数据驱动的用户侧分布式光伏检测、接入容量估计方法与流程

本发明属于配电网，尤其涉及配电网分布式光伏准入容量评估方法及装置。

背景技术：

1、近年来，随着新能源的迅速发展，越来越多的分布式电源，如风力发电机、分布式光伏等，正在以越来越快的速度接入电网。这使得电力企业面临一系列新的技术挑战，如过电压、频率控制等；要应对这些挑战，电力企业面临的一个重要问题在于缺乏对电网中接入的分布式能源的可见性；如果不能对配电网中的分布式电源，尤其是用户侧的分布式光伏系统进行准确的建模与监测管理，将可能会给配电网的运行带来风险，例如，传统的配电网设计为单向潮流，而分布式光伏系统的大量接入可能导致配电网上出现反向潮流，从而导致电力系统保护失效。此外，光伏系统输出受太阳辐射强度和云量的影响较大，可能产生较大波动，从而导致电压波动、变压器抽头变换次数增加等问题。国内外已经开展了解决分布式光伏可见性低问题的相关研究，部分研究建议使用装有各种摄像头的无人机进行监控，如高清摄像头、热成像仪、红外线摄像头等，在检测光伏系统位置的同时还能对光伏系统进行故障检测等；还有研究建议使用卫星图像来探测分布式光伏系统，然而这些方法可能会将类似物体识别为分布式光伏系统，并且无法区分正常运行和闲置状态的光伏系统。因此，亟需一种更为准确的分布式光伏检测方法，以保证配电网运营的安全性和可靠性。

2、智能电表作为智能电网的基础设施近年来被大量普及，使得低压侧配电网的量测数据量大大增加，产生的海量智能电表测量数据开始在电网的日常运行中发挥越来越重要的作用，各种基于智能电表数据的低压配电网管理方法以及利用智能电表数据为电网管理提供帮助的方法层出不穷。同时，智能电表也可作为获取用户侧分布式光伏系统相关信息的重要数据基础，因此可以基于智能电表数据实现数据挖掘算法对分布式光伏系统进行检测，不仅能较为准确地检测低压配电网中接入的分布式光伏系统，还能对其接入容量进行估计。

技术实现思路

1、本发明所要解决的技术问题是，针对低压配电网中接入的分布式光伏可见性低的问题，结合配电网台区内所有用户的智能电表历史净能耗读数、被已知接入光伏的用户的光伏历史输出数据、当地光伏发电站历史输出数据以及当地的云覆盖指数，通过先进的数据挖掘算法，最终实现对低压配电网中接入的分布式光伏系统的检测与接入容量估计。

2、本发明解决其技术问题是采取以下技术方案实现的：

3、首先，根据选定的低压配电网台区，获取台区用电及气象数据；然后根据获取的台区用电及气象数据，将智能电表的历史能耗读数建模为时间序列流数据，并进行降噪处理；接着使用变化点检测算法对经降噪处理的时间序列流数据进行检测，筛选出用户能耗时间序列数据异常变化点，这些变化点需要进行进一步验证，以确定其是否由于光伏系统安装导致的异常变化点；最后依据得到的用户能耗时间序列数据异常变化点，根据斯皮尔曼等级系数和置换检验方法构建统计推断，验证变化点是否由于光伏系统安装导致。

4、具体的，

5、数据驱动的用户侧分布式光伏检测方法，包括如下步骤：

6、根据选定的低压配电网台区，获取台区用电及气象数据；

7、根据获取的台区用电及气象数据，将智能电表的历史能耗读数建模为时间序列流数据，并进行降噪处理；

8、使用变化点检测算法对经降噪处理的时间序列流数据进行检测，筛选出用户能耗时间序列数据异常变化点，这些变化点需要进行进一步验证，以确定其是否由于光伏系统安装导致的异常变化点；

9、依据得到的用户能耗时间序列数据异常变化点，根据斯皮尔曼等级系数和置换检验方法构建统计推断，验证变化点是否由于光伏系统安装导致。

10、进一步的，所述的将智能电表的历史能耗读数建模为时间序列流数据，并进行降噪处理的方法为：

11、采用高斯核密度估计算法，对时间序列流数据进行降噪处理，得到变化点检测算法的输入数据，具体形式如下：

12、d(d)＝[y(td,1)y(td,2)...y(td,f)]t∈rf         (1)

13、

14、

15、式中，d(d)表示第d天的智能电表读数序列；y(td,i)表示第d天的第i个读数；f表示智能电表一天的读数次数；rf表示长度为f的向量集合；x表示高斯核密度估计算法的输入数据；g(x,xi,h)表示以xi为均值、h为标准差的正态分布函数；m表示正态分布函数g(x,xi,h)的个数；f(x)表示整个总体的概率密度估计函数，即为变化点检测算法的输入数据。

16、进一步的，所述的使用变化点检测算法对经降噪处理的时间序列流数据进行检测，筛选出用户能耗时间序列数据异常变化点的方法为：

17、对经降噪处理的智能电表读数序列进行变化点检测，每次取相邻两个时间窗口的时间序列能耗数据，以皮尔逊散度作为变化点检测算法的概率分布距离度量，用于评估这两组数据之间的差异性，可表示为：

18、

19、式中，pe(x||y)向量x、y之间的皮尔逊散度；x、y向量分别表示两个时间窗口的时间序列能耗分布；l表示x、y向量的长度；x(i)、y(i)分别表示x、y向量的第i个数据；xa、ya分别表示x、y向量各元素的平均值；sx、sy分别表示向量x、y的方差；

20、皮尔逊散度越小，说明两变量之间差异性越小；当计算得到的皮尔逊散度超过预设的阈值时，将这两个时间窗口的交界处判定为变化点，进而筛选出用户能耗时间序列数据异常变化点，这些变化点可能是由于光伏系统安装导致的。

21、进一步的，所述的依据得到的用户能耗时间序列数据异常变化点，根据斯皮尔曼等级系数和置换检验方法构建统计推断的方法为：

22、根据斯皮尔曼等级系数和置换检验方法构建统计推断，计算累积密度函数值，具体形式如下：

23、

24、

25、

26、

27、式中，f表示智能电表一天的读数次数；z表示经降噪处理的典型日负荷分布；z(i)表示第i天的经降噪处理的智能电表读数序列；t表示时间窗口长度；rf表示长度为f的向量集合；vtlp表示时间窗口内的典型日负荷分布均值；vpv表示标准光伏的典型日输出；δvtlp表示变化点前后各一典型日的负荷分布差值；rs表示斯皮尔曼等级相关系数(-1≤rs≤1)；di表示每对(xi,yi)的差值，即xi-yi；n表示(xi,yi)对的数量；p表示斯皮尔曼等级系数的累积密度函数；k表示置换检验所产生的置换集数；l(s)为指示函数，当条件s为真时l＝1，否则为0；rs,i表示第i个置换集(xi,yi)的斯皮尔曼等级相关系数；rs,0表示原始数据的斯皮尔曼等级相关系数。

28、进一步的，所述的验证变化点是否由于光伏系统安装导致的方法为：

29、如果该变化点是由于光伏系统安装导致的，则vpv与δvtlp将呈现强正相关性；对于预设的显著性水平α，如果p≤α，则从统计意义上证明了该变化点是由于光伏系统安装导致，否则将认为该变化点是其他行为导致的。

30、进一步的，所述的台区用电及气象数据包括：台区所有用户的智能电表历史净能耗读数，已知接入光伏的用户的光伏历史输出数据、当地光伏发电站历史输出数据以及当地的云覆盖指数。

31、进一步的，根据获取的台区用电及气象数据和得到的验证为光伏系统安装导致的变化点，结合当地云覆盖指数进行光伏系统接入容量估计。

32、进一步的，所述的结合当地云覆盖指数进行光伏系统接入容量估计的方法为：

33、min:||s1-s2-w×vpv||2     (9)

34、式中，s1表示由于光伏系统安装导致的变化点前一日的智能电表读数；s2表示由于光伏系统安装导致的变化点后云覆盖指数较低的一日的智能电表读数；w表示光伏系统的接入容量估计值；vpv表示标准光伏的典型日输出。

35、本发明的优点和积极效果是：

36、本发明的数据驱动的用户侧分布式光伏检测与接入容量估计方法，立足解决低压配电网中接入的分布式光伏可见性低的问题，充分考虑实际中可能遇到的多种场景，通过先进的数据挖掘算法，实现对低压配电网中接入的分布式光伏系统的检测与接入容量估计，给电网的运行控制提供决策依据，为配电网运营的安全性和可靠性提供保证。