基于Copula理论的光伏功率高比例异常数据机器识别算法

目前很多在运光伏电站由于通信故障、设备异常、人为限电等问题导致功率实测数据含高比例异常数据,极大阻碍了电站性能分析和功率数据的深化应用。基于Copula函数建立了描述辐照度与光伏功率间相关关系的概率功率曲线模型,进而针对光伏实测数据分散度、随机性强,异常数据比例高的特点,结合工程经验归纳了三类典型异常数据特征并提出了相应的异常数据机器识别模型。利用实测光伏电站数据和人工生成数据集进行仿真分析表明,采用该异常数据机器识别模型能适应高比例异常数据条件,有效识别各种类型异常数据,具有比常规3-sigma识别法更好的适应性和识别率。

光伏功率预测技术

光伏功率预测是提高光伏电站控制、调度性能,保障高比率光伏发电接入的电网安全稳定运行的基础性关键技术。国内光伏功率预测技术研究和工程应用尚处于起步阶段,理清其技术脉络和关键问题尤其迫切。文中对光伏功率预测基本技术原理和关键问题进行了全面综述,首先介绍其基本原理和预测模式,然后总结了超短期和短期预测的主要技术要点,并着重对提升预测精度的相关研究进行评述,最后结合中国光伏功率预测发展现状,提出了值得研究和关注的光伏功率预测关键问题。

考虑时空相关性的光辐照度序列估计方法

完整可靠的太阳光辐照度数据是光伏研究的前提与基础。文中提出了如何在测光站布点稀疏、异常数据比例高等不利条件下估计或重构辐照度序列的方法。利用相关系数法分析了甘肃河西走廊多个测光站的光辐照度在晴空和云层运动时的时空相关性规律。考虑盛行风影响,利用Voronoi多边形法建立了全区域相关系数模型。引入时间相位延时,建立了基于异步序列的数据重构模型。选择相关性最强的测光站数据作为输入,折算盛行风下的延时参数,估算待求位置的辐照度序列。数据检验表明,区域相关系数模型和重构方法的精度都可以达到较高水平。