用于大型光伏电站异常数据识别与重建的物理约束对抗式Transformer

《ENERGY CONVERSION AND MANAGEMENT》：Physics-constrained adversarial Transformer for abnormal data identification and reconstruction in large-scale photovoltaic power plants

　　

摘要：智能光伏（PV）运维严重依赖高质量数据。异常数据的精确识别与重建直接影响数字化运维（O&M）水平。然而，现有方法忽略了光伏光电转换机制和阵列空间相关性，导致隐藏异常检测能力差、物理可解释性有限且泛化能力弱。为解决这些问题，我们提出了一种基于生成对抗网络（GAN）和Transformer的异常数据识别与重建（ADIR）框架，受物理机制约束并输出空间相似性。首先，通过最大信息系数筛选高相关性监测特征，并结合机制模型与时空一致性构建双重约束。然后，利用时空残差定位并掩蔽多重隐藏异常。最后，物理约束对抗式Transformer实现异常片段的高精度重建。在大型光伏电站现场数据验证中，F1分数为0.931，重建均方根误差（RMSE）为0.27，分别优于最先进基准43.2%和53.7%。此外，重建结果符合能量转换的物理规律。本工作的主要贡献有三点：（1）将光伏单二极管机制边界约束和阵列空间相似性同时嵌入重建过程以确保物理合理性；（2）提出基于最大信息系数（MIC）和多视角残差的工作流程以实现精确特征选择和异常定位；（3）设计可微分的物理-空间联合惩罚损失以实现高精度时空诊断。这是面向大型光伏电站的一种新颖的系统性ADIR框架，有效解决了直流侧数据质量问题，为智能光伏运维和性能评估提供了可靠的数据支持。

引言：根据国际可再生能源署（IRENA）的最新统计数据[1]，2025年全球新增太阳能装机容量达到511.2 GW，约占可再生能源总装机新增量的75%。随着光伏（PV）装机容量的持续扩大，后续运维（O&M）压力显著增加，智能运维需要系统性的状态监测和定期维护。在光伏电站数字化运维系统中，来自电站监控与数据采集（SCADA）系统的运行数据是影响发电量性能预测和设备健康管理可靠性的关键因素[2]。然而，大多数现有故障诊断算法基于理想数据集开发，而SCADA系统采集的数据经常受到通信丢包、传感器零点漂移和电磁干扰等各类问题的困扰。将这些含有干扰数据的样本直接输入诊断模型，必然导致特征提取偏差，严重扰乱运行规律挖掘和特征相关性分析。因此，开展光伏阵列异常数据识别与重建（ADIR）研究具有重要的工程意义。值得注意的是，在ADIR研究中必须严格区分两种不同类型的光伏数据偏差：一种是由云遮荫、功率削减和组件老化引起的自然物理波动，反映了真实设备运行状态，应予保留；另一种是由传感器或通信故障引起的测量异常，是本文要识别和重建的目标。

现有异常数据识别（ADI）方法主要分为统计类方法、聚类类方法和深度学习类方法。早期研究多依赖概率统计和信号处理技术，如改进的四分位法[3]、最优组内方差法[4]和非参数估计[5]。此类方法假设数据服从特定统计分布。尽管计算简单、易于工程实现，但由于光伏输出的波动性，实际光伏数据常呈现非线性分布。当数据集中存在连续零值或数据堆积时，统计方法极易产生误判。异常样本将导致数据分布发生系统性偏移，使原本单峰或近似平稳的统计特征呈现失真分布，从而破坏统计方法的判别基础。为解决这一局限性，基于聚类的机器学习方法[6]、[7]得到了广泛应用。文献[8]的对比研究表明，聚类算法能有效分离高维空间中的离群点，检测精度优于统计方法。然而，聚类算法通常忽略时间序列的连续性，且计算效率随特征维度增加而显著下降。相比之下，风力发电数据受气动特性显著影响，火电运行数据受热力学循环过程强约束，运行工况变化相对连续。这些场景中的异常数据多表现为局部离群点，使ADI方法更有效。然而，光伏场景中的非平稳特性进一步放大了这些局限性。对于统计和聚类类ADI方案，一个普遍的核心缺陷在于完全忽视了光伏阵列固有的时空耦合特性；它们仅支持简单的离群值筛选，缺乏重建长序列失真数据的能力。

近年来，基于深度学习的ADI[9]、[10]成为主流。文献[11]采用具有多输出检测和分类的深度学习算法实现光伏系统故障诊断。文献[12]提出基于自编码器的方法，通过最小化重建误差来识别异常。尽管此类方法具有强大的特征提取能力，但大多数现有模型将每个设备单元视为孤立节点，忽略了光伏阵列内部及逆变器之间的强空间相关性。文献[13]的研究表明，当发生云遮荫等局部气象变化时，相邻阵列的功率输出应呈现同步变化。如果仅从时间维度进行检测，难以区分由设备故障引起的输出变化与传感器漂移等测量异常。这进一步导致将伪异常（即具有物理意义的故障信号）误判为噪声，造成故障信号的错误识别。因此，有必要考虑并区分光伏发电机制与空间相似性特征。当前的研究空白在于，现有方法尚未将光伏机制与空间相似性联合应用于ADI，未能系统地区分测量异常与实际故障信号。通过上述分析可知，利用光伏电站的能量转换过程以及大型光伏电站中核心关键设备间的输出相似性可以有效识别异常数据，具有重要的研究价值。

在完成ADI之后，如何对产生的缺失值或被消除的异常段进行高质量重建，是确保数据完整性的另一核心挑战[14]、[15]。传统数据插补方法如拉格朗日插值法、自适应阈值法[16]和经验分解法[17]，在处理短期、单点缺失数据时效果令人满意。然而，面对光伏电站中连续的长期数据丢失，插值结果往往过于平滑，无法恢复光伏功率在多变天气条件下的高频波动特性。随着时间序列预测技术的发展，基于深度学习的重建方法如长短期记忆网络（LSTM）和自编码器逐渐成为主流。Kou等人[18]证明使用LSTM挖掘历史数据的时序依赖关系，插补精度显著高于传统插值方法。Fan等人[19]提出了一种多尺度注意力掩蔽自编码器用于风机SCADA数据插补，但由于时变的串间相似性，该方法无法直接迁移至光伏系统。然而，深度学习模型具有缺乏物理约束知识的固有缺陷。纯数据驱动模型生成的重建数据往往仅在数值上近似，但可能产生违反物理规律的错误波形。这类缺乏物理可解释性的重建数据[20]很难作为后续故障诊断和效率评估的可靠基准。重建电气数据时，通常需要考虑其输出特性。风电异常数据重建（ADR）通常依赖相邻风机之间的输出相似性和尾流效应建模。火电和储能系统可以借助热力学模型或能量守恒方程进行重建。然而，光伏发电受局部遮荫和辐照突变显著影响，设备间相似性表现出强烈的时变特性，方法难以直接迁移，需要综合考虑光电转换物理模型等约束。目前仍缺乏能够有效整合光伏物理机制并适应强时变输出特性的ADR方法，导致数据驱动模型物理可解释性弱、重建数据可信度低。

为进一步增强重建数据的真实性，生成对抗网络（GAN）[21]、[22]、[23]被引入ADR领域。文献[24]利用GAN生成符合可再生能源场景输出特性的数据，通过生成器与判别器之间的博弈逼近真实数据分布。尽管GAN在描述概率分布方面表现优异，但在处理光伏时间序列数据时难以同时兼顾长期时序依赖和设备间空间相关性，且训练过程容易产生模式崩塌[25]。Qu等人[26]提出了一种混合增强域对抗网络（MDAN）以实现光伏阵列间的无监督故障诊断迁移。研究表明，与Transformer结合的GAN框架具有稳定训练和可扩展扩展的潜力，为时间序列数据的高效生成提供了新思路[27]。此外，纯数据驱动的时空深度学习模型通常将每个阵列视为孤立单元，忽视了光伏电站内跨阵列的固有空间相似性。缺乏物理约束时，它们容易产生违反光电转换规律的reconstructed数据，产生物理上不合理的波形。虽然物理信息神经网络（PINN）[28]、[29]和混合诊断模型[30]、[31]已被提出以强制物理一致性，但它们大多应用于单元级，缺乏场站级空间相关性建模。此外，这些物理信息方法很少与生成模型耦合用于缺失或异常数据重建，限制了其在大规模光伏数据恢复中的适用性。Wang等人[32]提出了一种结合图神经网络（GNN）和时空注意力机制的方法，尝试在重建过程中引入空间注意力信息。我们系统性地对比了主流物理感知的时空光伏重建最新方法（SOTA），总结出了四个固有缺陷：第一，先前模型仅在输出后添加物理损失，未将单二极管机制集成到特征工程和异常基准中，当相邻串退化时缺乏独立的物理备份。第二，静态邻域平均无法捕捉变辐照条件下的时变空间相似性。第三，单一端到端架构将真实运行状态与测量误差混淆，导致误报率升高。第四，现有GAN-Transformer组合无法在统一管道内同时完成异常定位和物理一致性重建。然而，现有深度学习架构仍为通用架构，缺乏光伏领域特定的先验知识，如光电转换机制和阵列间空间相似性约束。因此，它们在局部遮荫和阵列故障等复杂条件下泛化能力有限，常产生物理不一致的重建结果。受此启发，要利用GAN实现光伏电站的ADI和高分辨率重建，必须突破单一时间维度的限制，构建融合时空特征挖掘与物理约束的对抗学习框架。

为清晰勾勒当前研究轨迹并阐明我们方法的必要性，表1总结了光伏数据异常检测的代表性方法，突出了各自的优点、关键局限性和相应的研究空白。如图所示，尽管现有数据驱动和物理信息模型在识别单点异常样本方面取得了显著进展，但将场站级空间一致性与单元级物理边界相结合的系统性框架仍然缺失。现有研究极少同时利用多尺度物理约束和空间相关特征进行直流侧异常数据识别与重建。我们所提出的框架旨在解决这些综合缺陷。

综上所述，现有光伏异常数据处理方法仍存在三个核心问题：异常识别未能整合光伏时空特征和光电转换机制，导致异常识别精度低；ADR缺乏光伏领域的物理约束，导致纯数据驱动模型生成结果的可解释性差；大多数现有研究方法采用单模块设计，未构建识别与重建的协同框架，无法平衡异常识别与全局拟合。

针对文献综述中总结的现有SOTA方法的上述缺点，本文提出了一种物理约束的Transformer ADIR框架，并与两个轻量级小模型协同工作。与简单堆叠Transformer、GAN和分离的物理损失函数不同，本工作提供了四项独有的方法学进展：（1）时空残差掩蔽后接约束对抗重建的解耦两阶段流程，以区分测量失真与PV自然运行状态；（2）贯穿特征工程、异常定位和重建训练全流程的多维度物理约束；（3）具有加权邻域相似度的时变空间注意力嵌入，以抑制退化相邻组串的干扰；（4）优化后的WGAN-GP对抗生成器，以缓解PV功率曲线长序列的模式崩溃问题。经过全面的文献比较和差距分析，本文确认它是一个集光电转换机制、时变空间相似度、Transformer长程注意力和对抗生成于一体的系统性ADIR框架，用于大规模PV系统中异常直流侧数据的识别与重建。

本文其余部分组织如下：第2节分析光伏阵列的异常数据问题，并提出轻量级机制以及时空相似性小模型。第3节详细阐述了小模型约束的时空对抗识别与重建方法。第4节使用集中式光伏电站现场实测数据进行案例验证和模型比较。第5节总结研究并展望未来研究方向。

光伏电厂核心关键设备输出特性中的异常数据问题

本研究以中国山西省一座100 MW集中式光伏电站（称为1号电站，包含440台逆变器和约7000个PV组串，SCADA分辨率为1分钟，数据时间跨度为2024年8月至2025年10月）的运行数据作为主要测试平台，用于问题动机分析、模型训练和核心基准评估。以2024年8月1号电站的运行数据作为分析示例，选取日辐照度大于100 W/m2的有效观测数据。

小模型约束的时空对抗识别与重建方法

现有ADR方法通常采用传统插值或机器学习技术，难以同时兼顾数据完整性、分布真实性和物理一致性。本文构建了一个分层处理框架，先执行ADI再执行ADR，包括两个阶段：基于时空残差的异常掩蔽和基于Transformer的、受小模型约束的对抗重建。

案例分析

为了系统评估所提出的PC-AT框架的性能、计算效率和泛化能力，使用了两个不同光伏电站的真实SCADA运行数据集，分别称为1号电站和2号电站。

如第2.1节所述，1号电站作为主要数据集，用于主模型训练、基线比较、超参数敏感性分析和消融研究。为进一步评估该框架在不同……的鲁棒性

结论

针对光伏电站SCADA系统的测量数据异常问题，本文提出了一种融合物理机制约束和时空相似度的光伏电站ADIR框架。结论总结如下：

1. 增强了复杂运行条件下定位异常数据的能力。基于MIC筛选和时序相似性分析构建的特征子集，结合最优Transformer架构，不仅……

贡献声明

Yongjun Lian：撰写初稿、可视化、软件、方法论、概念化。Jianxi Yao：指导、项目管理。Jiajie Li：验证、调查。Honglu Zhu：撰写-审阅与编辑、指导、项目管理、方法论、资金获取、概念化。

利益冲突声明

作者声明，他们没有已知的与本文报告的工作相冲突的财务利益或个人关系。

Yongjun Lian | Jianxi Yao | Jiajie Li | Honglu Zhu
华北电力大学新能源学院，北京 102206，中国