一种光伏电站健康度预测方法、系统和存储介质技术方案

本发明专利技术公开了一种光伏电站健康度预测方法、系统和存储介质。分别对光伏电站的每项指标进行分析，基于每项指标的最大值、最小值和均值离散度及所述最大值、最小值和均值离散度在相应指标中的权重，得到相应指标的评分；根据光伏电站的每项指标评分，预测光伏电站健康度。能够全面而有区别地评估各项数据特征在对应指标中的影响，得到的指标数据更加客观、准确，在此基础上预测的光伏电站健康度将更加精准，并且处理光伏电站大数据的算法复杂度较低，减少了对算力资源的依赖，具有较好的通用性，便于在复杂工况下较快得出光伏电站健康度。度。度。

【技术实现步骤摘要】
一种光伏电站健康度预测方法、系统和存储介质


[0001]本专利技术涉及光伏电站管理监测
，特别涉及一种光伏电站健康度预测方法、系统和存储介质。

技术介绍

[0002]随着分布式光伏电站的容量不断增大，其性能指标会逐渐下降，在光伏电站的运维管理中，需要经常对光伏电站健康度进行预测，以便及时掌握光伏电站性能状况。常规电站运维重点主要是针对设备的损坏程度，虽然在线状态监测系统已经保存了大量的运行数据，但并没有充分结合大数据算法支撑。目前，光伏电站健康度评价较为广泛应用的健康状态评估方法是基于原始监测数据，在领域专家或经验知识指导下，经过简单统计分析或者特征提取，直接构造出健康值。由于人工参与，造成了建模方法难以具备通用性，且如果发电设备在复杂工况下运行时，建模难度会倍增，并进而导致评估不精准、不及时。

技术实现思路

[0003]为了解决上述问题，专利技术人做出本专利技术，通过具体实施方式，提供一种光伏电站健康度预测方法、系统和存储介质。
[0004]第一方面，本专利技术实施例提供一种光伏电站健康度预测方法，包括以下步骤：分别对光伏电站的每项指标进行分析，基于每项指标的最大值、最小值和均值离散度及所述最大值、最小值和均值离散度在相应指标中的权重，得到相应指标的评分；根据光伏电站的每项指标评分，预测光伏电站健康度。
[0005]可选的，所述每项指标包括：光伏电站系统能效PR、故障率、故障恢复时长和可用系数，可用系数用于表示光伏电站发电设备可靠性。
[0006]可选的，光伏电站系统能效PR按照下式确定：，式中，表示天光伏发电站输出的总发电量，表示标准条件下光伏发电站安装容量，表示天光伏方阵倾斜面单位面积总辐照量，表示标准条件下的辐照度。
[0007]可选的，可用系数按照下式确定：，式中，表示光伏电站可用系数，n表示光伏电站中光伏发电单元总数，i表示光伏电站中光伏发电单元序数，表示第i光伏发电单元可用小时数，表示第i光伏发电单元光伏组件安装容量，表示统计期间小时数，表示标准条件下光伏发电站安装
容量，其中应按照下式计算：，式中，表示对应光伏发电单元运行小时数，表示对应光伏发电单元调度停运备用小时数，表示对应光伏发电单元因站外原因受累停运备用小时数。
[0008]可选的，分别对光伏电站的每项指标进行分析，基于每项指标的最大值、最小值和均值离散度及所述最大值、最小值和均值离散度在相应指标中的权重，得到相应指标的评分，包括以下步骤：基于光伏电站历史运行数据，分别确定光伏电站每项指标的最大值、最小值和均值离散度；分别确定光伏电站每项指标的最大值、最小值和均值离散度在相应指标中的权重；基于每项指标的最大值、最小值和均值离散度及所述最大值、最小值和均值离散度在相应指标中的权重，建立相应指标评分模型；根据指标评分模型，分别确定每项指标的评分。
[0009]可选的，分别确定光伏电站每项指标的最大值、最小值和均值离散度在相应指标中的权重，包括以下步骤：基于光伏电站历史运行数据，训练AI模型，预测得到光伏电站每项指标的最大值、最小值和均值离散度在相应指标中的权重。
[0010]可选的，基于光伏电站历史运行数据，训练AI模型，预测得到光伏电站每项指标的最大值、最小值和均值离散度在相应指标中的权重，包括以下步骤：根据光伏电站历史运行数据，生成多个样本，将生成的样本输入SVR模型进行训练，基于样本点和SVR回归超平面的距离设置间隔带，落入间隔带内的样本点不计入损失，间隔带外的样本点计入损失，以总损失最小化且间隔带宽度最大化为目标设置目标函数，根据样本特征选择核函数和正则化参数，当满足预设的训练终止条件时，根据落在SVR回归超平面上的样本点，预测输出光伏电站每项指标的最大值、最小值和均值离散度在相应指标中的权重。
[0011]可选的，根据样本特征选择核函数和正则化参数，包括以下步骤：从样本中抽取测试集，以测试集中的样本为输入，选择不同的核函数和正则化参数分别进行SVR模型训练，每种SVR模型分别输出光伏电站每项指标的最大值、最小值和均值离散度在相应指标中的权重，按照预设的评分标准，分别对每种SVR模型输出权重进行评分，选择评分最高的SVR模型对应的核函数和正则化参数。
[0012]可选的，基于每项指标的最大值、最小值和均值离散度及所述最大值、最小值和均值离散度在相应指标中的权重，建立相应指标评分模型，包括以下步骤：基于光伏电站系统能效PR的最大值、最小值和均值离散度及所述最大值、最小值和均值离散度在光伏电站系统能效PR中的权重，建立光伏电站系统能效PR评分模型如下：
[0013]式中，表示光伏电站系统能效PR评分，表示统计期内光伏电站系统能效
PR的最大值在光伏电站系统能效PR中的权重，表示统计期内光伏电站系统能效PR的最大值，表示统计期内光伏电站系统能效PR的最小值在光伏电站系统能效PR中的权重，表示统计期内光伏电站系统能效PR的最小值，表示统计期内光伏电站系统能效PR的均值离散度在光伏电站系统能效PR中的权重,表示统计期内光伏电站系统能效PR的均值离散度；基于光伏电站故障率的最大值、最小值和均值离散度及所述最大值、最小值和均值离散度在光伏电站故障率中的权重，建立光伏电站故障率评分模型如下：
[0014]式中，表示光伏电站故障率评分，表示统计期内光伏电站故障率的最大值在光伏电站故障率中的权重，表示统计期内光伏电站故障率的最大值，表示统计期内光伏电站故障率的最小值在光伏电站故障率中的权重，表示统计期内光伏电站故障率的最小值，表示统计期内光伏电站故障率的均值离散度在光伏电站故障率中的权重,表示统计期内光伏电站故障率的均值离散度；基于光伏电站故障恢复时长的最大值、最小值和均值离散度及所述最大值、最小值和均值离散度在光伏电站故障恢复时长中的权重，建立光伏电站故障恢复时长评分模型如下：
[0015]式中，表示光伏电站故障恢复时长评分，表示统计期内光伏电站故障恢复时长的最大值在光伏电站故障恢复时长中的权重，表示统计期内光伏电站故障恢复时长的最大值，表示统计期内光伏电站故障恢复时长的最小值在光伏电站故障恢复时长中的权重，表示统计期内光伏电站故障恢复时长的最小值，表示统计期内光伏电站故障恢复时长的均值离散度在光伏电站故障恢复时长中的权重,表示统计期内光伏电站故障恢复时长的均值离散度,为统计期间天数；基于光伏电站可用系数的最大值、最小值和均值离散度及所述最大值、最小值和均值离散度在光伏电站可用系数中的权重，建立光伏电站可用系数评分模型如下：
[0016]式中，表示光伏电站可用系数评分，表示统计期内光伏电站可用系数的最大值在光伏电站可用系数中的权重，表示统计期内光伏电站可用系数的最大值，表示统计期内光伏电站可用系数的最小值在光伏电站可用系数中的权重，表示统计期内光伏电站可用系数的最小值，表示统计期内光伏电站可用系数的均值离散度在光伏电站可用系数中的权重,表示统计期内光伏电站可用系数的均值离散度。
[0017]可选的，基于每项指标的最大值、最小值和均值离散度及所述最大值、最小值本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种光伏电站健康度预测方法，其特征在于，包括以下步骤：分别对光伏电站的每项指标进行分析，基于每项指标的最大值、最小值和均值离散度及所述最大值、最小值和均值离散度在相应指标中的权重，得到相应指标的评分；根据光伏电站的每项指标评分，预测光伏电站健康度。2.如权利要求1所述的方法，其特征在于，所述每项指标包括：光伏电站系统能效PR、故障率、故障恢复时长和可用系数，可用系数用于表示光伏电站发电设备可靠性；光伏电站系统能效PR按照下式确定：，式中，表示天光伏发电站输出的总发电量，表示标准条件下光伏发电站安装容量，表示天光伏方阵倾斜面单位面积总辐照量，表示标准条件下的辐照度；可用系数按照下式确定：，式中，表示光伏电站可用系数，n表示光伏电站中光伏发电单元总数，i表示光伏电站中光伏发电单元序数，表示第i光伏发电单元可用小时数，表示第i光伏发电单元光伏组件安装容量，表示统计期间小时数，表示标准条件下光伏发电站安装容量，其中应按照下式计算：，式中，表示对应光伏发电单元运行小时数，表示对应光伏发电单元调度停运备用小时数，表示对应光伏发电单元因站外原因受累停运备用小时数。3.如权利要求1所述的方法，其特征在于，分别对光伏电站的每项指标进行分析，基于每项指标的最大值、最小值和均值离散度及所述最大值、最小值和均值离散度在相应指标中的权重，得到相应指标的评分，包括以下步骤：基于光伏电站历史运行数据，分别确定光伏电站每项指标的最大值、最小值和均值离散度；分别确定光伏电站每项指标的最大值、最小值和均值离散度在相应指标中的权重；基于每项指标的最大值、最小值和均值离散度及所述最大值、最小值和均值离散度在相应指标中的权重，建立相应指标评分模型；根据指标评分模型，分别确定每项指标的评分。4.如权利要求3所述的方法，其特征在于，分别确定光伏电站每项指标的最大值、最小值和均值离散度在相应指标中的权重，包括以下步骤：根据光伏电站历史运行数据，生成多个样本，将生成的样本输入SVR模型进行训练，基于样本点和SVR回归超平面的距离设置间隔带，落入间隔带内的样本点不计入损失，间隔带外的样本点计入损失，以总损失最小化且间隔带宽度最大化为目标设置目标函数，根据样
本特征选择核函数和正则化参数，当满足预设的训练终止条件时，根据落在SVR回归超平面上的样本点，预测输出光伏电站每项指标的最大值、最小值和均值离散度在相应指标中的权重。5.如权利要求4所述的方法，其特征在于，根据样本特征选择核函数和正则化参数，包括以下步骤：从样本中抽取测试集，以测试集中的样本为输入，选择不同的核函数和正则化参数分别进行SVR模型训练，每种SVR模型分别输出光伏电站每项指标的最大值、最小值和均值离散度在相应指标中的权重，按照预设的评分标准，分别对每种SVR模型输出权重进行评分，选择评分最高的SVR模型对应的核函数和正则化参数。6.如权利要求3所述的方法，其特征在于，基于每项指标的最大值、最小值和均值离散度及所述最大值、最小值和均值离散度在相应指标中的权重，建立相应指标评分模型，包括以下步骤：基于光伏电站系统能效PR的最大值、最小值和均值离散度及所述最大值、最小值和均值离散度在光伏电站系统能效PR中的权重，建立光伏电站系统能效PR评分模型如下：；式中，表示光伏电站系统能效PR评分，表示统计期内光伏电站系统能效PR的最大值在光伏电站系统能效PR中的权重，表示统计期内光伏电站系统能效PR的最大值，表示统计期内光伏电站系统能效PR的最小值在光伏电站系统能效PR中的权重，表示统计期内光伏电站系统能效PR的最小值，表示统计期内光伏电站系统能效PR的均值离散度在光伏电站系统能效PR中的权重,表示统计期内光伏电站系统能效PR的均值离散度；基于光伏电站故障率的最大值、最小值和均值离散度及所述最大值、最小值和均值离散度在光伏电站故障率中的权重，建立光伏电站故障率评分模型如下：；式中，表示光伏电站故障率评分，表示统计期内光伏电站故障率的最大值在光伏电站故障率中的权重，表示统计期内光伏电站故障率的最大值，表示统计期内光伏电站故障率的最小值在光伏电站故障率中的权重，表示统计期内光伏电站故障率的最小值，表示统计期内光伏电站故障率的均值离散度在光伏电...

【专利技术属性】
技术研发人员：王泽军，李欣，杨玲，
申请(专利权)人：国家电投集团综合智慧能源科技有限公司，
类型：发明
国别省市：