一种基于光伏发电历史信息的总辐射数据订正方法及系统与流程

1.本发明涉及新能源技术领域，具体涉及一种基于光伏发电历史信息的总辐射数据订正方法及系统。


背景技术：

2.电力是关系国计民生的重要基础产业和公共事业，在经济社会和人民生活中的地位越来越重要。大规模光伏发电的接入是当前电网形式创新的重要途径之一，随着光伏的快速发展，已积累了海量的光伏监测数据，这些数据如何支撑调度运行业务而言显得尤为迫切。同时，光伏监测数据是当前预测、消纳等核心业务的基础，较高的总辐射数据质量能够提升光伏发电的利用程度，实现更加平稳、可靠的能源互交方式。然而光伏发电站存在总辐射序列数据在总辐射监测中存在数据缺失问题。


技术实现要素：

3.为了解决现有技术中所存在的光伏发电站存在总辐射序列数据在总辐射监测中存在数据缺失问题，本发明提供一种基于光伏发电历史信息的总辐射数据订正方法，包括：
4.将光伏电站历史数据分为待订正数据和未缺失历史数据；
5.将所述待订正数据中的功率数据带入预先训练好的优化模型得到所述待订正功率数据对应的总辐射数据；
6.将所述未缺失历史数据中的总辐射数据和所述待订正功率数据对应的总辐射数据拟合得到总辐射数据；
7.其中，所述光伏电站历史数据包括功率数据和总辐射数据，优化模型由未缺失历史数据构建的样本进行训练得到。
8.优选的，所述将光伏电站历史数据分为待订正功率数据和未缺失历史数据包括：
9.基于光伏电站历史数据遴选出标记为待订正的功率数据和对应的总辐射数据；
10.将光伏电站历史数据中的待订正功率数据和对应的总辐射数据分别从光伏电站历史数据中剔除得到未缺失历史数据。
11.优选的，所述基于光伏电站历史数据遴选出标记为待订正的功率数据和对应的总辐射数据包括：
12.按照设定的时间间隔，基于光伏电站按照设定的时间间隔监测数据，逐日整理形成光伏发电监测日序列；
13.基于光伏发电监测日序列中缺失的数据，遴选出待订正功率数据。
14.优选的，所述优化模型的训练包括：
15.将未缺失历史数据构建样本集；
16.根据设定比例将所述样本集划分训练集和验证集；
17.基于所述训练集对所述优化模型进行训练得到功率数据和总辐射数据的映射关系；
18.基于所述验证集对所述优化模型进行验证和调整。
19.优选的，所述将所述待订正数据中的功率数据带入预先训练好的优化模型得到所述待订正功率数据对应的总辐射数据包括：
20.将待订正数据中的功率数据输入预先训练好的优化模型得到补充总辐射数据；
21.基于光伏电站总辐射经纬度处的日出日落时间和晴空辐射数据序列对所述补充总辐射数据判别得到所述待订正功率数据对应的总辐射数据。
22.优选的，所述基于光伏电站总辐射经纬度处的日出日落时间和晴空辐射数据序列对所述总辐射数据判别得到订正后的总辐射数据包括：
23.基于光伏电站总辐射经纬度处的日出日落时间，剔除所述补充辐射数据中日出日落时间外的数据；
24.基于光伏电站总辐射经纬度处的晴空辐射数据序列,将所述剔除日出日落时间外的数据的补充总辐射数据的光伏晴空辐射数值改为对应的晴空辐射数值。
25.基于同一种发明构思本发明提供了一种基于光伏发电历史信息的总辐射数据订正系统，其特征在于，包括：数据提取模块、数据修正模块、数据拟合模块和模型构建模块；
26.所述数据提取模块，将光伏电站历史数据分为待订正数据和未缺失历史数据；
27.所述数据修正模块，将所述待订正数据中的功率数据带入预先训练好的优化模型得到所述待订正功率数据对应的总辐射数据；
28.所述数据拟合模块，将所述未缺失历史数据中的总辐射数据和所述待订正功率数据对应的总辐射数据拟合得到总辐射数据；
29.所述模型构建模块，优化模型由未缺失历史数据构建的样本进行训练得到；
30.其中，所述光伏电站历史数据包括功率数据和总辐射数据。
31.优选的，所述数据提取模块包括：待订正数据选取子模块和未缺失数据选取子模块；
32.所述待订正数据选取子模块，基于光伏电站历史数据遴选出标记为待订正的功率数据和对应的总辐射数据；
33.所述未缺失数据选取子模块，将光伏电站历史数据中的待订正功率数据和对应的总辐射数据分别从光伏电站历史数据中剔除得到未缺失历史数据。
34.优选的，所述数据修正模块包括：数据补充子模块和晴空辐射修正子模块；
35.所述数据补充子模块，将待订正数据中的功率数据输入预先训练好的优化模型得到补充总辐射数据；
36.所述晴空辐射修正子模块，基于光伏电站总辐射经纬度处的日出日落时间和晴空辐射数据序列对所述补充总辐射数据判别得到所述待订正功率数据对应的总辐射数据。
37.优选的，所述模型构建模块包括：样本集构建子模块、样本集划分子模块、模型训练子模块和模型优化子模块；
38.所述样本集构建子模块，将未缺失历史数据构建样本集；
39.所述样本集划分子模块，根据设定比例将所述样本集划分训练集和验证集；
40.所述模型训练子模块，基于所述训练集对所述优化模型进行训练得到功率数据和总辐射数据的映射关系；
41.所述模型优化子模块，基于所述验证集对所述优化模型进行验证和调整。
42.与现有技术相比，本发明的有益效果为：
43.本发明提供一种基于光伏发电历史信息的总辐射数据订正方法，包括：将光伏电站历史数据分为待订正数据和未缺失历史数据；将所述待订正数据中的功率数据带入预先训练好的优化模型得到所述待订正功率数据对应的总辐射数据；将所述未缺失历史数据中的总辐射数据和所述待订正功率数据对应的总辐射数据拟合得到总辐射数据；其中，所述光伏电站历史数据包括功率数据和总辐射数据，优化模型由未缺失历史数据构建的样本进行训练得到。为光伏电站提供完整的总辐射序列数据，解决总辐射监测中存在的数据缺失问题。
附图说明
44.图1为本发明的基于光伏发电历史信息的总辐射数据订正方法流程图；
45.图2为本发明的基于光伏发电历史信息的总辐射数据订正方法具体应用流程图。
具体实施方式
46.为了更好地理解本发明，下面结合说明书附图和实例对本发明的内容做进一步的说明。
47.实施例1：
48.一种基于光伏发电历史信息的总辐射数据订正方法，如图1所示包括：
49.步骤1：将光伏电站历史数据分为待订正数据和未缺失历史数据；
50.步骤2：将所述待订正数据中的功率数据带入预先训练好的优化模型得到所述待订正功率数据对应的总辐射数据；
51.步骤3：将所述未缺失历史数据中的总辐射数据和所述待订正功率数据对应的总辐射数据拟合得到总辐射数据；
52.其中，所述光伏电站历史数据包括功率数据和总辐射数据，优化模型由未缺失历史数据构建的样本进行训练得到。
53.基于光伏发电历史信息的总辐射数据订正方法的具体步骤如下：
54.其中，步骤1：将光伏电站历史数据分为待订正数据和未缺失历史数据具体包括：
55.根据需要时间间隔可设定，本实施例为15min，根据历史光伏电站逐15min监测数据，按日整理形成光伏发电监测日序列，即每天96个点的逐15min序列。功率数据记为p(i,j,k)，总辐射数据记为i(i,j,k)，i为日内逐15min标识，j为日标识，k为月标识。
56.遴选出辐射数据中标记为待订正的数据，遴选后功率数据记为p
l
(i
l
,j,k)、总辐射数据记为i
l
(i
l
,j,k)。在功率数据中剔除总辐射待订正数据标识对应的数据，剔除后的功率数据记为p
t
(i
t
,j,k)、总辐射数据记为i
t
(i
t
,j,k)。
57.历史光伏电站监测数据数据长度为3个月及以上。
58.步骤2：将所述待订正数据中的功率数据带入预先训练好的优化模型得到所述待订正功率数据对应的总辐射数据具体包括：
59.随机取p
t
(i
t
,j,k)数据量的75％作为训练输入，对应的i
t
(i
t
,j,k)作为训练输出；剩余p
t
(i
t
,j,k)数据量的25％作为验证输入，对应的i
t
(i
t
,j,k)作为验证输出。
60.将选取的训练输入作为rbf神经网络的输入，训练输出作为输出，建立rbf神经网
络映射模型f
rbf
；
61.将选取的验证输入作为映射模型f
rbf
的输入，验证输出作为输出，以均方根误差最小为原则，验证并调整映射模型，最终得到优化模型fz
rbf
。
62.步骤3：将所述未缺失历史数据中的总辐射数据和所述待订正功率数据对应的总辐射数据拟合得到总辐射数据具体包括：
63.将p
l
(i
l
,j,k)作为优化模型fz
rbf
的输入，所得数据替换i
l
(i
l
,j,k)中的数据。
64.将i
l
(i
l
,j,k)和i
t
(i
t
,j,k)组合成新的i(i,j,k)。
65.根据光伏电站总辐射经纬度处的日出日落时间，将i(i,j,k)中日出日落时间外不为0的数值改为0。
66.根据光伏电站总辐射经纬度处的晴空辐射数据序列，将i(i,j,k)中大于晴空辐射的数值改为对应的晴空辐射数值。
67.经过以上步骤所得的i(i,j,k)为最终订正后的总辐射序列。
68.实施例2：
69.基于同一种发明构思，本发明还提供了一种基于光伏发电历史信息的总辐射数据订系统，包括：
70.数据提取模块、数据修正模块、数据拟合模块和模型构建模块；
71.所述数据提取模块，将光伏电站历史数据分为待订正数据和未缺失历史数据；
72.所述数据修正模块，将所述待订正数据中的功率数据带入预先训练好的优化模型得到所述待订正功率数据对应的总辐射数据；
73.所述数据拟合模块，将所述未缺失历史数据中的总辐射数据和所述待订正功率数据对应的总辐射数据拟合得到总辐射数据；
74.所述模型构建模块，优化模型由未缺失历史数据构建的样本进行训练得到；
75.其中，所述光伏电站历史数据包括功率数据和总辐射数据。
76.优选的，所述数据提取模块包括：待订正数据选取子模块和未缺失数据选取子模块；
77.所述待订正数据选取子模块，基于光伏电站历史数据遴选出标记为待订正的功率数据和对应的总辐射数据；
78.所述未缺失数据选取子模块，将光伏电站历史数据中的待订正功率数据和对应的总辐射数据分别从光伏电站历史数据中剔除得到未缺失历史数据。
79.优选的，所述数据修正模块包括：数据补充子模块和晴空辐射修正子模块；
80.所述数据补充子模块，将待订正数据中的功率数据输入预先训练好的优化模型得到补充总辐射数据；
81.所述晴空辐射修正子模块，基于光伏电站总辐射经纬度处的日出日落时间、和晴空辐射数据序列对所述补充的总辐射数据判别得到所述待订正功率数据对应的总辐射数据。
82.优选的，所述模型构建模块包括：样本集构建子模块、样本集划分子模块、模型训练子模块和模型优化子模块；
83.所述样本集构建子模块，将未缺失历史数据构建样本集；
84.所述样本集划分子模块，根据设定比例将所述样本集划分训练集和验证集；
85.所述模型训练子模块，基于所述训练集对所述优化模型进行训练得到功率数据和总辐射数据的映射关系；
86.所述模型优化子模块，基于所述验证集对所述优化模型进行验证和调整。实施例3：
87.本发明提出了一种基于光伏发电历史信息的总辐射数据订正方法，通过rbf神经网络方法，建立功率数据和总辐射数据映射模型，订正总辐射序列中的待订正数据。从而为光伏电站提供完整的总辐射序列数据，解决总辐射监测中存在的数据缺失问题，如图2所示，该方法按以下步骤进行：
88.1、根据历史光伏电站逐15min监测数据，遴选出总辐射数据中标记为待订正的数据，剔除总辐射待订正数据标识对应的数据；功率数据根据总辐射情况作同样处理。
89.2、随机取剔除后功率数据总量的75％作为训练输入，对应的总辐射数据作为训练输出；剩余的数据作为验证数据，以均方根误差最小为原则，验证并调整映射模型，最终得到优化模型。
90.3、将待订正总辐射数据对应的功率数据输入优化模型，输出的总辐射数据经过日出日落时间、晴空辐射数据序列判别后，得到最终订正后的总辐射数据。
91.下面对本发明的具体实施方式做进一步的详细说明。
92.(1)数据处理
93.1、根据历史光伏电站逐15min监测数据，按日整理形成光伏发电监测日序列，即每天96个点的逐15min序列。功率数据记为p(i,j,k)，总辐射数据记为i(i,j,k)，i为日内逐15min标识，j为日标识，k为月标识。
94.2、遴选出辐射数据中标记为待订正的数据，遴选后功率数据记为p
l
(i
l
,j,k)、总辐射数据记为i
l
(i
l
,j,k)。在功率数据中剔除总辐射待订正数据标识对应的数据，剔除后的功率数据记为p
t
(i
t
,j,k)、总辐射数据记为i
t
(i
t
,j,k)。
95.3、历史光伏电站监测数据数据长度为3个月及以上。
96.(2)订正模型建立
97.1)随机取p
t
(i
t
,j,k)数据量的75％作为训练输入，对应的i
t
(i
t
,j,k)作为训练输出；剩余p
t
(i
t
,j,k)数据量的25％作为验证输入，对应的i
t
(i
t
,j,k)作为验证输出。
98.2)将选取的训练输入作为rbf神经网络的输入，训练输出作为输出，建立rbf神经网络映射模型f
rbf
；
99.3)将选取的验证输入作为映射模型f
rbf
的输入，验证输出作为输出，以均方根误差最小为原则，验证并调整映射模型，最终得到优化模型fz
rbf
。
100.(3)数据订正
101.1)将p
l
(i
l
,j,k)作为优化模型fz
rbf
的输入，所得数据替换i
l
(i
l
,j,k)中的数据。
102.2)将i
l
(i
l
,j,k)和i
t
(i
t
,j,k)组合成新的i(i,j,k)。
103.3)根据光伏电站总辐射经纬度处的日出日落时间，将i(i,j,k)中日出日落时间外不为0的数值改为0。
104.4)根据光伏电站总辐射经纬度处的晴空辐射数据序列，将i(i,j,k)中大于晴空辐射的数值改为对应的晴空辐射数值。
105.5)经过以上步骤所得的i(i,j,k)为最终订正后的总辐射序列。
106.显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
107.本领域内的技术人员应明白，本技术的实施例可提供为方法、系统、或计算机程序产品。因此，本技术可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本技术可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
108.本技术是参照根据本技术实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
109.这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
110.这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
111.以上仅为本发明的实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均包含在申请待批的本发明的权利要求范围之内。