一种光伏组串损失电量计算方法及系统技术方案

本发明专利技术提供了一种光伏组串损失电量计算方法，获取组串的历史运行数据；建立设备状态分析模型，根据组串历史运行数据，对组串进行状态分类；设置若干不同条件下的对照组组串，根据对照组发电量与组串历史实际发电量得出对应的对照损失电量；根据组串历史运行数据、组串所处的状态、对照损失电量构建损失电量计算模型；将组串实测运行数据带入损失电量计算模型得到组串损失电量。还提供了一种实现上述方法的系统。本发明专利技术针对每个组串构建模型，同时构建模型时考虑具体的设备状态，解决了现有技术中损失电量计算不准确的问题。技术中损失电量计算不准确的问题。技术中损失电量计算不准确的问题。

【技术实现步骤摘要】
一种光伏组串损失电量计算方法及系统


[0001]本专利技术涉及光伏发电监测
，尤其涉及一种光伏组串损失电量计算方法及系统。

技术介绍

[0002]光伏电站在运营期间发电水平是直接影响光伏电站经济效应的最关键因素，发电水平与电站日常的维护息息相关，需要及时对故障设备以及设备状态进行检修和维护。而组串的损失电量是光伏设备检修和维护的重要依据，光伏电站实际运行过程中，对损失电量的分析和计算较为困难，不利于工作人员对电站整体发电效率的评估。
[0003]CN202111353709预测分析了在灰尘覆盖度这单一故障模型下的损失电量，缺乏系统性的故障场景下损失电量分析，导致在其他故障模式下损失电量计算准确性较差。CN202111210412根据其他同类型组串正常运行数据作为输入变量，运用神经网络模型实现了设备异常组串损失电量计算，但是，不同组串存在模型参数差异，单一的预测模型并不能保证损失电量计算的准确性。

技术实现思路

[0004]针对现有技术中所存在的不足，本专利技术提供了一种光伏组串损失电量计算方法及系统，其解决了现有技术中损失电量计算准确性不足的问题。
[0005]为实现上述目的，本专利技术采用了如下技术方案：一种光伏组串损失电量计算方法，包括如下步骤，获取组串的历史运行数据；建立设备状态分析模型，根据组串历史运行数据，对组串进行状态分类；设置对照组组串，根据对照组发电量与组串历史实际发电量得出对应的对照损失电量；根据组串历史运行数据、组串所处的状态、对照损失电量构建损失电量计算模型；将组串实测运行数据带入损失电量计算模型得到组串损失电量。
[0006]本专利技术还提出了一种基于上述方法的光伏电站损失电量计算方法，将电站内所有组串的损失电量叠加，得到光伏电站损失电量及分布情况。
[0007]本专利技术还提出可一种光伏组串损失电量计算系统，包括数据采集模块、数据处理模块和数据分析模块；所述数据采集模块用于采集组串的运行数据；所述数据处理模块用于提取运行数据中计算发电量、影响发电量的特征以及组串图像特征；所述数据分析模块用于分析组串设备状态，并计算当前组串损失电量。
[0008]相比于现有技术，本专利技术具有如下有益效果：本专利技术在通过设置对照组得到组串的历史运行数据的对照损失电量，用于构建模型。本专利技术针根据每个组串自身的历史数据建立各自的模型，避免了组串间因自身、环境情况不同导致的模型不通用的问题。在建立模型时，不仅仅考虑历史数据与对照损失电量之间的对应关系，还考虑了采集历史数据时，组串所处的设备状态。使得损失电量模型建立后，考虑了历史运行数据本身的变化规律和特征间的内在联系，得出更为准确的损失电量，
为之后的维护处理提供准确参考，进而保证光伏电站的发电水平。本专利技术的其它优点、目标和特征将部分通过下面的说明体现，部分还将通过对本专利技术的研究和实践而为本领域的技术人员所理解。
附图说明
[0009]图1为本专利技术实施例的整体逻辑框图。
具体实施方式
[0010]为了使本专利技术实现的技术手段、创作特征、达成目的与作用更加清楚及易于了解，下面结合附图及实施例对本专利技术中的技术方案进一步说明。
[0011]如图1所示，本专利技术提供了一种光伏组串损失电量计算方法，包括如下步骤，获取组串的历史运行数据；建立设备状态分析模型，根据组串历史运行数据，对组串进行状态分类；设置对照组组串，根据对照组发电量与组串历史实际发电量得出对应的对照损失电量；根据组串历史运行数据、组串所处的状态、对照损失电量构建损失电量计算模型；将组串实测运行数据带入损失电量计算模型得到组串损失电量。
[0012]为保证光伏电站的运行管理和控制，目前均是以光伏组串为单位进行数据监测，主要包括主要包括直流电压、直流电流、组串连接逆变器逆变效率、逆变器电网频率、逆变器日发电量、逆变器功率因素、逆变器直流功率、组串面板朝向、天气情况、辐射强度、环境温度等数据信息。通过其中部分数据，很容易通过现成的数据分析模型得出光伏组建的发电量和设备损坏、老化程度等信息。在通过这些数据进行建模时，提取其中关于电压、电流、功率、辐射强度、角度等用来计算发电量或者影响发电量的特征，然后剔除异常数据即可，对此，现有技术对于具体建模方法已经有较为完整的介绍，只是考虑因素上有所差异。建模具体可按照以下思路完成：光伏阵列按组串划分，各组串设定正常运行物理对照组，确定采样频率和采样周期，获取各组串足量实际运行数据，形成组串历史运行数据集一，以及对应时刻各组串物理对照组正常状态运行数据集二。针对数据集一和数据集二进行数据聚合和数据降维处理，并根据统计机器学习或深度学习方法实现特征提取，构造数据特征提取工具，为后续数据建模奠定基础。模型学习需根据组串历史运行数据分析形成特征量、状态量和损失量。首先，根据组串历史运行数据集一及提取的数据特征，形成模型学习需求的特征量，并利用设备状态分析模型识别组串当前运行状态，主要包括：正常态、异物覆盖、阴影遮挡、灰尘堆积、组件老化等，形成组串运行数据的状态量。同时，基于数据分析模型，分析当前组串运行时刻的实际发电量。进一步，根据组串物理对照组正常状态运行数据集二及提取的数据特征，利用数据分析模型和发电量预测模型综合评估和计算物理对照组正常发电量。最后，根据获取的组串实际发电量和对照组的正常发电量对比误差，可计算组串当前状态的损失电量，形成模型学习需求的损失量。根据特征融合模型，对组串状态量和数据特征量进行特征融合，并结合评估分析的组串损失量，进一步采用决策树、支持向量机、神经网络、深度学习、集成学习等机器学习技术构建组串级损失电量计算模型。
[0013]研究组串发电量损失的目的，一方面是为了对组串发电量的一个整体了解与把控，更重要的是，为后续的维护提供指引。光伏电站实际运行过程中，设备故障、组件老化、异物覆盖、阴影遮挡、灰尘堆积等原因极大地降低了电站发电效率，但由于天气、环境等物
理参数快速发生变化，对损失电量的分析和计算较为困难，不利于工作人员对电站整体发电效率的评估。其中天气、阴影遮挡等原因，是难以通过维护去改善的，而设备老化、灰尘堆积等是可以通过维护去改善的，因此在计算损失电量时，是否计入需要根据目的对其进行区别对待。
[0014]由于光伏电站面积大，人工巡察困难且不便记录，因此目前大多采用无人机获得巡检图像数据，本专利技术通过对图像的分析，可以得到异物覆盖、灰尘堆积情况，并得出其对发电效率的影响程度。而阴影遮挡则随着每天不同时刻日光的角度呈现出明显的时间规律，最终反应到辐射强度、位置随时间规律变化，可以通过运行数据规律得出；设备故障和组件老化则直接反映为设备本身参数异常。将光伏组串的设备状态进行分类，一方面，使得建模时能够考虑的历史数据的发展规律和数据件的内在联系，进而得出更为准确的损失电量计算模型，另一方面，给与后续维护更具参考的意义。
[0015]对照组的数据为设备正常、表面干净、无遮挡时在同样的温度、辐射强度和风速条件下得出。通过分析发现，在设备正常情况下，影响发电量的主要因素是辐射强本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种光伏组串损失电量计算方法，其特征在于，包括如下步骤：获取组串的历史运行数据；建立设备状态分析模型，根据组串历史运行数据，对组串进行设备状态分类；设置对照组组串，根据对照组发电量与组串历史实际发电量得出对应的对照损失电量；根据组串历史运行数据、组串所处的状态、对照损失电量构建损失电量计算模型；将组串实测运行数据带入损失电量计算模型得到组串损失电量。2.如权利要求1所述的一种光伏组串损失电量计算方法，其特征在于，所述历史运行数据包括组串的巡检图像数据。3.如权利要求2所述的一种光伏组串损失电量计算方法，其特征在于，所述历史运行数据包括采样时间和采样时间所对应的直流电压、直流电流、组串连接逆变器逆变效率、逆变器电网频率、逆变器功率、逆变器直流功率、组串面板朝向、天气情况、辐射强度和环境温度。4.如权利要求3所述的一种光伏组串损失电量计算方法，其特征在于，所述设备状态包括完全正常、异物覆盖、阴影遮挡、灰尘堆积和组件老化中的至少两种。5.如权利要求1所述的一种光伏组串损失电量计算方法，其特征在于，所述对照组的数据为设备正常、表面干净、无遮挡时并在同样的温度、辐射强度和风速条...

【专利技术属性】
技术研发人员：张瑜，夏海洋，江春梅，彭合娟，谢勇，李嘉，杨波，
申请(专利权)人：重庆中电自能科技有限公司，
类型：发明
国别省市：