一种基于物联网大数据的光伏电站智慧诊断系统的制作方法

1.本发明涉及数据处理技术领域，具体涉及一种基于物联网大数据的光伏电站智慧诊断系统。


背景技术：

2.基于物联网大数据的光伏电站智慧诊断系统，是一种利用传感器采集光伏电站运行数据、通过云计算进行数据分析和处理，进而实现光伏电站运行状态预测、发现潜在故障，并提示维护人员及时进行处理的智能化诊断系统；可以实现光伏电站的运行状态实时监测和远程控制，提高光伏电站的运行效率和安全性，同时降低运营成本，具有重要的应用前景；通过在光伏电站关键位置安装传感器，采集光伏组件温度数据，通过云端计算平台，对光伏电站运行数据进行大数据处理和分析，通过对历史数据的学习，建立光伏电站智能模型，实现对电站的智能诊断；当发现光伏电站运行数据异常时，自动触发故障告警机制，提醒维护人员进行维护处理。
3.在现有技术中，根据发电量来对光伏发电站进行智慧诊断时，由于发电功率受到多种因素的共同影响，其中，光伏组件温度与太阳辐射强度对发电功率的影响较大，进而对发电功率进行预估时准确性较差，进而无法判断光伏发电设备是否存在异常；因此本发明通过对光伏发电站的历史数据进行分析，获得不同光伏组件温度和太阳辐射强度的下发电功率的变化，进而在光伏组件温度与太阳辐射强度确定的情况下预估发电功率的大小，然后与实际发电功率进行比较，对光伏电站异常进行诊断。


技术实现要素：

4.本发明提供一种基于物联网大数据的光伏电站智慧诊断系统，以解决现有的问题。
5.本发明的一种基于物联网大数据的光伏电站智慧诊断系统采用如下技术方案：
6.本发明一个实施例提供了一种基于物联网大数据的光伏电站智慧诊断系统，该系统包括以下模块：
7.数据采集模块：获取光伏电池板面积，设定时间节点，采集每一时间节点的光伏组件温度数据、太阳辐射强度数据及发电功率数据；
8.特征值构建模块：获取每一时间节点的太阳辐射强度数据与发电功率数据的关系特征值，记为每一时间节点的关系特征值；
9.最优区间获取模块：将每一时间节点的关系特征值根据每一时间节点的光伏组件温度的不同进行分类，得到若干个不同光伏组件温度下的关系特征值序列，构建温度特征值关系散点图，根据相似光伏组件温度下关系特征值序列的差异获取每一光伏组件温度下的关系特征值序列的异常程度，对每一光伏组件温度下的关系特征值序列中的关系特征值进行聚类处理，得到若干个聚类簇，根据每一聚类簇中关系特征值的个数占比与数值差异获取每一光伏组件温度下的关系特征值序列的每一聚类簇的优选程度，将优选程度最大值
对应的聚类簇记为每一光伏组件温度下的关系特征值序列的最优区间；
10.最优拟合点获取模块：根据每一光伏组件温度下的关系特征值序列的最优区间中关系特征值数值分布差异获取每一光伏组件温度下的关系特征值序列的最优区间的分布程度，利用每一光伏组件温度下的关系特征值序列的最优区间的分布程度根据预设判定阈值获取每一光伏组件温度下的最优拟合点，在温度特征值关系散点图上对每一光伏组件温度下的最优拟合点进行曲线拟合，得到温度发电功率曲线；
11.数据诊断模块：获取实际发电功率，利用温度发电功率曲线获取预测发电功率，利用预测发电功率与实际发电功率的差异对光伏电站异常进行诊断。
12.可选的，所述获取每一时间节点的太阳辐射强度数据与发电功率数据的关系特征值包括：
13.记任意一时间节点为关注时间节点，记关注时间节点的太阳辐射强度数据为关注太阳辐射强度数据，记关注时间节点的发电功率数据为关注发电功率数据；
14.将关注发电功率数据与关注太阳辐射强度数据与光伏电池板面积的乘积的比值记为每一时间节点的太阳辐射强度数据与发电功率数据的关系特征值。
15.可选的，所述根据相似光伏组件温度下关系特征值序列的差异获取每一光伏组件温度下的关系特征值序列的异常程度包括：
16.获取每一光伏组件温度下的关系特征值序列的均值和方差，获取每一光伏组件温度下的关系特征值序列中最大值与最小值的差异，记为每一光伏组件温度下的关系特征值序列的差异值；
[0017][0018]
其中，x
t
表示第t个光伏组件温度下的关系特征值序列的异常程度，δ
t
表示第t个光伏组件温度下的关系特征值序列的差异值，δ
t-1
表示第t-1个光伏组件温度下的关系特征值序列的差异值，δ
t+1
表示第t+1个光伏组件温度下的关系特征值序列的差异值，表示第t个光伏组件温度下的关系特征值序列中关系特征值的均值，s
t
表示第t个光伏组件温度下的关系特征值序列的方差，表示第t+1个光伏组件温度下的关系特征值序列中关系特征值的均值，s
t+1
表示第t+1个光伏组件温度下的关系特征值序列的方差，表示第t-1个光伏组件温度下的关系特征值序列中关系特征值的均值，s
t-1
表示第t-1个光伏组件温度下的关系特征值序列的方差，exp表示以自然常数e为底的指数函数，||表示取绝对值。
[0019]
可选的，所述根据每一聚类簇中关系特征值的个数占比与数值差异获取每一光伏组件温度下的关系特征值序列的每一聚类簇的优选程度，计算公式如下：
[0020][0021]
其中，γ
tw
表示第t个光伏组件温度下的关系特征值序列的第w个聚类簇的优选程度，n
tw
表示第t个光伏组件温度下的关系特征值序列的第w个聚类簇中关系特征值的个数，n
t
表示第t个光伏组件温度下的关系特征值序列中关系特征值的个数，表示第t个光伏组件温度下的关系特征值序列的第w个聚类簇中关系特征值的均值，表示第t个光伏组件温度下的关系特征值序列中关系特征值的均值，x
t
表示第t个光伏组件温度下的关系特征
值序列的异常程度，exp表示以自然常数e为底的指数函数，||表示取绝对值。
[0022]
可选的，所述根据每一光伏组件温度下的关系特征值序列的最优区间中关系特征值数值分布差异获取每一光伏组件温度下的关系特征值序列的最优区间的分布程度，计算公式如下：
[0023]
记第t个光伏组件温度下的关系特征值序列的第m个聚类簇为第t个光伏组件温度下的关系特征值序列的最优区间；
[0024][0025]
其中，ε
t
表示第t个光伏组件温度下的关系特征值序列的最优区间的分布程度，表示第t个光伏组件温度下的关系特征值序列的最优区间的关系特征值最大值，表示第t个光伏组件温度下的关系特征值序列的最优区间的关系特征值最小值，表示第t个光伏组件温度下的关系特征值序列的最优区间的关系特征值的均值。
[0026]
可选的，所述将每一时间节点的关系特征值根据每一时间节点的光伏组件温度的不同进行分类，得到若干个不同光伏组件温度下的关系特征值序列包括：
[0027]
将相同光伏组件温度的关系特征值划为一类，按照关系特征值由大到小的顺序得到每一光伏组件温度下的关系特征值序列。
[0028]
本发明的有益效果是：对光伏发电站的进行智慧诊断时，由于直接进行人工巡检工作量较大，因此本发明对光伏发电站的历史数据进行分析进而根据历史数据特征对光伏电站异常进行诊断，首先获取光伏电站的历史数据，历史数据包括光伏组件温度数据、太阳辐射数据和光伏电池板发电功率数据，由于太阳辐射强度是影响发电功率的决定性因素，首先构建关系特征值，表征太阳辐射强度与发电功率的关系，根据相似光伏组件温度下关系特征值变化相似，将当前光伏组件温度下的关系特征值序列与相似温度下的关系特征值序列进行比较，获取每一光伏组件温度下的关系特征值序列的异常程度，表征当前光伏组件温度下关系特征值的变化，进而对每一光伏组件温度下的关系特征值序列中的关系特征值数值的分布进行分析，获取最优拟合点，利用最优拟合点得到拟合曲线，拟合曲线较为准确的表征每一光伏组件温度下发电功率的变化，进而利用拟合曲线根据实时的光伏组件温度数据和太阳辐射强度数据进行发电功率的预测，将预测的发电功率与实际发电功率进行对比，对光伏电站异常进行诊断，提高了诊断的准确性，排除了由于光伏组件的温度和太阳辐射强度的改变引起的发电功率变化进而导致光伏电站异常诊断出现误差的缺陷。
附图说明
[0029]
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0030]
图1为本发明的一种基于物联网大数据的光伏电站智慧诊断系统的结构框图；
[0031]
图2为实际拟合曲线与模糊拟合曲线对比图。
具体实施方式
[0032]
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种基于物联网大数据的光伏电站智慧诊断系统，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
[0033]
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
[0034]
下面结合附图具体的说明本发明所提供的一种基于物联网大数据的光伏电站智慧诊断系统的具体方案。
[0035]
请参阅图1，其示出了本发明一个实施例提供的一种基于物联网大数据的光伏电站智慧诊断系统的结构框图，该系统包括以下模块：
[0036]
数据采集模块s101、获取光伏电池板面积，采集光伏组件温度数据、太阳辐射强度数据及光伏电池板发电功率数据。
[0037]
需要说明的是，本实施例的目的是对光伏电站的数据变化对光伏电站进行异常诊断，对光伏电池板发电功率数据进行分析时，由于光伏组件的温度和太阳辐射强度是影响光伏电池板发电功率的主要因素，因此首先需要获取光伏组件温度数据、太阳辐射强度数据及光伏电池板发电功率数据。
[0038]
获取光伏电站中光伏电池板面积；设定时间节点，通过物联网获取最近两年内的光伏电站历史数据，其中，光伏电站历史数据包括：每一时间节点的光伏组件温度数据，每一时间节点的太阳辐射强度数据、每一时间节点的光伏电池板发电功率数据，将每一时间节点的光伏电池板发电功率数据记为每一时间节点的发电功率数据；本实施例设定每间隔2小时为一个时间节点，实施者可视具体应用场景进行调整。
[0039]
至此，得到每一时间节点的光伏组件温度数据、太阳辐射强度数据及发电功率数据。
[0040]
特征值构建模块s102、获取每一时间节点的太阳辐射强度数据与发电功率数据的关系特征值。
[0041]
需要说明的是，在分析光伏组件温度对光伏电池板发电功率的影响时，根据先验知识，光伏组件的温度会影响太阳能电池板的发电效率，当超过最适温度后，温度越高，太阳能电池板的输出功率会越小，温度上升1℃，太阳能电池板的最大输出功率下降约0.04％；但是当太阳能电池板存在故障时，也会导致太阳能电池板的发电功率下降，因此为了判断是由于光伏组件的温度和太阳辐射强度的改变引起的发电功率的下降，还是因为太阳能电池板故障导致的发电功率下降，需要根据获得的光伏电站历史数据来分析光伏组件温度与太阳辐射强度的变化对发电功率的影响，进而获取在光伏组件温度与太阳辐射强度确定情况下的预测发电功率，将预测发电功率与实际发电功率进行比较，若实际发电功率与获得的预测发电功率相差较大，说明太阳能电池板出现故障，避免由于光伏组件温度和太阳辐射强度的改变导致发电功率出现变化，进而导致太阳能电池板故障诊断出现误差的问题。
[0042]
进一步需要说明的是，由于光伏电池板的发电功率受到光伏组件温度和太阳辐射
强度的影响，并且太阳辐射强度是影响发电功率的决定性因素，因此根据发电功率与太阳辐射强度的变化关系获取每一时间节点的太阳辐射强度数据与发电功率数据的关系特征值。
[0043]
具体的，以第r时间节点的太阳辐射强度数据与发电功率数据为例，获取第r时间节点的太阳辐射强度数据与发电功率数据的关系特征值cr的计算方法为：
[0044][0045]
其中，pr表示第r时间节点的发电功率数据，ir表示第r时间节点的太阳辐射强度数据，a表示光伏电池板的面积，需要说明的是，光伏电池板的面积可以直接获取。
[0046]
至此，获取每一时间节点的太阳辐射强度数据与发电功率数据的关系特征值，记为每一时间节点的关系特征值。
[0047]
最优区间获取模块s103、获取若干个不同光伏组件温度下的关系特征值序列，构建温度特征值关系散点图，根获取每一光伏组件温度下的关系特征值序列的异常程度，对每一光伏组件温度下的关系特征值序列中的关系特征值进行聚类处理，得到若干个聚类簇，获取每一光伏组件温度下的关系特征值序列的每一聚类簇的优选程度，将优选程度最大值对应的聚类簇记为每一光伏组件温度下的关系特征值序列的最优区间。
[0048]
需要说明的是，由于当光伏组件温度相同时，发电功率数据主要受太阳辐射强度数据的影响，因此根据每一光伏组件温度下，若干个太阳辐射强度数据与发电功率数据的关系特征值之间的差异获取每一光伏组件温度下的最佳拟合值，根据拟合值获取光伏组件温度与发电功率的关系，进而根据光伏组件温度与太阳辐射强度获取预测发电功率，根据同一光伏组件温度与太阳辐射强度条件下，实际发电功率与预测发电功率的差异程度对光伏发电机组是否出现故障进行诊断。
[0049]
将每一时间节点的关系特征值根据每一时间节点的光伏组件温度的不同进行分类，将相同光伏组件温度的关系特征值划为一类，按照关系特征值由大到小的顺序得到每一光伏组件温度下的关系特征值序列。
[0050]
以光伏组件温度为横坐标，以每一光伏组件温度下的关系特征值为纵坐标，构建温度特征值关系散点图。
[0051]
至此，得到每一光伏组件温度下的关系特征值序列及温度特征值关系散点图。
[0052]
进一步需要说明的是，由于当光伏组件温度相同时，发电功率数据主要受太阳辐射强度数据的影响，太阳辐射强度过大或过小，都会导致出现离散的数据点，而获取光伏组件温度与关系特征值的关系曲线，即进行数据拟合时，由于同一光伏组件温度下的关系特征值的个数较多，因此在进行数据拟合时需要根据同一光伏组件温度下的关系特征值之间的关系来确定每一个温度下的最佳数据区间，用以表征该温度下发电功率的一般情况，避免出现用异常的关系特征值来表示该温度下的发电功率的情况；相同光伏组件温度下，关系特征值序列中数据的差异越大、集合中数据越离散，说明该光伏组件温度下发电功率受到太阳辐射强度的影响程度较大；因此通过比较相同光伏组件温度下关系特征值数据的差异获取每一光伏组件温度下的关系特征值的异常程度，表征每一光伏组件温度下发电功率数据受到太阳辐射强度的影响程度。
[0053]
获取每一光伏组件温度下的关系特征值序列的均值和方差，获取每一光伏组件温
度下的关系特征值序列中最大值与最小值的差异，记为每一光伏组件温度下的关系特征值序列的差异值；需要说明的是，由于在相同光伏组件温度下的关系特征值序列的差异值越小，说明其受到太阳辐射强度的影响程度越小，则获取每一光伏组件温度下的关系特征值的异常程度时可以根据差异值进行确定，不需要考虑每一光伏组件温度下的关系特征值序列中的数据波动。
[0054]
具体的，以第t个光伏组件温度下的关系特征值序列为例，获取第t个光伏组件温度下的关系特征值序列的异常程度x
t
的计算方法为：
[0055][0056]
其中，δ
t
表示第t个光伏组件温度下的关系特征值序列的差异值，δ
t-1
表示第t-1个光伏组件温度下的关系特征值序列的差异值，δ
t+1
表示第t+1个光伏组件温度下的关系特征值序列的差异值，表示第t个光伏组件温度下的关系特征值序列中关系特征值的均值，s
t
表示第t个光伏组件温度下的关系特征值序列的方差，表示第t+1个光伏组件温度下的关系特征值序列中关系特征值的均值，s
t+1
表示第t+1个光伏组件温度下的关系特征值序列的方差，表示第t-1个光伏组件温度下的关系特征值序列中关系特征值的均值，s
t-1
表示第t-1个光伏组件温度下的关系特征值序列的方差，exp表示以自然常数e为底的指数函数，||表示取绝对值；需要说明的是，第一个光伏组件温度下的关系特征值序列与最后一个光伏组件温度下的关系特征值序列只需要与光伏组件温度顺序下相邻一侧的光伏组件温度下的关系特征值序列进行对比计算。
[0057]
表示第t+1个光伏组件温度下的关系特征值序列的差异值与第t个光伏组件温度下的关系特征值序列的差异值的比值，由于相邻两个光伏组件温度下的发电功率相近，因此当第t+1个光伏组件温度下的发电功率出现异常时，第t个光伏组件温度下的关系特征值序列的差异值比第t+1个光伏组件温度下的关系特征值序列的差异值大，即小于1，第t个光伏组件温度下的关系特征值序列的异常程度较大。
[0058]
表示第t个光伏组件温度下的关系特征值序列的差异值的均值乘以第t个光伏组件温度下的关系特征值序列的差异值的方差，表示第t个光伏组件温度下的关系特征值序列中数据的波动程度；表示第t个光伏组件温度下的关系特征值序列的波动程度与相邻光伏组件温度下的关系特征值序列内的数据的波动程度的差异，若的差异，若越大，第t个光伏组件温度下的关系特征值序列的异常程度越大。
[0059]
至此，获取每一光伏组件温度下的关系特征值序列的异常程度。
[0060]
进一步需要说明的是，由于相似光伏组件温度下的关系特征值序列中数据的变化相似，因此将每一光伏组件温度下的关系特征值序列中数据的变化与相邻光伏组件温度下的关系特征值序列中数据的变化情况进行比较，获取每一光伏组件温度下的关系特征值序列的异常程度；然而在进行数据拟合时，根据获取每一光伏组件温度下的关系特征值序列的异常程度确定拟合点的数据区间，使得获得的数据区间不会因为数据的偏移导致拟合点
的异常，使得拟合曲线能够较为准确的反映光伏组件温度与发电功率的关系，进而在进行发电功率预测时更加准确。
[0061]
利用层次聚类算法对每一光伏组件温度下的关系特征值序列中的数据进行聚类处理，得到若干个聚类簇，每一聚类簇中包含若干个关系特征值；需要说明的是，层次聚类算法为现有技术，本实施例设定利用层次聚类算法进行处理时，迭代2次后停止，具体实施过程实施者可视具体应用场景对迭代次数进行调整。
[0062]
具体的，以第t个光伏组件温度下的关系特征值序列的第w个聚类簇为例，获取第t个光伏组件温度下的关系特征值序列的第w个聚类簇的优选程度γ
tw
的计算方法为：
[0063][0064]
其中，n
tw
表示第t个光伏组件温度下的关系特征值序列的第w个聚类簇中关系特征值的个数，n
t
表示第t个光伏组件温度下的关系特征值序列中关系特征值的个数，表示第t个光伏组件温度下的关系特征值序列的第w个聚类簇中关系特征值的均值，表示第t个光伏组件温度下的关系特征值序列中关系特征值的均值，x
t
表示第t个光伏组件温度下的关系特征值序列的异常程度，exp表示以自然常数e为底的指数函数，||表示取绝对值。
[0065]
表示第t个光伏组件温度下的关系特征值序列的第w个聚类簇中的数据量与第t个光伏组件温度下的关系特征值序列整体数据量的比值，由于获取数据拟合区间时，数据的拟合点必然是表示该光伏组件温度下发电功率的变化趋势，因此若n
tw
越大，第t个光伏组件温度下的关系特征值序列的第w个聚类簇越可能是拟合点所在数据区间，第t个光伏组件温度下的关系特征值序列的第w个聚类簇的优选程度越大。
[0066]
表示第t个光伏组件温度下的关系特征值序列的第w个聚类簇中关系特征值的均值与第t个光伏组件温度下的关系特征值序列中所有关系特征值的均值的差异，表征第t个光伏组件温度下的关系特征值序列的第w个聚类簇在第t个光伏组件温度下的关系特征值序列上数据的偏移程度，若越小，表示第t个光伏组件温度下的关系特征值序列的第w个聚类簇越可能是第t个光伏组件温度下的关系特征值序列的主簇，进而第t个光伏组件温度下的关系特征值序列的第w个聚类簇的优选程度越大。
[0067]
至此，得到每一光伏组件温度下的关系特征值序列的每一聚类簇的优选程度。
[0068]
由于每一光伏组件温度下的关系特征值序列的每一聚类簇的优选程度越大，该聚类簇对应的关系特征值区间中的关系特征值越能表征当前温度下太阳辐射强度与发电功率的关系。
[0069]
将每一光伏组件温度下的关系特征值序列中，优选程度最大值对应的聚类簇记为每一光伏组件温度下的关系特征值序列的最优区间。
[0070]
至此，得到每一光伏组件温度下的关系特征值序列的最优区间。
[0071]
最优拟合点获取模块s104、获取每一光伏组件温度下的关系特征值序列的最优区间的分布程度，根据预设判定阈值获取每一光伏组件温度下的最优拟合点，在温度特征值关系散点图上对每一光伏组件温度下的最优拟合点进行曲线拟合，得到温度发电功率曲线。
[0072]
需要说明的是，由于在不同的光伏组件温度下的关系特征值序列的最优区间中关
系特征值的分布不同，可能存在较多较小的关系特征值也可能存在较多较大的关系特征值，直接根据最优区间中值对应的关系特征值进行曲线拟合，会存在偏差，需要结合每一最优区间中关系特征值的分布情况获取每一最优区间的分布程度，进而得到每一最优区间的最优拟合点。
[0073]
请参阅图2，图2中直线l表示第l个光伏组件温度，直线l上的圆点表示第l个光伏组件温度下最优曲线的关系特征值，直线l-1表示第l-1个光伏组件温度，直线l-1上的圆点表示第l个光伏组件温度下最优曲线的关系特征值，直线l+1表示第l+1个光伏组件温度，直线l+1上的圆点表示第l+1个光伏组件温度下最优曲线的关系特征值，曲线a1表示实际拟合得到的曲线，曲线a2表示直接根据最优区间的中点拟合得到的曲线记为模糊拟合曲线，曲线a1与曲线a2存在差异。
[0074]
具体的，记第t个光伏组件温度下的关系特征值序列的第m个聚类簇为第t个光伏组件温度下的关系特征值序列的最优区间，以第t个光伏组件温度下的关系特征值序列的最优区间为例，获取第t个光伏组件温度下的关系特征值序列的最优区间的分布程度ε
t
的计算方法为：
[0075][0076]
其中，表示第t个光伏组件温度下的关系特征值序列的最优区间的关系特征值最大值，表示第t个光伏组件温度下的关系特征值序列的最优区间的关系特征值最小值，表示第t个光伏组件温度下的关系特征值序列的最优区间的关系特征值的均值。
[0077]
设定判定阈值dy，本实施例设定判定阈值dy＝0.12，具体实施过程实施者可视具体应用场景对判定阈值进行调整，当ε
t
小于等于阈值时，将对应数据作为第t个光伏组件温度下的最优拟合点，当ε
t
大于阈值时，将对应数据作为第t个光伏组件温度下的最优拟合点。
[0078]
至此，获取每一光伏组件温度下的最优拟合点。
[0079]
使用贝塞尔曲线拟合法在温度特征值关系散点图上对每一光伏组件温度下的最优拟合点进行曲线拟合，得到温度发电功率曲线。
[0080]
至此，得到温度发电功率曲线。
[0081]
数据诊断模块s105、获取实际发电功率，利用温度发电功率曲线获取预测发电功率，利用预测发电功率与实际发电功率的差异对光伏电站异常进行诊断。
[0082]
需要说明的是，由于在实际的光伏发电中还会存在其他的影响因素，例如：光伏发电板上覆盖灰尘、光的反射等因素，因此根据实时获得的太阳辐射强度和温度来计算此时的发电功率的实际值为多少，然后再与温度发电功率曲线中的预测发电功率进行比较，对光伏电站异常进行诊断。
[0083]
根据实时获得的太阳辐射强度数据与光伏组件温度数据来计算得到实际发电功率，根据实时获得的太阳辐射强度数据与光伏组件温度数据利用温度发电功率曲线获取预测发电功率。
[0084]
设定误差阈值dw，本实施例设定误差阈值dw＝1.2，具体实施过程实施者可视具体
应用场景对误差阈值进行调整，若预测发电功率与实际发电功率之间的差值的绝对值小于等于误差阈值时，判定此时光伏发电设施的发电功率正常，若预测发电功率与实际发电功率之间的差值的绝对值大于误差阈值时，判定此时光伏发电设施的发电功率出现异常，需要通过工作人员对光伏发电设施进行检修。
[0085]
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

技术特征：
1.一种基于物联网大数据的光伏电站智慧诊断系统，其特征在于，该系统包括以下模块：数据采集模块：获取光伏电池板面积，设定时间节点，采集每一时间节点的光伏组件温度数据、太阳辐射强度数据及发电功率数据；特征值构建模块：获取每一时间节点的太阳辐射强度数据与发电功率数据的关系特征值，记为每一时间节点的关系特征值；最优区间获取模块：将每一时间节点的关系特征值根据每一时间节点的光伏组件温度的不同进行分类，得到若干个不同光伏组件温度下的关系特征值序列，构建温度特征值关系散点图，根据相似光伏组件温度下关系特征值序列的差异获取每一光伏组件温度下的关系特征值序列的异常程度，对每一光伏组件温度下的关系特征值序列中的关系特征值进行聚类处理，得到若干个聚类簇，根据每一聚类簇中关系特征值的个数占比与数值差异获取每一光伏组件温度下的关系特征值序列的每一聚类簇的优选程度，将优选程度最大值对应的聚类簇记为每一光伏组件温度下的关系特征值序列的最优区间；最优拟合点获取模块：根据每一光伏组件温度下的关系特征值序列的最优区间中关系特征值数值分布差异获取每一光伏组件温度下的关系特征值序列的最优区间的分布程度，利用每一光伏组件温度下的关系特征值序列的最优区间的分布程度根据预设判定阈值获取每一光伏组件温度下的最优拟合点，在温度特征值关系散点图上对每一光伏组件温度下的最优拟合点进行曲线拟合，得到温度发电功率曲线；数据诊断模块：获取实际发电功率，利用温度发电功率曲线获取预测发电功率，利用预测发电功率与实际发电功率的差异对光伏电站异常进行诊断。2.根据权利要求1所述的一种基于物联网大数据的光伏电站智慧诊断系统，其特征在于，所述获取每一时间节点的太阳辐射强度数据与发电功率数据的关系特征值包括：记任意一时间节点为关注时间节点，记关注时间节点的太阳辐射强度数据为关注太阳辐射强度数据，记关注时间节点的发电功率数据为关注发电功率数据；将关注发电功率数据与关注太阳辐射强度数据与光伏电池板面积的乘积的比值记为每一时间节点的太阳辐射强度数据与发电功率数据的关系特征值。3.根据权利要求1所述的一种基于物联网大数据的光伏电站智慧诊断系统，其特征在于，所述根据相似光伏组件温度下关系特征值序列的差异获取每一光伏组件温度下的关系特征值序列的异常程度包括：获取每一光伏组件温度下的关系特征值序列的均值和方差，获取每一光伏组件温度下的关系特征值序列中最大值与最小值的差异，记为每一光伏组件温度下的关系特征值序列的差异值；其中，x
t
表示第t个光伏组件温度下的关系特征值序列的异常程度，δ
t
表示第t个光伏组件温度下的关系特征值序列的差异值，δ
t-1
表示第t-1个光伏组件温度下的关系特征值序列的差异值，δ
t+1
表示第t+1个光伏组件温度下的关系特征值序列的差异值，表示第t个光伏组件温度下的关系特征值序列中关系特征值的均值，s
t
表示第t个光伏组件温度下的关系特征值序列的方差，表示第t+1个光伏组件温度下的关系特征值序列中关系特征值的
均值，s
t+1
表示第t+1个光伏组件温度下的关系特征值序列的方差，表示第t-1个光伏组件温度下的关系特征值序列中关系特征值的均值，s
t-1
表示第t-1个光伏组件温度下的关系特征值序列的方差，exp表示以自然常数e为底的指数函数，||表示取绝对值。4.根据权利要求1所述的一种基于物联网大数据的光伏电站智慧诊断系统，其特征在于，所述根据每一聚类簇中关系特征值的个数占比与数值差异获取每一光伏组件温度下的关系特征值序列的每一聚类簇的优选程度，计算公式如下：其中，γ
tw
表示第t个光伏组件温度下的关系特征值序列的第w个聚类簇的优选程度，n
tw
表示第t个光伏组件温度下的关系特征值序列的第w个聚类簇中关系特征值的个数，n
t
表示第t个光伏组件温度下的关系特征值序列中关系特征值的个数，表示第t个光伏组件温度下的关系特征值序列的第w个聚类簇中关系特征值的均值，表示第t个光伏组件温度下的关系特征值序列中关系特征值的均值，x
t
表示第t个光伏组件温度下的关系特征值序列的异常程度，exp表示以自然常数e为底的指数函数，||表示取绝对值。5.根据权利要求1所述的一种基于物联网大数据的光伏电站智慧诊断系统，其特征在于，所述根据每一光伏组件温度下的关系特征值序列的最优区间中关系特征值数值分布差异获取每一光伏组件温度下的关系特征值序列的最优区间的分布程度，计算公式如下：记第t个光伏组件温度下的关系特征值序列的第m个聚类簇为第t个光伏组件温度下的关系特征值序列的最优区间；其中，ε
t
表示第t个光伏组件温度下的关系特征值序列的最优区间的分布程度，表示第t个光伏组件温度下的关系特征值序列的最优区间的关系特征值最大值，表示第t个光伏组件温度下的关系特征值序列的最优区间的关系特征值最小值，表示第t个光伏组件温度下的关系特征值序列的最优区间的关系特征值的均值。6.根据权利要求1所述的一种基于物联网大数据的光伏电站智慧诊断系统，其特征在于，所述将每一时间节点的关系特征值根据每一时间节点的光伏组件温度的不同进行分类，得到若干个不同光伏组件温度下的关系特征值序列包括：将相同光伏组件温度的关系特征值划为一类，按照关系特征值由大到小的顺序得到每一光伏组件温度下的关系特征值序列。

技术总结
本发明涉及数据处理技术领域，具体涉及一种基于物联网大数据的光伏电站智慧诊断系统，包括数据采集模块、特征值构建模块、最优区间获取模块、最优拟合点获取模块、数据诊断模块，其中：采集每一时间节点的光伏组件温度数据、太阳辐射强度数据及发电功率数据，获取每一时间节点的关系特征值，获取不同光伏组件温度下的关系特征值序列，进而获取每一光伏组件温度下的最优拟合点，得到温度发电功率曲线，利用温度发电功率曲线对光伏电站异常进行诊断。本发明旨在解决由于光伏组件的温度和太阳辐射强度的改变引起的发电功率变化进而导致光伏电站异常诊断出现误差的缺陷。电站异常诊断出现误差的缺陷。电站异常诊断出现误差的缺陷。


技术研发人员：雪伟 陈洋 徐乙馨 肖燃 刘子铭 陈海平
受保护的技术使用者：国能智慧科技发展（江苏）有限公司
技术研发日：2023.04.21
技术公布日：2023/7/13