1.一种基于时序特征分解技术的并网光伏发电系统状态监测方法，其特征在于，具体包括以下所示步骤：步骤(1)：在并网光伏发电系统正常运行状态下，利用SCADA系统获取各个采样时刻的测量数据，并按照采样时间先后将N个采样时刻的测量数据依次对应存储为N个数据向量

11×1

x1，x2，…，xN；其中，第i个采样时刻的数据向量xi∈R 具体由第i个采样时刻的11个测量数据组成，排列顺序依次是：光照强度，环境温度，直流电压，直流电流，直流变换器的输出

11×1

电压，交流逆变器的三相电压和三相电流；下标号i∈{1，2，…，N}，R 表示11×1维的实数向量，R表示实数集；

T

步骤(2)：将x1，x2，…，xN组成数据矩阵X＝[x1，x2，…，xN]后，再根据 对XN×1

中各列的列向量分别实施标准化处理，从而得到新矩阵 其中，zj∈R 表示X中第j列的列向量，表示新矩阵 中第j列的列向量，μj和δj分别表示列向量zj中所有元素的平N×11均值和标准差，j∈{1，2，…，11}，R 表示N×11维的实数矩阵，上标号T表示矩阵或向量的转置；

步骤(3)：根据如下所示公式①分别构造时序矩阵Y和时序扩展矩阵Z后，再对矩阵实施奇异值分解，从而得到酉矩阵U和奇异值对角矩阵V；

上式中，D表示时序阶数， 分别表示 中

的第1行，第2行，…，第D‑1行，第D行，第D+1行，…，第N‑D行，第N‑2行，第N‑1行，和第N行的行向量；

步骤(4)：利用时序矩阵Y和时序扩展矩阵Z实施时序特征分解，得到特征分解矩阵W∈

11×M 11×M D×M (N‑D)×11R ，回归系数矩阵P∈R ，时序系数矩阵B∈R ，和时序误差矩阵E∈R ；其中，M等(N‑D)×11

于时序特征的个数，R 表示(N‑D)×11维的实数矩阵；

步骤(5)：根据公式 计算模型误差矩阵F，并计算时序误差矩阵E的协方差T T ‑1 T

矩阵Λ＝EE/(N‑D‑1)后，再根据公式Qd＝diag{EΛ E}和Qs＝diag{FF}分别计算时序监测指标向量Qd和静态监测指标向量Qs；其中，diag{}表示将大括号内的矩阵对角线元素转变成列向量的操作；

步骤(6)：分别将Qd和Qs中的最大值记录为Qd，max和Qs，max，并计算综合监测指标向量ψ＝Qd/Qd，max+Qs/Qs，max后，再将ψ中的最大值记录为ψmax；

步骤(7)：利用SCADA系统获取并网光伏发电系统在最新采样时刻的11个测量数据，并将这11个测量数据按照步骤(1)中所述顺序依次排列后组成一个11×1维的数据向量yt∈

11×1

R 后，再根据公式 对yt中的各个元素实施标准化处理，从而得到列向量 其中，j∈{1，2，…，11}，yt(j)和 分别表示yt和 中的第j个元素；

步骤(8)：将前D个采样时刻的数据向量依次记录为yt‑1，yt‑2，…，yt‑D，并按照步骤(7)中的实施过程，分别对其实施标准化处理，从而对应得到列向量 后，再根据如M×1 11×1

下所示步骤(8.1)至步骤(8.4)计算得到时序误差向量et∈R 和模型误差向量ft∈R ；

步骤(8.1)：分别根据公式 和 依次计算当前采样时刻及其前D个采样时刻的时序特征向量st，st‑1，…，和st‑D后，再初始化m＝1；

步骤(8.2)：根据如下所示公式②计算时序误差向量et中的第m个元素et(m)：et(m)＝st(m)‑[st‑1(m)，st‑2(m)，…，st‑D(m)]B(m)  ②上式中，st(m)，st‑1(m)，st‑2(m)，…，st‑D(m)分别表示时序特征向量st，st‑1，st‑2…，和st‑D中的第m个元素，B(m)表示时序系数矩阵B中的第m列的列向量；

步骤(8.3)：判断m是否小于M；若是，则设置m＝m+1后，返回步骤(8.2)；若否，则得到时序误差向量et中的所有M个元素；

步骤(8.4)：根据公式 计算模型误差向量ft；

T ‑1 T

步骤(9)：根据公式Cd＝etΛ et和Cs＝ftft分别计算时序监测指标Cd和静态监测指标Cs后，再计算当前采样时刻的综合监测指标步骤(10)：判断是否满足条件 若是，则并网光伏发电系统运行正常，返回步骤(7)继续利用最新采样时刻的测量数据实施状态监测；若否，则执行步骤(11)从而决策是否触发异常警报；

步骤(11)：返回步骤(7)继续利用最新采样时刻的测量数据实施状态监测，若连续A个采样时刻的综合监测指标都大于ψmax，则触发异常警报；反之，则并网光伏发电系统运行正常。

2.根据权利要求1所述的一种基于时序特征分解技术的并网光伏发电系统状态监测方法，其特征在于，所述步骤(4)的具体实施过程如下所示：步骤(4.1)：设置时序特征的个数等于M后，再初始化m＝1；

11×1

步骤(4.2)：初始化分解向量wm∈R 为一个任意的11×1维的非零实数向量后，再根据公式 更新分解向量wm；

步骤(4.3)：根据公式 计算时序系

数向量βm；其中，ID表示D×D维的单位矩阵， 表示计算ID和wm的克罗内克积；

步骤(4.4)：根据公式 计算矩阵G后，

‑0.5 T ‑0.5

再根据公式G＝V UGUV 更新矩阵G；其中，I11表示11×11维的单位矩阵；

‑0.5

步骤(4.5)：计算G的最小特征值所对应的特征向量g后，再根据公式wm＝UV g计算得到分解向量wm；

步骤(4.6)：根据公式 更新特征向量wm后，判断wm是否收敛；若否，则返回步骤(4.3)；若是，则根据pm＝Lwm计算第m个回归系数向量pm，根据公式计算第m个时序误差向量em，并保留wm，pm和em后，再根据公式 和分别更新Y和Z后，再执行步骤(4.7)；

步骤(4.7)：判断m是否小于M；若是，则设置m＝m+1后，返回步骤(4.2)；若否，则将保留的M个回归系数向量p1，p2，…，pM组成回归系数矩阵P＝[p1，p2，…，pM]，将保留的M个分解向量w1，w2，…，wM组成特征分解矩阵W＝[w1，w2，…，wM]，将M个时序系数向量β1，β2，…，βM组成时序系数矩阵B＝[β1，β2，…，βM]，将M个时序误差向量e1，e2，…，eM组成时序误差矩阵E＝[e1，T ‑1e2，…，eM]后，再根据公式W＝W(PW) 更新特征分解矩阵W。

3.根据权利要求1所述的一种基于时序特征分解技术的并网光伏发电系统状态监测方‑6法，其特征在于，所述步骤(3)中对矩阵L实施奇异值分解时，需删除小于10 的奇异值，再将‑6其余大于等于10 的奇异值组成奇异值对角矩阵V。