光伏电站清洗频率的动态调整方法及存储介质技术

本发明专利技术提供一种光伏电站清洗频率的动态调整方法及存储介质，本发明专利技术先通过将每日清洗的光伏阵列功率数据预测得到的标准功率，并再使用每日清洗的光伏阵列与不清洗的光伏阵列之间的功率差进行学习并预测得到功率差百分比的数据，所述功率差变化代表该地区光伏面板发电效率受灰尘的影响情况；采集面板得到实时功率并计算与对应标准功率的功率差百分比，并通过比较两次百分比的大小，判定是否需要清洗。该清洗频次的调整方法通过功率差的比较，增加了判定的可靠性，并且可以降低清洗成本，同时增加净收益。并且在预测的时候，样本中加入空气数据，使得预测的结果更加的准确，排除天气的突发情况对面板功率的影响。

【技术实现步骤摘要】
光伏电站清洗频率的动态调整方法及存储介质
本专利技术光伏发电
，尤其涉及一种光伏电站清洗频率的动态调整方法及存储介质。
技术介绍
现有技术对光伏电站的维护，通过对光伏电站上灰尘进行清洗后，能够显著提高发电效率，挽回损失的效益。但是，因为灰尘遮蔽损失的电量，很难通过传统的电学监测手段进行计算和估量；并且现有技术中，无法统计灰尘的变化，在判定的时候多数为人工判定或都是统一进行高频此的清洗，这增加的人工成本以及清洗成本。现有技术情况下，第一，通常直接得到的发电量随着时间变化曲线图，在数据处理之前，数据息量往往被较多的复杂因素掩盖，包括温度，辐照度等等因素。很难通过清洗前后的数据对比得到直接的证据。第二，光伏面板组件和阵列的故障原因较多，而且很难区分判断；运行时间较长的电站，组件的均一性也往往比较差。这就对清洗前后数据对比的准确性造成了非常大的影响。以上两个原因对光伏电站的发电量造成的影响最多。其中，第一个原因属于不可控因素，在理论上可以通过大量的数据分析进行建模，从而剔除外界环境的影响，计算出光伏组件的基本性能。而第二部分属于可控因素，但是大型电站很难对各种故障进行彻底的排查和修复，只能通过发电总量和运行历史进行一些估算。这就造成了光伏运维的一个特有的难题：电站的清洗和运行维护，其产生的价值很难定量计算。
技术实现思路
本专利技术提供提出一种光伏电站清洗频率的动态调整方法及存储介质，用以对光伏电站清洗频率进行判断，并且可以有效的减少清洗成本。本专利技术提供一种光伏电站清洗频率的动态调整方法，包括：获取步骤，分别获取第一光伏面板阵列、第二光伏面板阵列的在一历史时间段的功率，所述第一光伏面板阵列为不做任何清洗维护的面板阵列，所述第二光伏面板阵列为每日清洗的面板阵列；第一预测步骤，对所述第二光伏面板阵列的历史时间段的功率进行拟合并预测得到第一时间序列的标准功率，所述第一时间序列晚于所述历史时间段；第一数据处理步骤，将所述第二光伏面板阵列的历史时间段的功率与所述第一光伏面板阵列的在所述历史时间段的功率相减得到在所述历史时间段的功率差；第二数据处理步骤，将所述历史时间段的功率差除以相应的第二光伏面板阵列的历史时间段的功率得到第一功率百分比；第二预测步骤，对所述历史时间段的第一功率百分比拟合并预测得到所述第一时间序列的第一功率百分比；采集步骤，采集某一时刻的第三光伏面板阵列一面板的功率，所述某一时刻包含于所述第一时间序列；第三数据处理步骤，将所述某一时刻对应预测的标准功率与所述面板的功率相减得到某一时刻的功率差；第四数据处理步骤，将所述某一时刻的功率差除以相应的所述第一时间序列的标准功率得到第二功率百分比；第一判断步骤，判断所述第二功率百分比是否大于所述第一功率百分比与一比例系数的乘积，若是，则判定所述第三光伏面板阵列需要被清洗，若否，则判定所述第三光伏面板阵列无需清洗。进一步地，所述第一预测步骤使用最小二乘法进行数据拟合；和/或，所述第二预测步骤使用最小二乘法进行数据拟合。进一步地，所述光伏电站清洗频率的动态调整方法还包括：汇总步骤，统计所述某一时刻该第三光伏面板阵列的清洗频率；成本计算步骤，根据第三光伏面板阵列在所述某一时刻的发电总功率以及该第三光伏面板阵列的清洗成本，计算第三光伏面板阵列的收益成本。进一步地，所述第一预测步骤使用机器学习方法进行数据拟合并预测。进一步地，所述第一预测步骤具体包括：第一样本分类步骤，将第一样本数据随机分成第一训练样本及第一测试样本两类，所述第一样本数据包括第二光伏面板阵列的历史时间段的功率；第一初级模型构建步骤，利用所述第一训练样本训练并构建第一初级模型；第一验证步骤，将所述第一测试样本输入至所述第一初级模型进行验证；第一初级模型优化步骤，根据所述第一验证步骤的验证结果对所述第一初级模型进行优化得到所述预测模型；第一输出步骤，输入部分连续的所述第二光伏面板阵列的历史时间段的功率得到所述第一时间序列的标准功率。进一步地，所述第一验证步骤具体包括：第一输入测试样本步骤，输入X个测试样本至所述初级模型，获取X个预测结果；第一比对步骤，将所述X个预测结果与所述X个测试样本的X个发电功率比较，统计与所述发电功率差异超过一定阈值的预测结果的个数Y；第一计算步骤，计算第一预测的错误率，对模型进行评估，所述第一预测的错误率为Y与测试样本的样本数X的比值。进一步地，所述第二预测步骤使用机器学习方法进行数据拟合并预测。进一步地，所述第二预测步骤具体包括：第二样本分类步骤，将第二数据样本随机分成第二训练样本及第二测试样本两类，所述第二数据样本包括历史时间段的第一功率百分比；第二初级模型构建步骤，利用所述第二训练样本训练并构建第二初级模型；第二验证步骤，将所述第二测试样本输入至所述第二初级模型进行验证；第二初级模型优化步骤，根据所述第二验证步骤的验证结果对所述第二初级模型进行优化得到所述第二预测模型；第二输出步骤，输入部分连续的所述历史时间段的第一功率百分比得到所述第一时间序列的第一功率百分比。进一步地，所述第二验证步骤具体包括：第二输入测试样本步骤，输入M个测试样本至所述初级模型，获取M个预测结果；第二比对步骤，将所述M个预测结果与所述M个测试样本的M个发电功率比较，统计与所述发电功率差异超过一定阈值的预测结果的个数N；第二计算步骤，计算第二预测的错误率，对模型进行评估，第二预测的错误率为N与测试样本的样本数M的比值。进一步地，所述历史时间段的时间长度大于等于12个月。进一步地，所述第一数据样本还包括每日的空气质量数据。进一步地，所述第二数据样本还包括每日的空气质量数据。进一步地，所述光伏电站清洗频率的动态调整方法还包括：监控步骤，根据所述第二功率百分比以及实时的空气质量数据，监控每一光伏面板的灰尘积累情况。本专利技术还提供一种存储介质，存储有计算机可读指令，所述计算机可读指令被一个或多个处理器执行时，使得一个或多个处理器执行所述的光伏电站清洗频率的动态调整方法步骤。。本专利技术的有益效果是：本专利技术提供一种光伏电站清洗频率的动态调整方法及存储介质，本专利技术通过将每日清洗的光伏阵列功率数据预测得到的标准功率，并再次使用每日与不清洗之间的功率差预测得到第一时间序列的功率差百分比的数据，功率差代表该地区受灰尘的影响情况，采集面板得到某一时刻的功率并计算与对应标准功率的功率差百分比，并通过比较两次功率差百分比的大小，判定是否需要清洗。该清洗频次的调整方法，通过使用功率差这一特征进行判定提高判定的准确性，可以降低清洗成本同时增加净收益。并且在预测的时候，样本中加入空气数据，使得预测的结果更加的准确，排除天气的突发情况对面板功率的影响。附图说明下面结合附图，通过对本专利技术的具体实施方式详细描述，将使本专利技术的技术方案及其它有益效果显而易见。图1为本专利技术提供的光伏电站清洗频率的动态调整方法的流程图。图2为本专利技术提供的第一预测步骤的流程图。图3为本专利技术提供的第一验证步骤的本文档来自技高网...

【技术保护点】
1.一种光伏电站清洗频率的动态调整方法，其特征在于，包括：/n获取步骤，分别获取第一光伏面板阵列、第二光伏面板阵列在一历史时间段的功率，所述第一光伏面板阵列为不做任何清洗的面板阵列，所述第二光伏面板阵列为每日清洗的面板阵列；/n第一预测步骤，对所述第二光伏面板阵列的历史时间段的功率进行拟合并预测得到第一时间序列的标准功率，所述第一时间序列晚于所述历史时间段；/n第一数据处理步骤，将所述第二光伏面板阵列的历史时间段的功率与所述第一光伏面板阵列在所述历史时间段的功率相减得到在所述历史时间段的功率差；/n第二数据处理步骤，将所述历史时间段的功率差除以相应的第二光伏面板阵列的历史时间段的功率得到第一功率百分比；/n第二预测步骤，对所述历史时间段的第一功率百分比拟合并预测得到所述第一时间序列的第一功率百分比；/n采集步骤，采集某一时刻的第三光伏面板阵列一面板的功率，所述某一时刻包含于所述第一时间序列；/n第三数据处理步骤，将所述某一时刻对应预测的标准功率与所述面板的功率相减得到某一时刻的功率差；/n第四数据处理步骤，将所述某一时刻的功率差除以相应的所述第一时间序列的标准功率得到第二功率百分比；/n第一判断步骤，判断所述第二功率百分比是否大于所述第一功率百分比与一比例系数的乘积，若是，则判定所述第三光伏面板阵列需要被清洗，若否，则判定所述第三光伏面板阵列无需清洗。/n...

【技术特征摘要】
1.一种光伏电站清洗频率的动态调整方法，其特征在于，包括：
获取步骤，分别获取第一光伏面板阵列、第二光伏面板阵列在一历史时间段的功率，所述第一光伏面板阵列为不做任何清洗的面板阵列，所述第二光伏面板阵列为每日清洗的面板阵列；
第一预测步骤，对所述第二光伏面板阵列的历史时间段的功率进行拟合并预测得到第一时间序列的标准功率，所述第一时间序列晚于所述历史时间段；
第一数据处理步骤，将所述第二光伏面板阵列的历史时间段的功率与所述第一光伏面板阵列在所述历史时间段的功率相减得到在所述历史时间段的功率差；
第二数据处理步骤，将所述历史时间段的功率差除以相应的第二光伏面板阵列的历史时间段的功率得到第一功率百分比；
第二预测步骤，对所述历史时间段的第一功率百分比拟合并预测得到所述第一时间序列的第一功率百分比；
采集步骤，采集某一时刻的第三光伏面板阵列一面板的功率，所述某一时刻包含于所述第一时间序列；
第三数据处理步骤，将所述某一时刻对应预测的标准功率与所述面板的功率相减得到某一时刻的功率差；
第四数据处理步骤，将所述某一时刻的功率差除以相应的所述第一时间序列的标准功率得到第二功率百分比；
第一判断步骤，判断所述第二功率百分比是否大于所述第一功率百分比与一比例系数的乘积，若是，则判定所述第三光伏面板阵列需要被清洗，若否，则判定所述第三光伏面板阵列无需清洗。


2.如权利要求1所述的光伏电站清洗频率的动态调整方法，其特征在于，
所述第一预测步骤使用最小二乘法进行数据拟合；和/或，
所述第二预测步骤使用最小二乘法进行数据拟合。


3.如权利要求1所述的光伏电站清洗频率的动态调整方法，其特征在于，还包括：
汇总步骤，统计所述某一时刻该第三光伏面板阵列的清洗频率；
成本计算步骤，根据第三光伏面板阵列在所述某一时刻的发电总功率以及该第三光伏面板阵列的清洗成本，计算第三光伏面板阵列的收益成本。


4.如权利要求1所述的光伏电站清洗频率的动态调整方法，其特征在于，
所述第一预测步骤使用机器学习方法进行数据拟合并预测。


5.如权利要求1所述的光伏电站清洗频率的动态调整方法，其特征在于，
所述第一预测步骤具体包括：
第一样本分类步骤，将第一样本数据随机分成第一训练样本及第一测试样本两类，所述第一样本数据包括第二光伏面板阵列的历史时间段的功率；
第一初级模型构建步骤，利用所述第一训练样本训练并构建第一初级模型；
第一验证步骤，将所述第一测试样本输入至所述第一初级模型进行验证；
第一初级模型优化步骤，根据所述第一验证步骤的验证结果对所述第一初级模型进行优化得到所述预测模型；
第一输出步骤，输入部分连续的所述第二光伏面板阵列的历史时间段的功率得到所述第一时间序列的...

【专利技术属性】
技术研发人员：徐斐，包文中，夏潇，徐建荣，
申请(专利权)人：苏州瑞得恩工业物联网科技有限公司，
类型：发明
国别省市：江苏;32