%0 Journal Article
%T 基于Copula理论的光伏功率高比例异常数据机器识别算法
%A 乔颖
%A 曹欣
%A 王强
%A 鲁宗相
%A 龚莺飞
%J 电力系统自动化
%D 2016
%X 目前很多在运光伏电站由于通信故障、设备异常、人为限电等问题导致功率实测数据含高比例异常数据,极大阻碍了电站性能分析和功率数据的深化应用。基于Copula函数建立了描述辐照度与光伏功率间相关关系的概率功率曲线模型,进而针对光伏实测数据分散度、随机性强,异常数据比例高的特点,结合工程经验归纳了三类典型异常数据特征并提出了相应的异常数据机器识别模型。利用实测光伏电站数据和人工生成数据集进行仿真分析表明,采用该异常数据机器识别模型能适应高比例异常数据条件,有效识别各种类型异常数据,具有比常规3-sigma识别法更好的适应性和识别率
%K 光伏功率
%K 高比例异常数据
%K 概率功率曲线
%K Copula理论
%K 机器识别
%K photovoltaic power
%K high proportion of outliers
%K probabilistic power curve
%K Copula theory
%K machine identification
%U http://www.aeps-info.com/aeps/article/abstract/20151008006?st=article_issue