光伏电站组件在线健康评价方法、装置及终端设备

    公开(公告)号:CN118539867A

    公开(公告)日:2024-08-23

    申请号:CN202410515254.0

    申请日:2024-04-26

    IPC分类号: H02S50/10 G06F17/10

    摘要: 本申请提供了一种光伏电站组件在线健康评价方法、装置及终端设备,涉及光伏监测控制技术领域,方法包括:采集目标光伏组件在各采样时刻的实测背板温度、实测工作电压、实测工作电流,以及获取各采样时刻的实测环境辐照度,构建第一I‑V曲线,通过预设的拟合函数确定各采样时刻的实测环境辐照度所对应的短路电流,基于各采样时刻的短路电流及实测背板温度,通过修正模型将第一I‑V曲线转换为预设标准下的第一I‑V修正曲线;构建第一I‑V修正曲线的第一目标数据点集以及标准I‑V修正曲线的第二目标数据点集;确定两个数据点集之间的灰色关联度,通过健康评价模型确定在灰色关联度下,目标光伏组件的健康指数。本申请能够实现光伏组件健康状态的定量分析。

    光伏组件异常识别方法及装置、计算机可读储存介质

    公开(公告)号:CN116865672A

    公开(公告)日:2023-10-10

    申请号:CN202310613282.1

    申请日:2023-05-26

    IPC分类号: H02S50/10 H02S40/30 H02J13/00

    摘要: 本发明提供一种光伏组件异常识别方法及装置、计算机可读储存介质,属于光伏组件技术领域。所述光伏组件异常识别方法包括:实时监测光伏组件的运行数据,对监测到的运行数据进行计算,对连续变化的物理量进行采集相当于抽样,得到光伏组件的能效差值样本;基于所述能效差值样本对光伏组件的能效状况进行假设检验得到检验统计量,计算光伏组件实际能效值与理论能效值的差异程度值,根据所述差异程度值判断光伏组件的第一异常情况得到第一判断结果;获取光伏组件的总发电量输出能效值,判断光伏组件的第二异常情况,得到第二判断结果;基于第一判断结果以及第二判断结果判断光伏组件的异常工况。

    基于聚类分析的异常光伏组件的定位方法及系统

    公开(公告)号:CN116388687A

    公开(公告)日:2023-07-04

    申请号:CN202310246102.0

    申请日:2023-03-13

    IPC分类号: H02S50/10 G06F18/23 G06F17/10

    摘要: 本发明实施例提供一种基于聚类分析的异常光伏组件的定位方法及系统,属于发电技术领域。基于聚类分析的异常光伏组件的定位方法,具体包括:采集得到光伏组件集合的两组温度数据和电压数据以及一组电流数据,基于光伏组件集合的电压数据和电流数据,利用聚类分析,确定该光伏组件集合的状态是否为异常,根据异常光伏组件集合的两组电压数据确定出异常光伏组件集合内的异常光伏组件区域;根据异常光伏组件区域内连接了温度传感器的光伏组件的温度数据,计算得到该光伏组件的目标温度检验值;根据该目标温度检验值确定出异常光伏组件的位置。本发明通过利用聚类分析的方式,减少了人为定义阈值所引起的误差,更为准确地实现了光伏电站组件异常定位。

    基于小波分析的异常光伏组件的定位方法及系统

    公开(公告)号:CN116388683A

    公开(公告)日:2023-07-04

    申请号:CN202310260094.5

    申请日:2023-03-13

    摘要: 本发明实施例提供基于一种小波分析的异常光伏组件的定位方法及系统,属于发电技术领域。基于小波分析的异常光伏组件的定位方法,具体包括:采集得到光伏组件子集合的温度数据、电压数据和电流数据,基于该电压数据和电流数据,利用聚类分析和小波分析,确定该光伏组件集合的状态是否为异常,根据异常光伏组件集合的电压数据确定出异常光伏组件区域,将异常光伏组件区域内光伏组件的温度数据输入至深度孪生网络中,确定出异常光伏组件的位置。本发明利用由聚类分析法和深度孪生网络方法相结合的算法,利用电压相对差值作为分类依据,且引入了小波系数作为聚类分析的特征参量,提高了时间序列上异常情况的识别,提升了异常识别的精准性。

    光伏组件异常检测方法、装置、设备及存储介质

    公开(公告)号:CN116662799A

    公开(公告)日:2023-08-29

    申请号:CN202310446392.3

    申请日:2023-04-24

    摘要: 本发明实施例提供一种光伏组件异常检测方法、装置、设备及存储介质,属于光伏组件检测领域。光伏组件异常检测方法包括:获取光伏电站的当前运行数据和历史运行数据,并基于历史运行数据建立训练样本集;利用训练样本集进行模型训练,得到目标深度孪生网络模型;将目标深度孪生网络模型进行分割,得到特征提取模型;将特征提取模型与预设分类网络进行结合,得到组合神经网络模型;利用训练样本集对组合神经网络模型进行训练,得到目标组合神经网络模型;基于当前运行数据,利用目标组合神经网络模型对光伏组件进行异常检测,得到检测结果。本发明将孪生网络拆分,结合分类网络实现对异常组件的检测和分类,减少虚警或漏警现象,提高了检测准确率。

    基于深度孪生网络的异常光伏组件的定位方法及系统

    公开(公告)号:CN116404980A

    公开(公告)日:2023-07-07

    申请号:CN202310250122.5

    申请日:2023-03-13

    摘要: 本发明实施例提供一种基于深度孪生网络的异常光伏组件的定位方法及系统,属于发电技术领域。基于深度孪生网络的异常光伏组件的定位方法,包括:采集得到光伏组件集合的两组温度数据和两组电压数据;基于光伏组件集合的两组电压数据,判断判断该光伏组件集合的状态是否为异常;根据异常光伏组件集合的两组电压数据确定出异常光伏组件集合内的异常光伏组件区域;将异常光伏组件区域内光伏组件的温度数据输入至深度孪生网络中,确定出异常光伏组件区域中异常光伏组件的位置。本发明实现了在异常判定粒度较大,且样本和标签数据较少的情况下,对异常光伏组件的定位,解决了现有光伏电站实时监控系统无法定位异常光伏组件的问题。

    异常光伏组件的定位系统及方法
    9.
    发明公开

    公开(公告)号:CN116388688A

    公开(公告)日:2023-07-04

    申请号:CN202310248072.7

    申请日:2023-03-13

    IPC分类号: H02S50/10 G01D21/02 G06Q50/06

    摘要: 本发明实施例提供一种异常光伏组件的定位系统及方法,属于发电技术领域。异常光伏组件的定位系统包括数据处理装置和多个数据采集装置;所述光伏组件组串包括多个光伏组件集合,一个光伏组件集合包括两个光伏组件子集合;数据处理装置用于基于每一光伏组件集合的两组电压数据确定该光伏组件集合的状态是否为异常;根据光伏组件集合的两组电压数据,确定出异常光伏组件集合中的异常光伏组件区域,根据异常光伏组件区域内光伏组件的温度数据,确定出异常光伏组件区域中异常光伏组件的位置。本发明解决了现有光伏电站实时监控系统无法定位异常光伏组件的问题,优化了数据采集过程,降低了成本,提高了实用性。