【技术实现步骤摘要】
本专利技术涉及一种光伏数据清洗方法，特别是一种基于栅格数据图像处理的光伏数据清洗方法。
技术介绍
1、光伏发电为一种清洁、可持续的能源形式，然而，光伏发电系统的运行和监测过程中常常会产生大量的数据。这些数据可能包含缺失值、异常值和噪声，为光伏数据的分析和应用带来了挑战。因此，光伏数据清洗作为数据预处理的重要环节，对保证数据质量、提高数据可用性和可靠性具有至关重要的作用。
2、近年来，数据清洗领域取得了许多研究进展，包括缺失值处理、异常值检测与处理、数据去噪等多个方面的技术。特别是对于光伏数据清洗，已经提出了一些针对性的方法和技术。例如基于插值法和离群点检测算法的光伏数据清洗方法，能够有效处理数据中的缺失值和异常值。另外，还有探讨时间序列数据清洗的相关技术，例如滑动窗口平滑、指数加权移动平均等方法，这些技术对光伏发电数据的预处理具有重要意义。尽管已有的方法在一定程度上提高了数据清洗的效率和准确性，但在面对栅格化数据和图像化处理的光伏数据时，这些大多基于统计和回归方式的传统方法的效果仍有限。
3、针对光伏发电领域中的数据清洗需求，相关专利文献各自公开了不同的方法。这些专利文献都致力于从大量光伏发电数据中识别并处理异常值，以提高数据分析的准确性和可靠性。比如专利文献cn117290666a提出了一种光伏异常功率数据清洗方法，该方法利用方差变化点结合相关性分析识别异常数据的类型，包括单点异常值和连续异常值，并通过线性回归模型对检测到的异常数据进行修复，从而保证了数据的完整性和准确性，支持了高效的数据建模与决策分析
4、对于光伏数据清洗的效率、信息损失、解释性问题，这些技术方案并未提供足够好的解决方案。
技术实现思路
1、本专利技术的目的在于提供一种基于栅格数据图像处理的光伏数据清洗方法，它能提高大规模数据处理效率，增强复杂模式识别能力，简化操作流程，降低专业要求，防止重要信息丢失，能快速并准确处理光伏数据集，提升异常值识别和保留关键信息能力，使非专业人员也能轻松操作，以解决现有光伏数据清洗方法效率低不精确、识别能力不足、参数设置复杂的问题。
2、为解决上述技术问题，本专利技术采用的技术方案如下：
3、一种基于栅格数据图像处理的光伏数据清洗方法（或者说是基于栅格数据图像处理的光伏异常数据清洗方法），其技术方案在于它包括如下步骤：
4、s1: 光伏数据采集与初步清洗，获取光伏数据，而光伏异常数据分析指出，光伏发电功率与辐射数据之间存在着密切的关系。由于数据采集过程中可能出现的设备故障、数据采集设备问题及其他因素，可能会产生大量的异常数据。为了提高后续预测模型的准确性，必须首先进行初步的数据清洗，删除异常数据，尤其是删除那些明显异常的数据记录，例如光总辐射量和发电功率数据中有且仅有一个数据为0的记录，这些是显而易见的异常值；步骤s1为数据获取和初步处理步骤；
5、s2: 数据栅格化与图片化，接下来，通过栅格化处理，将采集来的数据映射到栅格块上，考虑到夜晚数据的特点，需要对数据进行适当的修正，以避免图片失真，修正后的栅格数据通过数值映射成不同颜色，完成栅格数据的图片化处理，形成不同分辨率条件下的图片，以适应于不同的分析需求；
6、s3: 图片开运算与轮廓提取，通过图像处理技术，对步骤s2生成的图片进行开运算，先腐蚀后膨胀处理，以消除噪声、分离紧密区域的轮廓和平滑大轮廓的边界，开运算之后，对图像进行二值化处理，通过设置相适应的阈值（即通过设置合理的阈值），提取数据中的主要轮廓，达到清洗的目标；
7、s4: 最大轮廓提取与分辨率选择，经过图片的开运算与轮廓提取后，统计并比较在不同分辨率下提取的最大轮廓面积，由于不同分辨率图片的阈值选择呈现出4倍关系，因此，在此基础上进行面积对齐，选择出相适应的图像分辨率（即选择出合适的图像分辨率），达到用最小的阈值获取最大的轮廓面积的目的，因此需要在阈值和图像分辨率之间找到一个平衡；
8、s5: 权重确定、离散度计算、清洗效果评估，根据每个数值在数据矩阵中出现的次数来确定权重，使用权重计算带权重的离散度，以此判断数据的集中程度，较小的类内离散度表明数据清洗效果良好，最后，通过权重确定和离散度计算的结果，结合实际光伏短期功率预测的需要，对数据清洗效果进行定量评估。
9、上述技术方案中，优选的技术方案可以是，所述步骤s1具体包括 :
10、s1.1:从光伏场站的传感器系统准确地获取（采集）光伏数据，光伏数据包括光总辐射量、直接辐射量、散射辐射量这些重要辐射数据, 光总辐射量是直接辐射量和散射辐射量之和，这些辐射数据是评估和优化光伏系统发电效率的基础，关系到光伏系统的发电效率。为了捕捉到辐射数据的微妙变化并确保数据的高质量和完整性，其中，（获取）辐射数据采集频率为每15分钟一次，频率设置既能保证时间上的连续性，也能避免因数据采集频率过低而遗漏重要变化，或因频率过高而产生大量冗余数据，确保了数据的实用性和管理的高效，以确保捕获数据变化的细微特征，并确保数据质量和完整性。
11、上述辐照数据与光伏发电功率之间紧密关联，因为光伏系统利用太阳能转换为电能。其中直接辐射是指直接来自太阳的辐射，它与太阳的角度、大气透明度等因素有关。在理想条件下，直接辐射越强，光伏电池组件吸收到的光能越多，因此光伏发电功率会随着直接辐射的增加而增加。而散射辐射是指来自太阳的辐射在大气中被散射后到达地面的辐射，它与大气的颗粒物、云层等因素有关。散射辐射虽然不如直接辐射那么强，但仍然可以为光伏电池组件提供一定的光能，因此它也会对光伏发电功率产生影响。
12、如等式g=d+sa所示 ，g指光总辐射、d指直接辐射、sa指散射辐射，光总辐射是直接辐射和散射辐射之和，它是衡量太阳辐射总量的一个重要指标。光总辐射直接影响着伏电池组件的发电效率，因此光总辐射与功率之间存在着非常密切的关系。一般情况下，光总辐射越强，光伏发电功率也就越高。图2为某光伏场站的光总辐射与发电功率构成的散点图，从图2中可以看出光伏发电功率与总辐射之间不是呈现简单的线性关系，而是具有一定的波动性特征，另外可以发现数据在采集过程中出现较多的异常数据。如果这些数据直接用于功率预测模型的训练，无疑将导致较大的预测误差。首先，设备故障是导致异常数据的一个重要原因，如图2本文档来自技高网...
【技术保护点】
1.一种基于栅格数据图像处理的光伏数据清洗方法，其特征在于它包括如下步骤：
2.根据权利要求1所述的基于栅格数据图像处理的光伏数据清洗方法，其特征在于步骤S1包括 :
3.根据权利要求1所述的基于栅格数据图像处理的光伏数据清洗方法，其特征在于步骤S2包括 :
4.根据权利要求1或2所述的基于栅格数据图像处理的光伏数据清洗方法，其特征在于步骤S3包括 :
5.根据权利要求1所述的基于栅格数据图像处理的光伏数据清洗方法，其特征在于步骤S4包括 :
6.根据权利要求1所述的基于栅格数据图像处理的光伏数据清洗方法，其特征在于步骤S5包括：
7.根据权利要求6所述的基于栅格数据图像处理的光伏数据清洗方法，其特征在于步骤S5.2还包括：通过计算上述步骤S5.1的方法与融合Pearson相关系数插值法、三次样条插值三种条件下的精度和均方误差，来全面评价实际效果，将光伏数据的清洗作为光伏场站的功率预测，功率预测的准确率是检验预测效果的指标，短期预测准确预报公式如下：
8.根据权利要求6所述的基于栅格数据图像处理的
...【技术特征摘要】
1.一种基于栅格数据图像处理的光伏数据清洗方法，其特征在于它包括如下步骤：
2.根据权利要求1所述的基于栅格数据图像处理的光伏数据清洗方法，其特征在于步骤s1包括 :
3.根据权利要求1所述的基于栅格数据图像处理的光伏数据清洗方法，其特征在于步骤s2包括 :
4.根据权利要求1或2所述的基于栅格数据图像处理的光伏数据清洗方法，其特征在于步骤s3包括 :
5.根据权利要求1所述的基于栅格数据图像处理的光伏数据清洗方法，其特征在于步骤s4包括 :
6.根据权利要求1所述的基于栅格数据图像处理的光伏数据清洗方法，其特征在于步骤s5包括：
7.根据权利要求6所述的基于栅格数据...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。