【技术实现步骤摘要】
本专利技术涉及光伏发电，特别是涉及一种分布式光伏发电异常监测方法、系统、设备和存储介质。
技术介绍
1、光伏发电是利用半导体界面的光生伏特效应而将光能直接转变为电能的一种技术，随着新能源技术的发展，越来越多的分布式光伏发电接入低压配电网，分布式光伏能够充分利用太阳能资源，替代和减少化石能源的消费，从而为治理环境污染起到有效作用，并且政府部门也制定了相应的补贴政策，以支持分布式光伏发电的发展。
2、为了保证分布式光伏的正常运行，以及保证补贴的准确发放，有必要对分布式光伏的发电量进行检测，以发现发电量异常的分布式光伏，目前，对异常的分布式光伏的检测主要包括人工排查法和电量预测法，但是二者都存在一定的问题，一方面是，由于分布式光伏数量庞大，使用人工排查的方法存在工作效率低、工作量大的问题，另一方面则是，常规的电量预测法仅考虑到天气对光伏的影响，缺乏对光伏组件本身存在的衰减的考量，导致预测的准确性不高。
技术实现思路
1、为了解决上述技术问题，本专利技术提供了一种分布式光伏发电异常监测方法、系统、设备和存储介质，以能够解决现有方法的监测准确性不足的问题，提高分布式光伏异常监测的效率和效果。
2、第一方面，本专利技术提供了一种分布式光伏发电异常监测方法，所述方法包括：
3、从预设的老化数据库中获取分布式光伏的各个光伏组件对应的组件老化状态；
4、将当日天气数据、历史天气数据、光伏组件的组件老化状态、理论发电量、组件类型和历史发电量输入预先建立的
5、获取各个光伏组件的实际发电量，计算光伏组件的预测发电量与实际发电量之间的绝对差值，并根据组件老化值，对各个光伏组件对应的绝对差值进行聚类；
6、对聚类结果进行离群值检测，将离群值对应的光伏组件作为异常光伏组件。
7、进一步地，所述老化数据库的组建步骤包括：
8、对区域内部署的分布式光伏进行建模，得到光伏模型；
9、获取区域内的历史天气数据，将所述历史天气数据输入所述光伏模型，进行光伏组件老化仿真，得到所述光伏组件的各个部分在不同时间段对应的组件老化状态；
10、根据所述光伏组件的材料、时间段和组件老化状态，构建光伏组件的老化数据库。
11、进一步地，所述将当日天气数据、历史天气数据、光伏组件的组件老化状态、理论发电量、组件类型和历史发电量输入预先建立的发电量预测模型进行预测，得到预测发电量的步骤包括：
12、将经过数据预处理的历史天气数据、以及光伏组件的历史发电量、理论发电量和组件老化状态输入参数分析子模型，提取参数影响特征，并将对应分类器输出的最高概率作为第一概率；
13、判断所述第一概率是否大于第一概率阈值，若是，则将当日天气数据和组件类型输入第一电量预测子模型进行发电量预测，得到第一预测发电量，并从参数影响特征中提取老化特征影响，根据老化特征影响对所述第一预测发电量进行调整，得到预测发电量；
14、若否，则判断所述第一概率是否小于第二概率阈值，若小于，则将组件类型和组件老化状态输入第二电量预测子模型进行发电量预测，得到第二预测发电量，并从参数影响特征中提取天气特征影响，根据天气特征影响对所述第二预测发电量进行调整，得到预测发电量；
15、否则，将组件类型、组件老化状态、当日天气数据和参数影响特征输入第三电量预测子模型进行发电量预测，得到预测发电量。
16、进一步地，所述对各个聚类结果进行离群值检测，将离群值对应的光伏组件作为异常光伏组件的步骤包括：
17、采用基于距离的离群值检测算法对各个聚类结果进行离群值检测，得到离群值；
18、计算离群值对应的光伏组件的预测发电量减去实际发电量的差值，将所述差值与阈值相比较，根据比较结果，得到光伏组件的第一异常类型。
19、进一步地，所述将所述差值与阈值相比较，根据比较结果，得到光伏组件的第一异常类型的步骤包括：
20、判断差值是否大于阈值，若是，则判定光伏组件为故障状态，若否，则判定光伏组件为增容状态。
21、进一步地，所述根据比较结果，得到光伏组件的第一异常类型的步骤之后，还包括：
22、计算异常光伏组件的发电量波动率、分布式光伏的平均波动率上限和分布式光伏的平均波动率下限；
23、将所述发电量波动率分别与所述平均波动率上限和所述平均波动率下限相比较，根据比较结果，得到光伏组件的第二异常类型；
24、判断所述第一异常类型和所述第二异常类型是否一致，若一致，则将所述第一异常类型作为光伏组件的最终异常类型。
25、进一步地，所述根据比较结果，得到光伏组件的第二异常类型的步骤包括：
26、若所述发电量波动率小于所述平均波动率下限，则判断光伏组件为故障状态；
27、若所述发电量波动率大于所述平均波动率上限，则判断光伏组件为增容状态。
28、第二方面，本专利技术提供了一种分布式光伏发电异常监测系统，所述系统包括：
29、老化仿真模块，用于从预设的老化数据库中获取分布式光伏的各个光伏组件对应的组件老化状态；
30、发电量预测模块，用于将当日天气数据、历史天气数据、光伏组件的组件老化状态、理论发电量、组件类型和历史发电量输入预先建立的发电量预测模型进行预测，得到预测发电量，所述发电量预测模型包括参数分析子模型和若干个电量预测子模型；
31、异常判定模块，用于获取各个光伏组件的实际发电量，计算光伏组件的预测发电量与实际发电量之间的绝对差值，并根据组件老化值，对各个光伏组件对应的绝对差值进行聚类；
32、对聚类结果进行离群值检测，将离群值对应的光伏组件作为异常光伏组件。
33、第三方面，本专利技术实施例还提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述方法的步骤。
34、第四方面，本专利技术实施例还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述方法的步骤。
35、本专利技术提供了一种分布式光伏发电异常监测方法、系统、计算机设备和存储介质。本专利技术通过分析光伏组件的老化程度，将老化程度和天气环境状态相结合作为考量光伏衰减的影响因素对光伏发电量进行预测，并通过发电量波动率对预测结果进行校验，从而提高了分布式光伏的发电量预测的准确性，进一步保证了分布式光伏运行的安全性。
本文档来自技高网...【技术保护点】
1.一种分布式光伏发电异常监测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的分布式光伏发电异常监测方法，其特征在于，所述老化数据库的组建步骤包括：
3.根据权利要求1所述的分布式光伏发电异常监测方法，其特征在于，所述将当日天气数据、历史天气数据、光伏组件的组件老化状态、理论发电量、组件类型和历史发电量输入预先建立的发电量预测模型进行预测，得到预测发电量的步骤包括：
4.根据权利要求1所述的分布式光伏发电异常监测方法，其特征在于，所述对各个聚类结果进行离群值检测，将离群值对应的光伏组件作为异常光伏组件的步骤包括：
5.根据权利要求4所述的分布式光伏发电异常监测方法，其特征在于，所述将所述差值与阈值相比较，根据比较结果，得到光伏组件的第一异常类型的步骤包括：
6.根据权利要求4所述的分布式光伏发电异常监测方法，其特征在于，所述根据比较结果，得到光伏组件的第一异常类型的步骤之后，还包括：
7.根据权利要求6所述的分布式光伏发电异常监测方法，其特征在于，所述根据比较结果，得到光伏组件的第二异常类型的步骤包
8.一种分布式光伏发电异常监测系统，其特征在于，所述系统包括：
9.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
...【技术特征摘要】
1.一种分布式光伏发电异常监测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的分布式光伏发电异常监测方法，其特征在于，所述老化数据库的组建步骤包括：
3.根据权利要求1所述的分布式光伏发电异常监测方法，其特征在于，所述将当日天气数据、历史天气数据、光伏组件的组件老化状态、理论发电量、组件类型和历史发电量输入预先建立的发电量预测模型进行预测，得到预测发电量的步骤包括：
4.根据权利要求1所述的分布式光伏发电异常监测方法，其特征在于，所述对各个聚类结果进行离群值检测，将离群值对应的光伏组件作为异常光伏组件的步骤包括：
5.根据权利要求4所述的分布式光伏发电异常监测方法，其特征在于，所述将所述差值与阈值相比较，根据比较结果，得到光伏组件的第一异...
【专利技术属性】
技术研发人员：徐鸣，林女贵，陈菲菲，洪华伟，肖元正，余玉书，陈雪君，郑美春，林燕，罗秀华，卓昕，梁钦赐，叶必超，林岚辉，潘舒宸，吴凡，陈志，林瑶，
申请(专利权)人：国网福建省电力有限公司营销服务中心，
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。