【技术实现步骤摘要】
一种基于人工智能的组串故障判断方法和装置
[0001]本申请涉及到光伏领域，具体而言，涉及一种基于人工智能的组串故障判断方法和装置。
技术介绍
[0002]在大型光伏电站中，最常规的光伏支架单元设计是光伏组件的布置为竖向双排或横向三排、四排等，一个支架单元上通常安装一个组串或两个组串，具体组件数量由组串中组件串联数量决定。
[0003]目前判断组串是否发生故障，一般靠人工来进行检查，这种判断方式可能无法及时发现组串是否发生故障。
技术实现思路
[0004]本申请实施例提供了一种基于人工智能的组串故障判断方法和装置，以至少解决现有技术中组串故障发现不及时的问题。
[0005]根据本申请的一个方面，提供了一种基于人工智能的组串故障判断方法，包括：获取多组组串中的每一组组串的发电量的曲线；对所述多组组串对应的多条曲线进行比较；根据所述比较结果确定所述多条曲线中与其他曲线差距满足预定条件的至少一条第一曲线；确定所述至少一条第一曲线对应的组串出现故障。
[0006]进一步地，获取所述多组组串中的...
【技术保护点】
【技术特征摘要】
1.一种基于人工智能的组串故障判断方法，其特征在于，包括：获取多组组串中的每一组组串的发电量的曲线；对所述多组组串对应的多条曲线进行比较；根据所述比较结果确定所述多条曲线中与其他曲线差距满足预定条件的至少一条第一曲线；确定所述至少一条第一曲线对应的组串出现故障。2.根据权利要求1所述的方法，其特征在于，获取所述多组组串中的每一组组串的发电量的曲线包括：获取所述多组组串中的每一组组串在相同的时间段内的发电量的曲线，其中，所述每一组组串中的光伏板的发电功率相同。3.根据权利要求1所述的方法，其特征在于，根据所述比较结果确定所述多条曲线中与其他曲线差距满足预定条件的至少一条第一曲线包括：将所述多条曲线输入到机器学习模型中，其中，所述机器学习模型为分类模型，所述机器学习模型用于所述多条曲线进行分类，相似度超过阈值的曲线被分为第一类，其余的区别被分为第二类，所述第二类中的曲线为第一曲线。4.根据权利要求3所述的方法，其特征在于，所述机器学习模型是使用多组训练数据训练得到的，其中，每组训练数据均包括输入数据和输出数据，所述输入数据包括多条曲线，所述输出数据包括分类结果，所述分类结果为人工标识出的发电量正常的第一类曲线，以及发电量异常的第二类曲线。5.根据权利要求4所述的方法，其特征在于，确定所述至少一条第一曲线对应的组串出现故障包括：根据所述至少一条第一曲线确定该第一曲线对应的组串出现...
【专利技术属性】
技术研发人员：裴刘生，王海峰，江标荣，杨先川，杨建辉，崔桃源，柳凯元，冯国刚，
申请(专利权)人：西安咸林能源科技有限公司，
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。