基于数据挖掘的分布式光伏电站状态分析和评估研究

作     者：史淯城 

作者单位：华北电力大学(北京) 

学位级别：硕士

导师姓名：朱红路

授予年度：2021年

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 08[工学] 0807[工学-动力工程及工程热物理] 

主      题：光伏系统 时间序列分析 机器学习 故障诊断 性能评估 

摘      要：分布式光伏发电因其价格低廉、部署灵活、绿色环保等特点在国内光伏发电市场占比快速扩大。同时分布式光伏发电作为光伏扶贫的主要方式,承担着重要的社会责任。为了保证分布式光伏发电站的可靠运行和科学检修,有必要提出科学有效的分布式光伏电站状态分析和评估方法。具体内容包括:Ⅰ.针对实际运行数据与光伏电站不确定建模缺乏结合的问题,本文提出了一种基于高斯过程的光伏系统的不确定性建模方法。该方法从工程模型出发,结合高斯过程进行不确定性分析,生成了具有概率范围的I-V曲线。Ⅱ.作为状态评估的基础,性能指标的选取对评估准确性有着重要的影响。本文对分布式光伏的出力时间序列从时间和空间两个角度进行了特征分析,在此基础上提出了改进的PR指标、皮尔森相关系数和欧式相对距离等状态指标对出力数据进行特征提取。Ⅲ.在目前的分布式电站运行分析中往往缺乏气象信息数据以及电气参数数据,因此传统大型电站的异常检测及性能评估方法难以适用。本文提出了 一种基于反距离空间插值的分布式电站理论出力计算方法,在无需添加多余的气象站或电气测量仪器的条件下,仅利用周围电站的实际出力数据使获得的理论输出的预测准确性达到90%。进一步的,本文通过计算理论值与实际值的状态指标差异,结合3σ原则实现了分布式光伏电站的异常检测。Ⅳ.在以上研究的基础上,本文引入了机器学习算法进一步挖掘相关电站出力时间序列中的时空联系,提出了改进的基于极限学习机的分布式光伏电站理论出力计算方法。进一步的,文章结合K均值对分布点光伏电站的状态指标进行无监督聚类,实现了自动的电站性能状态评估。综上,本文主要针对分布式光伏电站的状态分析和评估展开研究。从光伏系统建模开始,基于出力数据的时空分析,提出了4种状态指标。进一步提出了两种无需气象信息的理论出力计算方法,结合状态指标,实现了分布式电站的状态评估。以上方法均经过实例研究,验证了其有效性。