System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术属于光伏发电,特别涉及一种光伏子阵发电稳定性的联合诊断方法。
技术介绍
1、在目前的新型电力系统中,新能源大规模接入和碳达峰、碳中和战略目标的推动加速了光伏电站的建设。由于太阳能是一种清洁和可持续发展的能源,光伏发电在全球得到广泛发展。光伏电站在长时间运行中会面临诸多问题,包括光伏组件老化、路线故障以及设备受损等。这些潜在问题可能导致电站发电能力下降、需停机维修,甚至可能引发安全事故。光伏电站通常分布在偏远地区或复杂地形条件下,设备众多而分散,定期检查光伏组件十分复杂。传统的人工巡检方法费时且成本高昂,而且难以及时察觉一些潜在问题,导致电站的巡检效率较低,无法快速定位故障。因此,如何提高光伏电站日常巡检的效率及准确度已成为光伏电站积极探索的重要目标。现有技术中光伏电站进行巡检采取的方式包括以下三种:
2、1.无人机巡检:无人机巡检覆盖范围大,满足光伏电站分布广泛和设备众多的特性。无人机在高空拍摄光伏组件的热成像和可见光图像,分析图像数据进而进行诊断。在面对地形复杂航线多变的飞行任务时,无人机能够实现一键快捷运行,能自动规划从出发点到巡检区域往返的最短路径实现高效巡检。引入无人机技术到光伏电站运维中,可以显著提高运维效率,能够及时发现光伏组件的潜在故障,推动光伏电站的快速发展。但是无人机巡检受到天气条件的限制,如强风、雨雪等恶劣天气可能导致巡检中断;飞行时间有限:无人机通常具有有限的飞行时间,需要定期更换电池,因此巡检周期较短;成本较高:购买、维护和操作无人机的成本相对较高,需要培训专业操作员。
4、3.智能机器人巡检:智能巡检机器人可预先设置任务顺序或者在管理平台上进行实时操作,拍摄光伏阵列红外、可见光图像,实时采集设备的各项数据。同时工作人员可自由控制机器人云台上下旋转,对目标设备的进行近距离检测和拍摄,还能进一步对无人机及视频巡检系统所记录不到的死角盲区进行拍摄。智能机器人巡检实时接收设备图像和相关数据并传输云端,能对现场设备的工作状态进行快速精准的分析,从而实现光伏电站的自动巡检。但是智能机器人巡检适用场景受限:智能机器人可能受到地形复杂性、障碍物或不均匀表面的限制,无法适应所有光伏阵列的环境;初始成本高:采购和部署智能机器人系统需要较高的初始投资,包括硬件和软件;需要维护和监督:机器人系统需要定期维护和监督,以确保其正常运行,这可能需要专业技术人员
5、因此亟需一种光伏子阵发电稳定性的联合诊断方法,能够不受天气条件、安装位置、地形条件等外部因素的限制,适用场景广泛、低成本、高准确度的实现光伏子阵发电稳定性诊断。
技术实现思路
1、本专利技术的目的是提供一种光伏子阵发电稳定性的联合诊断方法,其特征在于,包括以下步骤:
2、步骤s1:读取光伏子阵原始数据;所述光伏子阵原始数据包括:光伏子阵发电量、光伏子阵发电量采集时间、历史同期发电量以及历史同期发电量采集时间;
3、步骤s2:对步骤s1中光伏子阵原始数据进行预处理,获得预处理数据集;
4、步骤s3:基于步骤s2中预处理数据集进行光伏子阵评价,获得稳定性评价结果;所述光伏子阵评价包括:不同光伏子阵稳定性评价和子阵发电量历史同期数据对比;所述稳定性评价结果包括:发电量偏离度α和系统偏差变化率δ;
5、步骤s4:根据步骤s3中稳定性评价结果,基于联合预警机制输出预警信息,完成光伏子阵发电稳定性的联合诊断。
6、所述步骤s1中读取光伏子阵原始数据的步骤为:
7、步骤s11:接收原始发电量数据;
8、步骤s12:基于插值算法使光伏子阵原始数据按采集时间均匀分布;
9、步骤s13:将光伏子阵原始数据的时序规格化,按时间序列建立参数索引。
10、所述步骤s2中对步骤s1中光伏子阵原始数据进行预处理的步骤为:
11、步骤s21:遍历步骤s1中读取的光伏子阵原始数据,清理不合格数据;所述不合格数据包括:空白值、缺失值、超限值;
12、步骤s22:将清理后的合格数据存入数据库,形成预处理数据集。
13、所述步骤s3中不同光伏子阵稳定性评价的步骤包括:
14、步骤s311:计算光伏子阵发电量波动系数;
15、步骤s312:基于归一化方法,计算稳定性得分a1;
16、步骤s313;计算发电量偏离度α;
17、所述步骤s3中子阵发电量历史同期数据对比的步骤包括:
18、步骤s321;计算气候差异系数k1和子阵总差异系数k2;
19、步骤s322;计算系统偏差系数δk和系统偏差变化率δ。
20、所述步骤s311中光伏子阵发电量波动系数cv为:
21、
22、式中:σ为样本的标准差,μ为样本的均值。
23、所述步骤s312中稳定性得分a1为:
24、
25、式中:cv,min为稳定负荷下波动系数下限;cv,max为稳定负荷下波动系数上限。
26、所述步骤s313中发电量偏离度α为:
27、
28、式中:am,t第m个子阵在t时间段内的发电稳定性评分;为t时间段内所有子阵发电稳定性评分均值。
29、所述步骤s321中气候差异系数k1和子阵总差异系数k2分别为:
30、
31、
32、式中,p1,0为该子阵发电量设计值,由典型年气候数据计算得出;p2,0为该子阵某时刻发电量理论模拟值,由该评价时刻气候数据计算得出;p3为该子阵某时刻发电量实测值。
33、所述步骤s322中系统偏差系数δk和系统偏差变化率δ分别为:
34、δk=k2-k1
35、
36、式中,k1为气候差异系数,k2为子阵总差异系数。
37、所述步骤s4中基于联合预警机制输出预警信息的步骤为:
38、当α>α1,j时,输出第一预警信息p1;
39、当δ>δ1,j时,输出第二预警信息p2;本文档来自技高网...
【技术保护点】
1.一种光伏子阵发电稳定性的联合诊断方法,其特征在于,包括如下步骤:
2.根据权利要求1所述的光伏子阵发电稳定性的联合诊断方法,其特征在于,所述步骤S1中读取光伏子阵原始数据的步骤为:
3.根据权利要求1所述的光伏子阵发电稳定性的联合诊断方法,其特征在于,所述步骤S2中对步骤S1中光伏子阵原始数据进行预处理的步骤为:
4.根据权利要求1所述的光伏子阵发电稳定性的联合诊断方法,其特征在于,所述步骤S3中不同光伏子阵稳定性评价的步骤包括:
5.根据权利要求4所述的光伏子阵发电稳定性的联合诊断方法,其特征在于,所述步骤S311中光伏子阵发电量波动系数CV为:
6.根据权利要求4所述的光伏子阵发电稳定性的联合诊断方法,其特征在于,所述步骤S312中稳定性得分A1为:
7.根据权利要求4所述的光伏子阵发电稳定性的联合诊断方法,其特征在于,所述步骤S313中发电量偏离度α为:
8.根据权利要求4所述的光伏子阵发电稳定性的联合诊断方法,其特征在于,所述步骤S321中气候差异系数k1和子阵总差异系数k2分别为:<
...【技术特征摘要】
1.一种光伏子阵发电稳定性的联合诊断方法,其特征在于,包括如下步骤:
2.根据权利要求1所述的光伏子阵发电稳定性的联合诊断方法,其特征在于,所述步骤s1中读取光伏子阵原始数据的步骤为:
3.根据权利要求1所述的光伏子阵发电稳定性的联合诊断方法,其特征在于,所述步骤s2中对步骤s1中光伏子阵原始数据进行预处理的步骤为:
4.根据权利要求1所述的光伏子阵发电稳定性的联合诊断方法,其特征在于,所述步骤s3中不同光伏子阵稳定性评价的步骤包括:
5.根据权利要求4所述的光伏子阵发电稳定性的联合诊断方法,其特征在于,所述步骤s311中光伏子阵发电量波动系数cv为:
6.根据权利要求4...
【专利技术属性】
技术研发人员:刘彦鹏,张鹏,江彬,詹爽,朱计划,高明,徐彬,
申请(专利权)人:大唐海南能源开发有限公司,
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。