本发明涉及发电数据评价领域，具体涉及一种基于深度神经网络的发电数据质量评价方法及系统。
背景技术：
1、新能源产业蓬勃发展，分布于各地的新能源场站也越来越多，为了准确的获知分布于各个区域的新能源场站的发电情况，通常采用的手段为评价各区域内新能源场站发电数据；获取的评价结果不仅能够用于对应区域发电和用电分析，实现对应区域的电力电量平衡，还也能够分析对应区域新能源发电业务的发展前景，进而对对应区域的新能源业务的规划提供数据支撑。
2、相关技术中，评价各区域内新能源场站发电数据采用的方法为每个场站对各自的发电量或出力进行评价，通过诊断发电量或出力的方式对发电量数据异常进行诊断，发电量数据诊断的方法为从采集表码、通讯故障、数据传输等方面进行完整性、有效性诊断，对诊断结果做定性评价；而通过出力数据诊断为通过主元分析、独立元分析等技术构建模型进行完整性、有效性诊断；之后将评价结果带入至对应区域内进行总体分析，分析结果相较于实际情况存在较大误差。
技术实现思路
1、为了解决现有技术中通过单一指标对区域场站的发电数据质量进行评价得到的评价结果与实际情况存在较大误差的问题，本发明提出了一种基于深度神经网络的发电数据质量评价方法及系统。本发明提供的方法中，通过根据区域内场站的发电量数据和出力数据进行评价，得到每个场站的发电量评分和出力评分，进而得到区域的发电量评分和出力评分的分布情况，之后利用构建的区域发电数据质量评价模型对区域的发电数据质量进行整体评价，获取区域内场站的发电数据质量评价结果，相比于通过单一指标对区域场站的发电数据质量进行评价的方式，本发明所提供的评价方法得到的评价结果更加准确，能够为后续进行电力电量平衡、新能源规划等业务场景提供有效的数据支撑。
2、为了实现上述发明目的，本发明采取如下技术方案：
3、一方面，本发明提供了一种基于深度神经网络的发电数据质量评价方法，包括：
4、获取待评价的区域内多个场站的发电量数据和出力数据；
5、基于每个所述场站的发电量数据和出力数据，利用预先构建的发电量异常诊断模型和出力异常诊断模型，分别获得每个所述场站的发电量评分和出力评分；
6、根据所述区域内每个场站的发电量评分和出力评分，分别获取所述区域的发电量评分和出力评分的分布情况；
7、基于所述区域的发电量评分和出力评分的分布情况，利用预先构建的区域发电数据质量评价模型，得到所述区域的发电数据质量评价结果。
8、可选的，所述发电量异常诊断模型的构建包括：
9、构建所述区域的发电量输入集，所述发电量输入集包括多条历史发电量数据；所述历史发电量数据包括月度发电量、月度平均利用小时、上月发电量、去年同期发电量和月度出力；
10、获取每条所述历史发电量数据的历史评分；
11、基于每条所述历史发电量数据及对应的历史评分，对深度神经网络进行训练，得到所述发电量异常诊断模型。
12、可选的，所述获取每条所述历史发电量数据的历史评分，包括：
13、基于每条所述历史发电量数据，得到所述历史发电量数据对应的发电量偏差率、同比偏差和环比偏差；
14、基于每条所述历史发电量数据对应的发电量偏差率、同比偏差和环比偏差，对所述历史发电量数据进行评分，得到所述历史发电量数据的历史评分。
15、可选的，所述发电量偏差率满足以下公式：
16、δ＝(w-w计)/w计*100％
17、
18、式中，δ为待评价区域的发电量偏差率；w为待评价区域的月度发电量；w计为待评价区域的计算发电量，pt为待评价区域一天的出力，由月度出力得到；t为当月的第t天；n为当月的总天数；i为每天的第i个采样时刻；pi为第i个采样时刻对应的出力。
19、可选的，所述出力异常诊断模型的构建包括：
20、构建所述区域的出力输入集，所述出力输入集包括多条历史出力数据，所述历史出力数据包括出力值；
21、获取每条所述历史出力数据的历史评分；
22、基于每条所述历史出力数据及对应的历史评分，对深度神经网络进行训练，得到所述出力异常诊断模型。
23、可选的，所述获取每条所述历史出力数据对应的历史评分，包括：
24、针对每个采样时刻，在每条所述历史出力数据中确定所述采样时刻的历史最大出力值和历史最小出力值；根据所述采样时刻的历史最大出力值和历史最小出力值，得到所述采样时刻的出力区间；
25、综合每个所述采样时刻的出力区间，得到所述区域的出力区间分布；
26、针对每条所述历史出力数据，根据所述历史出力数据在所述出力区间分布中的位置，得到所述历史出力数据的历史评分。
27、可选的，所述历史最大出力值满足以下公式：
28、
29、式中，pimax为第i个采样时刻的历史最大出力值，pi为待评价区域从数据开始至今记录的历史出力数据中每天第i个采样时刻的出力值。
30、可选的，所述历史最小出力值满足以下公式：
31、
32、式中，pimin为第i个采样时刻的历史最小出力值，pi为待评价区域从数据开始至今记录的历史出力数据中每天第i个采样时刻的出力值。
33、可选的，所述根据所述区域内每个场站的发电量评分和出力评分，分别获取所述区域的发电量评分和出力评分的分布情况，包括：
34、根据每个所述场站的发电量评分和预设的每个发电量评分区间，得到每个所述发电量评分区间的场站数量占比；综合每个所述发电量评分区间和每个所述发电量评分区间的场站数量占比，得到所述区域的发电量评分的分布情况；
35、根据每个所述场站的出力评分和预设的每个出力评分区间，得到每个所述出力评分区间的场站数量占比；综合每个所述出力评分区间和每个所述出力评分区间的场站数量占比，得到所述区域的出力评分的分布情况。
36、另一方面，本发明还公开了一种基于深度神经网络的发电数据质量评价系统，包括：
37、发电数据获取模块，用于获取待评价的区域内多个场站的发电量数据和出力数据；
38、发电量及出力评价模块，用于基于每个所述场站的发电量数据和出力数据，利用预先构建的发电量异常诊断模型和出力异常诊断模型，分别获得每个所述场站的发电量评分和出力评分；
39、评分分布获取模块，用于根据所述区域内每个场站的发电量评分和出力评分，分别获取所述区域的发电量评分和出力评分的分布情况；
40、发电数据质量评价模块，用于基于所述区域的发电量评分和出力评分的分布情况，利用预先构建的区域发电数据质量评价模型，得到所述区域的发电数据质量评价结果。
41、与现有技术相比，本发明的有益效果为：
42、本发明提出了一种基于深度神经网络的发电数据质量评价方法及系统，本发明提供的方法中，通过根据区域内场站的发电量数据和出力数据进行评价，得到每个场站的发电量评分和出力评分，进而得到区域的发电量评分和出力评分的分布情况，之后利用构建的区域发电数据质量评价模型对区域的发电数据质量进行评价，获取区域内场站的发电数据质量评价结果，相比于通过单一指标对区域场站的发电数据质量进行评价的方式，本发明所提供的评价方法得到的评价结果更加准确，能够为后续进行电力电量平衡、新能源规划等业务场景提供有效的数据支撑。
1.一种基于深度神经网络的发电数据质量评价方法，其特征在于，包括：
2.如权利要求1所述的方法，其特征在于，所述发电量异常诊断模型的构建包括：
3.如权利要求2所述的方法，其特征在于，所述获取每条所述历史发电量数据的历史评分，包括：
4.如权利要求3所述的方法，其特征在于，所述发电量偏差率满足以下公式：
5.如权利要求1所述的方法，其特征在于，所述出力异常诊断模型的构建包括：
6.如权利要求5所述的方法，其特征在于，所述获取每条所述历史出力数据对应的历史评分，包括：
7.如权利要求6所述的方法，其特征在于，所述历史最大出力值满足以下公式：
8.如权利要求6所述的方法，其特征在于，所述历史最小出力值满足以下公式：
9.如权利要求1所述的方法，其特征在于，所述根据所述区域内每个场站的发电量评分和出力评分，分别获取所述区域的发电量评分和出力评分的分布情况，包括：
10.一种基于深度神经网络的发电数据质量评价系统，其特征在于，包括：
