基于神经网络的光伏电站灰尘覆盖度确定方法及装置制造方法及图纸

本申请关于一种基于神经网络的光伏电站灰尘覆盖度确定方法及装置。具体方案为：获取新一轮光伏电站灰尘清理完成后的第M天N个时刻的光伏组件工况数据；将N个时刻的光伏组件工况数据发送至第二服务器；获取第二服务器发送的N个时刻的电站实时输出功率预测值；获取第M天N个时刻的电站实时输出功率实测值；对第M天N个时刻的电站实时输出功率预测值进行积分，以得到第一数值，对第M天N个时刻的电站实时输出功率实测值进行积分，以得到第二数值；基于第一数值和第二数值，确定光伏电站第M天的灰尘覆盖度。本申请提高了灰尘覆盖度计算的准确性。准确性。准确性。

【技术实现步骤摘要】
基于神经网络的光伏电站灰尘覆盖度确定方法及装置


[0001]本申请涉及光伏电站
，尤其涉及一种基于神经网络的光伏电站灰尘覆盖度确定方法及装置。

技术介绍

[0002]相关技术中，光伏电站可随时提供一组样板组串。样板组串每天由清扫机器人或人工进行清扫。以样板组串在某个周期内的发电量或者实时电流积分值与受灰尘覆盖影响的组串同周期内的发电量或者实时电流积分值做横向比较分析，计算出二者间差值，由差值计算出组串因灰尘覆盖造成的发电量损失，进而计算出整个光伏电站因灰尘覆盖造成的发电量损失。由于样板组串每天都需要清扫，通过安装自动清扫机器人进行清扫成本比较高，且每个清扫机器人只能负责极少量组串，主要受制于光伏支架的排列分布情况，所以光伏电站一般能提供的样本数量较少。因为电站组串工作状态的不一致性，少量样板光伏组串无法描述出电站所有组串不受灰尘覆盖的参考状态，所以导致组串因灰尘覆盖造成的发电量损失计算不准确，进而影响了对组串清扫的及时性。

技术实现思路

[0003]为此，本申请提供一种基于神经网络的光伏电站灰尘覆盖度确定方法及装置。本申请的技术方案如下：
[0004]根据本申请实施例的第一方面，提供一种基于神经网络的光伏电站灰尘覆盖度确定方法，应用于第一服务器，所述方法包括：
[0005]获取新一轮光伏电站灰尘清理完成后的第M天N个时刻的光伏组件工况数据；所述光伏组件工况数据包括光伏组件的工作温度数据和光伏组件接受的辐照度数据；所述M为大于0的整数；所述N为大于0的整数；
[0006]将所述N个时刻的光伏组件工况数据发送至第二服务器；所述N个时刻的光伏组件工况数据用于触发所述第二服务器通过预训练的功率预测模型，确定所述N个时刻的电站实时输出功率预测值；所述功率预测模型为根据预设时间段内N个时刻的光伏组件工况样本数据构建的神经网络模型；
[0007]获取所述第二服务器发送的所述N个时刻的电站实时输出功率预测值；
[0008]获取所述第M天N个时刻的电站实时输出功率实测值；
[0009]对所述第M天N个时刻的电站实时输出功率预测值进行积分，以得到第一数值，对所述第M天N个时刻的电站实时输出功率实测值进行积分，以得到第二数值；
[0010]基于所述第一数值和所述第二数值，确定光伏电站第M天的灰尘覆盖度。
[0011]根据本申请的一个实施例，所述基于所述第一数值和所述第二数值，确定光伏电站第M天的灰尘覆盖度，包括：
[0012]将所述第一数值和所述第二数值相减，以得到第一差值；
[0013]将所述第一差值除以所述第一数值，以得到光伏电站第M天相对于所述预设时间
段的灰尘覆盖度变化量；
[0014]获取历史灰尘覆盖度；其中，所述历史灰尘覆盖度为所述预设时间段的灰尘覆盖度；
[0015]基于所述历史灰尘覆盖度和所述灰尘覆盖度变化量，得到光伏电站第M天的灰尘覆盖度。
[0016]根据本申请的一个实施例，在所述获取新一轮光伏电站灰尘清理完成后的第M天N个时刻的光伏组件工作温度数据、辐照度数据之前，还包括：
[0017]响应于新一轮光伏电站灰尘清理完成，按照预设频率获取预设时间段内N个时刻的光伏组件工况样本数据；所述光伏组件工况样本数据包括光伏组件的工作温度样本数据、光伏组件接受的辐照度样本数据和电站实时输出功率实测值样本；
[0018]将所述预设时间段内N个时刻的光伏组件工况样本数据发送至所述第二服务器；所述预设时间段内N个时刻的光伏组件工况样本数据用于触发所述第二服务器基于所述预设时间段内N个时刻的光伏组件工况样本数据，对所述功率预测模型进行训练；所述预设时间段内N个时刻的光伏组件工况样本数据是按照所述预设频率采集得到的。
[0019]根据本申请的一个实施例，在所述获取新一轮光伏电站灰尘清理完成后的第M天N个时刻的光伏组件工作温度数据、辐照度数据之前，还包括：
[0020]获取光伏电站的天气数据；
[0021]基于所述光伏电站的天气数据，确定将第M+1天是否为下雨天；
[0022]响应于确定所述第M+1天为下雨天，将所述第M+1天确定为新的第M天，重新执行所述基于所述光伏电站的天气数据，确定将第M+1天是否为下雨天的步骤；
[0023]响应于确定所述第M+1天为晴天，将所述第M+1天确定为新的第M天，停止执行所述基于所述光伏电站的天气数据，确定将第M+1天是否为下雨天的步骤。
[0024]根据本申请的一个实施例，所述预设时间段内N个时刻与所述第M天N个时刻一一对应；所述第M+1天N个时刻与所述第M天N个时刻一一对应。
[0025]根据本申请实施例的第二方面，提供一种基于神经网络的光伏电站灰尘覆盖度确定方法，应用于第二服务器，所述方法包括：
[0026]接收所述第一服务器发送的第M天的N个时刻的光伏组件工况数据；所述第M天为新一轮光伏电站灰尘清理完成后的第M天；所述M为大于0的整数；所述N为大于0的整数；
[0027]将所述第M天的N个时刻的工况数据输入至预训练的功率预测模型；
[0028]获取所述预训练的功率预测模型输出的所述第M天的N个时刻的电站实时输出功率预测值；
[0029]将所述第M天的N个时刻的电站实时输出功率预测值发送至所述第一服务器；所述第M天的N个时刻的电站实时输出功率预测值用于触发所述第一服务器基于所述第M天的N个时刻的电站实时输出功率预测值和第M天的N个时刻的电站实时输出功率实测值，确定光伏电站第M天的灰尘覆盖度。
[0030]根据本申请的一个实施例，在所述接收所述第一服务器发送的第M天的N个时刻的光伏组件工况数据之前，还包括：
[0031]响应于接收到所述第一服务器发送的按照预设频率获取的光伏组件工况样本数据，基于所述光伏组件工况样本数据对待训练神经网络模型进行训练，以得到第一功率预
测模型；其中，所述光伏组件工况样本数据为新一轮光伏电站灰尘清理完成后的预设时间段内N个时刻的光伏组件工况样本数据；所述光伏组件工况样本数据包括光伏组件的工作温度样本数据、光伏组件接受的辐照度样本数据和电站实时输出功率实测值样本；
[0032]将所述第一功率预测模型确定为所述预训练的功率预测模型。
[0033]根据本申请实施例的第三方面，提供一种基于神经网络的光伏电站灰尘覆盖度计算装置，应用于第一服务器，所述装置包括：
[0034]第一获取模块，用于获取新一轮光伏电站灰尘清理完成后的第M天N个时刻的光伏组件工况数据；所述光伏组件工况数据包括光伏组件的工作温度数据和光伏组件接受的辐照度数据；所述M为大于0的整数；所述N为大于0的整数；
[0035]第一发送模块，用于将所述N个时刻的光伏组件工况数据发送至第二服务器；所述N个时刻的光伏组件工况数据用于触发所述第二服务器通过预训练的功率预测模型，确定所述N个时刻的电站实时输出功率预测值；所述功率预测模型为根据预设时间段内N个时刻的光伏组件工况样本本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于神经网络的光伏电站灰尘覆盖度确定方法，其特征在于，应用于第一服务器，所述方法包括：获取新一轮光伏电站灰尘清理完成后的第M天N个时刻的光伏组件工况数据；所述光伏组件工况数据包括光伏组件的工作温度数据和光伏组件接受的辐照度数据；所述M为大于0的整数；所述N为大于0的整数；将所述N个时刻的光伏组件工况数据发送至第二服务器；所述N个时刻的光伏组件工况数据用于触发所述第二服务器通过预训练的功率预测模型，确定所述N个时刻的电站实时输出功率预测值；所述功率预测模型为根据预设时间段内N个时刻的光伏组件工况样本数据构建的神经网络模型；获取所述第二服务器发送的所述N个时刻的电站实时输出功率预测值；获取所述第M天N个时刻的电站实时输出功率实测值；对所述第M天N个时刻的电站实时输出功率预测值进行积分，以得到第一数值，对所述第M天N个时刻的电站实时输出功率实测值进行积分，以得到第二数值；基于所述第一数值和所述第二数值，确定光伏电站第M天的灰尘覆盖度。2.根据权利要求1所述的方法，其特征在于，所述基于所述第一数值和所述第二数值，确定光伏电站第M天的灰尘覆盖度，包括：将所述第一数值和所述第二数值相减，以得到第一差值；将所述第一差值除以所述第一数值，以得到光伏电站第M天相对于所述预设时间段的灰尘覆盖度变化量；获取历史灰尘覆盖度；其中，所述历史灰尘覆盖度为所述预设时间段的灰尘覆盖度；基于所述历史灰尘覆盖度和所述灰尘覆盖度变化量，得到光伏电站第M天的灰尘覆盖度。3.根据权利要求1所述的方法，其特征在于，在所述获取新一轮光伏电站灰尘清理完成后的第M天N个时刻的光伏组件工况数据之前，还包括：响应于新一轮光伏电站灰尘清理完成，按照预设频率获取预设时间段内N个时刻的光伏组件工况样本数据；所述光伏组件工况样本数据包括光伏组件的工作温度样本数据、光伏组件接受的辐照度样本数据和电站实时输出功率实测值样本；将所述预设时间段内N个时刻的光伏组件工况样本数据发送至所述第二服务器；所述预设时间段内N个时刻的光伏组件工况样本数据用于触发所述第二服务器基于所述预设时间段内N个时刻的光伏组件工况样本数据，对所述功率预测模型进行训练；所述预设时间段内N个时刻的光伏组件工况样本数据是按照所述预设频率采集得到的。4.根据权利要求3所述的方法，其特征在于，在所述获取新一轮光伏电站灰尘清理完成后的第M天N个时刻的光伏组件工况数据之前，还包括：获取光伏电站的天气数据，基于所述天气数据确定所述第M天是否为下雨天；响应于确定所述第M天为下雨天，基于所述光伏电站的天气数据，确定将第M+1天是否为下雨天；响应于确定所述第M+1天为下雨天，将所述第M+1天确定为新的第M天，重新执行所述基于所述光伏电站的天气数据，确定将第M+1天是否为下雨天的步骤；响应于确定所述第M+1天为晴天，将所述第M+1天确定为新的第M天，停止执行所述基于
所述光伏电站的天气数据，确定将第M+1天是否为下雨天的步骤。5.根据权利要求4所述的方法，其特征在于，所述预设时间段内N个时刻与所述第M天N个时刻一一对应；所述第M+1天N个时刻与所述第M天N个时刻一一对应。6.基于神经网络的光伏电站灰尘覆盖度确定方法，其特征在于，应用于第二服务器，所述方法包括：接收所述第一服务器发送的第M天的N个时刻的光伏组件工况数据；所述第M天为新一轮光伏电站灰尘清理完成后的第M天；所述M为大于0的整数；所述N为大于0的整数；将所述第M天的N个时刻的工况数据输入至预训练的功率预测模型；获取所述预训练的功率预测模型输出的所述第M天的N个时刻的电站实时输出功率预测值；将所...

【专利技术属性】
技术研发人员：张都，韩斌，王忠杰，赵勇，谢小军，高平亮，王昭，
申请(专利权)人：西安热工研究院有限公司，
类型：发明
国别省市：