【技术实现步骤摘要】
本专利技术涉及大数据，特别是涉及一种光伏组件清洗周期预测方法。
技术介绍
1、光伏能源是一种具有巨大潜力的清洁能源，而光伏组件是产生光伏能源的核心部分，但是光伏组件的积灰问题会使得透光率降低，从而影响光伏组件寿命和光伏电站的发电量，现有技术中光伏电站的清洗决策判断方法一般分为两种：一是维护人员对现场的光伏组件积灰情况进行观察并凭经验进行判断，但是凭借经验很难能得到更加科学的判断；二是通过光伏发电量的数值进行判断，通过比较积灰组件和未积灰组件的发电量的差值大小进行决策；但是不同程度的积灰积累以及发电量的情况随地区气候、积灰状况等状况动态变化，以至于风、光照、温度等自然条件在无时无刻对清洗决策产生影响，处于动态变化的过程，数据集的动态更新和数据分析的算法模型对分析的结果产生影响，以至于我们对光伏组件的清洗工作无法用一个固定的周期进行，光伏电站的高频次清洗又会影响光伏组件的运维成本，因此需要一个智能高效的光伏组件清洗周期预测方法，在有限的投入下能够获得更高的发电量收益，降低光伏组件的运维成本。
技术实现思路
1、针对上述情况，为克服现有技术之缺陷，本专利技术之目的在于提供一种光伏组件清洗周期预测方法，利用弱意识回声状态网预测方法的表层结构进行训练得到最优网络权值并存储于深层意识空间中，提出了根据输入数据的数据标签的概念，利用数据标签调取最优网络权值，通过数据标签与预测模型的不断更新提高了预测模型预测的准确性，再通过δ与清洗阈值进行对比来判断清洗决策的转入，从而提高对光伏组件的清洗效率，节
2、其解决的技术方案是，一种光伏组件清洗周期预测方法，包括以下具体步骤：
3、s1、建立光伏组件的发电量损失率预测模型，利用气象检测站采集待检测光伏组件实际发电时不同时刻所对应的天气数据，天气数据包括太阳辐照度、环境温湿度、风速，再利用i-v曲线仪对待检测光伏组件的实际发电功率进行测量，记为j为对应采集时刻的序号，基于弱意识回声状态网络构建光伏功率系统的预测模型，以天气数据为预测模型的输入数据，以清洁光伏组件的预测发电功率作为弱意识回声状态网络的输出，将包括不同时刻不同输入数据下对应的清洁光伏板的预测发电功率的预测结果作为对比组，预测发电功率记为p′j，再利用实际发电功率pj与预测发电功率p′j得到第j个采集时刻的发电量损失率ηj，计算公式如下：
4、
5、s2、确定清洗阈值，采集自然积灰条件下不进行清洁时光伏组件的发电功率，并通过计算分析得到待检测光伏组件的清洗阈值；
6、s3、根据清洗阈值进行判断，通过待检测光伏组件连续采集时刻的发电损失率的计算结果与清洗阈值的比较来判断清洗决策的转入，首先计算连续采集时刻的发电量损失率的变化值，记为δηj(j+1)，计算公式如下：
7、δηj(j+1)＝ηj+1-ηj，
8、将一个清洗周期内已采集的所有采集时刻对应发电量损失率变化的总和记为δ，δ的计算公式如下：
9、
10、其中，m为一次清洗结束后到当前采集时刻的时刻个数，当δ超过所设定的清洗阈值时，则转入清洗决策的判断过程中；
11、s4、构建清洗决策，计算在采集时刻对应的清洗区间内，发电收益与运维成本的差值，当差值最大时，将数据提交人工决策，当人工决策判断不符合清洗条件时，则返回所述s2中重新确定清洗阈值，再根据重新确定的清洗阈值对待检测光伏组件进行二次判断，重复判断过程直到人工判断清洗即完成一个清洗周期。
12、所述s1的中弱意识回声状态网的结构包括表层结构和深层意识空间，表层结构进行发电量预测，深层意识空间用于存储数据标签对应的最优网络权值，表层结构包含输入层、储备池和输出层，将输入层、储备池、输出层的神经元个数分别记为k、n和l，状态更新方程如下：
13、x(n+1)＝f(winu(n+1)+wx(n))+wfby(n),
14、其中，x(n)为状态变量，n＝1,2,3...t为离散时间点，t为训练样本数据中数据点的个数，f为储备池状态激活函数，y＝y(n)为输出向量，表示输入权值矩阵，w∈rn×n×c表示储备池的内部权值矩阵，表示输出反馈矩阵,称为深层意识空间，cin、c、cfb称为深层意识空间的深度，将网络训练得到的最优网络权值以及对应的数据标签存储win、w、wfb中，输出方程如下：
15、y(n)＝g(wout[x(n)；u(n)]),
16、其中，g为输出激活函数，x(n)为状态变量，u(n)为输入向量，y＝y(n)为输出向量，d＝d(n)为期望输出向量，e为网络反差误差，n＝1,2,3...t为离散时间点，t为训练样本数据中数据点的个数，[；]为向量的连接，wout∈rl×(k+n)表示输出权值矩阵。
17、所述s2中利用发电功率代表光伏组件的积灰程度，采集自然积灰条件下的发电功率，并计算随着时间增加不同区间时段的下降值，绘制发电量影响程度曲线，计算随时间变化发电量的下降速率，选定发电量的下降速率的最大值，并将将发电量下降效率的最大值设定为清洗阈值。
18、数据采集周期从本次清洗后开始，到下一次清洗前结束，若在数据采集过程中发生异常，导致数据不足，通过多重插补的方法来对数据集中的缺失值进行修正，每个包含缺失值的变量都默认通过数据集中的其他变量预测得到，通过建立插值函数来预测缺失数据的有效值，该过程不断迭代直到所有的缺失值都收敛为止。
19、所述s1中利用弱意识回声状态网建立的预测模型以清洁光伏组件的发电数据集为训练数据，发电数据集中包括清洁光伏组件的天气数据和i-v曲线仪采集的发电量数据，预测模型的训练数据是一个静态数据集，以输入数据的自相关、互相关系数作为弱意识回声状态网对应网络权值的数据标签，通过对训练数据的训练得到最优网络权值，当输入数据的数据标签发生变化时，根据已有的数据标签重构网络，将每次采集的数据更新到输入数据中，当输入数据有对应的数据标签时，对应预测模型的弱意识回声状态网直接根据数据标签调取最优网络权值，无需再进行权值训练。
20、由于以上技术方案的采用，本专利技术与现有技术相比具有如下优点；
21、1.本专利技术利用弱意识回声状态网对清洁光伏组件的发电功率进行预测得到预测发电功率，再根据待检测光伏组件的实际发电功率与对应采集时刻的预测发电功率进行分析得到发电量损失率，通过一个周期所有采集时刻发电量损失率变化与清洁阈值的对比来判断清洗决策阶段的转入，弱意识回声状态网比其他神经网络的拟合能力更强，当输入数据发生变化时，对应的数据标签也发生变化，弱意识回声状态网根据输入数据的变化进行动态调整网络权值结构，并且对于数据标签相同的输入数据，网络直接从深层意识空间中调取最优网络权值，使得预测模型不需要再进行训练，在最短的时间内重构预测模型，从而提高预测的速度与效率。
22、2、本专利技术通过对清洁光伏组件的发电数据集的采集和数据分析来设置的对照组，提高了对比数据的丰富性，利本文档来自技高网...
【技术保护点】
1.一种光伏组件清洗周期预测方法，其特征在于，包括以下具体步骤：
2.根据权利要求1所述的一种光伏组件清洗周期预测方法，其特征在于，所述S1的中弱意识回声状态网的结构包括表层结构和深层意识空间，表层结构进行发电量预测，深层意识空间用于存储数据标签对应的最优网络权值，表层结构包含输入层、储备池和输出层，将输入层、储备池、输出层的神经元个数分别记为K、N和L，状态更新方程如下：，
3.根据权利要求1所述的一种光伏组件清洗周期预测方法，其特征在于，所述S2中利用发电功率代表光伏组件的积灰程度，采集自然积灰条件下的发电功率，并计算随着时间增加不同区间时段的下降值，绘制发电量影响程度曲线，计算随时间变化发电量的下降速率，选定发电量的下降速率的最大值，并将将发电量下降效率的最大值设定为清洗阈值。
4.根据权利要求1所述的一种光伏组件清洗周期预测方法，其特征在于，数据采集周期从本次清洗后开始，到下一次清洗前结束，若在数据采集过程中发生异常，导致数据不足，通过多重插补的方法来对数据集中的缺失值进行修正，每个包含缺失值的变量都默认通过数据集中的其他变量预测得到，
5.根据权利要求2所述的一种光伏组件清洗周期预测方法，其特征在于，所述S1中利用弱意识回声状态网建立的预测模型以清洁光伏组件的发电数据集为训练数据，发电数据集中包括清洁光伏组件的天气数据和I-V曲线仪采集的发电量数据，预测模型的训练数据是一个静态数据集，以输入数据的自相关、互相关系数作为弱意识回声状态网对应网络权值的数据标签，通过对训练数据的训练得到最优网络权值，当输入数据的数据标签发生变化时，根据已有的数据标签重构网络，将每次采集的数据更新到输入数据中，当输入数据有对应的数据标签时，对应预测模型的弱意识回声状态网直接根据数据标签调取最优网络权值，无需再进行权值训练。
...【技术特征摘要】
1.一种光伏组件清洗周期预测方法，其特征在于，包括以下具体步骤：
2.根据权利要求1所述的一种光伏组件清洗周期预测方法，其特征在于，所述s1的中弱意识回声状态网的结构包括表层结构和深层意识空间，表层结构进行发电量预测，深层意识空间用于存储数据标签对应的最优网络权值，表层结构包含输入层、储备池和输出层，将输入层、储备池、输出层的神经元个数分别记为k、n和l，状态更新方程如下：，
3.根据权利要求1所述的一种光伏组件清洗周期预测方法，其特征在于，所述s2中利用发电功率代表光伏组件的积灰程度，采集自然积灰条件下的发电功率，并计算随着时间增加不同区间时段的下降值，绘制发电量影响程度曲线，计算随时间变化发电量的下降速率，选定发电量的下降速率的最大值，并将将发电量下降效率的最大值设定为清洗阈值。
4.根据权利要求1所述的一种光伏组件清洗周期预测方法，其特征在于，数据采集周期从本次清洗后开始，到下一...
【专利技术属性】
技术研发人员：姚显双，孙际涵，邵言宁，曹生现，
申请(专利权)人：东北电力大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。