利用大数据与排列熵的屋顶光伏系统高效异常检测方法
机器学习
2023-01-18 v1 信息论
系统与控制
系统与控制
math.IT
摘要
近年来，包括澳大利亚在内的全球范围内，屋顶光伏（PV）系统的数量显著增加。预计这一趋势在未来几年将持续。鉴于其在电力系统中较高的发电占比，检测屋顶光伏系统的故障与异常对于确保其高效与安全至关重要。本文提出了一种利用大数据和一种称为加权排列熵（WPE）的时间序列复杂度测度，对某一地区大量安装的屋顶光伏系统进行异常检测的新方法。该高效方法仅利用给定区域的历史光伏发电数据来识别异常光伏系统，无需任何新的传感器或智能设备。利用真实世界的光伏发电数据集，我们讨论了如何为此目的调整 WPE 的超参数。随后，将所提出的光伏异常检测方法应用于南澳大利亚 100 多户家庭的屋顶光伏发电数据上进行测试。结果表明，由我们方法检测出的异常系统确实存在问题，需要仔细检查。潜在故障的检测与解决将带来更优的屋顶光伏系统、更长的使用寿命以及更高的投资回报。
引用
@article{arxiv.2301.06035,
title = {Efficient anomaly detection method for rooftop PV systems using big data and permutation entropy},
author = {Sahand Karimi-Arpanahi and Ali Pourmousavi},
journal= {arXiv preprint arXiv:2301.06035},
year = {2023}
}
备注
6 pages, 6 figures. Accepted version of the paper presented at 2022 Australasian Universities Power Engineering Conference (AUPEC), Adelaide, Australia