Застосування баєсівської оцінки ризику для визначення аномалій в фактичних погодинних графіках генерування фес

Abstract

У роботі запропоновано підхід до виявлення аномалій у графіках генерування фотоелектричних станцій (ФЕС) на основі баєсівської-оцінки ризику недовиробітку методом Монте-Карло для марковських процесів (MCMC). Підхід поєднує фізичну модель очікуваної потужності, побудовану на сонячній геометрії та градієнтному бустингу, з ймовірнісним аналізом залишків через розподіл Стьюдента. Алгоритм враховує тільки випадки недовиробітку, оцінює ризик аномалії як ймовірність потрапляння у хвіст розподілу і додатково агрегує його у часі, щоб відрізнити короткі хмарні затьмарення від справжніх тривалих відхилень.

This paper proposes an approach to detecting anomalies in the power generation curves of photovoltaic power plants (PVPP) based on a Bayesian assessment of the risk of under-generation using the Monte Carlo method for Markov processes. The approach combines a physical model of expected power output, based on solar geometry and gradient boosting, with a probabilistic analysis of residuals using the Student’s t-distribution. The algorithm considers only cases of underproduction, estimates the risk of an anomaly as the probability of falling into the tail of the distribution, and further aggregates it over time to distinguish short-term cloud cover events from genuine long-term deviations.