本技術(shù)涉及虛擬電廠數(shù)據(jù)處理，尤其涉及一種虛擬電廠異常運行數(shù)據(jù)流辨識方法及相關(guān)設備。

背景技術(shù)：

1、虛擬電廠(virtual?power?plant，vpp)是一種通過整合分布式能源資源(如太陽能電池板、風力發(fā)電機、儲能設備等)和靈活負載(如電動汽車、能源儲備設備等)，通過智能電網(wǎng)管理系統(tǒng)進行集中控制和協(xié)調(diào)運營的虛擬能源系統(tǒng)。虛擬電廠由于分布式能源資源的波動性和不確定性，導致預測數(shù)據(jù)與實際數(shù)據(jù)之間存在較大偏差，從而產(chǎn)生高比例的異常運行數(shù)據(jù)。影響虛擬電廠自身的運行效率，對電力系統(tǒng)的整體安全穩(wěn)定構(gòu)成威脅。因此，檢測虛擬電廠中的異常數(shù)據(jù)流具有重要意義。

2、相關(guān)技術(shù)中，?對于虛擬電廠中的異常數(shù)據(jù)流的辨識方法存在辨識精度較差等問題。

技術(shù)實現(xiàn)思路

1、有鑒于此，本技術(shù)的目的在于提出一種虛擬電廠異常運行數(shù)據(jù)流辨識方法及相關(guān)設備。

2、基于上述目的，本技術(shù)提供了虛擬電廠異常運行數(shù)據(jù)流辨識方法，包括：

3、獲取第一虛擬電廠運行數(shù)據(jù)流；所述第一虛擬電廠運行數(shù)據(jù)流為待辨識的虛擬電廠運行數(shù)據(jù)流；

4、清洗所述第一虛擬電廠運行數(shù)據(jù)流，得到第二虛擬電廠運行數(shù)據(jù)流；其中，所述清洗包括缺失值填充處理和降噪處理；所述第二虛擬電廠運行數(shù)據(jù)流為清洗后的待辨識的虛擬電廠運行數(shù)據(jù)流；

5、分析所述第二虛擬電廠運行數(shù)據(jù)流的第一時間序列特性，基于所述第一時間序列特性提取所述第二虛擬電廠運行數(shù)據(jù)流的數(shù)據(jù)特征；

6、計算所述第二虛擬電廠運行數(shù)據(jù)流的數(shù)據(jù)特征與預設的虛擬電廠運行數(shù)據(jù)流的異常數(shù)據(jù)特征的相似度；

7、響應于確定所述相似度大于第一閾值，確定所述第一虛擬電廠運行數(shù)據(jù)流為異常虛擬電廠運行數(shù)據(jù)流。

8、在其中一些實施例中，所述缺失值填充處理包括：

9、通過式計算缺失值；其中， k(y)為缺失值； αm和 βm分別為所述第一虛擬電廠運行數(shù)據(jù)流的樣條參數(shù)； ya和 yb分別為所述第一虛擬電廠運行數(shù)據(jù)流中任意兩個不同的數(shù)據(jù)點的值， y為第一虛擬電廠運行數(shù)據(jù)流均值， kb+1為運行數(shù)據(jù)流的校正參數(shù)， pb為當前數(shù)據(jù)流的分布偏差值；

10、基于所述缺失值，填充所述待辨識運行數(shù)據(jù)流。

11、在其中一些實施例中，所述降噪處理通過式進行，其中， lv為設計的數(shù)據(jù)濾波器， zk為第一虛擬電廠運行數(shù)據(jù)流的屬性值， zm為第一虛擬電廠運行數(shù)據(jù)流均值， pc為濾波器的隨機參數(shù)， n為濾波器的迭代次數(shù)， yx為降噪處理后的第一虛擬電廠運行數(shù)據(jù)流， x為降噪處理前的第一虛擬電廠運行數(shù)據(jù)流， t為第一虛擬電廠運行數(shù)據(jù)流的采樣時間， mc為第一虛擬電廠運行數(shù)據(jù)流的噪聲參數(shù)值。

12、在其中一些實施例中，所述清洗還包括在所述缺失值填充處理之前進行第一次去重處理；和在所述缺失值填充處理之后，降噪處理之前進行第二次去重處理。

13、在其中一些實施例中，所述分析所述第二虛擬電廠運行數(shù)據(jù)流的第一時間序列特性通過式進行，其中， p(x,y)為第二虛擬電廠運行數(shù)據(jù)流的時間序列函數(shù)， d(xg ,[yx1 -yx2 ])為不同第二虛擬電廠運行數(shù)據(jù)流之間的距離 xg為第二虛擬電廠運行數(shù)據(jù)流的時間序列值， yx1、 yx2分別為不同第二虛擬電廠運行數(shù)據(jù)流的數(shù)據(jù)值， γ1和 γ2分別為不同第二虛擬電廠運行數(shù)據(jù)流對應的時間序列參數(shù)；

14、所述基于所述第一時間序列特性提取所述第二虛擬電廠運行數(shù)據(jù)流的數(shù)據(jù)特征通過式進行，?其中， fi為提取的第二虛擬電廠運行數(shù)據(jù)流的電流不平衡度特征， ia、 ib和 ic分別為電廠的三相電流，為電廠的電流均值， fu為提取的第二虛擬電廠運行數(shù)據(jù)流的電壓不平衡度特征， ua、 ub和 uc分別為電廠的三相電壓，為電廠的電壓均值， tc為提取的第二虛擬電廠運行數(shù)據(jù)流的時間特性， tc為提取的第二虛擬電廠運行數(shù)據(jù)流的時間長度， vp和 vh分別為不同時刻的電廠運行數(shù)據(jù)值； p(x,y)為第二虛擬電廠運行數(shù)據(jù)流的時間序列函數(shù)。

15、在其中一些實施例中，所述計算所述第二虛擬電廠運行數(shù)據(jù)流的數(shù)據(jù)特征與預設的虛擬電廠運行數(shù)據(jù)流的異常數(shù)據(jù)特征的相似度通過式進行，其中，為第二虛擬電廠運行數(shù)據(jù)流的數(shù)據(jù)特征與預設的虛擬電廠運行數(shù)據(jù)流的異常數(shù)據(jù)特征的相似度因子， qα （pi ）為第二虛擬電廠運行數(shù)據(jù)流的聚類函數(shù)， qβ （pj ）為預設的虛擬電廠運行數(shù)據(jù)流的異常數(shù)據(jù)特征的聚類函數(shù)， uab為第二虛擬電廠運行數(shù)據(jù)流的數(shù)據(jù)特征與預設的虛擬電廠運行數(shù)據(jù)流的異常數(shù)據(jù)特征的相似度， ea為特征的分離度，為特征對比因子， sab為特征比對函數(shù)。

16、在其中一些實施例中，所述方法還包括通過以下方法確定預設的虛擬電廠運行數(shù)據(jù)流的異常數(shù)據(jù)特征：

17、響應于確定虛擬電廠運行數(shù)據(jù)流的特征熵值大于第二閾值，確定所述虛擬電廠運行數(shù)據(jù)流的特征為所述預設的虛擬電廠運行數(shù)據(jù)流的異常數(shù)據(jù)特征；

18、其中，所述虛擬電廠運行數(shù)據(jù)流的特征熵值通過式進行；其中， hs為虛擬電廠運行數(shù)據(jù)流的特征熵值， ps為任意特征在當前虛擬電廠運行數(shù)據(jù)流的不確定性，為電流不平衡度特征 fi的權(quán)重系數(shù)；為電壓不平衡度特征 fu的權(quán)重系數(shù)；為時間特性 tc的權(quán)重系數(shù)。

19、本技術(shù)實施例還提供一種電子設備，包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序，所述處理器執(zhí)行所述程序時實現(xiàn)如前任意一項所述的方法。

20、本技術(shù)實施例還提供一種非暫態(tài)計算機可讀存儲介質(zhì)，所述非暫態(tài)計算機可讀存儲介質(zhì)存儲計算機指令，所述計算機指令用于使計算機執(zhí)行如前任一所述方法。

21、本技術(shù)實施例還提供一種計算機程序產(chǎn)品，包括計算機程序指令，當所述計算機程序指令在計算機上運行時，使得計算機執(zhí)行如前任一項所述的方法。

22、從上面所述可以看出，本技術(shù)提供的虛擬電廠異常運行數(shù)據(jù)流辨識方法及相關(guān)設備，通過獲取第一虛擬電廠運行數(shù)據(jù)流；所述第一虛擬電廠運行數(shù)據(jù)流為待辨識的虛擬電廠運行數(shù)據(jù)流；清洗所述第一虛擬電廠運行數(shù)據(jù)流，得到第二虛擬電廠運行數(shù)據(jù)流；其中，所述清洗包括缺失值填充處理和降噪處理；所述第二虛擬電廠運行數(shù)據(jù)流為清洗后的待辨識的虛擬電廠運行數(shù)據(jù)流；分析所述第二虛擬電廠運行數(shù)據(jù)流的第一時間序列特性，基于所述第一時間序列特性提取所述第二虛擬電廠運行數(shù)據(jù)流的數(shù)據(jù)特征；計算所述第二虛擬電廠運行數(shù)據(jù)流的數(shù)據(jù)特征與預設的虛擬電廠運行數(shù)據(jù)流的異常數(shù)據(jù)特征的相似度；?響應于確定所述相似度大于第一閾值，確定所述第一虛擬電廠運行數(shù)據(jù)流為異常虛擬電廠運行數(shù)據(jù)流，能夠在實際應用中具有較高的辨識精度。能夠幫助電力公司快速、準確地發(fā)現(xiàn)和處理異常用電行為，提高電力公司的運營效率和經(jīng)濟效益。對于提高虛擬電廠的運行效率和穩(wěn)定性，并降低其高比例異常運行數(shù)據(jù)流，具有重要意義。