié)內(nèi)容主要針對(duì)3.1節(jié)中用戶(hù)1和2的異常數(shù)據(jù)進(jìn)行修復(fù)。為了提升異常數(shù)據(jù)修復(fù)精度，在數(shù)據(jù)修復(fù)之前首先需要對(duì)相鄰用戶(hù)和歷史相似日進(jìn)行選取。根據(jù)式（7）計(jì)算可得，用戶(hù)1和用戶(hù)2-6的相關(guān)系數(shù)分別為:0.94，0.93，0.97，0.96，0.95；而用戶(hù)2和用戶(hù)1以及3-6的相關(guān)系數(shù)分別為:0.94，0.92，0.98，0.95，0.95。因此，用戶(hù) 1 和 2 的相鄰用戶(hù)均選擇用戶(hù)4-6。同理可得，相似度最高的3個(gè)歷史相似日。以上述用戶(hù)以及相似日數(shù)據(jù)作為樣本輸入，對(duì)BP神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，同時(shí)對(duì)異常數(shù)據(jù)進(jìn)行修復(fù)。用戶(hù)1和2異常數(shù)據(jù)修復(fù)結(jié)果分別如圖5和圖6所示。從圖中可以看出，用戶(hù)1在時(shí)段10和11缺失的數(shù)據(jù)已被修正；用戶(hù)2修正后數(shù)據(jù)均低于原始數(shù)據(jù)。因此，通過(guò)本文所提數(shù)據(jù)修復(fù)方法后，可以有效堵截用戶(hù)偽裝發(fā)電騙取補(bǔ)貼問(wèn)題，及時(shí)發(fā)現(xiàn)漏洞，提升光伏發(fā)電管理水平。

圖5 第一類(lèi)異常數(shù)據(jù)修復(fù)

圖6 第二類(lèi)異常數(shù)據(jù)修復(fù)

3.3 數(shù)據(jù)監(jiān)測(cè)平臺(tái)開(kāi)發(fā)

本文基于MATLAB GUI平臺(tái)，搭建了屋頂光伏運(yùn)行數(shù)據(jù)監(jiān)測(cè)系統(tǒng)，其主要包含分布式電源負(fù)荷監(jiān)測(cè)和設(shè)備故障檢測(cè)兩個(gè)界面，如圖8-10所示。分布式電源負(fù)荷監(jiān)測(cè)界面主要完成數(shù)據(jù)的修正以及繪圖；分布式電源設(shè)備故障檢測(cè)主要用于檢測(cè)用戶(hù)光伏設(shè)備是否異常。

圖7 屋頂光伏運(yùn)行數(shù)據(jù)監(jiān)測(cè)系統(tǒng)

圖8 分布式電源負(fù)荷監(jiān)測(cè)界面

圖9 分布式電源設(shè)備檢測(cè)界面

4 結(jié)論

本文分析了戶(hù)用屋頂光伏發(fā)電數(shù)據(jù)3種常見(jiàn)的異常數(shù)據(jù)類(lèi)型及其可能產(chǎn)生的原因，并將歷史相似日和相鄰相似用戶(hù)數(shù)據(jù)作為BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練樣本，對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練從而可以用于異常數(shù)據(jù)的修復(fù)工作。在算例分析中，利用浙江長(zhǎng)興某光伏村用戶(hù)屋頂光伏實(shí)測(cè)數(shù)據(jù)作為研究對(duì)象，對(duì)本文所提方法進(jìn)行了驗(yàn)證，結(jié)果表明具有較好異常數(shù)據(jù)識(shí)別與修復(fù)功能。