光伏阵列的异常检测方法、装置、电子设备及存储介质制造方法及图纸

本公开提出一种光伏阵列的异常检测方法、装置、电子设备及存储介质。包括：获取光伏阵列的多个运行数据，并构建初始光伏阵列模型，初始光伏阵列模型具有对应的模型参数，再采用花授粉算法对模型参数进行处理，确定目标模型参数解，并采用目标模型参数解对初始光伏阵列模型进行调整，得到目标光伏阵列模型，再根据多个运行数据和目标光伏阵列模型，确定光伏阵列的异常检测结果，由于是采用花授粉算法对初始光伏阵列模型的模型参数进行求解处理，能够有效地提升模型参数求解的准确度，进而能够有效地提升光伏阵列模型的模型构建效果，从而能够在将构建得到的目标光伏阵列模型用于光伏阵列的异常检测时，有效地提升光伏阵列的异常检测效果。测效果。测效果。

【技术实现步骤摘要】
光伏阵列的异常检测方法、装置、电子设备及存储介质


[0001]本公开涉及光伏发电
，尤其涉及一种光伏阵列的异常检测方法、装置、电子设备及存储介质。

技术介绍

[0002]光伏阵列是光伏发电系统的重要组成单元，由于光伏阵列长期运行在例如，强风、高温、紫外线辐射等户外环境中，因此比较容易发生运行异常的情况，从而会影响发电效率，由此，在光伏发电
，通常会构建光伏阵列模型，以通过光伏阵列模型实现对光伏阵列的异常检测。
[0003]相关技术中，在构建光伏阵列模型时，通常是采用解析法或者迭代法，对光伏阵列模型参数的求解，从而根据模型参数的求解结果构建光伏阵列模型。
[0004]这种方式下，在对光伏阵列的模型参数进行求解的过程中，存在模型参数求解准确度较低的问题，从而会导致光伏阵列模型的构建效果不佳，从而在基于光伏阵列模型对光伏阵列进行异常检测时，影响光伏阵列的异常检测效果。

技术实现思路

[0005]本公开旨在至少在一定程度上解决相关技术中的技术问题之一。
[0006]为此，本公开的目的在于提出一种光伏阵列的异常检测方法、装置、电子设备及存储介质，由于是采用花授粉算法对构建得到的初始光伏阵列模型的模型参数进行求解处理，从而能够有效地提升光伏阵列模型参数求解的准确度，进而能够有效地提升光伏阵列模型的模型构建效果，从而能够在将构建得到的目标光伏阵列模型用于光伏阵列的异常检测时，有效地提升光伏阵列的异常检测效果。
[0007]本公开第一方面实施例提出的光伏阵列的异常检测方法，包括：获取光伏阵列的多个运行数据，并构建初始光伏阵列模型，其中，初始光伏阵列模型具有对应的模型参数，再采用花授粉算法对模型参数进行处理，以确定目标模型参数解，并采用目标模型参数解对初始光伏阵列模型进行调整，以得到目标光伏阵列模型，以及根据多个运行数据和目标光伏阵列模型，确定光伏阵列的异常检测结果。
[0008]本公开第一方面实施例提出的光伏阵列的异常检测方法，通过获取光伏阵列的多个运行数据，并构建初始光伏阵列模型，其中，初始光伏阵列模型具有对应的模型参数，再采用花授粉算法对模型参数进行处理，以确定目标模型参数解，并采用目标模型参数解对初始光伏阵列模型进行调整，以得到目标光伏阵列模型，以及根据多个运行数据和目标光伏阵列模型，确定光伏阵列的异常检测结果，由于是采用花授粉算法对构建得到的初始光伏阵列模型的模型参数进行求解处理，从而能够有效地提升光伏阵列模型参数求解的准确度，进而能够有效地提升光伏阵列模型的模型构建效果，从而能够在将构建得到的目标光伏阵列模型用于光伏阵列的异常检测时，有效地提升光伏阵列的异常检测效果。
[0009]本公开第二方面实施例提出的光伏阵列的异常检测装置，包括：获取模块，用于获
取光伏阵列的多个运行数据；构建模块，用于构建初始光伏阵列模型，其中，初始光伏阵列模型具有对应的模型参数；处理模块，用于采用花授粉算法对模型参数进行处理，以确定目标模型参数解；调整模块，用于采用目标模型参数解对初始光伏阵列模型进行调整，以得到目标光伏阵列模型；确定模块，用于根据多个运行数据和目标光伏阵列模型，确定光伏阵列的异常检测结果。
[0010]本公开第二方面实施例提出的光伏阵列的异常检测装置，通过获取光伏阵列的多个运行数据，并构建初始光伏阵列模型，其中，初始光伏阵列模型具有对应的模型参数，再采用花授粉算法对模型参数进行处理，以确定目标模型参数解，并采用目标模型参数解对初始光伏阵列模型进行调整，以得到目标光伏阵列模型，以及根据多个运行数据和目标光伏阵列模型，确定光伏阵列的异常检测结果，由于是采用花授粉算法对构建得到的初始光伏阵列模型的模型参数进行求解处理，从而能够有效地提升光伏阵列模型参数求解的准确度，进而能够有效地提升光伏阵列模型的模型构建效果，从而能够在将构建得到的目标光伏阵列模型用于光伏阵列的异常检测时，有效地提升光伏阵列的异常检测效果。
[0011]本公开第三方面实施例提出了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行程序时，实现如本公开第一方面实施例提出的光伏阵列的异常检测方法。
[0012]本公开第四方面实施例提出了一种非临时性计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本公开第一方面实施例提出的光伏阵列的异常检测方法。
[0013]本公开第五方面实施例提出了一种计算机程序产品，当计算机程序产品中的指令处理器执行时，执行如本公开第一方面实施例提出的光伏阵列的异常检测方法。
[0014]本公开附加的方面和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，或通过本公开的实践了解到。
附图说明
[0015]本公开上述的和/或附加的方面和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：
[0016]图1是本公开一实施例提出的光伏阵列的异常检测方法的流程示意图；
[0017]图2是本公开另一实施例提出的光伏阵列的异常检测方法的流程示意图；
[0018]图3是本公开另一实施例提出的光伏阵列的异常检测方法的流程示意图；
[0019]图4是本公开一实施例提出的光伏阵列的异常检测装置的结构示意图；
[0020]图5是本公开另一实施例提出的光伏阵列的异常检测装置的结构示意图；
[0021]图6示出了适于用来实现本公开实施方式的示例性电子设备的框图。
具体实施方式
[0022]下面详细描述本公开的实施例，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，仅用于解释本公开，而不能理解为对本公开的限制。相反，本公开的实施例包括落入所附加权利要求书的精神和内涵范围内的所有变化、修改和等同物。
[0023]图1是本公开一实施例提出的光伏阵列的异常检测方法的流程示意图。
[0024]其中，需要说明的是，本实施例的光伏阵列的异常检测方法的执行主体为光伏阵列的异常检测装置，该装置可以由软件和/或硬件的方式实现，该装置可以配置在电子设备中，电子设备可以包括但不限于终端、服务器端等。
[0025]如图1所示，该光伏阵列的异常检测方法，包括：
[0026]S101：获取光伏阵列的多个运行数据。
[0027]其中，光伏阵列是光伏发电系统的重要单元，光伏阵列在实际运行中的多个相关数据，即可以被称为运行数据，该运行数据可以具体例如为，光伏阵列的运行参数，光伏阵列的输出的电流，电压等，对此不做限制。
[0028]本公开实施例中，获取光伏阵列的多个运行数据，可以是采用逆变器获取光伏阵列实际运行的电流电压数据：[Iori,Vori]，(其中，Iori表示光伏阵列的电流数据，Vori表示光伏阵列的电压数据，i＝(1，
…
，N)。N表示电流电压的数据点个数)，并将前述逆变器获取得到的电流电压数据：[I本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种光伏阵列的异常检测方法，其特征在于，包括：获取光伏阵列的多个运行数据；构建初始光伏阵列模型，其中，所述初始光伏阵列模型具有对应的模型参数；采用花授粉算法对所述模型参数进行处理，以确定目标模型参数解；采用所述目标模型参数解对所述初始光伏阵列模型进行调整，以得到目标光伏阵列模型；根据多个所述运行数据和所述目标光伏阵列模型，确定所述光伏阵列的异常检测结果。2.如权利要求1所述的方法，其特征在于，所述初始光伏阵列模型包括：多个光伏组件模型；其中，所述构建初始光伏阵列模型，包括：获取光伏组件的多个光伏组件参数；根据多个所述光伏组件参数，构建所述光伏组件模型；根据所述光伏组件模型的输出参数和多个所述光伏组件参数，生成所述初始光伏阵列模型。3.如权利要求2所述的方法，其特征在于，所述光伏组件模型，包括：多个太阳能电池，所述太阳能电池具有对应的单二极管模型，其中，所述构建所述光伏组件模型，包括：获取所述太阳能电池的多个太阳能电池参数；根据多个所述太阳能电池参数，构建所述单二极管模型；对多个所述单二极管模型进行串联和/或并联处理，以得到所述光伏组件模型。4.如权利要求1所述的方法，其特征在于，所述采用花授粉算法对所述模型参数进行处理，确定目标模型参数解，包括：确定与所述花授粉算法中的每个所述粒子分别对应的初始粒子位置，其中，每个所述粒子用于对应描述一组所述模型参数，粒子位置用于对应描述相应所述模型参数的模型参数解；确定与所述初始粒子位置对应的所述初始适应度值；根据所述初始适应度值，确定参考粒子位置；根据所述参考粒子位置对所述粒子进行目标处理，以确定与所述粒子对应的当前粒子位置；响应于所述当前粒子位置满足位置设定条件，将与所述当前粒子位置对应的所述模型参数解作为所述目标模型参数解。5.如权利要求4所述的方法，其特征在于，所述确定与所述花授粉算法中的每个所述粒子分别对应的初始粒子位置，包括：对每个所述粒子进行混沌映射处理，以确定与每个所述粒子分别对应的所述初始粒子位置。6.如权利要求5所述的方法，其特征在于，所述根据所述初始适应度值，确定参考粒子位置，包括：从多个所述初始适应度值中确定出最大适应度值；
将所述最大适应度值对应的所述初始粒子位置作为所述参考粒子位置。7.如权利要求4所述的方法，其特征在于，所述据所述参考粒子位置对所述粒子进行目标处理，以确定与所述粒子对应的当前粒子位置，包括：获取当前授粉概率；响应于所述当前授粉概率大于预设授粉概率，采用异花授粉方式对所述粒子进行处理，以确定与所述粒子对应的所述当前粒子位置；或者响应于所述当前授粉概率小于或等于所述预设授粉概率，采用自花授粉方式对所述粒子进行处理，以确定与所述粒子对应的所述当前粒子位置。8.如权利要求7所述的方法，其特征在于，所述响应于所述当前粒子位置满足位置设定条件，将与所述当前粒子位置对应的所述模型参数解作为所述目标模型参数解，包括：确定与所述当前粒子位置对应的当前适应度值；如果所述当前适应度值大于所述初始适应度值，则将与所述当前粒子位置对应的所述模型参数解作为所述目标模型参数解。9.如权利要求1所述的方法，其特征在于，所述根据多个所述运行数据和所述目标光伏阵列模型，确定所述光伏阵列的异常检测结果，包括：从多个所述运行数据中确定参考运行数据；将所述初始运行数据输入至所述目标光伏阵列模型中，以得到所述目标光伏阵列模型输出的初始运行结果；将所述参考运行数据输入至所述目标光伏阵列模型中，以得到所述目标光伏阵列模型输出的参考运行结果；确定所述参考运行结果和所述初始运行结果是否满足匹配条件；如果所述参考运行结果和所述初始运行结果不满足所述匹配条件，则确定所述光伏阵列存在运行异常。10.一种光伏阵列的异常检测装置，其特征在于，包括：获取模块，用于获取光伏阵列的多个运行数据；构建模块，用于构建初始光伏阵列模型，其中，所述初始光伏阵列模型具有对应的模型参数；处...

【专利技术属性】
技术研发人员：田鸿翔，范吉祥，周文辉，陆昕原，张晓燕，张洋，彭文博，赵东明，陈雄飞，李晓磊，王立闯，李孟蕾，刘云，高虎，罗丽珍，朱纹哲，
申请(专利权)人：中国华能集团清洁能源技术研究院有限公司华能新能源股份有限公司，
类型：发明
国别省市：