【技术实现步骤摘要】
一种基于加权KNN的光伏组件遮挡面积分类方法
[0001]本专利技术属于数据分类领域,具体涉及一种基于加权KNN的光伏组件遮挡面积分类方法。
技术介绍
[0002]随着世界人口的增加和社会生产力的进步,人们对能源的需求不断提高。然而,传统的化石燃料具有高消耗量和不可再生性,严重制约了经济的发展。太阳能是地球上分布最广、储量最大的新能源,具有清洁高效的特点,太阳能的利用将在未来的能源结构中发挥重要作用。
[0003]光伏发电系统依赖于太阳光照射发电,然而,在实际光伏发电现场,可能会受到多云天气、建筑物、表面灰尘等形成的阴影或遮挡的影响,造成串光伏组件的串并联失效问题,影响发电系统的输出功率,甚至可能会形成热斑,导致组件的损坏。不同的遮挡物会有不同的遮挡面积,如面积较小的鸟粪、面积较大的树叶等,对于光伏组件的影响也不相同。因此,判别光伏遮挡故障面积有助于对遮挡故障实现更精确的定位与分类,有助于光伏发电的整体运维。
[0004]光伏电气数据具有很强的不确定性,目前的研究大多数是对故障的大种类进行诊断,比较少针对遮挡故障本身进行研究与诊断。随着科学技术的发展,机器学习算法逐渐成熟,具有很快的计算速度和很高的求解效率。因此,将机器学习和遮挡面积分类相结合,提出了基于加权KNN的光伏组件遮挡面积分类方法。
技术实现思路
[0005]为解决上述问题,本专利技术公开了一种基于加权KNN(K最邻近算法)的光伏组件遮挡面积分类方法,能够提取出光伏组件在不同遮挡情况下的电气数据特征,然后根据这些特征进行遮挡 ...
【技术保护点】
【技术特征摘要】
1.一种基于加权KNN的光伏组件遮挡面积分类方法,其特征在于:包括以下步骤:A1:数据采集,采集若干组被遮挡的光伏组件的I
‑
V曲线数据,遮挡区域占电池片面积的比值从0
‑
100%;A2:数据预处理,每一组采集到的I
‑
V曲线数据包含400个采样点,设定采样频率为
△
U=0.5V,仅采样保留部分数据点;A3:将预处理后的数据进行特征提取;A4:构建加权KNN分类器对光伏组件遮挡面积范围进行分类。2.根据权利要求1所述的一种基于加权KNN的光伏组件遮挡面积分类方法,其特征在于:所述步骤A3中的特征提取时,先提取I
‑
V曲线的极值个数,若有多个...
【专利技术属性】
技术研发人员:张侃健,夏霖,李晨曦,魏海坤,方仕雄,
申请(专利权)人:东南大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。