基于DTW-两阶四分位的分布式光伏发电异常数据辨识OA北大核心CSTPCD

设备故障、天气环境等因素导致分布式光伏发电系统产生大量异常数据,对其安全稳定运行造成严重影响。为了准确识别和剔除存在的异常数据,提出一种基于动态时间弯曲(DTW)-两阶四分位的分布式光伏发电异常数据辨识方法。首先,通过对比相似辐照度下光伏功率均值实现连续型异常数据识别与剔除,采用基于同时段光伏功率均值剔除异常数据,并考虑光伏发电曲线的波动性,采用基于DTW与欧氏距离的综合曲线相似度判定方法剔除连续型异常数据,更全面地考虑了数据的波动特性,提高了连续型异常数据辨识和剔除效果;其次,提出DTW-两阶四分位异常数据辨识算法,采用一阶变化率和二阶变化率对融合后的数据进行离散型异常数据剔除,有效识别和剔除离散型异常数据;最后,根据异常数据识别和剔除结果判断是否出现故障。实验结果表明:所提算法剔除异常数据后能更好地拟合正常光伏功率数据分布情况,相较于四分位法和3-Sigma算法,所提算法剔除异常数据前后线性相关程度变化分别提高了58.15%和68.41%,辨识效果更佳。