[发明专利]一种基于新型PCA自适应模型的并网光伏发电系统状态监测方法

说明书

本发明公开一种基于新型PCA自适应模型的并网光伏发电系统状态监测方法，旨在综合提取并网光伏发电系统采样数据间的距离和交叉相关特征，并充分考虑数据的时变特性，从而实施更可靠的状态监测。具体来讲，本发明方法设计了一种新型的PCA模型，通过距离和交叉相关性的综合取代经典的交叉相关性，从而分析提取出采样数据间的距离相关特征。在此基础上，通过指数加权移动平均策略对监测指标进行自适应计算，从而实现自适应的状态监测。与经典的PCA模型相比，进一步的考虑了采样数据间的距离相关特征。其次，本发明方法通过滑动窗口技术自适应的对监测指标实施平滑处理，并同时实时更新监测指标控制上限，充分发挥了自适应建模的优势。

技术领域

本发明涉及一种并网光伏发电系统运行状态监测方法，特别涉及一种基于新型PCA自适应模型的并网光伏发电系统状态监测方法。

背景技术

人类的文明发展离不开对能源的利用，而随着人们的生产效率越来越高，人们对电力的需求也越来越大。而今，人类可开发利用的能源形式除了自然资源外，还包括太阳能源、风能、潮汐能、地热能、核能等。在这诸多的新型能源中，太阳能是受限制最小，使用最为方便、最为高效清洁的能源之一。太阳能光伏发电主要采用太阳能电池板，直接将太阳能转化为电能，所依赖的外部条件较少，建设简单，可以充分利用各种空旷的空间，如屋顶、荒郊、沙漠等地形条件。并网光伏发电采用的光伏电池板是发电的基础，而推动光伏产业的发展将加速光伏电池材料的发展，这将推动一个新的产业。

并网光伏发电系统的状态监测是保证光伏发电正常运行的保证。随着目前光伏并网发电越来越多，光伏发电的建设规模越来越大，如果使用人工巡检的方式，将消耗大量的人力和物力。此外并网发电以后，光伏发电系统将作为电力系统的一部分，如果配电网络出现故障，或者光伏发电系统出现故障，都将会影响到整个电力系统的正常运行。在自动化研究领域，并网光伏发电系统是目前发展速度最快的电力技术之一。因此，如何实时监测并网光伏发电系统的正常运行是保证电力持续稳定供应的重中之重。

近年来，通过利用并网光伏发电系统的实时测量数据来实现对其运行状态监测已经逐渐得到了业内的认可，衍生出了一系列的基于数据特征分析与提取策略的光伏发电运行状态监测方法。其中，以主成分分析(Principal Component Analysis，缩写：PCA)算法为代表的一类数据统计特征提取技术，可对光伏发电系统的电流和电压等数据进行特征变换，从而利用提取出的代表性特征实施状态监测。PCA算法通过光伏发电系统的直流和交流端电压电流数据提取潜在有用特征并生成模型误差，进而通过平方马氏距离(即：T²监测指标)和平方欧式距离(即：Q监测指标)分别实施监测。

该项技术成功的关键在于直流和交流端电压电流数据存在较强的交叉相关性特征，且要求数据大致服从正态分布。因此，目前直接使用PCA技术来监测并网光伏发电系统运行状态的方法都存在较高的误报率，可靠性有待进一步的研究与提升。再者，PCA算法从本质上讲是一种分析提取数据方差(即变化范围)特征的技术。考虑到光伏发电系统会直接受到太阳光和环境温度的影响，相应直流和交流端的电压与电流数据变化范围较大，一些会影响太阳能转换效率的微弱的故障就不容易区分出来。此外，由于并网光伏发电系统其采样数据变化的频繁性，T²和Q监测指标若依赖于固定的控制上限，则会给出较高的错误报警率。因此，自适应的确定控制上限，也是该项技术得以广泛应用需要克服的技术难点之一。

发明内容

本发明所要解决的主要技术问题是：如何提取并网光伏发电系统采样数据间的距离相关特征，并充分考虑数据的时变特性，从而实施更可靠的状态监测。具体来讲，本发明方法设计了一种新型的PCA模型，在交叉相关性的基础上进一步考虑距离相关性，从而分析提取出采样数据间的距离和交叉相关特征。在此基础上，通过指数加权移动平均策略对监测指标进行自适应计算，从而实现自适应的状态监测。

本发明方法解决上述问题所采用的技术方案为：一种基于新型PCA自适应模型的并网光伏发电系统状态监测方法，包括以下所示步骤：