一种光伏新能源电力系统容量优化控制方法与流程

本发明涉及用于电力系统优化的数据处理，具体涉及一种光伏新能源电力系统容量优化控制方法。

背景技术：

1、电力系统容量是电力系统中各类发电厂机组额定容量的总和，随着光伏发电的迅猛发展，并入光伏新能源的电力系统的容量优化是一个重要的问题。在发电系统中，系统容量用以在不同情况下保证负载用电，所以系统容量控制受负载用电量的影响，一般需要根据负载历史用电量数据进行用电量的预测，为了保证预测的准确性，需要对负载历史用电量数据进行筛选，剔除异常数据，因此负载历史用电量中的异常数据的识别对于电力系统的容量优化来说至关重要。

2、由于异常数据识别主要考虑单个用电量数据与整体用电量数据的差异来判断数据是否异常，因此常用聚类以及离群分析来识别异常数据，但是居民生活节奏会随着节假日变化，对应的用电量也不同，聚类时会导致相似的节假日数据形成小聚簇，对整体的离群分析造成影响，导致异常数据识别结果不准确。

技术实现思路

1、为了解决光伏新能源电力系统容量优化过程中异常数据识别结果不准确的问题，本发明提供一种光伏新能源电力系统容量优化控制方法，所采用的技术方案具体如下：

2、获取光伏新能源电力系统的负载用电的历史数据，所述历史数据为连续预设天数的负载用电数据，每天的负载用电数据为一个用电量序列；

3、获取每天的用电总量，并获取连续预设天数的用电总量的中心数据，基于每天的用电总量与中心数据的差异以及去除目标天的用电总量前后的数据差异获取目标天的用电总量的第一异常程度；

4、将每个用电量序列中的元素按照时序编号，由所有用电量序列中同一编号的元素组成一个数据集，以每个元素作为目标元素，基于数据集中目标元素与邻域元素的差异、对应的所述第一异常程度获取目标元素的第二异常程度；

5、获取数据集中目标元素与相邻元素之间的变化趋势，基于目标元素对应的变化趋势与数据集内其他元素对应的变化趋势之间的差异、对应的第二异常程度获取目标元素的第三异常程度；

6、根据不同阶差下目标元素与数据集中相邻元素之间的变化趋势获取对应的角度变化，基于目标元素对应的角度变化与相邻元素对应的角度变化之间的差异、对应的第三异常程度获取目标元素的第四异常程度；

7、通过结合第二异常程度、第三异常程度和第四异常程度获取目标元素的最终异常程度，根据最终异常程度的大小筛选异常数据并剔除，得到准确数据，利用准确数据进行负载用电量预测进而完成光伏新能源电力系统容量的优化。

8、进一步的，所述中心数据的获取方法为：

9、对所有用电总量进行类别为1的聚类，得到一个聚类中心，聚类中心对应的用电总量即为所述中心数据。

10、进一步的，所述第一异常程度的获取方法为：

11、计算所有用电总量的方差作为基准值，以任意一天作为目标天，计算去除目标天的用电总量之后的剩余用电总量的方差作为评估方差，获取评估方差与基准值的差异，结合对应的用电总量与中心数据的差异获取每天的用电总量的所述第一异常程度。

12、进一步的，所述邻域元素的获取方法为：

13、获取目标元素与数据集中每个其他元素之间的差值绝对值，按照所述差值绝对值的大小从小到大选取对应的预设数量的其他元素作为目标元素的邻域元素。

14、进一步的，所述第二异常程度的获取方法为：

15、获取目标元素与每个邻域元素之间的差值绝对值，以邻域元素的所述第一异常程度作为对应邻域元素对应的差值绝对值的权重，获取所有邻域元素对应的差值绝对值的加权平均值作为目标元素的平均差值；

16、任选两个邻域元素组成参照组，计算参照组中的两个邻域元素之间的差值绝对值记为组内差值，并以该两个邻域元素对应的第一异常程度的和作为对应的组内差值的权重，获取所有参照组对应的组内差值的加权平均值作为平均组内差值；

17、以所述平均差值和所述平均组内差值的比值作为目标元素的所述第二异常程度。

18、进一步的，所述变化趋势的获取方法为：

19、以时间作为横坐标，以用电量作为纵坐标，统计每个用电量序列中所有元素的折线图，获取目标元素与相邻编号的元素的连线，所述连线与水平方向的夹角作为目标元素的所述变化趋势。

20、进一步的，所述第三异常程度的获取方法为：

21、以目标元素与数据集中每个其他元素对应的变化趋势的差异作为对应其他元素的趋势差异，计算每个其他元素的变化趋势对应的两个元素的第二异常程度的和的倒数作为对应趋势差异的权重，以所有其他元素的趋势差异的加权平均值作为目标元素的所述第三异常程度。

22、进一步的，所述第四异常程度的获取方法为：

23、获取目标元素与不同数量的相邻元素之间的变化趋势的差值作为对应阶差下目标元素的角度变化，计算每个阶差下目标元素与相邻元素的角度变化的差值绝对值，以所述差值绝对值与对应相邻元素的第三异常程度之间的比值作为对应相邻元素的变化差异，计算目标元素的预设个数的相邻元素的变化差异平均值与对应阶差的比值，所有阶差对应比值的均值为目标元素的所述第四异常程度。

24、进一步的，所述最终异常程度的获取方法为：

25、以目标元素的所述第二异常程度、所述第三异常程度以及所述第四异常程度的乘积作为目标元素的所述最终异常程度。

26、进一步的，在得到所述准确数据之后，还包括：

27、将剔除的异常数据所在数据集中保留的准确数据求均值作为对应异常数据位置处的插值，将所有异常数据利用对应插值替换后，得到用于进行负载用电量预测的处理后数据。

28、本发明至少具有如下有益效果：

29、首先将历史获取的每天的负载用电量组成一个用电量序列，能够将历史数据按照日期分段，以便获取不同日期的数据变化，进而筛选异常数据；获取每天的用电总量的中心数据，一般来说，居民每天的用电总量应当是相似的，即不同日期的用电总量差异不大，以中心数据作为每天的用电总量的参照，获取每天的用电总量与中心数据的差异来判断对应日期是否异常，并获取去除目标天的用电总量前后的数据差异反映目标天的总用电量的异常情况，一般来说去除前后的数据差异越大说明目标天的用电总量与群体内的普遍情况相差较大，即目标天的用电总量越有可能异常；两个用于异常判断的指标相结合得到每天的用电总量的第一异常程度；然后将每天的用电量序列中的所有元素按照时序编号，不同用电量序列中同一编号的元素组成一个数据集，按照时序编号后，不同用电量序列中同一编号的元素为不同日期同一时间下的用电量，利用数据集中每个目标元素与邻域元素的差异、目标元素所对应日期的第一异常程度获取目标元素的第二异常差异，一般来说，居民用电量是呈周期性变化的，目标元素与邻域元素的差异反映了对应时间下的异常程度，目标元素所对应日期的第一异常程度代表了所在日期的异常程度，相互结合后令得到的第二异常程度考虑了目标元素所在日期的整体的异常程度，更加准确地反映了目标元素的异常概率；利用目标元素与相邻元素之间的变化趋势获取第三异常程度和第四异常程度，考虑了目标元素反映的趋势变化情况，进一步提高了目标元素的异常程度的准确性，最后结合第二异常程度、第三异常程度和第四异常程度获取目标元素的最终异常程度，将得到的不同方面的异常程度相结合综合反映目标元素的最终异常程度，并依据最终异常程度的大小筛选出异常数据并剔除，得到准确数据用于负载用电量的预测，以便完成光伏新能源电力系统容量的优化。本发明综合考量多个方面的指标获取综合异常程度，能够更加准确地筛选出异常数据，提高光伏新能源电力系统中异常数据的识别精度，进而增强光伏新能源电力系统容量的优化效果。