方磊，張瑋亞，姜小濤，牛睿，劉嘉恒，葛磊蛟

（1.國(guó)網(wǎng)江蘇省電力有限公司南京供電分公司，南京 210019；2.天津大學(xué)電氣自動(dòng)化與信息工程學(xué)院，天津 300072）

0 引言

隨著傳統(tǒng)能源短缺問(wèn)題的日益突出，節(jié)能減排和可持續(xù)發(fā)展需求日益增強(qiáng)，可再生能源發(fā)電已成為世界能源變革以及能源和電力行業(yè)發(fā)展的新方向。尤其是光伏發(fā)電具有清潔、無(wú)噪聲等優(yōu)點(diǎn)，得到了世界各國(guó)的大力支持而迅速發(fā)展。

光伏發(fā)電作為一種新能源發(fā)電技術(shù)，主要分為集中式和分布式兩種形式。其中，分布式光伏具有能源利用率高、環(huán)境污染小、就地消納靈活、棄光率低等優(yōu)點(diǎn)，得到國(guó)家大力支持[1-2]，其裝機(jī)容量逐年上升。隨著我國(guó)《可再生能源法》實(shí)施，一系列有利于分布式光伏的并網(wǎng)政策及上網(wǎng)電價(jià)補(bǔ)貼政策陸續(xù)出臺(tái)，其發(fā)展更加迅猛[3-5]。然而，分布式光伏電站的安全穩(wěn)定運(yùn)行依靠技術(shù)人員對(duì)其多方面運(yùn)營(yíng)與維護(hù)。傳統(tǒng)放養(yǎng)式的運(yùn)維方式效率低、人力成本高，故障發(fā)現(xiàn)、維修不及時(shí)等問(wèn)題日益突出，其核心關(guān)鍵是運(yùn)維數(shù)據(jù)缺失。隨著分布式光伏電站的規(guī)?；l(fā)展，在大范圍的分散無(wú)序光伏接入背景下，分布式光伏運(yùn)維數(shù)據(jù)的精準(zhǔn)獲取變得至關(guān)重要：一方面他為技術(shù)研究提供實(shí)驗(yàn)數(shù)據(jù)，另一方面亦為運(yùn)維人員的科學(xué)決策提供數(shù)據(jù)支撐[6,4]。借助于人工智能技術(shù)，充分挖掘利用分布式光伏運(yùn)維數(shù)據(jù)中的信息，實(shí)現(xiàn)光伏電站多層次、多維度數(shù)據(jù)采集，提高工作效率，是推動(dòng)分布式光伏電站智能化運(yùn)維的重要途徑。

隨著對(duì)光伏電站智能化程度不斷升級(jí)，運(yùn)維數(shù)據(jù)采集的全面性與準(zhǔn)確性變得尤為重要。然而，由于分布式光伏電站具有容量小、分布廣以及數(shù)量多等特點(diǎn)，全覆蓋的運(yùn)維數(shù)據(jù)采集配置方式勢(shì)必造成光伏運(yùn)維數(shù)據(jù)獲取成本高的問(wèn)題，最終造成所采集的數(shù)據(jù)對(duì)于提升分布式光伏收益的效果不顯著，經(jīng)濟(jì)性較弱，甚至出現(xiàn)得不償失的現(xiàn)象，反而會(huì)制約分布式光伏行業(yè)的發(fā)展[7-8]。目前，針對(duì)降低分布式光伏運(yùn)維數(shù)據(jù)采集成本的研究，主要集中在光伏出力預(yù)測(cè)與光伏運(yùn)維數(shù)據(jù)補(bǔ)全技術(shù)。隨著當(dāng)前計(jì)算機(jī)技術(shù)、人工智能技術(shù)的發(fā)展與全國(guó)新能源光伏云平臺(tái)的建立，提出一種面向分布式光伏電站行業(yè)困境的光伏運(yùn)維數(shù)據(jù)低成本采集方法，是順應(yīng)當(dāng)今新能源技術(shù)蓬勃發(fā)展與廣泛應(yīng)用的時(shí)代潮流，更是推進(jìn)我國(guó)分布式光伏行業(yè)的必然要求。

為此，本文提出一種面向分布式光伏運(yùn)維數(shù)據(jù)的虛擬采集技術(shù)路線(xiàn)框架，在已構(gòu)建的全國(guó)新能源光伏智慧運(yùn)維云平臺(tái)的基礎(chǔ)上，通過(guò)人工智能方法對(duì)已采集到的光伏運(yùn)維大數(shù)據(jù)進(jìn)行處理與分析，以當(dāng)前標(biāo)桿電站實(shí)時(shí)采集數(shù)據(jù)（輻照度或部分運(yùn)維數(shù)據(jù)）為參照，共同完成分布式光伏電站運(yùn)維數(shù)據(jù)虛擬采集，達(dá)成分布式光伏運(yùn)維數(shù)據(jù)”實(shí)時(shí)+虛擬”全覆蓋低成本采集，最終實(shí)現(xiàn)分布式光伏電站低成本智慧運(yùn)維，以期為解決分布式光伏系統(tǒng)運(yùn)維數(shù)據(jù)采集成本高的問(wèn)題提供一套完整的解決方案。

1 分布式光伏虛擬采集的運(yùn)維數(shù)據(jù)來(lái)源與分類(lèi)

目前，各行業(yè)對(duì)分布式光伏數(shù)據(jù)的關(guān)注點(diǎn)主要聚焦于分布式光伏的功率、發(fā)電量數(shù)據(jù)[9]等，這些數(shù)據(jù)對(duì)保障電網(wǎng)企業(yè)和光伏業(yè)主計(jì)量計(jì)費(fèi)的公平公正起著至關(guān)重要的作用。然而，光伏運(yùn)維數(shù)據(jù)不僅包括上述功率與發(fā)電量數(shù)據(jù)，還包括電站內(nèi)各個(gè)設(shè)備的所有電氣參數(shù)、狀態(tài)信息以及電站內(nèi)外環(huán)境信息等，這些數(shù)據(jù)對(duì)業(yè)主和電網(wǎng)企業(yè)的重要性雖然不及功率與發(fā)電量，但對(duì)維持分布式光伏電站內(nèi)外部的安全穩(wěn)定起到至關(guān)重要的作用。

1.1 分布式光伏系統(tǒng)的數(shù)據(jù)來(lái)源

一般而言，光伏系統(tǒng)的數(shù)據(jù)來(lái)源主要有兩個(gè)方面：一方面來(lái)源于包括光伏組件管理器、電能表、匯流箱、逆變器、環(huán)境監(jiān)測(cè)儀、一體化電能質(zhì)量故障錄波監(jiān)測(cè)裝置等光伏電站現(xiàn)場(chǎng)安裝的運(yùn)營(yíng)設(shè)備數(shù)據(jù)信息。

另一方面的數(shù)據(jù)來(lái)源于通過(guò)復(fù)用原有的電力通信鏈路采集的電網(wǎng)側(cè)數(shù)據(jù)，即從電網(wǎng)企業(yè)網(wǎng)省營(yíng)銷(xiāo)基礎(chǔ)數(shù)據(jù)平臺(tái)抽取的光伏相關(guān)數(shù)據(jù)，主要包括電站基本信息、小時(shí)功率、發(fā)電量及結(jié)算相關(guān)等數(shù)據(jù)。

顯而易見(jiàn)，光伏運(yùn)維數(shù)據(jù)采集裝置主要采集分布式光伏電站內(nèi)的運(yùn)維數(shù)據(jù)信息，因此如不作特殊說(shuō)明，本文中光伏運(yùn)維數(shù)據(jù)的虛擬采集目標(biāo)僅為區(qū)域范圍內(nèi)分布式光伏站內(nèi)采集的運(yùn)維數(shù)據(jù)。

1.2 分布式光伏虛擬采集運(yùn)維數(shù)據(jù)的分類(lèi)

分布式光伏站內(nèi)的運(yùn)維數(shù)據(jù)主要包括電站內(nèi)光伏設(shè)備的電氣參數(shù)、狀態(tài)信息以及環(huán)境數(shù)據(jù)。下面分別對(duì)各個(gè)光伏設(shè)備中的光伏運(yùn)維數(shù)據(jù)進(jìn)行詳細(xì)說(shuō)明，見(jiàn)圖1。

圖1 各個(gè)光伏設(shè)備的光伏運(yùn)維數(shù)據(jù)Fig.1 Photovoltaic operation and maintenance data of each photovoltaic equipment

1）分布式光伏電站內(nèi)主變壓器高低壓側(cè)開(kāi)關(guān)的三相電流、三相相電壓、線(xiàn)電壓、有功功率、無(wú)功功率、頻率、功率因數(shù)等數(shù)據(jù)。

2）分布式光伏電站箱變/光伏子陣的三相電流、有功功率、無(wú)功功率、日發(fā)電量、總發(fā)電量、線(xiàn)電壓、頻率、箱變油溫度等數(shù)據(jù)。

3）分布式光伏電站箱變/光伏子陣下的逆變器的組串電氣參數(shù)、直流側(cè)日發(fā)電量、交流側(cè)日發(fā)電量、直流側(cè)電壓電流、交流側(cè)電壓電流、交流側(cè)頻率有功、無(wú)功視在功率功率因數(shù)、告警信息、輸入側(cè)對(duì)地絕緣阻抗等遙測(cè)信息、逆變器的工作狀態(tài)等遙信遙控信息。

4）分布式光伏電站每個(gè)逆變器分別對(duì)應(yīng)的匯流箱、支路的總直流功率、各支路直流功率、各支路輸入電壓電流、總直流、母線(xiàn)電壓等數(shù)據(jù)。

5）分布式光伏電站有關(guān)實(shí)時(shí)氣象信息，包括風(fēng)速、風(fēng)向、太陽(yáng)輻照度、站內(nèi)環(huán)境溫度、濕度等數(shù)據(jù)。

6）分布式光伏電站電度表信息，包括正向有功、反向有功、正向無(wú)功、反向無(wú)功、電流電壓、日發(fā)電量等數(shù)據(jù)。

7）分布式光伏電站電能質(zhì)量的遙測(cè)信息，遙信信息等數(shù)據(jù)。

2 虛擬采集概念與內(nèi)涵

2.1 虛擬采集提出的必要性

目前的光伏運(yùn)維數(shù)據(jù)低成本處理技術(shù)主要有光伏出力預(yù)測(cè)和光伏數(shù)據(jù)填補(bǔ)技術(shù)等，這兩種技術(shù)均是基于數(shù)據(jù)驅(qū)動(dòng)的方法，需要海量歷史數(shù)據(jù)作為支撐，其適應(yīng)范圍大大受限于歷史運(yùn)維數(shù)據(jù)。

另外，目前類(lèi)似數(shù)據(jù)處理的采集技術(shù)，例如狀態(tài)估計(jì)方法等，他可根據(jù)拓?fù)浣Y(jié)構(gòu)對(duì)電力系統(tǒng)內(nèi)部狀態(tài)進(jìn)行實(shí)時(shí)預(yù)測(cè)和校正，但是分布式光伏電站拓?fù)浣Y(jié)構(gòu)分散多樣，無(wú)法有效獲取類(lèi)似配電網(wǎng)中支路以及節(jié)點(diǎn)，較難通過(guò)狀態(tài)估計(jì)方法進(jìn)行運(yùn)維數(shù)據(jù)預(yù)測(cè)和修正。

因此，隨著當(dāng)前裝機(jī)容量逐年提升和分布式光伏數(shù)量噴井式發(fā)展，對(duì)于分布式光伏行業(yè)低成本、高效率運(yùn)維的需求越來(lái)越迫切，現(xiàn)有的數(shù)據(jù)外推技術(shù)已經(jīng)不能完全滿(mǎn)足現(xiàn)代分布式光伏行業(yè)的需求，如何在不需要海量歷史數(shù)據(jù)以及不清楚內(nèi)部狀態(tài)的條件下，有效實(shí)現(xiàn)滿(mǎn)足運(yùn)維需求的數(shù)據(jù)精準(zhǔn)預(yù)估，即虛擬采集技術(shù)，具有重要的工程應(yīng)用價(jià)值和非常廣泛的前景。如今，計(jì)算機(jī)技術(shù)與物聯(lián)網(wǎng)、大數(shù)據(jù)在光伏領(lǐng)域均具有十分廣泛應(yīng)用，虛擬采集技術(shù)是順應(yīng)當(dāng)今新能源技術(shù)的蓬勃發(fā)展與廣泛應(yīng)用的時(shí)代潮流，也是推進(jìn)我國(guó)分布式光伏行業(yè)的必然要求。

2.2 關(guān)于虛擬采集的含義與認(rèn)識(shí)

虛擬采集技術(shù)中“虛擬”一詞表明，該技術(shù)并未通過(guò)現(xiàn)場(chǎng)的傳感器、采集器和集中器等采集設(shè)備對(duì)光伏數(shù)據(jù)進(jìn)行采集，因此，虛擬采集實(shí)質(zhì)上是對(duì)當(dāng)前實(shí)時(shí)采集不到、采集困難的數(shù)據(jù)進(jìn)行預(yù)估以替代實(shí)際采集的一種新型預(yù)估技術(shù)。

目前我國(guó)的分布式光伏電站在同一區(qū)域范圍或相鄰區(qū)域內(nèi)基本都為統(tǒng)一安裝，氣象因素以及各設(shè)備的各項(xiàng)參數(shù)基本相同，其數(shù)據(jù)情況以及變化比較相似，虛擬采集正是基于上述原理擴(kuò)展，具體思想是：利用全國(guó)新能源光伏云平臺(tái)進(jìn)行數(shù)據(jù)分析，將完整實(shí)時(shí)采集的分布式光伏站的運(yùn)維數(shù)據(jù)作為標(biāo)準(zhǔn)，根據(jù)部分光伏運(yùn)維數(shù)據(jù)判斷待采集電站的相似子站，通過(guò)挖掘該電站與該電站相似子站的實(shí)時(shí)采集數(shù)據(jù)的內(nèi)在映射關(guān)系，結(jié)合相似子站的本身具有的部分實(shí)時(shí)采集數(shù)據(jù)，對(duì)相似子站剩余數(shù)據(jù)實(shí)現(xiàn)預(yù)估，實(shí)現(xiàn)分布式光伏運(yùn)維數(shù)據(jù)的全覆蓋采集。因此，虛擬采集技術(shù)雖然與實(shí)時(shí)采集有差異，但又不能完全脫離于實(shí)時(shí)采集。

其中，上述的相似可以指二者具有相似的電氣參數(shù)，或相似的狀態(tài)信息，或相似的外界環(huán)境信息、報(bào)裝信息等。內(nèi)在映射關(guān)系即多個(gè)分布式光伏電站之間運(yùn)維數(shù)據(jù)的關(guān)系。

2.3 虛擬采集的前提條件與核心思路

本文將已配置完整光伏運(yùn)維數(shù)據(jù)采集裝置，且與當(dāng)前待采集的分布式光伏電站相似子站稱(chēng)為標(biāo)準(zhǔn)電站，在通過(guò)全國(guó)新能源光伏智慧運(yùn)維云平臺(tái)進(jìn)行數(shù)據(jù)建模分析后，實(shí)現(xiàn)虛擬采集。虛擬采集一般需要滿(mǎn)足的條件如下：

1）已知需要進(jìn)行虛擬采集分布式光伏電站的部分實(shí)時(shí)數(shù)據(jù)。

2）已知標(biāo)準(zhǔn)電站的歷史運(yùn)維數(shù)據(jù)。

3）已知待虛擬采集電站的標(biāo)準(zhǔn)電站的報(bào)裝信息。

4）選取的標(biāo)準(zhǔn)電站與氣象因素、氣象因素變化以及各設(shè)備的各項(xiàng)參數(shù)基本相同。

在滿(mǎn)足上述條件的前提下，虛擬采集的核心思路具體為：

1）相似子站確定；結(jié)合全國(guó)新能源光伏智慧運(yùn)維云平臺(tái)，通過(guò)灰色關(guān)聯(lián)度分析，得到虛擬采集電站與配置完整光伏運(yùn)維數(shù)據(jù)采集裝置的光伏電站的相似程度，即關(guān)聯(lián)度，以確定待測(cè)電站的標(biāo)準(zhǔn)電站。

2）虛擬采集模型建立；確定標(biāo)準(zhǔn)電站后，利用全國(guó)新能源光伏智慧運(yùn)維云平臺(tái)，通過(guò)人工智能、大數(shù)據(jù)分析的方法建立二者運(yùn)維數(shù)據(jù)的映射關(guān)系，即虛擬采集模型。

3）數(shù)據(jù)預(yù)測(cè)與結(jié)果修正；對(duì)未知的光伏運(yùn)維數(shù)據(jù)進(jìn)行虛擬采集，并利用已知的光伏運(yùn)維數(shù)據(jù)對(duì)采集結(jié)果進(jìn)行修正，進(jìn)一步提高虛擬采集精度。

3 虛擬采集與光伏出力預(yù)測(cè)技術(shù)、光伏數(shù)據(jù)補(bǔ)全技術(shù)、狀態(tài)估計(jì)技術(shù)的區(qū)別與聯(lián)系

虛擬采集作為一種新型的光伏運(yùn)維數(shù)據(jù)實(shí)時(shí)預(yù)估技術(shù)，不同于基于歷史數(shù)據(jù)的預(yù)測(cè)技術(shù)-光伏出力預(yù)測(cè)技術(shù)、光伏數(shù)據(jù)補(bǔ)全技術(shù)等，也不同于需要提前獲知內(nèi)部一定拓?fù)浣Y(jié)構(gòu)的實(shí)時(shí)預(yù)測(cè)技術(shù)-狀態(tài)估計(jì)。下面重點(diǎn)闡述上述3 種技術(shù)與虛擬采集技術(shù)的區(qū)別與聯(lián)系。

3.1 虛擬采集與光伏出力預(yù)測(cè)

目前主流的光伏出力特性預(yù)測(cè)方法有兩種，分別是直接法與間接法[10]，見(jiàn)圖2。

圖2 光伏出力預(yù)測(cè)方法Fig.2 Photovoltaic output prediction method

3.1.1 直接法

直接法依賴(lài)于大批量光伏出力序列的歷史數(shù)據(jù)，并采用擬合回歸分析等數(shù)學(xué)方法，對(duì)功率數(shù)據(jù)特性進(jìn)行提取與分析，其預(yù)測(cè)精度較高且實(shí)驗(yàn)結(jié)果受外界環(huán)境變動(dòng)的影響較低，但直接法對(duì)輸入數(shù)據(jù)規(guī)模的要求較高。直接法分為數(shù)據(jù)統(tǒng)計(jì)預(yù)測(cè)法與人工智能預(yù)測(cè)法[11-14]等。

1）數(shù)據(jù)統(tǒng)計(jì)預(yù)測(cè)法。

數(shù)據(jù)統(tǒng)計(jì)預(yù)測(cè)法基于歷史光伏出力數(shù)據(jù)對(duì)其進(jìn)行數(shù)據(jù)統(tǒng)計(jì)與深入研究，從中總結(jié)出一系列規(guī)律，進(jìn)而歸納出光伏出力預(yù)測(cè)理論，建立起光伏出力預(yù)測(cè)數(shù)學(xué)模型。數(shù)據(jù)統(tǒng)計(jì)預(yù)測(cè)法可劃分為灰色理論預(yù)測(cè)方法[15]、時(shí)間序列預(yù)測(cè)方法[16]、多元線(xiàn)性回歸預(yù)測(cè)方法[17]等。

2）人工智能預(yù)測(cè)法。

數(shù)據(jù)統(tǒng)計(jì)預(yù)測(cè)法需要以當(dāng)前的歷史觀(guān)測(cè)數(shù)據(jù)為基礎(chǔ)才能夠進(jìn)行光伏出力特性的預(yù)測(cè)。由于難于收集準(zhǔn)確的光伏出力數(shù)據(jù)，將影響光伏出力預(yù)測(cè)的實(shí)現(xiàn)效果。伴隨大數(shù)據(jù)、信息通訊等技術(shù)的成熟，人工智能技術(shù)逐步應(yīng)用于光伏出力預(yù)測(cè)中來(lái)。人工智能預(yù)測(cè)法包括支持向量機(jī)[18]、人工神經(jīng)網(wǎng)絡(luò)[19]、模糊神經(jīng)網(wǎng)絡(luò)法[20]，深度神經(jīng)網(wǎng)絡(luò)法[21]等，其準(zhǔn)確性要比數(shù)據(jù)統(tǒng)計(jì)預(yù)測(cè)法更高[10]。

3.1.2 間接法

不同于前文介紹的直接法，間接法不依賴(lài)于歷史數(shù)據(jù)，即可預(yù)測(cè)未來(lái)的天氣變化。間接預(yù)測(cè)法中需要應(yīng)用高精度的天氣預(yù)報(bào)[22]。其中，數(shù)值天氣預(yù)報(bào)（numerical weather prediction，NWP）和基地云圖是當(dāng)前光伏出力間接預(yù)測(cè)的一種主要方法[23-25]。間接預(yù)測(cè)方法是不需要任何光伏的歷史數(shù)據(jù)，直接根據(jù)天氣預(yù)報(bào)數(shù)據(jù)進(jìn)行預(yù)測(cè)的方法，減少了大量的歷史數(shù)據(jù)統(tǒng)計(jì)負(fù)擔(dān)。但由于其預(yù)測(cè)的精度取決于計(jì)算機(jī)的處理能力，如何提高其預(yù)測(cè)精度是未來(lái)一段時(shí)間研究的重點(diǎn)和難點(diǎn)。

3.1.3 虛擬采集與光伏出力預(yù)測(cè)的聯(lián)系

虛擬采集與光伏出力預(yù)測(cè)的區(qū)別在于：

1）預(yù)測(cè)對(duì)象不同：虛擬采集的預(yù)測(cè)對(duì)象是所有分布式光伏運(yùn)維數(shù)據(jù)，不僅包括對(duì)分布式光伏最重要的光伏功率數(shù)據(jù)，而且包括分布式光伏站的電氣參數(shù)以及狀態(tài)信息等；而光伏出力預(yù)測(cè)技術(shù)僅僅針對(duì)功率。

2）預(yù)測(cè)時(shí)間點(diǎn)不同：二者在預(yù)測(cè)目標(biāo)時(shí)間點(diǎn)上有本質(zhì)的區(qū)別；虛擬采集到的數(shù)據(jù)是實(shí)時(shí)數(shù)據(jù)或歷史數(shù)據(jù)，而光伏的功率與發(fā)電量預(yù)測(cè)目前都是對(duì)未來(lái)時(shí)間點(diǎn)上的功率或者發(fā)電量。

雖然虛擬采集與光伏出力預(yù)測(cè)有本質(zhì)的不同，但二者均是為了光伏事業(yè)穩(wěn)定安全的數(shù)據(jù)預(yù)測(cè)技術(shù)。虛擬采集出的實(shí)時(shí)功率數(shù)據(jù)可以作為光伏功率預(yù)測(cè)的歷史數(shù)據(jù)，光伏功率預(yù)測(cè)出的未來(lái)數(shù)據(jù)也可以采用虛擬采集的方式，去預(yù)測(cè)其他光伏電站的功率數(shù)據(jù)或者運(yùn)維數(shù)據(jù)，二者可一同使用。

3.2 虛擬采集與光伏運(yùn)維數(shù)據(jù)補(bǔ)全技術(shù)

3.2.1 光伏運(yùn)維數(shù)據(jù)補(bǔ)全技術(shù)的分類(lèi)

即使光伏電站配置了完備的光伏運(yùn)維數(shù)據(jù)采集設(shè)備，但是光伏數(shù)據(jù)的缺失具有隨機(jī)性[26]，不可避免還會(huì)發(fā)生光伏數(shù)據(jù)采集不全面、數(shù)據(jù)缺失的問(wèn)題。光伏數(shù)據(jù)補(bǔ)全技術(shù)就是針對(duì)這一情況的解決方法：在海量歷史數(shù)據(jù)作為支撐的前提下，利用歷史數(shù)據(jù)通過(guò)某種方法實(shí)現(xiàn)對(duì)缺失數(shù)據(jù)的補(bǔ)全，以避免光伏運(yùn)維數(shù)據(jù)的缺失對(duì)數(shù)據(jù)分析、功率預(yù)測(cè)、故障檢測(cè)的作用。光伏數(shù)據(jù)補(bǔ)全技術(shù)主要應(yīng)用多項(xiàng)式填補(bǔ)法，熱卡填補(bǔ)法，均值填補(bǔ)法，人工智能填補(bǔ)法等[27-28]，見(jiàn)圖3。

圖3 光伏數(shù)據(jù)填補(bǔ)方法Fig.3 Photovoltaic data filling method

3.2.2 虛擬采集與光伏數(shù)據(jù)補(bǔ)全技術(shù)的區(qū)別與聯(lián)系

虛擬采集與光伏出力預(yù)測(cè)的區(qū)別在于：

1）預(yù)測(cè)的目標(biāo)電站不同：光伏運(yùn)維數(shù)據(jù)補(bǔ)全針對(duì)集中式光伏電站與分布式光伏電站兩種類(lèi)型的分布式光伏電站，而虛擬采集技術(shù)僅針對(duì)分布式光伏站，而不針對(duì)發(fā)電量較大集中式分布式光伏站。

2）預(yù)測(cè)時(shí)間點(diǎn)不同：數(shù)據(jù)補(bǔ)全技術(shù)是根據(jù)歷史數(shù)據(jù)對(duì)實(shí)時(shí)或者歷史光伏運(yùn)維數(shù)據(jù)進(jìn)行補(bǔ)全的技術(shù)；而虛擬采集技術(shù)是根據(jù)電站之間外部條件與內(nèi)部條件的相似性對(duì)實(shí)時(shí)數(shù)據(jù)進(jìn)行補(bǔ)全的技術(shù)。

二者之間的聯(lián)系在于：

1）光伏數(shù)據(jù)補(bǔ)全技術(shù)與虛擬采集技術(shù)預(yù)測(cè)的目標(biāo)一致，均為分布式光伏運(yùn)維數(shù)據(jù)。

2）可以利用光伏數(shù)據(jù)補(bǔ)全技術(shù)對(duì)電站實(shí)時(shí)采集缺失的數(shù)據(jù)進(jìn)行補(bǔ)全，并應(yīng)用于虛擬采集技術(shù)。

3）虛擬采集技術(shù)的使用可以防止數(shù)據(jù)缺失，從而取代光伏運(yùn)維數(shù)據(jù)補(bǔ)全技術(shù)。

3.3 虛擬采集與狀態(tài)估計(jì)的區(qū)別與聯(lián)系

狀態(tài)估計(jì)（state estimation，SE）是一種基于有限的系統(tǒng)量測(cè)數(shù)據(jù)來(lái)實(shí)現(xiàn)動(dòng)態(tài)系統(tǒng)內(nèi)部狀態(tài)估計(jì)的方法[29]。系統(tǒng)的外部特性通常由系統(tǒng)的輸入和輸出的量測(cè)數(shù)據(jù)來(lái)反映，而通常無(wú)法直接測(cè)量的內(nèi)部狀態(tài)變量被用來(lái)反映系統(tǒng)的動(dòng)態(tài)規(guī)律。下面以配電網(wǎng)的狀態(tài)估計(jì)為例，就配電網(wǎng)狀態(tài)估計(jì)的方法進(jìn)行闡述[30-32]，見(jiàn)圖4。

圖4 配電網(wǎng)狀態(tài)估計(jì)方法Fig.4 Estimation method of condition of distribution network

3.3.1 加權(quán)最小二乘估計(jì)器

作為一類(lèi)研究成熟和應(yīng)用廣泛的估計(jì)器，加權(quán)最小二乘（weighted least square，WLS）估計(jì)器可歸類(lèi)為狀態(tài)量分別是節(jié)點(diǎn)電壓、支路電流、支路功率的3 類(lèi)算法。

1）基于節(jié)點(diǎn)電壓電流方程式的算法。其通常設(shè)定狀態(tài)變量為節(jié)點(diǎn)電壓的虛、實(shí)部，量測(cè)變換被引入其中，但環(huán)網(wǎng)的出現(xiàn)將會(huì)導(dǎo)致虛實(shí)部無(wú)法實(shí)現(xiàn)解耦，無(wú)法適應(yīng)環(huán)網(wǎng)環(huán)境。

2）以支路電流為基礎(chǔ)的算法。其通常設(shè)定狀態(tài)量為支路電流，采用量測(cè)變換的方法來(lái)轉(zhuǎn)換所有的量測(cè)量為等效電流量測(cè)，但該方法難以處理電壓量測(cè)，并且環(huán)網(wǎng)環(huán)境下三相無(wú)法實(shí)現(xiàn)解耦。

3）以支路功率為基礎(chǔ)的算法。其通常以支路功率為狀態(tài)量，但難以處理功率量測(cè)之外的其他量測(cè)類(lèi)型，且計(jì)算精度較低，缺少將其適配于環(huán)網(wǎng)情景的研究。

3.3.2 抗差估計(jì)器

1）經(jīng)典抗差估計(jì)器。

作為一種基礎(chǔ)狀態(tài)估計(jì)方法，最小二乘狀態(tài)估計(jì)具有收斂性強(qiáng)、估計(jì)精度高的優(yōu)點(diǎn)，但其處理粗差的能力不強(qiáng)，且數(shù)據(jù)粗差將極為影響狀態(tài)估計(jì)的精準(zhǔn)度。粗差可定義為離群的誤差，其來(lái)自于失誤、觀(guān)測(cè)模式差、分布模式差，實(shí)際是不可避免的。抗差估計(jì)指在粗差不明顯的情況下，所選擇的狀態(tài)估計(jì)方法能盡可能地減少粗差對(duì)于估計(jì)值的影響，從而得到最佳估計(jì)值。

典型的抗差估計(jì)方法為廣義極大似然估計(jì)，又稱(chēng)M 估計(jì)。M 估計(jì)包括LAV 估計(jì)（least absolute value，LAV）、WLAV 估 計(jì)（weighted least absolute value，WLAV）、QL 估計(jì)（quadratic linear，QL）、QC 估計(jì)（quadratic constant，QC）等[33]。

2）基于測(cè)點(diǎn)投票思想的抗差估計(jì)器。

基于測(cè)點(diǎn)投票思想的抗差估計(jì)器不再通過(guò)某類(lèi)范數(shù)來(lái)衡量量測(cè)值和估計(jì)值之間的距離，而是考慮量測(cè)自身的不確定度。其不再聚焦于量測(cè)值的精確擬合，而是考慮了由先驗(yàn)知識(shí)確定的區(qū)間信息集，以此來(lái)求解量測(cè)贊同最佳的狀態(tài)，大幅避免了壞數(shù)據(jù)的影響，求解的狀態(tài)較為合理。

3.3.3 虛擬采集與狀態(tài)估計(jì)的區(qū)別與聯(lián)系

狀態(tài)估計(jì)的數(shù)學(xué)模型是基于反映網(wǎng)絡(luò)結(jié)構(gòu)、線(xiàn)路參數(shù)、狀態(tài)變量和實(shí)時(shí)量測(cè)之間相互關(guān)系的量測(cè)方程，但是對(duì)于目前的分布式光伏電站而言，無(wú)法建立這樣的數(shù)學(xué)模型[34]，進(jìn)而運(yùn)維數(shù)據(jù)不能用狀態(tài)估計(jì)的方法得出。

另外，狀態(tài)估計(jì)與本文提出的虛擬采集雖然都是一種實(shí)時(shí)預(yù)測(cè)技術(shù)，但是狀態(tài)估計(jì)僅僅基于配電網(wǎng)本身的結(jié)構(gòu)，而本文的虛擬采集方法主要是基于的是一個(gè)配置完整光伏運(yùn)維數(shù)據(jù)采集裝置的分布式光伏電站，通過(guò)挖掘其與待測(cè)電站之間的相互能力關(guān)系，實(shí)現(xiàn)虛擬采集，這是狀態(tài)估計(jì)與虛擬采集所利用對(duì)象的區(qū)別。

綜上所述，虛擬采集與出力預(yù)測(cè)、數(shù)據(jù)補(bǔ)全、狀態(tài)估計(jì)的差異，見(jiàn)圖5。

圖5 虛擬采集、狀態(tài)估計(jì)、數(shù)據(jù)補(bǔ)全與虛擬采集的區(qū)別Fig.5 Difference among virtual acquisition，state estimation，data completion and virtual acquisition

4 虛擬采集的關(guān)鍵技術(shù)

虛擬采集技術(shù)是分布式光伏運(yùn)維的重要基礎(chǔ)，下面將從準(zhǔn)入原則、技術(shù)基礎(chǔ)、前提條件、典型場(chǎng)景等4 方面闡述。

4.1 虛擬采集的準(zhǔn)入原則：灰色關(guān)聯(lián)分析方法判定相似子站

灰色關(guān)聯(lián)分析是一種基于灰色系統(tǒng)理論的多因素分析方法[35]，其通過(guò)計(jì)算序列曲線(xiàn)的幾何形狀的相似程度來(lái)量化各個(gè)因素之間的聯(lián)系，灰色關(guān)聯(lián)度可以定義為各個(gè)因素之間的不確定性關(guān)聯(lián)程度，又稱(chēng)系統(tǒng)各因子對(duì)主因子的不確定性關(guān)聯(lián)程度。與常規(guī)的數(shù)據(jù)分析方法不同，灰色關(guān)聯(lián)分析的實(shí)質(zhì)在于比較分析，而且是有測(cè)度的、有參考系的綜合比較?；疑P(guān)聯(lián)分析的實(shí)質(zhì)是比較各個(gè)序列數(shù)據(jù)曲線(xiàn)的相似性。常用的灰色關(guān)聯(lián)度模型有廣義關(guān)聯(lián)度模型、鄧氏關(guān)聯(lián)度模型、歐幾里德關(guān)聯(lián)度模型、灰色斜率關(guān)聯(lián)度模型等。

灰色關(guān)聯(lián)分析的特征量影響灰色關(guān)聯(lián)度的判斷精度，進(jìn)而影響虛擬采集的效果。因此，可以利用的特征量越多，關(guān)聯(lián)度分析的準(zhǔn)確性越高。

4.2 虛擬采集的技術(shù)基礎(chǔ)-大數(shù)據(jù)與人工智能技術(shù)

人工智能技術(shù)可大致分為兩個(gè)大類(lèi)：傳統(tǒng)人工智能技術(shù)和新一代人工智能技術(shù)[36-39]。其中，傳統(tǒng)人工智能技術(shù)，如專(zhuān)家系統(tǒng)（expert system，ES）、BP神經(jīng)網(wǎng)絡(luò)（back propagation neural network，BPNN）、貝葉斯網(wǎng)絡(luò)（Bayesian network，BN）、支持向量機(jī)（support vectormachine，SVM）等機(jī)器學(xué)習(xí)算法被用于特征數(shù)據(jù)的處理環(huán)節(jié)，有利于非線(xiàn)性映射關(guān)系的擬合，相比于閾值分析和人為判斷，大大提高了計(jì)算性能和識(shí)別精度。但傳統(tǒng)機(jī)器學(xué)習(xí)算法大多為淺層算法，數(shù)據(jù)分析能力弱，應(yīng)用效果依賴(lài)于特征的表達(dá)能力。

新一代人工智能技術(shù)以深度學(xué)習(xí)為代表，包含遷移學(xué)習(xí)、強(qiáng)化學(xué)習(xí)等多種機(jī)器學(xué)習(xí)方式。新一代人工智能技術(shù)的機(jī)器學(xué)習(xí)模型主要包括堆棧自編碼器（stacked auto?encoder，SAE）、深度置信網(wǎng)絡(luò)（deep belief network，DBN）、卷積神經(jīng)網(wǎng)絡(luò)（convolution neural network，CNN）等。

如今，大數(shù)據(jù)與人工智能技術(shù)廣泛用于分布式光伏領(lǐng)域，全國(guó)新能源光伏智慧運(yùn)維云平臺(tái)的構(gòu)建，為實(shí)現(xiàn)全國(guó)范圍內(nèi)數(shù)以百萬(wàn)計(jì)的分布式光伏電站聯(lián)網(wǎng)提出了基礎(chǔ)，使得每個(gè)分布式光伏站不再是單一的電站，而是可以利用該平臺(tái)上大量分布式光伏數(shù)據(jù)，實(shí)現(xiàn)基于數(shù)據(jù)驅(qū)動(dòng)和機(jī)理分析相集合的區(qū)域化分布式光伏建模分析，為分布式光伏的虛擬采集提供技術(shù)基礎(chǔ)。

4.3 虛擬采集的前提條件-網(wǎng)格化區(qū)域劃分

光伏運(yùn)維數(shù)據(jù)與外界條件的關(guān)聯(lián)度最為緊密，安裝地點(diǎn)的地理位置與環(huán)境因素等因素對(duì)虛擬采集模型預(yù)測(cè)精度具有重要影響。因此，實(shí)現(xiàn)虛擬采集所假定的前提之一是實(shí)時(shí)采集電站與虛擬采集的電站具有相同或者相近的外界因素。然而，在實(shí)際中，對(duì)于光伏運(yùn)維數(shù)據(jù)的影響因素復(fù)雜多樣，詳細(xì)考察每一種因素即無(wú)可能也無(wú)必要，因此，本文提出一種網(wǎng)格劃分方法，以保證全部外界環(huán)境與環(huán)境變化的相似性。在全國(guó)新能源光伏智慧運(yùn)維云平臺(tái)中，也是以區(qū)域?yàn)閱挝唬瑢?duì)于不同天氣類(lèi)型以及報(bào)裝信息劃分出多個(gè)預(yù)測(cè)模型類(lèi)型的分布式光伏電站，分別建立該網(wǎng)格下的預(yù)測(cè)模型。

分布式光伏電站虛擬采集網(wǎng)格劃分原則：

1）對(duì)于處于海拔較低的平原或丘陵地區(qū)的分布式光伏扶貧電站（低于1 000 m），光伏電站分布較為密集，容量小。此時(shí)可以劃分1 km×1 km 的單元網(wǎng)格。

2）對(duì)處于高海拔地區(qū)（大于1 500 m）的分布式光伏扶貧電站而言，考慮到極端氣候、用戶(hù)需求和后期維護(hù)成本的影響，通常多為大容量光伏電站，且分布較為稀疏；應(yīng)當(dāng)因地制宜地劃分3 km×3 km 的單元網(wǎng)格。

3）由于各地分布式光伏的當(dāng)?shù)厍闆r并不相同，一些地區(qū)由于特殊的地理情況導(dǎo)致該地區(qū)的氣候條件差異較大。因此，對(duì)于這類(lèi)地區(qū)，在地理位置劃分的基礎(chǔ)上，可以考慮0.5 km×0.5 km（低海拔）的網(wǎng)格區(qū)域，或者1.5 km×1.5 km（高海拔）。網(wǎng)格劃分的流程如下：

1）選定光伏云網(wǎng)覆蓋下的待測(cè)電站所在區(qū)域，確定方塊區(qū)域的經(jīng)度、緯度，設(shè)經(jīng)度、緯度最低點(diǎn)為起始點(diǎn)A。

2）根據(jù)方塊區(qū)域的海拔高度，氣候情況，選定網(wǎng)格大小。

3）根據(jù)網(wǎng)格大小，對(duì)方塊區(qū)域劃分出N 個(gè)網(wǎng)格，如圖1 所示，對(duì)于落在網(wǎng)格邊緣的分布式光伏電站，選擇靠近點(diǎn)A 最近的網(wǎng)格作為自己的所屬網(wǎng)格。

網(wǎng)格化劃分完成后，網(wǎng)格化區(qū)域的分布式光伏站可以作為相似子站，進(jìn)行虛擬采集。

網(wǎng)格化劃分的所有電站數(shù)據(jù)均具有相同的外界環(huán)境條件，可提高虛擬采集的準(zhǔn)確度。但由于網(wǎng)格區(qū)域內(nèi)標(biāo)準(zhǔn)電站數(shù)量的限制，網(wǎng)格化區(qū)域不能適用于所有情況。此時(shí)，也可以借助相鄰區(qū)域內(nèi)的標(biāo)準(zhǔn)電站與電網(wǎng)數(shù)據(jù)庫(kù)的標(biāo)準(zhǔn)電站實(shí)現(xiàn)虛擬采集。因此，本文虛擬采集分為3 個(gè)場(chǎng)景、基于區(qū)域內(nèi)標(biāo)準(zhǔn)電站的虛擬采集、基于相似環(huán)境區(qū)域的標(biāo)準(zhǔn)電站的虛擬采集、基于新能源光伏智慧運(yùn)維云平臺(tái)數(shù)據(jù)的虛擬采集。

4.4 典型場(chǎng)景的虛擬采集方法

4.4.1 基于大數(shù)據(jù)與人工智能技術(shù)的新能源光伏云平臺(tái)的預(yù)測(cè)模型建立

隨著計(jì)算機(jī)技術(shù)的不斷發(fā)展，人工智能，大數(shù)據(jù)技術(shù)迎來(lái)黃金期[40-41]，并迅速應(yīng)用到多個(gè)工程領(lǐng)域中。對(duì)于分布式光伏運(yùn)維領(lǐng)域，這些技術(shù)的應(yīng)用還較少，因此，在構(gòu)建新能源光伏智慧運(yùn)維云平臺(tái)的基礎(chǔ)上，對(duì)其中多個(gè)分布式光伏電站，以區(qū)域?yàn)閱挝粚?duì)其運(yùn)維數(shù)據(jù)進(jìn)行大數(shù)據(jù)分析并建立數(shù)學(xué)模型，具有十分重要的意義。

在本文中，首先新能源光伏智慧運(yùn)維云平臺(tái)對(duì)分布式光伏電站分布區(qū)域進(jìn)行網(wǎng)格化劃分，同區(qū)域內(nèi)的分布式光伏電站默認(rèn)具有相同的環(huán)境因素。針對(duì)每個(gè)區(qū)域，預(yù)測(cè)模型按天氣類(lèi)型（晴天，陰天，雨天，突變天氣）以及報(bào)裝信息（容量，光伏板傾角等）劃分模型類(lèi)型，并針對(duì)不同的天氣類(lèi)型與報(bào)裝信息根據(jù)配置完整數(shù)據(jù)采集設(shè)備的標(biāo)準(zhǔn)電站進(jìn)行大數(shù)據(jù)分析，建立該區(qū)域的多種預(yù)測(cè)模型。在單一網(wǎng)格區(qū)域中，不滿(mǎn)足2.3 節(jié)所提出虛擬采集的前提條件時(shí)，也可以利用相似區(qū)域、新能源光伏智慧運(yùn)維云平臺(tái)數(shù)據(jù)庫(kù)中的實(shí)時(shí)電站數(shù)據(jù)，完成待測(cè)電站虛擬采集。

下面對(duì)基于網(wǎng)格化區(qū)域的虛擬采集法，基于相鄰區(qū)域與高精度天氣信息的虛擬采集法，基于新能源光伏智慧運(yùn)維云平臺(tái)數(shù)據(jù)與部分分布式光伏運(yùn)維數(shù)據(jù)的虛擬采集法分別進(jìn)行介紹：

4.4.2 基于網(wǎng)格化區(qū)域的虛擬采集法

光伏運(yùn)維數(shù)據(jù)與當(dāng)前區(qū)域的環(huán)境有關(guān)以及環(huán)境變化有關(guān)，通過(guò)前文所述的網(wǎng)格化區(qū)域的劃分，該區(qū)域下所有分布式光伏電站的其余實(shí)時(shí)運(yùn)維數(shù)據(jù)是在同樣的外界條件下得出的，且各個(gè)環(huán)境前后的變化狀態(tài)也一致。另外，處于同一網(wǎng)格區(qū)域電站的同一區(qū)域范圍或相鄰區(qū)域內(nèi)的分布式光伏電站基本都為統(tǒng)一安裝，設(shè)備參數(shù)基本一致，此時(shí)虛擬采集相對(duì)來(lái)說(shuō)具有最高的預(yù)測(cè)精度。具體步驟如下：

1）確定同一網(wǎng)格區(qū)域內(nèi)待預(yù)測(cè)電站P 的相似子站：以電站的報(bào)裝信息（如容量，光伏板傾角，表面積灰情況，組件情況等）對(duì)區(qū)域內(nèi)的標(biāo)準(zhǔn)電站與待測(cè)電站進(jìn)行灰色關(guān)聯(lián)度分析，選取灰色關(guān)聯(lián)度最大的標(biāo)準(zhǔn)電站作為待測(cè)電站的標(biāo)準(zhǔn)電站Q。

2）通過(guò)預(yù)測(cè)當(dāng)前所處的天氣狀態(tài)，以及待測(cè)電站P 與標(biāo)準(zhǔn)電站Q 報(bào)裝信息，確定預(yù)測(cè)模型類(lèi)型。

3）采用標(biāo)準(zhǔn)電站Q 當(dāng)前實(shí)時(shí)運(yùn)維數(shù)據(jù)值作為該類(lèi)型下所建立模型的輸入、輸出待測(cè)電站P 的虛擬采集數(shù)據(jù)，得出虛擬采集數(shù)據(jù)粗集。

4）在網(wǎng)格化區(qū)域內(nèi)隨機(jī)選取標(biāo)準(zhǔn)電站A 與B，采用標(biāo)準(zhǔn)電站A 當(dāng)前實(shí)時(shí)運(yùn)維數(shù)據(jù)值作為該類(lèi)型下所建立模型的輸入，輸出待測(cè)電站B 的虛擬采集數(shù)據(jù)。

5）根據(jù)標(biāo)準(zhǔn)電站A 與B 之間預(yù)測(cè)誤差的關(guān)系，與待采集電站P 與標(biāo)桿電站Q 的灰色關(guān)聯(lián)度，修正虛擬采集數(shù)據(jù)粗集，完成虛擬采集操作。

4.4.3 基于相鄰區(qū)域與高精度天氣信息的虛擬采集法

當(dāng)區(qū)域內(nèi)分布式光伏較少時(shí)，此時(shí)網(wǎng)格化內(nèi)的標(biāo)準(zhǔn)電站較少，不滿(mǎn)足進(jìn)行虛擬采集的前提條件，此時(shí)可根據(jù)相鄰網(wǎng)格化區(qū)域高精度天氣信息（天氣類(lèi)型、輻照度、溫度、濕度）進(jìn)行虛擬采集模型的建立，該方法相對(duì)于基于網(wǎng)格化區(qū)域的虛擬采集法操作較復(fù)雜且精度相對(duì)較低，具體步驟如下：

1）確定待預(yù)測(cè)電站相似區(qū)域的相似子站：設(shè)待測(cè)電站P 所在網(wǎng)格化區(qū)域?yàn)镸，根據(jù)高精度天氣信息計(jì)算，選取天氣信息與待測(cè)電站P 相似度高的網(wǎng)格化區(qū)域N，計(jì)算電站P 與網(wǎng)格化區(qū)域N 內(nèi)標(biāo)準(zhǔn)電站的灰色關(guān)聯(lián)度，選取灰色關(guān)聯(lián)度最大的標(biāo)準(zhǔn)電站作為待測(cè)電站的標(biāo)桿電站Q。

2）根據(jù)網(wǎng)格化區(qū)域M 與網(wǎng)格化區(qū)域N 的天氣狀態(tài)，以及待測(cè)電站P 與標(biāo)準(zhǔn)電站Q 報(bào)裝信息，確定預(yù)測(cè)模型類(lèi)型。

3）采用標(biāo)準(zhǔn)電站Q 當(dāng)前實(shí)時(shí)運(yùn)維數(shù)據(jù)值作為該類(lèi)型下所建立模型的輸入、輸出待測(cè)電站P 的虛擬采集數(shù)據(jù)，得出虛擬采集數(shù)據(jù)粗集。

4）在相鄰區(qū)域內(nèi)隨機(jī)選取標(biāo)準(zhǔn)電站A 與B，采用標(biāo)準(zhǔn)電站A 當(dāng)前實(shí)時(shí)運(yùn)維數(shù)據(jù)值作為該類(lèi)型下所建立模型的輸入，輸出待測(cè)電站B 的虛擬采集數(shù)據(jù)。

5）根據(jù)標(biāo)準(zhǔn)電站A 與B 之間預(yù)測(cè)誤差的關(guān)系，與待采集電站P 與標(biāo)桿電站Q 的灰色關(guān)聯(lián)度，修正虛擬采集數(shù)據(jù)粗集，完成虛擬采集操作。

4.4.4 基于新能源光伏智慧運(yùn)維云平臺(tái)數(shù)據(jù)與部分分布式光伏運(yùn)維數(shù)據(jù)的虛擬采集法

當(dāng)區(qū)域內(nèi)及相鄰區(qū)域的標(biāo)準(zhǔn)電站較少或者相似區(qū)域內(nèi)天氣信息差異較大時(shí)，上述兩種方法無(wú)法使用。但若待測(cè)電站本身具有一定的光伏運(yùn)維數(shù)據(jù)采集裝置，可以利用部分光伏運(yùn)維數(shù)據(jù)，結(jié)合新能源光伏智慧運(yùn)維云平臺(tái)數(shù)據(jù)庫(kù)中存儲(chǔ)完整的光伏電站運(yùn)維數(shù)據(jù)信息完成虛擬采集。該方法由于沒(méi)有相同環(huán)境或者環(huán)境相似的光伏電站作為參考，僅能利用其所處地區(qū)的天氣類(lèi)型，所以該方法精度最低，具體步驟如下：

1）新能源光伏智慧運(yùn)維云平臺(tái)數(shù)據(jù)篩選。根據(jù)實(shí)時(shí)的天氣信息與電網(wǎng)數(shù)據(jù)庫(kù)中的天氣信息進(jìn)行比較，選取一批與當(dāng)天天氣類(lèi)型最接近的光伏電站。

2）確定待預(yù)測(cè)電站能源光伏智慧運(yùn)維云平臺(tái)數(shù)據(jù)庫(kù)中的相似子站，計(jì)算新能源光伏智慧運(yùn)維云平臺(tái)中的運(yùn)維數(shù)據(jù)與進(jìn)行虛擬采集的電站的灰色關(guān)聯(lián)度，選取灰色關(guān)聯(lián)度最大的標(biāo)準(zhǔn)電站作為待測(cè)電站P 的標(biāo)準(zhǔn)電站Q。

3）在新能源光伏智慧運(yùn)維云平臺(tái)中，隨機(jī)選取標(biāo)準(zhǔn)電站A 與B，對(duì)區(qū)域范圍外標(biāo)準(zhǔn)電站A 與B 的歷史光伏運(yùn)維數(shù)據(jù)作為樣本集，建立光伏運(yùn)維數(shù)據(jù)虛擬采集模型。

4）利用3）中建立好的模型，采用標(biāo)準(zhǔn)電站Q 當(dāng)前實(shí)時(shí)運(yùn)維數(shù)據(jù)值作為所建立模型的輸入、輸出待測(cè)電站P 的虛擬采集數(shù)據(jù)，完成虛擬采集。

綜上所述，基于相似子站的分布式光伏虛擬采集關(guān)鍵技術(shù)，見(jiàn)圖6。

圖6 基于相似子站的虛擬采集關(guān)鍵技術(shù)Fig.6 Key technology of virtual acquisition based on similar substation

4.5 虛擬采集方法的未來(lái)展望

虛擬采集作為一種新興的新能源相關(guān)技術(shù)，是為解決好分布式光伏運(yùn)維成本高難題而專(zhuān)門(mén)設(shè)計(jì)的，他可以有效解決當(dāng)前分布式光伏產(chǎn)業(yè)困境，改變分布式光伏固定的運(yùn)維模型以及產(chǎn)業(yè)結(jié)構(gòu)，促進(jìn)光伏產(chǎn)業(yè)的智能化與自動(dòng)化，對(duì)推動(dòng)我國(guó)乃至世界分布式光伏事業(yè)的發(fā)展起到重要作用。

隨著化石能源的不斷減少與環(huán)境污染的日益加劇，新時(shí)代對(duì)我國(guó)新能源產(chǎn)業(yè)提出了更高的要求，新能源技術(shù)同樣將會(huì)得到國(guó)家的大力支持，國(guó)家電網(wǎng)有限公司也已經(jīng)搭建了全國(guó)新能源數(shù)據(jù)云平臺(tái)。本文基于大數(shù)據(jù)與人工智能技術(shù)建立了光伏運(yùn)維數(shù)據(jù)預(yù)測(cè)模型，該方法具有良好的普適性，不僅可以應(yīng)用于分布式光伏領(lǐng)域，還可逐漸推廣至風(fēng)能、核能等新能源產(chǎn)業(yè)中來(lái)，完成整個(gè)新能源技術(shù)的產(chǎn)業(yè)改革。目前針對(duì)虛擬采集的研究?jī)H僅處于起步階段，采集精度還有待更加多的實(shí)際工程案例應(yīng)用和驗(yàn)證。隨著人工智能與大數(shù)據(jù)技術(shù)的不斷發(fā)展，專(zhuān)門(mén)面向虛擬采集的人工智能技術(shù)也會(huì)在未來(lái)得到不斷完善與發(fā)展。

5 結(jié)語(yǔ)

面向目前我國(guó)分布式光伏產(chǎn)業(yè)鏈快速發(fā)展而出現(xiàn)的光伏運(yùn)維數(shù)據(jù)采集成本高、效率低的問(wèn)題，提出了一種新型的分布式光伏運(yùn)維數(shù)據(jù)虛擬采集技術(shù)的思路，以期為解決分布式光伏行業(yè)運(yùn)維難題提供數(shù)據(jù)基礎(chǔ)。

隨著國(guó)家對(duì)分布式光伏事業(yè)的重視程度加深，分布式光伏裝機(jī)容量逐年提升，虛擬采集將會(huì)對(duì)分布式光伏事業(yè)的發(fā)展起到至關(guān)重要的推動(dòng)作用。隨著當(dāng)前計(jì)算機(jī)技術(shù)、人工智能技術(shù)與大數(shù)據(jù)的發(fā)展，以及光伏運(yùn)維數(shù)據(jù)智慧平臺(tái)的建立與完善，虛擬采集的精度與實(shí)用性也會(huì)得到進(jìn)一步提升。作為一種新型新能源數(shù)據(jù)預(yù)估技術(shù)，在未來(lái)也可以逐漸推廣至集中式光伏、風(fēng)電等多個(gè)新能源工程領(lǐng)域。

然而，虛擬采集技術(shù)的研究還處于起步階段，目前虛擬采集技術(shù)的應(yīng)用效果還有待進(jìn)一步結(jié)合實(shí)際工程驗(yàn)證，機(jī)遇和挑戰(zhàn)并存。另外，結(jié)合實(shí)際情況與本文結(jié)論，下一步的研究考慮尋找將人工智能算法、大數(shù)據(jù)技術(shù)、現(xiàn)場(chǎng)數(shù)據(jù)緊密結(jié)合的方法，以期提高光伏運(yùn)維數(shù)據(jù)的虛擬采集精度。