一种数据高效的表后太阳能发电分解方法
系统与控制
2021-05-19 v1 系统与控制
摘要
随着高性价比电池储能的出现以及太阳能光伏(PV)平准化能源成本(LCOE)的下降,表后太阳能光伏系统的数量预计将稳步增长。估算这些潜在系统的太阳能发电量对于一系列应用至关重要,包括配电系统规划与运行、需求响应以及非侵入式负载监测(NILM)。本文研究了在目标家庭的历史分解数据不可用且光伏系统部署特性未知的情况下,从智能电表数据中分解太阳能发电量的问题。所提方法包括从智能电表数据推断物理特性,并使用迭代算法分解太阳能发电量。该算法利用了位于目标家庭同一区域的少数站点的太阳能发电数据(即代理测量值),以及使用物理光伏模型合成的太阳能发电数据。我们在美国和澳大利亚约160个家庭上以4种不同的代理设置评估了我们的方法,结果表明,仅使用一个真实代理和三个合成代理,太阳能分解精度相比两种最先进的方法分别提高了32.31%和15.66%。此外,我们证明使用分解后的家庭负载而非净负载数据可将三种流行NILM方法的整体精度提高至少22%。
引用
@article{arxiv.2105.08122,
title = {A Data-Efficient Approach to Behind-the-Meter Solar Generation Disaggregation},
author = {Xinlei Chen and Moosa Moghimi Haji and Omid Ardakanian},
journal= {arXiv preprint arXiv:2105.08122},
year = {2021}
}