基于光伏建筑一体化系统发电量智能存储方法技术方案

本发明专利技术涉及数据处理技术领域，具体涉及基于光伏建筑一体化系统发电量智能存储方法，包括：采集光伏建筑一体化系统的历史发电功率数据和历史温度数据，获取当前天所有温度取值近似性，得到发电功率数据分析序列集合；获得当前天与发电功率数据分析序列集合的发电量相似性，得到有效天数序列集合；根据每个发电功率数据的时间区间，获得每个发电功率数据的异常因子，获得当前天的发电功率数据的所有异常数据点，生成发电功率数据的后向斜率压缩和解压缩模型，获得发电功率数据的压缩数据，完成光伏建筑一体化系统的智能存储。本发明专利技术旨在解决后向斜率法压缩时易将重要的异常数据点拟合，造成压缩后的发电功率数据在分析时存在较大误差的问题。大误差的问题。大误差的问题。

【技术实现步骤摘要】
基于光伏建筑一体化系统发电量智能存储方法


[0001]本专利技术涉及数据处理
，具体涉及基于光伏建筑一体化系统发电量智能存储方法。

技术介绍

[0002]光伏建筑一体化系统是一种将太阳能光伏发电技术与建筑物集成的系统，通过将光伏组件直接安装在建筑物的表面，利用太阳能实现发电的目的。受限于光伏组件的使用寿命等，在使用过程中需要对发电量数据监测，实现光伏组件的性能评估和故障检测以及维持运营的稳定性，并且实时监测发电量数据与光伏组件的状态有利于改进能源管理系统和研究新型光伏组件提高发电效率。
[0003]发电量的为光伏组件工作的功率与时间的积分，单位时间内功率越大则累计发电量越高，而功率需要实时监测光伏组件的电流与电压，造成所采集的功率数据量巨大，且受到光照强度在一定时间内变化较小的原因，采集的数据同时存在较大的冗余，因此需要对发电功率数据压缩，以降低分析和储存成本。后向斜率法通过将待压缩的时序数据根据趋势获得斜率，使用斜率将数据拟合，针对变化趋势较小的数据能达到较高压缩数据的目的；但在压缩时不考虑数据点包含的信息，易将重要的异常数据点拟合，造成压缩后的发电功率数据在分析时存在较大误差。

技术实现思路

[0004]本专利技术提供基于光伏建筑一体化系统发电量智能存储方法，以解决现有的问题。
[0005]本专利技术的基于光伏建筑一体化系统发电量智能存储方法采用如下技术方案：本专利技术一个实施例提供了基于光伏建筑一体化系统发电量智能存储方法，该方法包括以下步骤：采集历史中每天每个时刻的温度数据序列获得历史温度数据，采集历史中每天每个时刻的发电功率数据序列记为历史发电功率数据；根据历史温度数据与当前天的时间间隔和温度差异，获得当前天温度数据与历史每天的温度数据的温度取值近似性，通过温度取值近似性获得当前天的发电功率数据分析序列集合；根据当前天的发电功率数据与发电功率数据分析序列集合中每天的发电功率数据的差异，获得当前天的发电功率数据与分析序列集合中每天的发电量相似性，通过发电量相似性对分析序列集合中每天的发电功率数据序列进行筛选，获得当前天的发电功率数据的有效天数序列集合；根据当前天的每个时刻的发电功率数据，获得当前天每个时刻发电功率数据的时间区间；根据当前天的每个发电功率数据的时间区间和有效天数序列集合中每天发电功率数据的差异，获得当前天的每个发电功率数据在时间长度参数下的异常因子，根据异常
因子获得当前天的发电功率数据中的所有异常数据点；根据当前天的发电功率数据中的所有异常数据点，获得当前天的若干压缩元组，根据所有压缩元组获得当前天的发电功率数据的压缩数据，并将当前天的发电功率数据的压缩数据保存到发电量数据库。
[0006]进一步的，所述获得当前天温度数据与历史每天的温度数据的温度取值近似性，包括的具体步骤如下：将当前天记为第天，则第天温度数据与历史温度数据中第天温度数据的温度取值近似性的计算方法为：其中，表示第天温度数据与历史温度数据中第天温度数据的温度取值近似性，为第天与第天的日期间隔，表示在第天第时刻的温度值，表示在第天第时刻的温度值，为在一天内的发电功率数据和温度数据的采集时刻总次数，表示以自然常数为底的指数函数。
[0007]进一步的，所述获得当前天的发电功率数据分析序列集合，包括的具体步骤如下：预设环境阈值，若当前天的温度数据与历史温度数据中第天温度数据的温度取值近似性大于等于环境阈值时，将满足条件的第天的发电功率数据序列记为分析序列；获得所有历史日期与当前的温度取值近似性，将所有历史日期中满足温度取值近似性大于环境阈值的所有发电功率数据序列均记为分析序列，历史功率数据中所有分析序列构成第天的发电功率数据分析序列集合。
[0008]进一步的，所述获得当前天的发电功率数据与分析序列集合中每天的发电量相似性，包括的具体步骤如下：将当前天记为第天，则第天的发电功率数据序列与第天的发电功率数据分析序列集合中第天发电功率数据序列的发电量相似性的计算方法为：其中为第天的发电功率数据序列与第天的发电功率数据分析序列集合中第天的发电功率数据序列发电量相似性，为第天中第时刻的发电功率数据值，为第天中第时刻的发电功率数据值，为在一天内的发电功率数据和温度数据的采集时刻总次数，表示以自然常数为底的指数函数。
[0009]进一步的，所述获得当前天的发电功率数据中的所有异常数据点，包括的具体步骤如下：将当前天记为第天，预设发电量相似性阈值，若当前天的发电功率数据分析序列集合中的第天与当前天的发电量相似性取值大于等于发电量相似性阈值，将第天的发电功率数据序列记为当前天的有效天数序列；同理获得第天的分析序列集合中所有天数与当前第天的发电量相似性，获得所有发电量相似性大于发电量相似性阈值的发电功率数据序列记为第天的所有有效天数序列，当前天的发电功率数据分析序列中所有有效天数序列构成第天有效天数序列集合。
[0010]进一步的，所述获得当前天每个时刻发电功率数据的时间区间，包括的具体步骤如下：将当前天记为第天，将第天第时刻的发电功率数据记为分析起始点，记为时间长度参数，将记为分析起始点在时间长度参数下的时间区间。
[0011]进一步的，所述获得当前天的每个发电功率数据在时间长度参数下的异常因子，包括的具体步骤如下：将当前天记为第天，第天第时刻在时间长度参数下的异常因子的计算方式为：其中，为第天第时刻在时间长度参数下的异常因子，为时间区间的起始时间，为第天在时间区间内第时刻的发电功率数据，为在第天的有效天数序列集合中，在时间区间内第时刻的所有发电功率的均值；表示线性归一化函数,表示线性归一化函数。
[0012]进一步的，所述获得当前天的发电功率数据中的所有异常数据点，包括的具体步骤如下：（1）将当前天记为第天，将第天第时刻的发电功率数据记为分析起始点，分析起始点的时间区间为，将第天第时刻在时间长度参数下的异常因子记为；（2）预设异常因子的评估阈值，当时间长度参数为时获得发电功率数据的异常因子若满足，则计算第天第时刻在时间长度参数为下的异常因子；当时间长度参数为时获得发电功率数据的异常因子若满足，则计算第天第时刻在时间长度参数为下的异常因子；以此类推，直至存在一个整数，使得第天第时刻在时间长度参数为下的异常因子满足时停止；此时第天第时刻在时间长度参数为下发电功率数据记为异常数据点；（3）然后将第时刻的发电功率数据作为新的分析起始点；（4）重复（1）、（2）、（3）步骤，获得第天的发电功率数据中的所有异常数据点。
[0013]进一步的，所述获得当前天的若干压缩元组，包括的具体步骤如下：将当前天记为第天，将第天第时刻的发电功率数据记为第一压缩数据点，设置压缩空间参数，获得当前天的若干压缩元组的具体步骤如下：A、获得第一压缩数据点之后的共个发电功率数据构成压缩空间参数下的待压缩集合；对待压缩集合使用最小二乘法拟合获得拟合直线，拟合直线在待压缩集合对应时刻的数值记为预测功率数据；B、若实际发电功率数据与对应时刻的预测功率数据存在：压缩空间参数下的待压缩集合内所有时刻的实际发电功率数据与对应时刻的预测本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于光伏建筑一体化系统发电量智能存储方法，其特征在于，该方法包括以下步骤：采集历史中每天每个时刻的温度数据序列获得历史温度数据，采集历史中每天每个时刻的发电功率数据序列记为历史发电功率数据；根据历史温度数据与当前天的时间间隔和温度差异，获得当前天温度数据与历史每天的温度数据的温度取值近似性，通过温度取值近似性获得当前天的发电功率数据分析序列集合；根据当前天的发电功率数据与发电功率数据分析序列集合中每天的发电功率数据的差异，获得当前天的发电功率数据与分析序列集合中每天的发电量相似性，通过发电量相似性对分析序列集合中每天的发电功率数据序列进行筛选，获得当前天的发电功率数据的有效天数序列集合；根据当前天的每个时刻的发电功率数据，获得当前天每个时刻发电功率数据的时间区间；根据当前天的每个发电功率数据的时间区间和有效天数序列集合中每天发电功率数据的差异，获得当前天的每个发电功率数据在时间长度参数下的异常因子，根据异常因子获得当前天的发电功率数据中的所有异常数据点；根据当前天的发电功率数据中的所有异常数据点，获得当前天的若干压缩元组，根据所有压缩元组获得当前天的发电功率数据的压缩数据，并将当前天的发电功率数据的压缩数据保存到发电量数据库。2.根据权利要求1所述基于光伏建筑一体化系统发电量智能存储方法，其特征在于，所述获得当前天温度数据与历史每天的温度数据的温度取值近似性，包括的具体步骤如下：将当前天记为第天，则第天温度数据与历史温度数据中第天温度数据的温度取值近似性的计算方法为：其中，表示第天温度数据与历史温度数据中第天温度数据的温度取值近似性，为第天与第天的日期间隔，表示在第天第时刻的温度值，表示在第天第时刻的温度值，为在一天内的发电功率数据和温度数据的采集时刻总次数，表示以自然常数为底的指数函数。3.根据权利要求1所述基于光伏建筑一体化系统发电量智能存储方法，其特征在于，所述获得当前天的发电功率数据分析序列集合，包括的具体步骤如下：预设环境阈值，若当前天的温度数据与历史温度数据中第天温度数据的温度取值近似性大于等于环境阈值时，将满足条件的第天的发电功率数据序列记为分析序列；获得所有历史日期与当前的温度取值近似性，将所有历史日期中满足温度取值近似性大于环境阈值的所有发电功率数据序列均记为分析序列，历史功率数据中所有分析序列构成第天的发电功率数据分析序列集合。4.根据权利要求1所述基于光伏建筑一体化系统发电量智能存储方法，其特征在于，所述获得当前天的发电功率数据与分析序列集合中每天的发电量相似性，包括的具体步骤如下：
将当前天记为第天，则第天的发电功率数据序列与第天的发电功率数据分析序列集合中第天发电功率数据序列的发电量相似性的计算方法为：其中为第天的发电功率数据序列与第天的发电功率数据分析序列集合中第天的发电功率数据序列发电量相似性，为第天中第时刻的发电功率数据值，为第天中第时刻的发电功率数据值，为在一天内的发电功率数据和温度数据的采集时刻总次数，表示以自然常数为底的指数函数。5.根据权利要求1所述基于光伏建筑一体化系统发电量智能存储方法，其特征在于，所述获得当前天的发电功率数据中的所有异常数据点，包括的具体步骤如下：将当前天记为第天，预设发电量相似性阈值，若当前天的发电功率数据分析序列集合中的第天与当前天的发电量相似性取值大于等于发电量相似性阈值，将第天的发电功率数据序列记为当前天的有效天数序列；同理获得第天的分析序列集合中所有天数与当前第天的发电量相似性，获得所有发电量相似性大于发电量相似性阈值的发电功率数据序列记为第天的所有有效天数序列，当前天的发电功率数据分析序列中所有有效天数序列构成第天有效天数序列集合。6.根据权利要求1所述基于光伏建筑一体化系统发电量智能存储方法，其特征在于...

【专利技术属性】
技术研发人员：王海滨，周伟平，张伟升，赵明建，孙连宇，张毅，马肖圆，
申请(专利权)人：北京长和信泰能源技术有限公司，
类型：发明
国别省市：