一种基于时序数据画像的低效发电预警方法及系统与流程

1.本发明涉及光伏发电技术领域，具体是一种基于时序数据画像的低效发电预警方法及系统。


背景技术：

2.随着环境问题的日益突出，能源转型问题受到了广泛关注，太阳能、风能等清洁可再生能源作为新型能源获得了快速发展。太阳能光伏产业作为新能源产业体系中较为成熟的产业，产业规模将进一步扩大。为了满足数字化转型需求，光伏场站数字化转型也是必然趋势。
3.随着光伏行业的持续发展，光伏新能源的装机容量不断增加的背景下，光伏电场逐步实现数字运营也成为了当前重要突破的方向。光伏组件的正常运行，是保证光伏电站持续、稳定、高效发电的基础。光伏组件是光伏电站数量最多的设备，要确保组件的正常运行，需要及时对组件的运行状态进行监测，发生异常运行状态及时进行预警，不仅能够节约运维成本，而且能大大提高运维人员的工作效率，并且能使运维人员准确、快速的发现有问题的组件。为了维护光伏组件持续、高效、稳定的发电，须投入大量的人力和物力。当前也迫切的需要我们通过大数据和人工智能相关算法对光伏组串进行精准低效预警同时避免发电损失。
4.目前，在确定电流偏差异常时通常是依据光伏电站的地域和经验设定阈值来设定阈值，没有考虑在不同类别下对电流偏差的影响，在对电流偏差异常值筛选时，通常采用描述性统计量去确定电流偏差异常，这种方式很难对时序异常值进行准确检测，因为会考虑到时间和季节维度，在排除非灰尘遮挡造成发电损失的过程中，现有技术很少考虑周期性变化带来的干扰，同时造成估计的发电损失与实际损失存在较大误差，影响灰尘预警准确度。


技术实现要素：

5.本发明的目的在于提供一种基于时序数据画像的低效发电预警方法及系统，以解决目前无法对光伏组件的运行状态进行及时准确的预警，确保光伏组件的正常运行的问题。为实现上述目的，本发明实施例提供如下技术方案。
6.第一方面，在本发明的一个实施例中，提供了一种基于时序数据画像的低效发电预警方法，所述的预警方法包括以下步骤：
7.制定光伏遮挡时间序列的阴影画像，基于阴影画像计算阴影损失电量；
8.光伏组串积灰判断与损失电量计算；
9.光伏组串低效运行报警。
10.进一步的，所述制定光伏遮挡时间序列的阴影画像的步骤包括：
11.计算组串电流偏差率基于组串电流数据，应用谱聚类算法对波动异常的组串电流进行识别，根据聚类结果依据光伏电站的地域和经验设定阈值；
12.针对电流偏差异常值检测以及结合设定的阈值，计算组串偏低的持续时间；
13.生成阴影画像。
14.进一步的，所述基于阴影画像计算阴影损失电量的步骤包括：
15.分析时间序列为索引的周期性；
16.计算每个组串电流在阴影时长内的电流偏差率，并同时基于电流偏差率折算每个组串的电量损失；
17.每个组串的电量损失求和即为逆变器的阴影损失电量。
18.进一步的，所述光伏组串积灰判断与损失电量计算的步骤包括：
19.通过统计学方法学习组件在洁净状态下的发电表现，建立理论发电量预测模型。
20.基于cnn建立清洁指数模型，评价灰尘的积累程度，量化灰尘对组件发电能力的影响；
21.将时间、实际发电量、辐射强度、环境温度、风速输入理论发电量预测模型，得到理论发电量，结合制定光伏遮挡时间序列的阴影画像，排除逆变器故障、检修、限电、停机的运行状态，计算得到因积灰造成的损失电量。
22.进一步的，所述建立理论发电量预测模型的步骤包括采用切片、切块的方法对不同条件下的光伏组件分别建立理论发电量预测模型，实现对光伏组件最优发电量的准确预测。
23.进一步的，将建模所需要的特征矩阵，采用切片、切块的方法对数据集进行划分，针对不同的切片、切块，采用数据清洗的方法，对有噪声的数据进行预处理，应用统计学的方法，输出每个切片、切块的理论发电量，也就是在理论条件下的最优发电量。
24.进一步的，所述光伏组串低效运行报警的步骤包括：根据计算结果的损失电量判断光伏组串的运行状态，在所述运行状态为低效运行时进行报警。
25.第二方面，在本发明提供的另一个实施例中，一种基于时序数据画像的低效发电预警系统，所述预警系统包括：
26.阴影画像模块，所述阴影画像模块用于制定光伏遮挡时间序列的阴影画像；
27.第一计算模块，所述第一计算模块用于基于阴影画像计算阴影损失电量；
28.第二计算模块，所述第二计算模块用于光伏组串积灰判断与损失电量计算；
29.低效预警模块，所述低效预警模块用于光伏组串低效运行报警。
30.第三方面，在本发明提供的再一个实施例中，一种计算机设备，所述计算机设备包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机可读指令，所述处理器执行所述计算机可读指令时实现如第一方面所提供的基于时序数据画像的低效发电预警方法。
31.第四方面，在本发明提供的又一个实施例中，一种计算机可读存储介质，所述计算机可读存储介质存储有计算机可读指令，所述计算机可读指令被一个或多个处理器执行时，使得所述一个或多个处理器执行如第一方面所提供的基于时序数据画像的低效发电预警方法。
32.与现有技术相比，本发明实施例的有益效果是：在本发明提供的预警方法中，制定光伏遮挡时间序列的阴影画像，基于阴影画像计算阴影损失电量；光伏组串积灰判断与损失电量计算；光伏组串低效运行报警。因此，本发明结合光伏遮挡时间序列的阴影画像，区
分组串电流降低的具体原因，将组串为周期性波动现象造成的阴影遮挡进行规避，降低误报警率，提高预警准确性。
附图说明
33.为了更清楚地说明本发明实施例中的技术方案，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。
34.图1为本发明基于时序数据画像的低效发电预警方法的实现流程图。
35.图2为本发明提供的预警方法的一个子流程图；
36.图3为本发明提供的预警方法的另一个子流程图；
37.图4为本发明提供的预警方法中阴影画像的示意图；
38.图5为本发明基于时序数据画像的低效发电预警系统的结构框图；
39.图6为本发明提供的一种计算机设备的结构框图。
具体实施方式
40.为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
41.目前，在确定电流偏差异常时通常是依据光伏电站的地域和经验设定阈值来设定阈值，没有考虑在不同类别下对电流偏差的影响，在对电流偏差异常值筛选时，通常采用描述性统计量去确定电流偏差异常，这种方式很难对时序异常值进行准确检测，因为会考虑到时间和季节维度，在排除非灰尘遮挡造成发电损失的过程中，现有技术很少考虑周期性变化带来的干扰，同时造成估计的发电损失与实际损失存在较大误差，影响灰尘预警准确度。
42.为解决上述问题，本发明提供的预警方法及系统结合光伏遮挡时间序列的阴影画像，区分组串电流降低的具体原因，将组串为周期性波动现象造成的阴影遮挡进行规避，降低误报警率，提高预警准确性。
43.以下结合具体实施例对本发明的具体实现进行详细描述。
44.实施例1
45.请参阅图1，在本发明的一个实施例中，提供了一种基于时序数据画像的低效发电预警方法，所述的预警方法包括以下步骤：
46.步骤s101：制定光伏遮挡时间序列的阴影画像，基于阴影画像计算阴影损失电量；
47.步骤s102：光伏组串积灰判断与损失电量计算；
48.步骤s103：光伏组串低效运行报警。
49.进一步的，如图2所示，在本发明实施例中，所述制定光伏遮挡时间序列的阴影画像的步骤包括：
50.步骤s1011：计算组串电流偏差率基于组串电流数据，应用谱聚类算法对波动异常的组串电流进行识别，根据聚类结果依据光伏电站的地域和经验设定阈值；
51.步骤s1012：针对电流偏差异常值检测以及结合设定的阈值，计算组串偏低的持续
时间；生成阴影画像；
52.步骤s1013：分析时间序列为索引的周期性；
53.步骤s1014：计算每个组串电流在阴影时长内的电流偏差率，并同时基于电流偏差率折算每个组串的电量损失；
54.步骤s1015：每个组串的电量损失求和即为逆变器的阴影损失电量。
55.具体的，在本发明实施例中，计算组串电流偏差率基于组串电流数据，应用谱聚类算法对波动异常的组串电流进行识别，根据聚类结果依据光伏电站的地域和经验设定阈值。在不同聚类的类别下通常采用迁移学习的思想对地域、气候等环境条件相同的电站采用相同的阈值。
56.进一步的，对电流偏差异常值检测以及结合设定的阈值，计算组串偏低的持续时间。
57.更进一步的，生成如图4所示的阴影画像。
58.在本发明实施例中，分析时间序列为索引的周期性：由于因为固定建筑物或者植物遮挡，会造成组串电流短期呈现出下降的趋势，并且成周期性变化，同时进一步排除固定建筑物或者植物遮挡造成的阴影；其次是云层遮挡，组串电流短期呈现出快速波动的特征，长期看并无明显周期性和规律性。
59.进一步的，计算每个组串电流在阴影时长内的电流偏差率，并同时基于电流偏差率折算每个组串的电量损失。
60.更进一步的，每个组串的电量损失求和即为逆变器的阴影损失电量。
61.进一步的，如图3所示，在本发明实施例中，所述光伏组串积灰判断与损失电量计算的步骤包括：
62.步骤s1021：通过统计学方法学习组件在洁净状态下的发电表现，建立理论发电量预测模型。
63.步骤s1022：基于cnn建立清洁指数模型，评价灰尘的积累程度，量化灰尘对组件发电能力的影响；
64.步骤s1023：将时间、实际发电量、辐射强度、环境温度、风速输入理论发电量预测模型，得到理论发电量，结合制定光伏遮挡时间序列的阴影画像，排除逆变器故障、检修、限电、停机的运行状态，计算得到因积灰造成的损失电量。
65.进一步的，所述建立理论发电量预测模型的步骤包括采用切片、切块的方法对不同条件下的光伏组件分别建立理论发电量预测模型，实现对光伏组件最优发电量的准确预测。
66.进一步的，将建模所需要的特征矩阵，采用切片、切块的方法对数据集进行划分，针对不同的切片、切块，采用数据清洗的方法，对有噪声的数据进行预处理，应用统计学的方法，输出每个切片、切块的理论发电量，也就是在理论条件下的最优发电量。
67.光伏组件受灰尘影响，会导致其发电效率出现明显降低，即在任一光照、温度等环境条件下，最大发电功率均会出现缓慢下降趋势。且除局部污染外，一般情况下光伏电站内各组件的灰尘积累均呈现大范围的一致性，难以通过横向对比的方法分析灰尘对发电量的影响程度。因此，以每台逆变器为单位，分别建立最优发电模型，获得任一环境条件下的最优发电表现，通过与自身最优对比的方法，实现对灰尘积累程度的准确评估。
68.可以理解的是，本发明通过统计学方法学习组件在干净时候的最优发电表现，建立理论发电量预测模型。光伏组件的理论发电量受辐射强度、环境温度、风速等环境条件的影响，即考虑任一条件下光伏组件的理论发电量均不相同，所以难以通过建立统一的标准对理论发电量进行建模。为了优化模型精度以及模型的泛化能力，我们采用切片、切块的方法对不同条件下的组件分别建立理论发电量预测模型，实现对光伏组件最优发电量的准确预测。
69.具体的，将建模所需要的特征矩阵，采用切片、切块的方法对数据集进行划分，针对不同的切片、切块，采用数据清洗的方法，比如描述性统计量和关联关系约束等对由噪声的数据进行预处理，应用统计学的方法，比如高斯模型，最大似然估计等，学习每个切片、切块的理论发电量，也就是在理论条件下的最优发电量。
70.其中，在本发明实施例中，基于cnn建立清洁指数模型，评价灰尘的积累程度，量化灰尘对组件发电能力的影响。灰尘积累对组件发电能力的影响程度(清洁指数)体现在理论发电量与实际发电量的差别程度，所以以理论发电量预测模型为基础，结合cnn的强学习能力，可以实现对清洁指数的准确预测。
71.因此，将时间、实际发电量、辐射强度、环境温度、风速输入理论发电量预测模型，得到理论发电量，结合制定光伏遮挡时间序列的阴影画像，排除逆变器故障、检修、限电、停机的运行状态，计算得到因积灰造成的损失电量。
72.进一步的，所述光伏组串低效运行报警的步骤包括：根据计算结果的损失电量判断光伏组串的运行状态，在所述运行状态为低效运行时进行报警。
73.因此，由于光伏组串电流受辐射强度、环境温度、风速等环境条件的影响，极易发生波动，尤其是在有固定阴影遮挡的情况下，组串电流会存在周期性的偏低现象。所以，难以仅通过组串电流的离散率分析、经验阈值设定等方法判断组件存在故障。因此，本买房结合光伏遮挡时间序列的阴影画像，区分组串电流降低的具体原因，将组串为周期性波动现象造成的阴影遮挡进行规避，降低误报警率，提高报警准确性。
74.实施例2
75.如图5所示，在本发明提供的另一个实施例中，一种基于时序数据画像的低效发电预警系统，所述预警系统200包括：阴影画像模块201，所述阴影画像模块用于制定光伏遮挡时间序列的阴影画像；第一计算模块202，所述第一计算模块用于基于阴影画像计算阴影损失电量；第二计算模块203，所述第二计算模块用于光伏组串积灰判断与损失电量计算；低效预警模块204，所述低效预警模块用于光伏组串低效运行报警。
76.实施例3
77.如图6所示，在本发明提供的再一个实施例中，一种计算机设备，所述计算机设备300包括存储器301、处理器302以及存储在所述存储器301中并可在所述处理器302上运行的计算机可读指令，所述处理器302执行所述计算机可读指令时实现如实施例1所提供的基于时序数据画像的低效发电预警方法；此外，本发明实施例提供的所述设备300还可具有通讯接口303，用于接收控制指令。
78.进一步的，本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机可读指令，所述计算机可读指令被一个或多个处理器执行时，使得所述一个或多个处理器执行如实施例1所提供的基于时序数据画像的低效发电预警方法。
79.在本发明的各种实施例中，应理解，所述各过程的序号的大小并不意味着执行顺序的必然先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
80.所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物单元，即可位于一个地方，或者也可以分布到多个网络单元上。可根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
81.另外，在本发明各实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。所述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
82.所述集成的单元若以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可获取的存储器中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或者部分，可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储器中，包括若干请求用以使得一台计算机设备(可以为个人计算机、服务器或者网络设备等，具体可以是计算机设备中的处理器)执行本发明的各个实施例所述方法的部分或全部步骤。
83.本领域普通技术人员可以理解所述实施例的各种方法中的部分或全部步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质包括只读存储器(read-only memory，rom)、随机存储器(random access memory，11ram)、可编程只读存储器(programmable read-only memory，prom)、可擦除可编程只读存储器(erasable programmable read-only memory，eprom)、一次可编程只读存储器(one-time programma ble read-only memory，otprom)、电子抹除式可复写只读存储器(electrically-erasable programmable read-only memory，eeprom)、只读光盘(compactdisc read-only memory，cd-rom)或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。
84.以上对本发明实施例公开的信息交互的方法、装置、电子设备及存储介质进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

技术特征：
1.一种基于时序数据画像的低效发电预警方法，其特征在于，所述的预警方法包括以下步骤：制定光伏遮挡时间序列的阴影画像，基于阴影画像计算阴影损失电量；光伏组串积灰判断与损失电量计算；光伏组串低效运行报警。2.根据权利要求1所述的基于时序数据画像的低效发电预警方法，其特征在于，所述制定光伏遮挡时间序列的阴影画像的步骤包括：计算组串电流偏差率基于组串电流数据，应用谱聚类算法对波动异常的组串电流进行识别，根据聚类结果依据光伏电站的地域和经验设定阈值；针对电流偏差异常值检测以及结合设定的阈值，计算组串偏低的持续时间；生成阴影画像。3.根据权利要求2所述的基于时序数据画像的低效发电预警方法，其特征在于，基于阴影画像计算阴影损失电量的步骤包括：分析时间序列为索引的周期性；计算每个组串电流在阴影时长内的电流偏差率，并同时基于电流偏差率折算每个组串的电量损失；每个组串的电量损失求和即为逆变器的阴影损失电量。4.根据权利要求3所述的基于时序数据画像的低效发电预警方法，其特征在于，所述光伏组串积灰判断与损失电量计算的步骤包括：通过统计学方法学习组件在洁净状态下的发电表现，建立理论发电量预测模型；基于cnn建立清洁指数模型，评价灰尘的积累程度，量化灰尘对组件发电能力的影响；将时间、实际发电量、辐射强度、环境温度、风速输入理论发电量预测模型，得到理论发电量，结合制定光伏遮挡时间序列的阴影画像，排除逆变器故障、检修、限电、停机的运行状态，计算得到因积灰造成的损失电量。5.根据权利要求4所述的基于时序数据画像的低效发电预警方法，其特征在于，建立理论发电量预测模型的步骤包括采用切片、切块的方法对不同条件下的光伏组件分别建立理论发电量预测模型。6.根据权利要求5所述的基于时序数据画像的低效发电预警方法，其特征在于，将建模所需要的特征矩阵，采用切片、切块的方法对数据集进行划分，针对不同的切片、切块，采用数据清洗的方法，对有噪声的数据进行预处理，应用统计学的方法，输出每个切片、切块的理论发电量。7.根据权利要求6所述的基于时序数据画像的低效发电预警方法，其特征在于，光伏组串低效运行报警的步骤包括：根据计算结果的损失电量判断光伏组串的运行状态，在所述运行状态为低效运行时进行报警。8.一种用于实现如权利要求1-7任一所述基于时序数据画像的低效发电预警方法的预警系统，其特征在于，所述预警系统包括：阴影画像模块，所述阴影画像模块用于制定光伏遮挡时间序列的阴影画像；第一计算模块，所述第一计算模块用于基于阴影画像计算阴影损失电量；第二计算模块，所述第二计算模块用于光伏组串积灰判断与损失电量计算；
低效预警模块，所述低效预警模块用于光伏组串低效运行报警。9.一种计算机设备，其特征在于，所述计算机设备包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机可读指令，所述处理器执行所述计算机可读指令时实现如权利要求1-7任一所述的基于时序数据画像的低效发电预警方法。10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机可读指令，所述计算机可读指令被一个或多个处理器执行时，使得所述一个或多个处理器执行如权利要求1-7任一所述的基于时序数据画像的低效发电预警方法。

技术总结
本发明实施例涉及光伏发电技术领域，本发明实施例具体公开了一种基于时序数据画像的低效发电预警方法及系统，由于现有技术很少考虑周期性变化带来的干扰，同时造成估计的发电损失与实际损失存在较大误差，影响灰尘预警准确度；因此，在本发明提供的预警方法中，通过制定光伏遮挡时间序列的阴影画像，基于阴影画像计算阴影损失电量；光伏组串积灰判断与损失电量计算；光伏组串低效运行报警。因此，本发明结合光伏遮挡时间序列的阴影画像，区分组串电流降低的具体原因，将组串为周期性波动现象造成的阴影遮挡进行规避，降低误报警率，提高预警准确性。准确性。准确性。


技术研发人员：段长江 闫文倩 李发伟 季鹏举 许兆鹏 刘瓦 崔立业 陈楠 李磊 田宇 高飞 周立学 许东 王寻
受保护的技术使用者：长春吉电能源科技有限公司 重庆中电自能科技有限公司
技术研发日：2022.11.30
技术公布日：2023/5/16