【技术实现步骤摘要】
本申请属于光伏发电领域，具体涉及一种基于深度学习的光伏组串积灰程度评价方法。
技术介绍
1、灰尘积累会影响光伏板的平均功率和最大功率。影响平均功率的因素有很多种，而影响最大功率的因素是灰尘积累。在积累较多灰尘后，光伏板的整体发电能力受到影响。
2、现有光伏板灰尘监控技术有以下几种：
3、直接观察法：此方法最为直接，但需要大量的人工参与，在恶劣天气或夜晚难以进行。并且人工观察容易受到主观因素的影响，无法对细微的灰尘变化进行准确判断。
4、激光扫描法：此方法可以快速、准确地获取光伏面板的灰尘覆盖情况，但是需要使用高精度的激光扫描仪器，成本较高，且对设备的要求较高。
5、图像处理法：此方法通过对光伏面板的表面图像进行处理和分析，可以检测出灰尘覆盖的情况，但容易受到光照、阴影等因素的干扰，且处理速度较慢。
6、申请公开号为cn116111942a的中国专利技术“非对称一体双式组合区域优化光伏组件及光伏发电系统”，实现了光伏组件积灰的监测告警，并未实现组件积灰程度的评估，无法量化组件清洁
本文档来自技高网...
【技术保护点】
1.一种基于深度学习的光伏组串积灰程度评价方法，包括：
2.根据权利要求1所述的基于深度学习的光伏组串积灰程度评价方法，其特征在于，所述光伏组串的运行数据包括：光伏组串支路电流、电压、平均功率，设备所属关系，组串连接逆变器逆变效率、逆变器电网频率、逆变器日发电量、逆变器功率因素、逆变器直流功率、组串面板朝向、理论发电量和实际发电量。
3.根据权利要求1所述的基于深度学习的光伏组串积灰程度评价方法，其特征在于，所述环境数据包括：辐射强度、环境温度、风速和环境湿度。
4.根据权利要求1所述的基于深度学习的光伏组串积灰程度评价方法，其特征...
【技术特征摘要】
1.一种基于深度学习的光伏组串积灰程度评价方法，包括：
2.根据权利要求1所述的基于深度学习的光伏组串积灰程度评价方法，其特征在于，所述光伏组串的运行数据包括：光伏组串支路电流、电压、平均功率，设备所属关系，组串连接逆变器逆变效率、逆变器电网频率、逆变器日发电量、逆变器功率因素、逆变器直流功率、组串面板朝向、理论发电量和实际发电量。
3.根据权利要求1所述的基于深度学习的光伏组串积灰程度评价方法，其特征在于，所述环境数据包括：辐射强度、环境温度、风速和环境湿度。
4.根据权利要求1所述的基于深度学习的光伏组串积灰程度评价方法，其特征在于，考虑地域特征对数据进行预处理，包括：
5.根据权利要求1所述的基于深度学习的光伏组串积灰程度评价方法...
【专利技术属性】
技术研发人员：刘铮，贺佳佳，李正东，李嘉，夏海洋，张瑜，
申请(专利权)人：重庆中电自能科技有限公司，
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。