基于LSTM-Transformer的分布式光伏违规扩容识别方法

魏梅芳; 李雄; 周文晴; 李彬; 苏盛

doi:doi:10.19912/j.0254-0096.tynxb.2024-1146

English Version Reader LoginJournal Login

您当前的位置：

首页 >

文章列表页 >

基于LSTM-Transformer的分布式光伏违规扩容识别方法

更新时间：2026-01-08

- 基于LSTM-Transformer的分布式光伏违规扩容识别方法
- Vol. 46, Issue 12, Pages: 324-332(2025)
- 作者机构：
- 作者简介：
- 基金信息：
- DOI：doi:10.19912/j.0254-0096.tynxb.2024-1146
  CLC： TM615
- Published Online：07 January 2026，
  
  Published：2025
- 稿件说明：
移动端阅览
魏梅芳, 李雄, 周文晴, et al. 基于LSTM-Transformer的分布式光伏违规扩容识别方法[J]. 2025, 46(12): 324-332.
DOI：

魏梅芳, 李雄, 周文晴, et al. 基于LSTM-Transformer的分布式光伏违规扩容识别方法[J]. 2025, 46(12): 324-332. DOI： doi:10.19912/j.0254-0096.tynxb.2024-1146.

摘要

针对用户分布式光伏违规扩容威胁配电系统安全可靠运行的问题

提出一种基于长短期记忆网络（LSTM）-Transformer的分布式光伏违规扩容识别方法

首先进行时间序列数值和形态相似性预处理

筛选出与标杆电站气象情况一致的光伏电站;然后构建LSTM-Transformer模型

利用预处理后的数据进行训练和参数优化

预测光伏电站的理论出力;进而采用高斯核函数

基于实际发电功率与模型预测输出偏差计算违规扩容指数（IEI）

基于IEI的数值和突变时间检测光伏用户违规扩容严重程度和扩容时间。通过实际光伏用户数据验证了所提方法的有效性。

Abstract

With the wide application of distributed PV systems

the problem of users' illegal capacity expansion is gradually highlighted

which poses a threat to the stable operation of the power grid. In order to effectively identify the expansion behavior of distributed PV users

a distributed PV violation expansion identification method based on LSTM-Transformer is proposed. The method firstly screens out the PV power plants that are consistent with the meteorological conditions of the benchmark power plants through time series numerical and morphological similarity preprocessing

then constructs the LSTM-Transformer model

and uses the preprocessed data for training and parameter optimization to predict the theoretical output power of PV power plants. By comparing the actual power generation with the predicted output of the model

Gaussian kernel function is used to calculate the illegal expansion index （EVI）

detecting the severity of illegal expansion of PV users through the size of EVI

and determining the time of illegal expansion of users through the time of EVI mutation. The effectiveness of the proposed method was verified based on the actual data of photovoltaic users.

关键词

Keywords

references

李鑫, 高伟, 杨耿杰. 基于动态时间规整的光伏系统直流串联电弧故障特征提取[J]. 太阳能学报, 2023, 44(12): 82-89.

汤渊, 吴裕宙, 苏盛, 等. 基于改进深度极限学习机的光伏扩容用户识别方法[J]. 电力系统及其自动化学报, 2024, 36(5): 59-68.

白文伦, 李文丹, 李若, 等. 基于多端数据融合的绕表窃电检测方法[J]. 大众用电, 2023, 38(12): 52-53.

孔祥玉, 马玉莹, 赵鑫, 等. 基于多阶段递推数据分析的低压台区窃电检测方法[J]. 中国电机工程学报, 2024, 44(15): 5921-5934.

殷涛, 薛阳, 杨艺宁, 等. 基于向量自回归模型的高损线路窃电检测[J]. 中国电机工程学报, 2022, 42(3): 1015-1024.

刘康, 李彬, 薛阳, 等. 基于传递熵密度聚类的用户窃电识别方法[J]. 中国电机工程学报, 2022, 42(20): 7535-7546.

李景歌, 荣娜, 陈庆超. 基于生成对抗网络的分布式光伏窃电数据增强方法[J]. 电力科学与技术学报, 2022, 37(5): 181-190.

薛阳, 杨艺宁, 廖文龙, 等. 基于非线性独立成分估计的分布式光伏窃电数据增强方法[J]. 电力系统自动化, 2022, 46(2): 171-179.

张娜, 葛磊蛟. 基于SOA优化的光伏短期出力区间组合预测[J]. 太阳能学报, 2021, 42(5): 252-259.

HAN Y T, WANG N B, MA M, et al.A PV power interval forecasting based on seasonal model and nonparametric estimation algorithm[J]. Solar energy, 2019, 184: 515-526.

王海军, 居蓉蓉, 董颖华. 基于时空关联特征与B-LSTM模型的分布式光伏功率区间预测[J]. 中国电力, 2024, 57(7): 74-80.

董俊, 刘瑞, 束洪春, 等. 基于BIRCH聚类的L-Transformer分布式光伏短期发电功率预测[J]. 高电压技术, 2024, 50(9): 3883-3893.

周海, 李登宣, 尹万思, 等. 基于极限学习机的光伏发电短期预测校正方法[J]. 电网与清洁能源, 2020, 36(6): 64-69, 77.

李宝, 孙树敏, 王士柏, 等. 基于空间相关性的区域分布式光伏预测[J]. 电源技术, 2021, 45(8): 1048-1051.

栗峰, 丁杰, 周才期, 等. 新型电力系统下分布式光伏规模化并网运行关键技术探讨[J]. 电网技术, 2024, 48(1): 184-199.

陆双, 彭曙蓉, 杨云皓, 等. 基于平均影响值-启发式前向搜索的异常光伏用户识别方法[J]. 电力自动化设备, 2022, 42(2): 106-111.

唐冬来, 倪平波, 李玉, 等. 基于互信共识标识的县域屋顶光伏消纳交易策略[J]. 电力系统自动化, 2022, 46(22): 41-50.

MOSIER B R, BANTIS L E.Combining multiple biomarkers linearly to minimize the Euclidean distance of the closest point on the receiver operating characteristic surface to the perfection corner in trichotomous settings[J]. Statistical methods in medical research, 2024, 33(4): 647-668.

BARONA LÓPEZ L I, FERRI F M, ZEA J, et al. CNN-LSTM and post-processing for EMG-based hand gesture recognition[J]. Intelligent systems with applications, 2024, 22: 200352.

臧海祥, 张越, 程礼临, 等. 基于ICEEMDAN-LSTM和残差注意力的短期太阳辐照度预测[J]. 太阳能学报, 2023, 44(12): 175-181.

陈巧红, 孙佳锦, 漏杨波, 等. 基于多任务学习与层叠Transformer的多模态情感分析模型[J]. 浙江大学学报(工学版), 2023, 57(12): 2421-2429.

侯志强, 杨晓麟, 马素刚, 等. 基于特征增强和历史帧选择的Transformer视觉跟踪算法[J]. 控制与决策, 2024, 39(10): 3506-3512.

李贝奥, 李开成, 肖贤贵, 等. 基于多尺度卷积融合时间序列Transformer的复合电能质量扰动识别[J]. 电网技术, 2025, 49(6): 2511-2520.

PRECUP R E, DAVID R C, PETRIU E M.Grey wolf optimizer algorithm-based tuning of fuzzy control systems with reduced parametric sensitivity[J]. IEEE transactions on industrial electronics, 2017, 64(1): 527-534.

张雪松, 李鹏, 周亦尧, 等. 基于贝叶斯概率的光伏出力组合预测方法[J]. 太阳能学报, 2021, 42(10): 80-86.

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

基于CNN-LSTM混合网络的新型配电网异常数据检测模型

基于GSS的RIME-CNN-LSTM-Attention光伏出力组合预测模型

基于TCN-SENet-Transformer的新型超短期风电功率组合预测方法

安全与能效约束下分布式光伏最大准入容量评估

基于多通道特征融合优化VMD-SCNN-LSTM的锂电池RUL预测

Related Author

王冰梅

张冶

李书斌

回茜

张雯舒

黄毅

马一力

苗安康

Related Institution

Chinese Academy of Environmental Planning

College of Environmental Science and Engineering, North China Electric Power University

School of Electronics and Information Engineering, Shanghai University of Electric Power

Aalborg University, the Faculty of Engineering and Science, Aalborg

Shenyang University of Technology, School of Electrical Engineering

AI问答

⁰