一种基于时序数据画像的低效发电预警方法及系统技术方案

本发明专利技术实施例涉及光伏发电技术领域，本发明专利技术实施例具体公开了一种基于时序数据画像的低效发电预警方法及系统，由于现有技术很少考虑周期性变化带来的干扰，同时造成估计的发电损失与实际损失存在较大误差，影响灰尘预警准确度；因此，在本发明专利技术提供的预警方法中，通过制定光伏遮挡时间序列的阴影画像，基于阴影画像计算阴影损失电量；光伏组串积灰判断与损失电量计算；光伏组串低效运行报警。因此，本发明专利技术结合光伏遮挡时间序列的阴影画像，区分组串电流降低的具体原因，将组串为周期性波动现象造成的阴影遮挡进行规避，降低误报警率，提高预警准确性。准确性。准确性。

【技术实现步骤摘要】
一种基于时序数据画像的低效发电预警方法及系统


[0001]本专利技术涉及光伏发电
，具体是一种基于时序数据画像的低效发电预警方法及系统。

技术介绍

[0002]随着环境问题的日益突出，能源转型问题受到了广泛关注，太阳能、风能等清洁可再生能源作为新型能源获得了快速发展。太阳能光伏产业作为新能源产业体系中较为成熟的产业，产业规模将进一步扩大。为了满足数字化转型需求，光伏场站数字化转型也是必然趋势。
[0003]随着光伏行业的持续发展，光伏新能源的装机容量不断增加的背景下，光伏电场逐步实现数字运营也成为了当前重要突破的方向。光伏组件的正常运行，是保证光伏电站持续、稳定、高效发电的基础。光伏组件是光伏电站数量最多的设备，要确保组件的正常运行，需要及时对组件的运行状态进行监测，发生异常运行状态及时进行预警，不仅能够节约运维成本，而且能大大提高运维人员的工作效率，并且能使运维人员准确、快速的发现有问题的组件。为了维护光伏组件持续、高效、稳定的发电，须投入大量的人力和物力。当前也迫切的需要我们通过大数据和人工智能相关算法对光伏组串进行精准低效预警同时避免发电损失。
[0004]目前，在确定电流偏差异常时通常是依据光伏电站的地域和经验设定阈值来设定阈值，没有考虑在不同类别下对电流偏差的影响，在对电流偏差异常值筛选时，通常采用描述性统计量去确定电流偏差异常，这种方式很难对时序异常值进行准确检测，因为会考虑到时间和季节维度，在排除非灰尘遮挡造成发电损失的过程中，现有技术很少考虑周期性变化带来的干扰，同时造成估计的发电损失与实际损失存在较大误差，影响灰尘预警准确度。

技术实现思路

[0005]本专利技术的目的在于提供一种基于时序数据画像的低效发电预警方法及系统，以解决目前无法对光伏组件的运行状态进行及时准确的预警，确保光伏组件的正常运行的问题。为实现上述目的，本专利技术实施例提供如下技术方案。
[0006]第一方面，在本专利技术的一个实施例中，提供了一种基于时序数据画像的低效发电预警方法，所述的预警方法包括以下步骤：
[0007]制定光伏遮挡时间序列的阴影画像，基于阴影画像计算阴影损失电量；
[0008]光伏组串积灰判断与损失电量计算；
[0009]光伏组串低效运行报警。
[0010]进一步的，所述制定光伏遮挡时间序列的阴影画像的步骤包括：
[0011]计算组串电流偏差率基于组串电流数据，应用谱聚类算法对波动异常的组串电流进行识别，根据聚类结果依据光伏电站的地域和经验设定阈值；
[0012]针对电流偏差异常值检测以及结合设定的阈值，计算组串偏低的持续时间；
[0013]生成阴影画像。
[0014]进一步的，所述基于阴影画像计算阴影损失电量的步骤包括：
[0015]分析时间序列为索引的周期性；
[0016]计算每个组串电流在阴影时长内的电流偏差率，并同时基于电流偏差率折算每个组串的电量损失；
[0017]每个组串的电量损失求和即为逆变器的阴影损失电量。
[0018]进一步的，所述光伏组串积灰判断与损失电量计算的步骤包括：
[0019]通过统计学方法学习组件在洁净状态下的发电表现，建立理论发电量预测模型。
[0020]基于CNN建立清洁指数模型，评价灰尘的积累程度，量化灰尘对组件发电能力的影响；
[0021]将时间、实际发电量、辐射强度、环境温度、风速输入理论发电量预测模型，得到理论发电量，结合制定光伏遮挡时间序列的阴影画像，排除逆变器故障、检修、限电、停机的运行状态，计算得到因积灰造成的损失电量。
[0022]进一步的，所述建立理论发电量预测模型的步骤包括采用切片、切块的方法对不同条件下的光伏组件分别建立理论发电量预测模型，实现对光伏组件最优发电量的准确预测。
[0023]进一步的，将建模所需要的特征矩阵，采用切片、切块的方法对数据集进行划分，针对不同的切片、切块，采用数据清洗的方法，对有噪声的数据进行预处理，应用统计学的方法，输出每个切片、切块的理论发电量，也就是在理论条件下的最优发电量。
[0024]进一步的，所述光伏组串低效运行报警的步骤包括：根据计算结果的损失电量判断光伏组串的运行状态，在所述运行状态为低效运行时进行报警。
[0025]第二方面，在本专利技术提供的另一个实施例中，一种基于时序数据画像的低效发电预警系统，所述预警系统包括：
[0026]阴影画像模块，所述阴影画像模块用于制定光伏遮挡时间序列的阴影画像；
[0027]第一计算模块，所述第一计算模块用于基于阴影画像计算阴影损失电量；
[0028]第二计算模块，所述第二计算模块用于光伏组串积灰判断与损失电量计算；
[0029]低效预警模块，所述低效预警模块用于光伏组串低效运行报警。
[0030]第三方面，在本专利技术提供的再一个实施例中，一种计算机设备，所述计算机设备包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机可读指令，所述处理器执行所述计算机可读指令时实现如第一方面所提供的基于时序数据画像的低效发电预警方法。
[0031]第四方面，在本专利技术提供的又一个实施例中，一种计算机可读存储介质，所述计算机可读存储介质存储有计算机可读指令，所述计算机可读指令被一个或多个处理器执行时，使得所述一个或多个处理器执行如第一方面所提供的基于时序数据画像的低效发电预警方法。
[0032]与现有技术相比，本专利技术实施例的有益效果是：在本专利技术提供的预警方法中，制定光伏遮挡时间序列的阴影画像，基于阴影画像计算阴影损失电量；光伏组串积灰判断与损失电量计算；光伏组串低效运行报警。因此，本专利技术结合光伏遮挡时间序列的阴影画像，区
分组串电流降低的具体原因，将组串为周期性波动现象造成的阴影遮挡进行规避，降低误报警率，提高预警准确性。
附图说明
[0033]为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例。
[0034]图1为本专利技术基于时序数据画像的低效发电预警方法的实现流程图。
[0035]图2为本专利技术提供的预警方法的一个子流程图；
[0036]图3为本专利技术提供的预警方法的另一个子流程图；
[0037]图4为本专利技术提供的预警方法中阴影画像的示意图；
[0038]图5为本专利技术基于时序数据画像的低效发电预警系统的结构框图；
[0039]图6为本专利技术提供的一种计算机设备的结构框图。
具体实施方式
[0040]为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。
[0041]目前，在确定电流偏差异常时通常是依据光伏电站的地域和经验设定阈值来设定阈值，没有考虑在不同类别下对电流偏差的影响，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于时序数据画像的低效发电预警方法，其特征在于，所述的预警方法包括以下步骤：制定光伏遮挡时间序列的阴影画像，基于阴影画像计算阴影损失电量；光伏组串积灰判断与损失电量计算；光伏组串低效运行报警。2.根据权利要求1所述的基于时序数据画像的低效发电预警方法，其特征在于，所述制定光伏遮挡时间序列的阴影画像的步骤包括：计算组串电流偏差率基于组串电流数据，应用谱聚类算法对波动异常的组串电流进行识别，根据聚类结果依据光伏电站的地域和经验设定阈值；针对电流偏差异常值检测以及结合设定的阈值，计算组串偏低的持续时间；生成阴影画像。3.根据权利要求2所述的基于时序数据画像的低效发电预警方法，其特征在于，基于阴影画像计算阴影损失电量的步骤包括：分析时间序列为索引的周期性；计算每个组串电流在阴影时长内的电流偏差率，并同时基于电流偏差率折算每个组串的电量损失；每个组串的电量损失求和即为逆变器的阴影损失电量。4.根据权利要求3所述的基于时序数据画像的低效发电预警方法，其特征在于，所述光伏组串积灰判断与损失电量计算的步骤包括：通过统计学方法学习组件在洁净状态下的发电表现，建立理论发电量预测模型；基于CNN建立清洁指数模型，评价灰尘的积累程度，量化灰尘对组件发电能力的影响；将时间、实际发电量、辐射强度、环境温度、风速输入理论发电量预测模型，得到理论发电量，结合制定光伏遮挡时间序列的阴影画像，排除逆变器故障、检修、限电、停机的运行状态，计算得到因积灰造成的损失电量。5.根据权利要求4所述的基于时序数据画像的低效发电预警方法，其特征在于，建立理论发电量预测模型的步骤包括采用切片、切块的方法对不同条件下的光...

【专利技术属性】
技术研发人员：段长江，闫文倩，李发伟，季鹏举，许兆鹏，刘瓦，崔立业，陈楠，李磊，田宇，高飞，周立学，许东，王寻，
申请(专利权)人：长春吉电能源科技有限公司重庆中电自能科技有限公司，
类型：发明
国别省市：