基于灰色关联理论和BP神经网络的分布式光伏电站运维数据虚拟采集方法

张凌浩，张明，嵇文路，方磊，秦羽飞，葛磊蛟

(1.国网江苏省电力有限公司南京供电公司，南京市 210019；2.智能电网教育部重点实验室(天津大学)，天津市 300072)

0 引 言

光伏发电是近年来发展最为迅速的可再生能源技术。随着政府对光伏行业的大力扶持，截至2019年9月底，光伏发电装机容量达到1.90亿kW，其中分布式光伏发电占比达到了30%以上，用户数量超过数十万。海量分布式光伏电站具有应用场景复杂多样、气象条件各异、接入点网架结构不一等特点，其运维信息获取、决策模型定制、结果评价等方面面临诸多困难。尤其是分布式光伏电站运维需要监测的数据点多，仅依靠增加传感器数量和提高采集频次等方法将造成数据采集、传输、存储的成本过高问题。充分考虑分布式光伏电站运维的经济性，低成本、高效率的分布式光伏电站运维数据虚拟采集方案值得深入研究[1-2]。

光伏电站运维数据虚拟采集是指利用类比方式，结合区域范围内已安装采集终端的光伏电站数据，将未安装采集装置的光伏电站数据进行补充完善，达到数据虚拟采集的目标。目前，国内外对于光伏电站数据虚拟采集的研究相对较少，但在光伏发电功率预测与数据修复的相关方法方面，国内外学者们进行了一些研究，可为分布式光伏电站运维数据虚拟采集提供借鉴。在光伏功率预测方面，预测的过程可以分为直接预测与间接预测[3-5]。直接预测是将光伏发电功率的历史数据作为预测模型的输入量来进行预测，如文献[6]将光伏功率数据作为神经网络的输入量直接进行预测。……