一种基于VaDE的光伏组串异常检测方法及系统技术方案

本发明专利技术涉及一种基于VaDE的光伏组串异常检测方法及系统，所述方法包括：获取光伏电站中各光伏组串在检测时段内预设时长的电流均值、电压均值和所述各光伏组串的装机容量，基于所述电流均值、电压均值和所述各光伏组串的装机容量确定所述各光伏组串在检测时段内预设时长的各第一数据指标，将各光伏组串在检测时段内预设时长的各第一数据指标输入预先建立的光伏组串异常检测模型中，获得检测时段内所述各光伏组串对应的各高斯分布权重，基于检测时段内所述各光伏组串对应的各高斯分布权重确定光伏电站检测时段内异常的光伏组串。本发明专利技术提供的技术方案，通过光伏组串异常检测模型确定光伏组串是否异常，可以提高光伏组串异常判断的准确性。常判断的准确性。常判断的准确性。

【技术实现步骤摘要】
一种基于VaDE的光伏组串异常检测方法及系统


[0001]本专利技术涉及光伏组串异常确定领域，具体涉及一种基于VaDE的光伏组串异常检测方法及系统。

技术介绍

[0002]随着光伏电站的普及，其对电站经济高效运维有强烈的需求。光伏电站通常包括组串逆变器以及多个光伏组串，每个光伏组串包括多个光伏组件。多个光伏组串接入同一组串逆变器，组串逆变器将直流电转化为交流电，从而接入电网。其中，对光伏组串是否异常的确定是电站经济高效运维有强烈关键。
[0003]现有的对光伏组串是否异常的确定方法中光伏组串异常聚类准确性低，进而导致对光伏组串是否异常的确定的准确性也较低，因此亟需研究一种可以准确判断光伏组串是否异常的方法。

技术实现思路

[0004]本申请提供一种基于VaDE的光伏组串异常检测方法及系统，以至少解决相关技术中对光伏组串是否异常的确定方法准确度较低的技术问题。
[0005]本申请第一方面实施例提出一种基于VaDE的光伏组串异常检测方法，所述方法包括：
[0006]获取光伏电站中各光伏组串在检测时段内预设时长的电流均值、电压均值和所述各光伏组串的装机容量；
[0007]基于光伏电站中各光伏组串在检测时段内预设时长的电流均值、电压均值和所述各光伏组串的装机容量确定所述各光伏组串在检测时段内预设时长的各第一数据指标；
[0008]将各光伏组串在检测时段内预设时长的各第一数据指标输入预先建立的光伏组串异常检测模型中，获得检测时段内所述各光伏组串对应的各高斯分布权重；/>[0009]基于检测时段内所述各光伏组串对应的各高斯分布权重确定光伏电站检测时段内异常的光伏组串；
[0010]其中，所述第一数据指标等于所述光伏组串的电流均值与电压均值的乘积除以所述光伏组串的装机容量。
[0011]本申请第二方面实施例提出一种基于VaDE的光伏组串异常检测系统，其特征在于，所述系统包括：
[0012]第一获取模块，用于获取光伏电站中各光伏组串在检测时段内预设时长的电流均值、电压均值和所述各光伏组串的装机容量；
[0013]第一确定模块，用于基于光伏电站中各光伏组串在检测时段内预设时长的电流均值、电压均值和所述各光伏组串的装机容量确定所述各光伏组串在检测时段内预设时长的各第一数据指标；
[0014]第二获取模块，用于将各光伏组串在检测时段内预设时长的各第一数据指标输入
预先建立的光伏组串异常检测模型中，获得检测时段内所述各光伏组串对应的各高斯分布权重；
[0015]第二确定模块，用于基于检测时段内所述各光伏组串对应的各高斯分布权重确定光伏电站检测时段内异常的光伏组串；
[0016]其中，所述第一数据指标等于所述光伏组串的电流均值与电压均值的乘积除以所述光伏组串的装机容量。
[0017]本申请的实施例提供的技术方案至少带来以下有益效果：
[0018]本专利技术提供的一种基于VaDE的光伏组串异常检测方法及系统中，先获取光伏电站中各光伏组串在检测时段内预设时长的电流均值、电压均值和所述各光伏组串的装机容量；其次基于光伏电站中各光伏组串在检测时段内预设时长的电流均值、电压均值和所述各光伏组串的装机容量确定所述各光伏组串在检测时段内预设时长的各第一数据指标；然后将各光伏组串在检测时段内预设时长的各第一数据指标输入预先建立的光伏组串异常检测模型中，获得检测时段内所述各光伏组串对应的各高斯分布权重；最后基于检测时段内所述各光伏组串对应的各高斯分布权重确定光伏电站检测时段内异常的光伏组串。本专利技术提供的技术方案，通过光伏组串异常检测模型确定光伏组串是否异常，可以提高光伏组串异常判断的准确性。
[0019]本申请附加的方面以及优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实践了解到。
附图说明
[0020]本申请上述的和/或附加的方面以及优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
[0021]图1是根据本申请一个实施例提供的基于VaDE的光伏组串异常检测方法的流程图；
[0022]图2是根据本申请一个实施例提供的基于VaDE的光伏组串异常检测方法的具体流程图；
[0023]图3是根据本申请一个实施例提供的基于VaDE的光伏组串异常检测系统的结构图。
具体实施方式
[0024]下面详细描述本申请的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本申请，而不能理解为对本申请的限制。
[0025]本申请提出的一种基于VaDE的光伏组串异常检测方法及系统中，先获取光伏电站中各光伏组串在检测时段内预设时长的电流均值、电压均值和所述各光伏组串的装机容量；其次基于光伏电站中各光伏组串在检测时段内预设时长的电流均值、电压均值和所述各光伏组串的装机容量确定所述各光伏组串在检测时段内预设时长的各第一数据指标；然后将各光伏组串在检测时段内预设时长的各第一数据指标输入预先建立的光伏组串异常检测模型中，获得检测时段内所述各光伏组串对应的各高斯分布权重；最后基于检测时段
内所述各光伏组串对应的各高斯分布权重确定光伏电站检测时段内异常的光伏组串。本专利技术提供的技术方案，本专利技术提供的技术方案，通过光伏组串异常检测模型确定光伏组串是否异常，可以提高光伏组串异常判断的准确性。
[0026]实施例1
[0027]图1为本公开实施例提供的一种基于VaDE的光伏组串异常检测方法的流程图，如图1所示，所述方法包括：
[0028]步骤1:获取光伏电站中各光伏组串在检测时段内预设时长的电流均值、电压均值和所述各光伏组串的装机容量；
[0029]示例的，获取一天内6点到19点的各光伏电站中各光伏组串每10分钟的电流均值、电压均值和所述各光伏组串的装机容量。
[0030]步骤2：基于光伏电站中各光伏组串在检测时段内预设时长的电流均值、电压均值和所述各光伏组串的装机容量确定所述各光伏组串在检测时段内预设时长的各第一数据指标；
[0031]需要说明的是，所述第一数据指标等于所述光伏组串的电流均值与电压均值的乘积除以所述光伏组串的装机容量。
[0032]步骤3：将各光伏组串在检测时段内预设时长的各第一数据指标输入预先建立的光伏组串异常检测模型中，获得检测时段内所述各光伏组串对应的各高斯分布权重；
[0033]在本公开实施例中，所述预先建立的光伏组串异常检测模型的建立过程，包括：
[0034]步骤a：获取光伏电站中各光伏组串在历史时段内预设时长的电流均值、电压均值和所述各光伏组串的装机容量；
[0035]步骤b：对获取的所述电流均值和电压均值进行处理，并确定所述各光伏组串在历史时段内的各第一数据指标；
[0036]需要说明的是，所述对获取的所述电流均值和电压均值进行处理，包括：
[003本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于VaDE的光伏组串异常检测方法，其特征在于，所述方法包括：获取光伏电站中各光伏组串在检测时段内预设时长的电流均值、电压均值和所述各光伏组串的装机容量；基于光伏电站中各光伏组串在检测时段内预设时长的电流均值、电压均值和所述各光伏组串的装机容量确定所述各光伏组串在检测时段内预设时长的各第一数据指标；将各光伏组串在检测时段内预设时长的各第一数据指标输入预先建立的光伏组串异常检测模型中，获得检测时段内所述各光伏组串对应的各高斯分布权重；基于检测时段内所述各光伏组串对应的各高斯分布权重确定光伏电站检测时段内异常的光伏组串；其中，所述第一数据指标等于所述光伏组串的电流均值与电压均值的乘积除以所述光伏组串的装机容量。2.如权利要求1所述的方法，其特征在于，所述预先建立的光伏组串异常检测模型的建立过程，包括：步骤a：获取光伏电站中各光伏组串在历史时段内预设时长的电流均值、电压均值和所述各光伏组串的装机容量；步骤b：对获取的所述电流均值和电压均值进行处理，并确定所述各光伏组串在历史时段内的各第一数据指标；步骤c：将所述各第一数据指标归一化，并从归一化后各第一数据指标中筛选历史时段的预设时段内的各第一数据指标；步骤d：利用所述筛选后的各第一数据指标对预先构建的VaDE模型进行训练，得到光伏组串异常检测模型。3.如权利要求2所述的方法，其特征在于，所述对获取的所述电流均值和电压均值进行处理，包括：统一获取的各所述电流均值和电压均值的维度，并利用中值滤波插补缺失数据。4.如权利要求2所述的方法，其特征在于，所述预先构建的VaDE模型的构建过程包括：步骤A:基于预设的光伏组串异常分类数确定高斯混合模型的个数，并将历史时段的预设时段内的各第一数据指标输入由四层全连接层构成的第一深度神经网络中进行降维提取特征，然后所述第一深度神经网络的第四全连接层输出产生潜变量的高斯混合分布中各个分布的均值μ和标准差平方取对数logσ2；步骤B:对各分布对应的均值μ和标准差平方取对数logσ2进行潜变量采样变换，变换后的数据用Z表示；步骤C:将变换后的数据Z输入由三层全连接层构成的第二深度神经网络中进行升维，得到VaDE模型的参数，进而得到构建好的VaDE模型；步骤D：将步骤A的高斯混合分布中最小的均值对应的分布记作α分布,最小的标准差对应的分布记作β分布；其中，所述第一深度神经网络的第三全连接层输出降为一维的第一数据指标；所述变换后的数据Z的表达式为z＝μ+ε*exp(logσ2/2)，ε为从标准正态分布中随机采样的数据。5.如权利要4所述的方法，其特征在于，所述基于检测时段内所述各光伏组串对应的各
高斯分布权重确定光伏电站检测时段内异常的光伏组串，包括：选取所述光伏组串对应的权重最高的高斯分布；判断所述选取的高斯分布是否为α分布或β分布，若是，则判定所述光伏组串为异常光伏组串，否则为正常光伏组串。6.一种基于VaDE的光伏组串...

【专利技术属性】
技术研发人员：王振荣，曾谁飞，卢泽华，陈沐新，杨永前，李邦兴，冯帆，王青天，王华，赵鹏程，李小翔，任鑫，郑建飞，费宇涛，陆正阳，
申请(专利权)人：华能浙江能源开发有限公司清洁能源分公司，
类型：发明
国别省市：