光伏发电数据挖掘中的跨度选取

发布时间：2018-12-25 16:55

【摘要】：分析光伏电站有功出力数据时,粒度和跨度是两个重要指标。粒度决定了数据的采样间隔,跨度决定了选取时长。当粒度一定时,跨度过小则包含信息量少,造成信息的缺漏和失真;跨度过大则信息冗余繁杂,造成存储量和计算量不必要的增大。因此,确定数据跨度对光伏出力数据的分析有着重要意义。本文首先对光伏电站出力数据进行统计分析,通过自相关分析得出跨度选取的初步结论。基于天气特征对数据进行聚类,利用统计学原理对不同类别的光伏出力数据进行最优样本容量估计,确定了光伏电站出力数据分析时所需要的数据跨度,并考察了储能容量需求与数据跨度的关系。结果表明,光伏出力数据跨度为31天时即可满足配置储能容量的数据量需求。
[Abstract]:When analyzing the active power output data of photovoltaic power station, the particle size and span are two important indexes. The granularity determines the sampling interval and the span determines the selection time. When the grain size is fixed, the span is too small and contains less information, which results in the information missing and distortion, and the information is redundant and complicated when the span is too large, resulting in the unnecessary increase of storage and computation. Therefore, determining the data span is of great significance to the analysis of photovoltaic output data. In this paper, the output data of photovoltaic power station are analyzed, and the preliminary conclusion of span selection is obtained by autocorrelation analysis. Based on the weather characteristics, the data are clustered, and the optimal sample capacity of different types of photovoltaic output data is estimated by using the statistical principle. The data span needed in the analysis of the output data of the photovoltaic power station is determined. The relationship between energy storage capacity and data span is investigated. The results show that the data span of 31 days can meet the data demand of energy storage capacity.
【作者单位】：中国电力科学研究院;华北电力大学控制与计算机工程学院;
【基金】：国家高技术研究发展计划项目(863计划)(2014AA052004) 国家电网公司项目(DG71-15-039)
【分类号】：TM615

【参考文献】

相关期刊论文前10条

1 刘伟;彭冬;卜广全;苏剑;;光伏发电接入智能配电网后的系统问题综述[J];电网技术;2009年19期

2 赵波;张雪松;洪博文;;大量分布式光伏电源接入智能配电网后的能量渗透率研究[J];电力自动化设备;2012年08期

3 胡国珍;段善旭;蔡涛;陈昌松;;基于液流电池储能的光伏发电系统容量配置及成本分析[J];电工技术学报;2012年05期

4 朱兰;严正;杨秀;符杨;陈洁;;风光储微网系统蓄电池容量优化配置方法研究[J];电网技术;2012年12期

5 吴小刚;刘宗歧;田立亭;丁冬;陈志;;独立光伏系统光储容量优化配置方法[J];电网技术;2014年05期

6 叶林;陈政;赵永宁;;考虑电池荷电状态的光伏功率分段平滑控制方法[J];电网技术;2014年07期

7 戚永志;刘玉田;;风光储联合系统输出功率滚动优化与实时控制[J];电工技术学报;2014年08期

8 石来德;张巨光;黄珊秋;;随机数据处理中确定样本长度问题的探讨[J];建筑机械;1993年04期

9 刘冠群;袁越;王敏;戴欣;许璐;;考虑经济成本的光伏电站储能容量配置[J];可再生能源;2014年01期

10 李斌;铁生年;;光伏发电接入配电网对供电可靠性的影响[J];可再生能源;2014年12期

【共引文献】

相关期刊论文前10条

1 吴小云;顾广娟;;用户侧光伏微电网发展机遇与挑战[J];大功率变流技术;2011年06期

2 史常凯;梁英;孟晓丽;马力;;城乡一体化布局下的农网智能化建设分析[J];电力系统自动化;2011年06期

3 魏磊;姜宁;于广亮;高媛媛;孙川永;张琳;;宁夏电力系统接纳新能源能力研究[J];电网技术;2010年11期

4 杨秋霞;高金玲;荣雅君;任玉艳;;单相光伏并网系统共模电流分析[J];电网技术;2011年01期

5 高昆仑;刘建明;徐茹枝;王宇飞;李怡康;;基于支持向量机和粒子群算法的信息网络安全态势复合预测模型[J];电网技术;2011年04期

6 郑凌蔚;刘士荣;谢小高;;基于改进小波神经网络的光伏发电系统非线性模型辨识[J];电网技术;2011年10期

7 陶梅玉;余婕;钱军;余涛;;光伏电站并网对配电网继电保护的影响[J];低压电器;2011年23期

8 赵波;张雪松;洪博文;;大量分布式光伏电源接入智能配电网后的能量渗透率研究[J];电力自动化设备;2012年08期

9 邢浩江;张东来;李铁才;王子才;;考虑电网电压基波锁相环控制的单级式光伏逆变器柔性并网方法[J];电网技术;2012年10期

10 赵伟然;李光辉;何国庆;石文辉;徐青山;;光伏电站经VSC-HVDC并网拓扑及其控制策略[J];电网技术;2012年11期

相关期刊论文前10条

1 李大虎;江全元;曹一家;;基于聚类的支持向量回归模型在电力系统暂态稳定预测中的应用[J];电工技术学报;2006年07期

2 谭忠富;谢品杰;王绵斌;张蓉;乞建勋;;提高电能使用效率的可中断电价与峰谷分时电价的联合优化设计[J];电工技术学报;2009年05期

3 陈昌松;段善旭;殷进军;;基于神经网络的光伏阵列发电预测模型的设计[J];电工技术学报;2009年09期

4 刘兴杰;米增强;杨奇逊;樊小伟;;一种基于EMD的短期风速多步预测方法[J];电工技术学报;2010年04期

5 任航;叶林;;模拟分析环境因素对小型太阳能发电系统运行特性的影响[J];电工技术学报;2010年10期

6 陈昌松;段善旭;蔡涛;代倩;;基于模糊识别的光伏发电短期预测系统[J];电工技术学报;2011年07期

7 倪琳娜;罗吉;王少荣;;含风电电力系统的频率控制[J];电工技术学报;2011年S1期

8 吴晋波;文劲宇;孙海顺;程时杰;;基于储能技术的交流互联电网稳定控制方法[J];电工技术学报;2012年06期

9 苑津莎;张英慧;牛丽仙;刘献伟;;基于SOFM和支持向量机回归的短期负荷预测方法[J];电力科学与工程;2009年08期

10 王建;李兴源;邱晓燕;;含有分布式发电装置的电力系统研究综述[J];电力系统自动化;2005年24期

相关期刊论文前10条

1 廖春梅;;利用聚类分析对全国各地经济效益进行评价分析[J];企业技术开发;2011年09期

2 蔡建国;;排序聚类分析在成组技术中的应用[J];机械工艺师;1985年01期

3 张春早;会议评判与聚类分析[J];机械工程;1988年02期

4 刘康和;;聚类分析在坝基岩体风化程度分带中的应用[J];海河水利;1993年04期

5 孙颖;刘新平;;外国游客对我国旅游服务价格评价的聚类分析[J];重庆工商大学学报(自然科学版);2006年02期

6 胡锋华;韩禄亮;张军;;聚类分析在维修时间模拟中的应用研究[J];车辆与动力技术;2006年03期

7 胡雷芳;;2种算法在客户价值聚类分析中的应用比较研究[J];成组技术与生产现代化;2008年04期

8 闫云娟;冯大一;;聚类分析在开放式基金绩效研究中的应用[J];华东交通大学学报;2008年05期

9 徐彬彬;根据光谱资料进行土地利用的聚类分析[J];自然资源;1982年03期

10 唐庭安,陈新,陈新度;聚类分析在产品族规划中的应用[J];机床与液压;2004年11期