(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210410981.1 (22)申请日 2022.04.19 (71)申请人 湖南大学 地址 410082 湖南省长 沙市岳麓区麓山 南 路麓山门 (72)发明人 屈尹鹏　黄晟　张冀　沈非凡　 颜畅　 (74)专利代理 机构 湖南兆弘专利事务所(普通 合伙) 43008 专利代理师 刘畅舟 (51)Int.Cl. G06Q 10/06(2012.01) G06Q 50/06(2012.01) H02J 3/38(2006.01) G06K 9/62(2022.01)G06V 10/762(2022.01) (54)发明名称 一种分布式光伏电站的时空相关性模型构 建方法及系统 (57)摘要 本发明公开了一种分布式光伏电站的时空 相关性模型构建方法及系统， 方法包括： 获取所 有光伏电站出力的历史数据， 识别所述历史数据 中的所有线性趋势段； 对所述线性趋势段标准化 后构建距离矩阵， 对所述距离矩阵聚类得到线性 趋势段模式； 对每个线性趋势段模式用ARIMA模 型重建线性趋势时间序列数据； 将所述历史数据 转换为每个光伏电站的出力时间序列， 根据所述 线性趋势段和线性趋势段模式转换所述出力时 间序列， 得到空间相关模型； 对所述空间相关模 型建立自相关模 型得到时空相关性模 型。 本发明 取消了对于数学模型的依赖性， 对于预测模型具 有良好的适用性。 权利要求书4页 说明书10页 附图2页 CN 114648251 A 2022.06.21 CN 114648251 A 1.一种分布式光伏电站的时空相关性模型构建方法， 其特 征在于， 包括以下步骤： S1)获取所有光伏电站出力的历史数据， 识别所述历史数据中的所有 线性趋势段； S2)对所述线性趋势段标准化后构建距离矩阵， 对所述距离矩阵聚类得到线性趋势段 模式； S3)对每个线性趋势段模式用ARIMA模型重建线性趋势时间序列数据； S4)将所述历史数据转换为每个光伏电站 的出力时间序列， 根据所述线性趋势段和线 性趋势段模式转换 所述出力时间序列， 得到空间相关模型； S5)对所述空间相关模型建立自相关模型 得到时空相关性模型。 2.根据权利要求1所述的分布式光伏电站的时空相关性模型构建方法， 其特征在于， 步 骤S1)具体包括： S11)获取所有光伏电站出力的历史数据， 利用异常和旋转门数据压缩算法， 处理历史 数据的不良数据点并检测原 始线性趋势； S12)合并趋势方向相同的相邻线段； S13)识别出 具有轻微波动段的线性趋势， 根据整体趋势确定所属的输出 数据集。 3.根据权利要求1所述的分布式光伏电站的时空相关性模型构建方法， 其特征在于， 步 骤S2)具体包括： S21)对各线性趋势段的起 点有功功率、 终点有功 功率和持续时间分别标准 化； S22)根据起点有功功率、 终点有功功率和持续 时间计算所有线性趋势段中每一对线性 趋势段的欧几里德距离， 得到线性趋势段的距离矩阵； S23)用排序点识别集群结构算法对所述距离矩阵计算距离序列， 根据所述距离序列对 所有线性趋势段分组， 每一组分别作为对应的线性趋势段模式。 4.根据权利要求1所述的分布式光伏电站的时空相关性模型构建方法， 其特征在于， 步 骤S4)具体包括： S41)根据每 个光伏电站出力的历史数据表示对应的出力时间序列Xl， 表达式如下： 其中N是数据点的数量， t1至tN是数据点对应的时间， p1至pN是数据点对应的有功功率， l 是光伏电站的序号； S42)根据各线性趋势段的起点和终点， 将出力时间序列Xl转换为线性趋势段时间序列 Ll， 表达式如下： 其中 表示第l个光伏电站的第M个线性趋势段， 表示第l个光伏电站历 史数据中 第一个数据点的有功功率， 表示第l个光伏电站历史数据中第N个数据点的有功功率， t1 表示第l个光伏电站历史数据中第一个数据点的时间， tN是表示第l个光伏电站历史数据中权　利　要　求　书 1/4 页 2 CN 114648251 A 2第N个数据点的时间， 表示第l个光伏电站的第一个线性趋势段起点有功功率， 表示 第l个光伏电站的第 M个线性趋势段终点有功功率， 表示第l个光伏电站的第 M个线性趋 势段持续时间； S43)根据线性趋势段对应的线性趋势段模式， 将线性趋势段时间序列Ll转换为线性趋 势段模式序列LPl， 表达式如下： 其中LTSPil表示第l个光伏电站历史数据中第i个数据点所属的线性趋势段模式； S44)在所有 光伏电站的线性趋势段模式序列LPl中， 提取相同时刻的线 性趋势段模式组 成序列， 作为每 个时间点的空间模式S Pi， 表达式如下： 其中LTSPil表示第l个光伏电站历史数据中第i个数据点所属的线性趋势段模式， Nl表 示光伏电站总数； S45)统计空间模式数量， 并且计算各种空间模式的频率， 构建空间相关模型， 表达式如 下： 其中LTSPil表示第l个光伏电站历史数据中第i个数据点所属的线性趋势段模式， Nl表 示光伏电站总数， Nj表示统计后的空间模式的数量， sc( ·)表示每种空间模式的频率； S46)根据空间模式的序列重构空间相关模型， 得到： 其中si是空间相关模型中各空间模式的矩阵行号， i≥1且i≤N。 5.根据权利要求4所述的分布式光伏电站的时空相关性模型构建方法， 其特征在于， 步 骤S5)包括： 用APRIORI算法记录空间相关模型中目标空间模式的概率， 然后计算新的空间 模式在目标空间模式出现后的概 率， 作为空间模式的自相关概 率， 表达式如下： 其中si是空间相关模型中各空间模式 的矩阵行号， P(si…si+k‑2|si+k‑1)表示统计后的第 i+k‑1个空间模式在统计后的第i至i +k‑2个空间模式出现后的概率， SC( ·)是对应频繁k项 集的频次， NT是频繁k项集的个数， 频繁k项集记录了统计后的第i至i+k ‑1个空间模式的频 率， i≥1且i+k ‑1≤N。 6.一种分布式光伏电站的时空相关性模型构建系统， 其特 征在于， 包括： 线性趋势段识别模块， 用于获取所有光伏电站出力的历史数据， 识别所述历史数据中权　利　要　求　书 2/4 页 3 CN 114648251 A 3