CN107222169A - 一种基于离群点检测的光伏阵列实时监控与故障检测方法 - Google Patents
一种基于离群点检测的光伏阵列实时监控与故障检测方法 Download PDFInfo
- Publication number
- CN107222169A CN107222169A CN201710646250.6A CN201710646250A CN107222169A CN 107222169 A CN107222169 A CN 107222169A CN 201710646250 A CN201710646250 A CN 201710646250A CN 107222169 A CN107222169 A CN 107222169A
- Authority
- CN
- China
- Prior art keywords
- mrow
- msub
- photovoltaic array
- lof
- current
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 22
- 238000013450 outlier detection Methods 0.000 title claims abstract description 16
- 238000000034 method Methods 0.000 claims abstract description 17
- 239000011159 matrix material Substances 0.000 claims abstract description 16
- 238000012544 monitoring process Methods 0.000 claims abstract description 14
- 230000002159 abnormal effect Effects 0.000 claims abstract 2
- 238000003491 array Methods 0.000 claims description 7
- 230000035945 sensitivity Effects 0.000 claims description 3
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 238000013508 migration Methods 0.000 abstract 1
- 230000005012 migration Effects 0.000 abstract 1
- 230000003190 augmentative effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 1
- 230000001617 migratory effect Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000002834 transmittance Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02S—GENERATION OF ELECTRIC POWER BY CONVERSION OF INFRARED RADIATION, VISIBLE LIGHT OR ULTRAVIOLET LIGHT, e.g. USING PHOTOVOLTAIC [PV] MODULES
- H02S50/00—Monitoring or testing of PV systems, e.g. load balancing or fault identification
- H02S50/10—Testing of PV devices, e.g. of PV modules or single PV cells
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/50—Photovoltaic [PV] energy
Landscapes
- Photovoltaic Devices (AREA)
Abstract
本发明公开了一种基于离群点检测的光伏阵列实时监控与故障检测方法，其特征在于：包括以下步骤：步骤A：实时采集光伏阵列各个组串的电流，获取所有组串的电流数据；步骤B：考虑到LOF方法应用于小型光伏阵列的不适用性，对步骤A中的电流进行扩充处理；步骤C：对新的电流矩阵应用LOF方法进行异常点检测；步骤D:对步骤C中的LOF值进行处理，获得最终用于评估光伏阵列是否异常的PVLOF值。本发明的有益效果为：对SP型拓扑结构光伏阵列实施监控与故障检测，能够准确判断出附着物阴影遮挡与迁移物阴影遮挡，能够实现故障位置定位，并发出故障预警，以解决现阶段我国人工判别故障出现的时间点的不准确性，随机性，不经济性问题。
Description
技术领域
本发明涉及一种基于离群点检测的光伏阵列实时监控与故障检测方法，属于光伏发电技术领域。
背景技术
目前针对于SP结构的光伏阵列的故障检测方法已经有好多种，大多都是基于传感器检测，通过传感器获得的值相比较以判断故障，但是，该方法传感器众多，限于小型的光伏阵列，实时性，智能化程度不高，且不能够判断出故障的程度，没有相对明确的指标。
发明内容
本发明的目的在于利用本发明的一种基于离群点检测的光伏阵列实时监控与故障检测方法，来对SP型拓扑结构光伏阵列实施监控与故障检测，并判断出故障位置，以解决现阶段我国人工判别故障出现的时间点的不准确性，随机性，不经济性的问题。
为了解决上述技术问题，本发明提供基于一种离群点检测的光伏阵列实时监控与故障检测方法，包括以下步骤：
步骤A：实时采集光伏阵列各个组串的电流，获取所有组串的电流数据。
步骤B：考虑到LOF方法应用于小型光伏阵列的不适用性，对步骤A中的电流进行扩充处理。
对获取的电流I＝{I1，I2，…Ii}，如果i小于20，则需对上述电流数组进行扩充；否则不变；i表示电流的组串数。构造电流扩充矩阵E，如果一个光伏阵列的组串数小于20，则需要对组串进行扩充，则需要构造扩充矩阵E。
式中，j＝max(i)；u＝20mod j+1；
其中，j表示光伏阵列组串数，u表示该光伏阵列需要扩充的组数，若j＝6,则u＝4,以此类推。
最后获取用于离群点检测新的Iv’，Iv’表示扩充之后的所有串电流的集合。
Iv’＝I*E (2)
步骤C：对上述扩充后的电流值应用LOF方法
设数据集X∈Rn×m，其中n为样本数，m为变量数。
定义1.k距离——各观察对象距离其最近的观察对象之间的距离。观察对象p的k距离dk(p)：
dk(p)＝d(p,o) (3)
其中o为数据集X中与p邻近的k个观察对象最近的的一个观察点。
定义2.p观察对象的k距离领域Nk(p)
Nk(p)＝{Q∈X/{p}|d(p,Q)＜＝dk(p)} (4)
其中Q为数据集X中的观察对象。
定义3.观察对象p相对于观察对象o的局部可达距离。
reach-distk(p,o)＝max{dk(p),d(p,o)} (5)
定义4.观察对象p的局部可达密度lrdk(p)
定义5.观察对象的局部异常因子LOFk(p)。
步骤D：对LOF值进行处理，获得最终用于评估光伏阵列是否异常的PVLOF值。
式中，h——灵敏度调整值，通常由光伏阵列中安装的电流传感器的精度确定，如果精度很高，该值接近于1，如果精度稍低，该值可以适当放大，理论上如果光伏阵列正常，则所有组串的电流值应当相差无几，该值为1，但是由于电流传感器的检测误差，LOF比1稍大，为控制检测的灵敏度，不因过于灵敏而导致误警报现象，根据实验室所采用的的电流传感器，灵敏度调整值h设定为5。
式中，PVLOFi为最终第i串电流值相对应的离群因子值，w为正整数，取值从0到u。
本发明的有益效果为：
(1)、对SP型拓扑结构光伏阵列实施监控与故障检测，能够准确判断出附着物阴影遮挡与迁移物阴影遮挡，能够实现故障位置定位，并发出故障预警，以解决现阶段我国人工判别故障出现的时间点的不准确性，随机性，不经济性的问题；
(2)相比于光伏仿真模型，该方法具有实时性，能够适用于各种天气情况下，各种规模的光伏电站进行实时监控与故障检测。
附图说明
图1为本发明的流程图；
图2为阴影1故障图；
图3为阴影2故障图；
图4为故障检测结果图；
图5为实时电流图。
具体实施方式
为使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合具体实施方式，进一步阐述本发明。
如图1所示，本发明的基于离群点检测的光伏阵列实时监控与故障检测方法，包括以下步骤：
步骤A：通过传感器实时采集光伏阵列各组串的电流值，获取光伏阵列各组串实时电流数据。
步骤B:考虑到LOF方法应用于小型光伏阵列的不适用性，对步骤A中的电流进行扩充处理。
判断整个光伏阵列的组串数是否大于20，大于20则直接应用离群点LOF方法进行检测，若是小于20，按照式(1)构造扩充矩阵，对原始电流矩阵通过与扩充矩阵相乘获得新的电流矩阵。
即，对获取的电流I＝{I1，I2，…Ii}，如果i小于20，则需对上述电流数组进行扩充；否则不变；i表示电流的组串数。构造电流扩充矩阵E，当一个光伏阵列的组串数小于20，则需要对组串进行扩充，才需要构造扩充矩阵E。
式中，j＝max(i)；u＝20mod j+1；
其中，j表示光伏阵列组串数，u表示该光伏阵列需要扩充的组数，若j＝6,则u＝4,以此类推。
最后获取用于离群点检测新的Iv’，Iv’表示扩充之后的所有串电流的集合。
Iv’＝I*E (2)
步骤C：对上述扩充后的电流值应用LOF方法
设数据集X∈Rn×m，其中n为样本数，m为变量数。
定义1.k距离——各观察对象距离其最近的观察对象之间的距离。观察对象p的k距离dk(p)：
dk(p)＝d(p,o) (3)
其中o为数据集X中与p邻近的k个观察对象最近的的一个观察点。
定义2.p观察对象的k距离领域Nk(p)
Nk(p)＝{Q∈X/{p}|d(p,Q)＜＝dk(p)} (4)
其中Q为数据集X中的观察对象。
定义3.观察对象p相对于观察对象o的局部可达距离。
reach-distk(p,o)＝max{dk(p),d(p,o)} (5)
定义4.观察对象p的局部可达密度lrdk(p)
定义5.观察对象的局部异常因子LOFk(p)。
对新的电流矩阵按照式式(3)-(7)编写离群点检测程序获得最终的LOF值，作为评估光伏阵列是否出现故障的检测标准。在此过程中，确定i即故障串的序号，定位到串，以实施定位。
步骤D：对LOF值进行处理，获得最终用于评估光伏阵列是否异常的PVLOF值。
式中，h——灵敏度调整值，通常由光伏阵列中安装的电流传感器的精度确定，如果精度很高，该值接近于1，如果精度稍低，该值可以适当放大，理论上如果光伏阵列正常，则所有组串的电流值应当相差无几，该值为1，但是由于电流传感器的检测误差，LOF比1稍大，为控制检测的灵敏度，不因过于灵敏而导致误警报现象，根据实验室所采用的的电流传感器，灵敏度调整值h设定为5。
式中，PVLOFi为最终第i串电流值相对应的离群因子值，w为正整数，取值从0到u。
根据LOF值，为尽可能降低误警报率。通过调节灵敏度确定故障阈值，对LOF值按照式(8)-(9)进行处理，确定最后用于评估光伏系统运行的参考数据PVLOF。
为说明本算法的可行性，在多云天气中，给出两种不同程度的阴影故障，两种阴影故障分别如图2所示的大阴影故障(应用透光率为0.2的遮光板对整个一块光伏电池板进行遮挡)和如图3所示的小阴影故障(应用透光率为0.2的遮光板对一块电池板的一半进行遮挡)，故障检测结果如图4所示，实际电流如图5所示。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (6)
1.一种基于离群点检测的光伏阵列实时监控与故障检测方法，其特征在于：包括以下步骤：
步骤A：实时采集光伏阵列各个组串的电流，获取所有组串的电流数据；
步骤B：考虑到LOF方法应用于小型光伏阵列的不适用性，对步骤A中的电流进行扩充矩阵处理；
步骤C：对新的电流矩阵应用LOF方法进行异常点检测；
步骤D：对步骤C中的LOF值进行处理，获得最终用于评估光伏阵列是否异常的光伏离群因子值PVLOF。
2.如权利要求1所述一种基于离群点检测的光伏阵列实时监控与故障检测方法，其特征在于，所述步骤B具体步骤为：，
B1)对获取的电流I＝{I1，I2，…Ii}，如果i小于20，则需对上述电流数组进行扩充；否则不变；i表示电流的组串数,Ii表示第i串电流；
B2)构造电流扩充矩阵E；
B3)获取用于离群点检测新的Iv’＝I*E，Iv’表示扩充之后的所有串电流的集合。
3.如权利要求2所述一种基于离群点检测的光伏阵列实时监控与故障检测方法，其特征在于，所述步骤B2中，构造扩充矩阵E，当一个光伏阵列的组串数小于20，则需要对组串进行扩充，才需要构造扩充矩阵E；
式中，j＝max(i)；u＝20mod j+1；
j表示光伏阵列组串数，u表示该光伏阵列需要扩充的组数，若j＝6,则u＝4,以此类推。
4.如权利要求3所述一种基于离群点检测的光伏阵列实时监控与故障检测方法，其特征在于，步骤C中,获取离群点LOF值将用到如下定义：
设数据集X∈Rn×m，其中n为样本数，m为变量数；
定义1.k距离——各观察对象距离其最近的观察对象之间的距离，观察对象p的k距离dk(p)：
dk(p)＝d(p,o) (2)
其中，o为数据集X中与p邻近的k个观察对象最近的的一个观察点；定义2.p观察对象的k距离领域Nk(p)
Nk(p)＝{Q∈X/{p}|d(p,Q)＜＝dk(p)}(3)
其中Q为数据集X中的观察对象；
定义3.观察对象p相对于观察对象o的局部可达距离：
reach-distk(p,o)＝max{dk(p),d(p,o)} (4)
定义4.观察对象p的局部可达密度lrdk(p)：
<mrow>
<msub>
<mi>lrd</mi>
<mi>k</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>p</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<mi>k</mi>
<mrow>
<munder>
<mo>&Sigma;</mo>
<mrow>
<mi>o</mi>
<mo>&Element;</mo>
<msub>
<mi>N</mi>
<mi>k</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>p</mi>
<mo>)</mo>
</mrow>
</mrow>
</munder>
<mi>r</mi>
<mi>e</mi>
<mi>a</mi>
<mi>c</mi>
<mi>h</mi>
<mo>-</mo>
<msub>
<mi>dist</mi>
<mi>k</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>p</mi>
<mo>,</mo>
<mi>o</mi>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>5</mn>
<mo>)</mo>
</mrow>
</mrow>
定义5.观察对象的局部异常因子LOFk(p)
<mrow>
<msub>
<mi>LOF</mi>
<mi>k</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>p</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<mi>k</mi>
</mfrac>
<munder>
<mo>&Sigma;</mo>
<mrow>
<mi>o</mi>
<mo>&Element;</mo>
<msub>
<mi>N</mi>
<mi>k</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>p</mi>
<mo>)</mo>
</mrow>
</mrow>
</munder>
<mfrac>
<mrow>
<msub>
<mi>lrd</mi>
<mi>k</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>o</mi>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msub>
<mi>lrd</mi>
<mi>k</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>p</mi>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>6</mn>
<mo>)</mo>
</mrow>
<mo>.</mo>
</mrow>
5.如权利要求4所述一种基于离群点检测的光伏阵列实时监控与故障检测方法，其特征在于，所述步骤D的具体方法为：
<mrow>
<msup>
<mi>LOF</mi>
<mo>&prime;</mo>
</msup>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mi>LOF</mi>
<mi>v</mi>
</msub>
<mo>/</mo>
<msubsup>
<mi>I</mi>
<mi>v</mi>
<mo>&prime;</mo>
</msubsup>
</mrow>
</mtd>
<mtd>
<mrow>
<msub>
<mi>LOF</mi>
<mi>v</mi>
</msub>
<mo>></mo>
<mi>h</mi>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>LOF</mi>
<mi>v</mi>
</msub>
</mrow>
</mtd>
<mtd>
<mrow>
<msub>
<mi>LOF</mi>
<mi>v</mi>
</msub>
<mo>&le;</mo>
<mi>h</mi>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>7</mn>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msub>
<mi>PVLOF</mi>
<mi>i</mi>
</msub>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<mi>u</mi>
</mfrac>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>w</mi>
<mo>=</mo>
<mn>0</mn>
</mrow>
<mi>u</mi>
</munderover>
<msub>
<msup>
<mi>LOF</mi>
<mo>&prime;</mo>
</msup>
<mrow>
<mi>u</mi>
<mi>w</mi>
<mo>+</mo>
<mi>i</mi>
</mrow>
</msub>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>8</mn>
<mo>)</mo>
</mrow>
</mrow>
式中，h为灵敏度调整值，PVLOFi为最终第i串电流值相对应的离群因子值，w为正整数，取值从0到u。
6.如权利要求5所述一种基于离群点检测的光伏阵列实时监控与故障检测方法，其特征在于：所述灵敏度调整值h设定为5。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710646250.6A CN107222169B (zh) | 2017-08-01 | 2017-08-01 | 一种基于离群点检测的光伏阵列实时监控与故障检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710646250.6A CN107222169B (zh) | 2017-08-01 | 2017-08-01 | 一种基于离群点检测的光伏阵列实时监控与故障检测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107222169A true CN107222169A (zh) | 2017-09-29 |
| CN107222169B CN107222169B (zh) | 2018-10-02 |
Family
ID=59954827
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710646250.6A Active CN107222169B (zh) | 2017-08-01 | 2017-08-01 | 一种基于离群点检测的光伏阵列实时监控与故障检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107222169B (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108880465A (zh) * | 2018-06-26 | 2018-11-23 | 广东石油化工学院 | 光伏电站故障预警方法及系统 |
| CN110277961A (zh) * | 2019-06-18 | 2019-09-24 | 合肥阳光新能源科技有限公司 | 光伏组串故障检测方法及装置 |
| CN111487553A (zh) * | 2020-04-20 | 2020-08-04 | 国电南瑞科技股份有限公司 | 一种电池单体一致性评价的方法及其装置 |
| CN113985239A (zh) * | 2021-10-13 | 2022-01-28 | 合肥阳光智维科技有限公司 | 组串旁路二极管故障识别方法、装置、设备及存储介质 |
| CN117792276A (zh) * | 2023-11-22 | 2024-03-29 | 华能太仓发电有限责任公司 | 光伏场的故障光伏组件的定位方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106093703A (zh) * | 2016-06-07 | 2016-11-09 | 湖南大学 | 一种智能配电网故障的辨识与定位方法 |
| CN106124929A (zh) * | 2016-06-30 | 2016-11-16 | 湖南大学 | 一种配电网物理故障与信息故障辨识方法 |
| CN106230378A (zh) * | 2016-07-20 | 2016-12-14 | 中国电力科学研究院 | 一种光伏电站组串故障的诊断方法 |
| CN106249101A (zh) * | 2016-06-30 | 2016-12-21 | 湖南大学 | 一种智能配电网故障辨识方法 |
| US20170019063A1 (en) * | 2015-07-14 | 2017-01-19 | Synapse Wireless, Inc. | Solar Panel Location Detection System and Method |
-
2017
- 2017-08-01 CN CN201710646250.6A patent/CN107222169B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20170019063A1 (en) * | 2015-07-14 | 2017-01-19 | Synapse Wireless, Inc. | Solar Panel Location Detection System and Method |
| CN106093703A (zh) * | 2016-06-07 | 2016-11-09 | 湖南大学 | 一种智能配电网故障的辨识与定位方法 |
| CN106124929A (zh) * | 2016-06-30 | 2016-11-16 | 湖南大学 | 一种配电网物理故障与信息故障辨识方法 |
| CN106249101A (zh) * | 2016-06-30 | 2016-12-21 | 湖南大学 | 一种智能配电网故障辨识方法 |
| CN106230378A (zh) * | 2016-07-20 | 2016-12-14 | 中国电力科学研究院 | 一种光伏电站组串故障的诊断方法 |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108880465A (zh) * | 2018-06-26 | 2018-11-23 | 广东石油化工学院 | 光伏电站故障预警方法及系统 |
| CN110277961A (zh) * | 2019-06-18 | 2019-09-24 | 合肥阳光新能源科技有限公司 | 光伏组串故障检测方法及装置 |
| CN110277961B (zh) * | 2019-06-18 | 2021-07-13 | 合肥阳光新能源科技有限公司 | 光伏组串故障检测方法及装置 |
| CN111487553A (zh) * | 2020-04-20 | 2020-08-04 | 国电南瑞科技股份有限公司 | 一种电池单体一致性评价的方法及其装置 |
| CN113985239A (zh) * | 2021-10-13 | 2022-01-28 | 合肥阳光智维科技有限公司 | 组串旁路二极管故障识别方法、装置、设备及存储介质 |
| CN113985239B (zh) * | 2021-10-13 | 2024-09-20 | 阳光智维科技股份有限公司 | 组串旁路二极管故障识别方法、装置、设备及存储介质 |
| CN117792276A (zh) * | 2023-11-22 | 2024-03-29 | 华能太仓发电有限责任公司 | 光伏场的故障光伏组件的定位方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107222169B (zh) | 2018-10-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107222169B (zh) | 一种基于离群点检测的光伏阵列实时监控与故障检测方法 | |
| CN105846780B (zh) | 一种基于决策树模型的光伏组件故障诊断方法 | |
| CN106021806B (zh) | 一种基于核函数极限学习机的光伏组串故障诊断方法 | |
| CN109442221B (zh) | 一种基于压力扰动提取的供水管网爆管侦测方法 | |
| CN106777984A (zh) | 一种基于密度聚类算法实现光伏阵列工作状态分析与故障诊断的方法 | |
| CN105046100B (zh) | 一种堤坝边坡变形监测数据分析方法 | |
| CN107395121A (zh) | 基于格拉布斯准则及离群点检测光伏阵列故障检测方法 | |
| CN104753461A (zh) | 基于粒子群优化支持向量机的光伏发电阵列故障诊断与分类方法 | |
| CN110006552B (zh) | 一种机组设备温度异常检测方法 | |
| Sarikh et al. | Characteristic curve diagnosis based on fuzzy classification for a reliable photovoltaic fault monitoring | |
| CN104601109A (zh) | 一种电-图模型的光伏热斑效应检测方法 | |
| CN102809714A (zh) | 一种牵引变电所接地网腐蚀故障诊断方法 | |
| CN110287540B (zh) | 一种基于精英群众差分进化算法的光伏电池参数辨识方法 | |
| CN105389469A (zh) | 一种暴雨洪水管理模型参数自动率定方法 | |
| Adnan et al. | 5 hours flood prediction modeling using improved NNARX structure: case study Kuala Lumpur | |
| CN117235617A (zh) | 沙尘天气下基于ml-rfknn的光伏阵列故障诊断方法 | |
| Livera et al. | Failure diagnosis of short-and open-circuit fault conditions in PV systems | |
| CN117039890A (zh) | 面向网络攻击检测的配电网预测辅助区间状态估计方法 | |
| CN112097125B (zh) | 一种基于自适应校核的供水管网爆管侦测及定位方法 | |
| CN102967798A (zh) | 一种电力设备的故障报警方法及系统 | |
| CN104574221B (zh) | 一种基于损失电量特征参数的光伏电站运行状态辨识方法 | |
| Rohaimi et al. | 3 Hours ahead of time flood water level prediction using NNARX structure: Case study pahang | |
| CN103928923B (zh) | 一种基于灵敏度分析的网络稳态电能质量预警方法 | |
| Spataru et al. | Development and implementation of a PV performance monitoring system based on inverter measurements | |
| Kongphet et al. | Photovoltaic Fault Detection and Diagnosis: Which Level of Granularity for PV Modeling? |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |