CN107578164A - 一种太阳能电池板清洁预警方法和装置 - Google Patents
一种太阳能电池板清洁预警方法和装置 Download PDFInfo
- Publication number
- CN107578164A CN107578164A CN201710770815.1A CN201710770815A CN107578164A CN 107578164 A CN107578164 A CN 107578164A CN 201710770815 A CN201710770815 A CN 201710770815A CN 107578164 A CN107578164 A CN 107578164A
- Authority
- CN
- China
- Prior art keywords
- cleaning object
- section
- same time
- solar panel
- same date
- 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.)
- Pending
Links
Landscapes
- Photovoltaic Devices (AREA)
Abstract
本申请公开了一种太阳能电池板清洁预警方法和装置,该方法包括:判断是否达到检测第i个清洗对象积灰程度的起始时间,i=1、2、…、k,k≥1,k为清洗对象的总个数;如果达到该起始时间,在检测第i个清洗对象积灰程度的起止时间内,获取第i个清洗对象在不同日期的同一个时间段内的瞬时功率,并进行预处理,得到第i个清洗对象在所述不同日期的同一个时间段内的发电数据;判断第i个清洗对象在所述不同日期的同一个时间段内的发电数据的变化趋势;如果呈明显下降趋势,计算k个清洗对象在所述不同日期的同一个时间段内的发电数据的整体降幅;如果所述整体降幅达到预设值,发出清洗预警,实现了智能预判下次最佳清洗时间点。
Description
技术领域
本发明涉及光伏发电技术领域,更具体地说,涉及一种太阳能电池板清洁预警方法和装置。
背景技术
常年暴露在室外的太阳能电池板上很容易积聚灰尘,积灰会降低光照的透光率,影响太阳能电池板的发电功率,因此需要对太阳能电池板进行清洗。
受自然条件变化影响,太阳能电池板每次清洗时间点都存在不确定性。为避免出现清洗过于频繁或者清洗不及时的现象,需要合理预判下次最佳清洗时间点。
发明内容
有鉴于此,本发明提供了一种太阳能电池板清洁预警方法和装置,以实现智能预判下次最佳清洗时间点,方案如下:
一种太阳能电池板清洗预警方法,包括:
判断是否达到检测第i个清洗对象积灰程度的起始时间,i=1、2、…、k,k≥1,k为清洗对象的总个数;
如果达到检测第i个清洗对象积灰程度的起始时间,在检测第i个清洗对象积灰程度的起止时间内,获取第i个清洗对象在不同日期的同一个时间段内的瞬时功率,并进行预处理,得到第i个清洗对象在所述不同日期的同一个时间段内的发电数据;
判断第i个清洗对象在所述不同日期的同一个时间段内的发电数据的变化趋势;
如果呈明显下降趋势,计算k个清洗对象在所述不同日期的同一个时间段内的发电数据的整体降幅;
如果所述整体降幅达到预设值,发出清洗预警。
可选的,所述判断是否达到检测太阳能电池板积灰程度的起始时间之前,还包括:
根据实际气象数据以及上次清洗日期来设定检测太阳能电池板积灰程度的起止时间。
其中,所述进行预处理,包括:
对第i个清洗对象在不同日期的同一个时间段内的瞬时功率进行降低故障、阴影、辐照、温度、太阳能电池板功率衰减中的一种或任意几种干扰的预处理。
具体的,对第i个清洗对象在不同日期的同一个时间段内的瞬时功率进行降低故障和/或阴影干扰的预处理,包括:对第i个清洗对象在不同日期的同一个时间段内的瞬时功率中的异常数据进行剔除或替换;
对第i个清洗对象在不同日期的同一个时间段内的瞬时功率进行降低辐照和温度干扰的预处理,包括:对第i个清洗对象在不同日期的同一个时间段内的瞬时功率进行功率归一化处理;
对第i个清洗对象在不同日期的同一个时间段内的瞬时功率进行降低太阳能电池板功率衰减干扰的预处理,包括:对第i个清洗对象在不同日期的同一个时间段内的瞬时功率进行太阳能电池板功率衰减补偿。
其中,当k=1时,所述计算k个清洗对象在所述不同日期的同一个时间段内的发电数据的整体降幅,包括:计算1个清洗对象在所述不同日期的同一个时间段内的发电数据的降幅;
当k>1时,所述计算k个清洗对象在所述不同日期的同一个时间段内的发电数据的整体降幅,包括:对k个清洗对象的发电数据在所述不同日期的同一个时间段内的降幅进行加权平均计算,加权平均计算结果为k个清洗对象在所述不同日期的同一个时间段内的发电数据的整体降幅。
可选的,所述计算k个清洗对象在所述不同日期的同一个时间段内的发电数据的整体降幅之前,还包括:
对第i个清洗对象在所述不同日期的同一个时间段内的发电数据进行滑动平均和/或线性拟合处理。
其中,所述发电数据为平均功率,或者为发电量,或者为平均功率的期望值与实际值之间的差值,或者为发电量的期望值与实际值之间的差值。
一种太阳能电池板清洗预警装置,包括:
第一处理单元,用于判断是否达到检测第i个清洗对象积灰程度的起始时间,i=1、2、…、k,k≥1,k为清洗对象的总个数;如果达到检测第i个清洗对象积灰程度的起始时间,在检测第i个清洗对象积灰程度的起止时间内,获取第i个清洗对象在不同日期的同一个时间段内的瞬时功率,并进行预处理,得到第i个清洗对象在所述不同日期的同一个时间段内的发电数据;
第二处理单元,用于判断第i个清洗对象在所述不同日期的同一个时间段内的发电数据的变化趋势;如果呈明显下降趋势,计算k个清洗对象在所述不同日期的同一个时间段内的发电数据的整体降幅;
第三处理单元,用于判断所述整体降幅是否达到预设值;如果所述整体降幅达到预设值,发出清洗预警。
其中,所述第二处理单元具体用于对第i个清洗对象在不同日期的同一个时间段内的瞬时功率进行降低故障、阴影、辐照、温度、太阳能电池板功率衰减中的一种或任意几种干扰的预处理。
其中,所述第二处理单元在计算k个清洗对象在所述不同日期的同一个时间段内的发电数据的整体降幅之前,还用于对第i个清洗对象在所述不同日期的同一个时间段内的发电数据进行滑动平均和/或线性拟合处理。
从上述的技术方案可以看出,本发明利用积灰是逐渐累积的自然特性,通过分析太阳能电池板在一段时间内发电数据的变化趋势,来确定太阳能电池板积灰程度,再根据其积灰程度确定太阳能电池板下一次的清洗时间点,这样就避免了出现清洗过于频繁或者清洗不及时的现象,实现了智能预判下次最佳清洗时间点。
附图说明
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。
图1为本发明实施例公开的一种太阳能电池板清洗预警方法流程图;
图2为某执行机构移动轨迹示意图;
图3为降低干扰前某清洗对象的日平均功率曲线图;
图4为降低干扰后某清洗对象的日平均功率曲线图;
图5为本发明实施例公开的又一种太阳能电池板清洗预警方法流程图;
图6为本发明实施例公开的一种太阳能电池板清洗预警装置结构示意图;
图7为本发明实施例公开的又一种太阳能电池板清洗预警装置结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
参见图1,本发明实施例公开了一种太阳能电池板清洗预警方法,包括:
步骤S01:判断是否达到检测第i个清洗对象积灰程度的起始时间,如果达到检测第i个清洗对象积灰程度的起始时间,进入步骤S02,否则返回步骤S01;其中,i=1、2、…、k,k≥1,k为清洗对象的总个数。
具体的,现有的太阳能电池板清洗设备通常具有若干个执行结构,每个执行结构分别沿着排成一排(或一列)的太阳能电池板的边框来回移动(移动轨迹如图2所示),从而清洗移动途中经过的太阳能电池板。
所述排成一排(或一列)的太阳能电池板一般是相串联的,其串联后的整体称为光伏组串。多个光伏组串相并联构成光伏阵列,光伏电站中具有一个或多个光伏阵列。根据太阳能电池板清洗设备清洗范围的不同,其清洗对象可以是一个或多个光伏组串,也可以是一个或多个光伏阵列。
本发明实施例应用于太阳能电池板清洗设备,由上述描述可知,上述步骤S01中所述的清洗对象可以是指光伏组串,也可以是指光伏阵列,并且清洗对象的个数为至少一个。
此外需要说明的是,第i个清洗对象的清洗时间点需要根据第i个清洗对象的积灰程度确定,而检测第i个清洗对象积灰程度的起止时间,需要根据实际气象数据以及上次清洗日期进行设定。
比如说,由于雨水会冲刷太阳能电池板上的积灰,因此可以把降雨量达到一定范围的雨天过后的日期,作为检测太阳能电池板积灰程度的起始时间,把后期较长一时时间内没有较强降雨的某天,作为检测太阳能电池板积灰程度的截止时间。例如,某光伏电站所在区域的气象数据显示,2017年2月22日有过中雨天气,2017年2月23日至2017年3月25日均为无雨天气,则可以选择2017年2月23日作为检测太阳能电池板积灰程度的起始时间,选择2017年3月19日作为检测太阳能电池板积灰程度的截止时间。
或者,也可以把太阳能电池板刚清洗后的日期作为检测太阳能电池板积灰程度的起始时间,把从起始时间开始算起的第N天(N可以为一固定值,例如设置N=20)作为检测太阳能电池板积灰程度的截止时间。例如,某光伏电站在2017年2月23日对太阳能电池板进行了一次清洗,则可以把2017年2月24日作为检测太阳能电池板积灰程度的起始时间,把2017年3月15日作为检测太阳能电池板积灰程度的截止时间。
由上述描述可知,本发明实施例在每次判断是否达到检测第i个清洗对象积灰程度的起始时间之前,还包括:根据实际气象数据以及上次清洗日期来设定检测太阳能电池板积灰程度的起止时间(即起始时间和截止时间)。
当然,本领域技术人员也可以采用其他方式设定检测太阳能电池板积灰程度的起止时间,例如每隔相等时间检测一次,但这种设定方式不能根据实际情况调整检测太阳能电池板积灰程度的起止时间,智能化水平较低。
步骤S02:在检测第i个清洗对象积灰程度的起止时间内,获取第i个清洗对象在不同日期的同一个时间段内的瞬时功率,并进行预处理,得到第i个清洗对象在所述不同日期的同一个时间段内的发电数据。
具体的,本发明实施例旨在根据第i个清洗对象在不同日期的同一个时间段内的发电数据(所述发电数据可以是平均功率,或者是发电量,或者是平均功率的期望值与实际值之间的差值,或者是发电量的期望值与实际值之间的差值)的降低幅度,分析太阳能电池板积灰程度。
其中,所述不同日期可以是指从检测第i个清洗对象表面积灰程度的起始时间开始算起的每一天,也可以是每隔几天。例如,某光伏电站所在区域的气象数据显示,2017年2月22日有过中雨天气,2017年2月23日至2017年3月15日均为无雨天气,则可以设定所述不同日期是2017年2月23日至2017年3月19日的每一天。所述不同日期的同一个时间段,可以是不同日期的上午,也可以是不同日期的下午,也可以是不同日期的全天,并不局限。
由于第i个清洗对象在不同日期的同一个时间段内的发电数据会受故障、阴影、辐照、温度、太阳能电池板功率衰减等干扰因素的影响而发生变化,所以在根据所述发电数据的降低幅度分析太阳能电池板积灰程度时,为了提高所述发电数据的客观真实性以便将来得到更准确的分析结果,有必要对计算所述发电数据的原始数据(也就是第i个清洗对象在不同日期的同一个时间段内的瞬时功率)进行预处理来减少相关因素干扰。而为了最大限度减少相关因素干扰,需要同时降低故障、阴影、辐照、温度、太阳能电池板功率衰减等因素的干扰。
其中,降低故障、阴影、辐照、温度、太阳能电池板功率衰减等因素干扰的方式,具体描述如下:
1)对原始数据中的异常数据(反映在曲线图上就是一些“毛刺和尖峰”)进行剔除或替换(替换值可以是原始数据的高斯模型拟合值或原始数据的均值),从而降低故障和/或阴影造成的干扰。
2)对原始数据进行功率归一化处理,即将原始数据修正为标准辐照(例如1000w/m2)和标准温度(例如25℃)下的数据,从而降低辐照和/或温度造成的干扰。
3)根据经过上述1)和2)处理后的原始数据计算出第i个清洗对象在所述不同日期的同一个时间段内的平均功率,再对所述平均功率进行太阳能电池板功率衰减补偿,得到能够作为上述步骤S02中所述的发电数据的平均功率。
具体的,太阳能电池板本身会有衰减,理论上说,太阳能电池板在下一日的发电功率会比上一日的发电功率低,因此可以根据太阳能电池板功率衰减率,对太阳能电池板下一日的平均功率进行补偿,从而降低太阳能电池板功率衰减造成的干扰。
依据上述3)得到的平均功率,可以直接计算出发电量,也可以直接计算出平均功率的期望值(在不同日期的同一个时间段内的期望值可以取该时间段内出现的最大瞬时功率)与实际值之间的差值,也可以直接计算出发电量的期望值与实际值之间的差值。
可见,通过上述1)~3),本发明实施例得到了第i个清洗对象在所述不同日期的同一个时间段内不受故障、阴影、辐照、温度、太阳能电池板功率衰减干扰的发电数据。举个例子,图3和图4分别给出了降低干扰前、后某清洗对象在2017年2月23日至2017年3月19日全天的平均功率(即日平均功率)曲线图,很明显,图4中的曲线更为平滑。
步骤S03:判断第i个清洗对象在所述不同日期的同一时间段内的发电数据的变化趋势,若呈明显下降趋势(即用于表征下降趋势的量超出阈值),进入步骤S04,若下降趋势不明显,结束本轮太阳能电池板清洗预警控制或进入步骤S07。
具体的,可以采用时间序列非平稳数据趋势检验法来判断第i个清洗对象在所述不同日期的同一时间段内的发电数据的变化趋势。常用的时间序列非平稳数据趋势检验法有Mann-Kendall非参数统计方法、EMD(Empirical Mode Decomposition,经验模态分解)方法等。
其中,Mann-Kendall非参数统计方法无须假定被分析数据总体的分布类型,具有天然稳健性,当数据总体稍有变动时,对结论没有太大的影响,适用面较广,所以本发明实施例优选Mann-Kendall非参数统计方法。现对其原理简单介绍如下:计算出时间序列数据(即步骤S02中得到的第i个清洗对象在所述不同日期的同一个时间段内的发电数据)的趋势变化检验统计量Z,Z为正值表示呈上升趋势,Z为负值表示呈下降趋势;对于给定的置信水平1-a,若|Z|>=Z(1-a),说明时间序列数据存在明显的上升或下降趋势。
步骤S04:计算k个清洗对象在所述不同日期的同一个时间段内的发电数据的整体降幅。
具体的,当k=1时,说明本发明实施例只是检验一个清洗对象是否需要清洗,此时计算k个清洗对象在所述不同日期的同一个时间段内的发电数据的整体降幅,是指:计算1个清洗对象在所述不同日期的同一个时间段内的发电数据的降幅。
当k>1时,计算k个清洗对象在所述不同日期的同一个时间段内的发电数据的整体降幅,是指:对k个清洗对象的发电数据在所述不同日期的同一个时间段内的降幅进行加权平均计算(权重的设置需考虑不同清洗对象的规模等),加权平均计算结果为k个清洗对象在所述不同日期的同一个时间段内的发电数据的整体降幅。
步骤S05:判断所述整体降幅是否达到预设值,如果所述整体降幅达到预设值,进入步骤S06,否则,结束本轮太阳能电池板清洗预警控制或进入步骤S07。
步骤S06:发出清洗预警。
步骤S07:发出无需清洗的提示。
具体的,所述预设值是根据积灰程度带来的发电损失和清洗成本确定的,如果所述整体降幅达到预设值,说明积灰程度带来的发电损失高于清洗成本,给出清洗预警,一般情况下,如果接下来几天没有降雨,就启动清洗工作;如果所述整体降幅小于预设值,说明积灰程度带来的发电损失低于清洗成本,此时清洗并不明智。
由以上描述可知,本发明实施例利用积灰是逐渐累积的自然特性,通过分析太阳能电池板在一段时间内发电数据的变化趋势,来确定太阳能电池板积灰程度,再根据其积灰程度确定太阳能电池板下一次的清洗时间点,这样就避免了出现清洗过于频繁或者清洗不及时的现象,实现了智能预判下次最佳清洗时间点。
此外,参见图5,本发明实施例还公开了又一种太阳能电池板清洗预警方法,包括:
步骤S01:判断是否达到检测第i个清洗对象积灰程度的起始时间,如果达到检测第i个清洗对象积灰程度的起始时间,进入步骤S02,否则返回步骤S01;其中,i=1、2、…、k,k≥1,k为清洗对象的总个数。
步骤S02:在检测第i个清洗对象积灰程度的起止时间内,获取第i个清洗对象在不同日期的同一个时间段内的瞬时功率,并进行预处理,得到第i个清洗对象在所述不同日期的同一个时间段内的发电数据。
步骤S03:判断第i个清洗对象在所述不同日期的同一时间段内的发电数据的变化趋势,若呈明显下降趋势,进入步骤S04,若下降趋势不明显,结束本轮太阳能电池板清洗预警控制或进入步骤S07。
步骤S031:对第i个清洗对象在所述不同日期的同一个时间段内的发电数据进行滑动平均和/或线性拟合处理。
由于第i个清洗对象在不同日期的同一个时间段内的发电数据除了会受到故障、阴影、辐照、温度、太阳能电池板功率衰减等主要干扰因素的影响,还会受到一些随机因素(例如风速、湿度、空气污染等自然条件变化,辐照仪精度、温度传感器精度等数据传感器精度,间断传输、重复传输等数据传感器通讯情况)的影响。为了提高所述变化趋势的客观真实性以便将来得到更准确的分析结果,有必要降低这些随机因素的干扰,例如可以采用滑动平均和/或线性拟合算法。
步骤S04:计算k个清洗对象在所述不同日期的同一个时间段内的发电数据的整体降幅。
步骤S05:判断所述整体降幅是否达到预设值,如果所述整体降幅达到预设值,进入步骤S06,否则,结束本轮太阳能电池板清洗预警控制或进入步骤S07。
步骤S06:发出清洗预警。
步骤S07:发出无需清洗的提示。
可见,相较于图1,图5所示技术方案增加了步骤S031,能够降低一些随机因素的干扰,使得分析结果更加精确。
此外,参见图6,本发明实施例还公开了一种太阳能电池板清洗预警装置,包括:
第一处理单元100,用于判断是否达到检测第i个清洗对象积灰程度的起始时间,i=1、2、…、k,k≥1,k为清洗对象的总个数;如果达到检测第i个清洗对象积灰程度的起始时间,在检测第i个清洗对象积灰程度的起止时间内,获取第i个清洗对象在不同日期的同一个时间段内的瞬时功率,并进行预处理,得到第i个清洗对象在所述不同日期的同一个时间段内的发电数据;
第二处理单元200,用于判断第i个清洗对象在所述不同日期的同一个时间段内的发电数据的变化趋势;如果呈明显下降趋势,计算k个清洗对象在所述不同日期的同一个时间段内的发电数据的整体降幅;
第三处理单元300,用于判断所述整体降幅是否达到预设值;如果所述整体降幅达到预设值,发出清洗预警。
其中,所述发电数据为平均功率,或者为发电量,或者为平均功率的期望值与实际值之间的差值,或者为发电量的期望值与实际值之间的差值。
可选的,如图6所示,上述公开的任一种太阳能电池板清洗预警装置还包括预处理单元400,用于在第一处理单元100被执行前,根据实际气象数据以及上次清洗日期来设定检测太阳能电池板积灰程度的起止时间。
在上述公开的任一种太阳能电池板清洗预警装置中,第一处理单元100具体用于对第i个清洗对象在不同日期的同一个时间段内的瞬时功率进行降低故障、阴影、辐照、温度、太阳能电池板功率衰减中的一种或任意几种干扰的预处理。
具体的,第一处理单元100对第i个清洗对象在不同日期的同一个时间段内的瞬时功率进行降低故障和/或阴影干扰的预处理,包括:对第i个清洗对象在不同日期的同一个时间段内的瞬时功率中的异常数据进行剔除或替换;
第一处理单元100对第i个清洗对象在不同日期的同一个时间段内的瞬时功率进行降低辐照和温度干扰的预处理,包括:对第i个清洗对象在不同日期的同一个时间段内的瞬时功率进行功率归一化处理;
第一处理单元100对第i个清洗对象在不同日期的同一个时间段内的瞬时功率进行降低太阳能电池板功率衰减干扰的预处理,包括:对第i个清洗对象在不同日期的同一个时间段内的瞬时功率进行太阳能电池板功率衰减补偿。
在上述公开的任一种太阳能电池板清洗预警装置中,当k=1时,第二处理单元200计算k个清洗对象在所述不同日期的同一个时间段内的发电数据的整体降幅,包括:计算1个清洗对象在所述不同日期的同一个时间段内的发电数据的降幅;
当k>1时,计算k个清洗对象在所述不同日期的同一个时间段内的发电数据的整体降幅,包括:对k个清洗对象的发电数据在所述不同日期的同一个时间段内的降幅进行加权平均计算,加权平均计算结果为k个清洗对象在所述不同日期的同一个时间段内的发电数据的整体降幅。
可选的,上述公开的任一种太阳能电池板清洗预警装置中的第二处理单元200在计算k个清洗对象在所述不同日期的同一个时间段内的发电数据的整体降幅之前,还用于对第i个清洗对象在所述不同日期的同一个时间段内的发电数据进行滑动平均和/或线性拟合处理。
上述公开的任一种太阳能电池板清洗预警装置包括处理器和存储器,上述各个处理单元等均作为程序单元存储在存储器中,由处理器执行存储在存储器中的上述程序单元来实现相应的功能。
综上所述,本发明各实施例利用积灰是逐渐累积的自然特性,通过分析太阳能电池板在一段时间内发电数据的变化趋势,来确定太阳能电池板积灰程度,再根据其积灰程度确定太阳能电池板下一次的清洗时间点,这样就避免了出现清洗过于频繁或者清洗不及时的现象,实现了智能预判下次最佳清洗时间点。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明实施例的精神或范围的情况下,在其它实施例中实现。因此,本发明实施例将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种太阳能电池板清洗预警方法,其特征在于,包括:
判断是否达到检测第i个清洗对象积灰程度的起始时间,i=1、2、…、k,k≥1,k为清洗对象的总个数;
如果达到检测第i个清洗对象积灰程度的起始时间,在检测第i个清洗对象积灰程度的起止时间内,获取第i个清洗对象在不同日期的同一个时间段内的瞬时功率,并进行预处理,得到第i个清洗对象在所述不同日期的同一个时间段内的发电数据;
判断第i个清洗对象在所述不同日期的同一个时间段内的发电数据的变化趋势;
如果呈明显下降趋势,计算k个清洗对象在所述不同日期的同一个时间段内的发电数据的整体降幅;
如果所述整体降幅达到预设值,发出清洗预警。
2.根据权利要求1所述的太阳能电池板清洗预警方法,其特征在于,所述判断是否达到检测太阳能电池板积灰程度的起始时间之前,还包括:
根据实际气象数据以及上次清洗日期来设定检测太阳能电池板积灰程度的起止时间。
3.根据权利要求1或2所述的太阳能电池板清洗预警方法,其特征在于,所述进行预处理,包括:
对第i个清洗对象在不同日期的同一个时间段内的瞬时功率进行降低故障、阴影、辐照、温度、太阳能电池板功率衰减中的一种或任意几种干扰的预处理。
4.根据权利要求3所述的太阳能电池板清洗预警方法,其特征在于:
对第i个清洗对象在不同日期的同一个时间段内的瞬时功率进行降低故障和/或阴影干扰的预处理,包括:对第i个清洗对象在不同日期的同一个时间段内的瞬时功率中的异常数据进行剔除或替换;
对第i个清洗对象在不同日期的同一个时间段内的瞬时功率进行降低辐照和温度干扰的预处理,包括:对第i个清洗对象在不同日期的同一个时间段内的瞬时功率进行功率归一化处理;
对第i个清洗对象在不同日期的同一个时间段内的瞬时功率进行降低太阳能电池板功率衰减干扰的预处理,包括:对第i个清洗对象在不同日期的同一个时间段内的瞬时功率进行太阳能电池板功率衰减补偿。
5.根据权利要求1或2所述的太阳能电池板清洗预警方法,其特征在于:
当k=1时,所述计算k个清洗对象在所述不同日期的同一个时间段内的发电数据的整体降幅,包括:计算1个清洗对象在所述不同日期的同一个时间段内的发电数据的降幅;
当k>1时,所述计算k个清洗对象在所述不同日期的同一个时间段内的发电数据的整体降幅,包括:对k个清洗对象的发电数据在所述不同日期的同一个时间段内的降幅进行加权平均计算,加权平均计算结果为k个清洗对象在所述不同日期的同一个时间段内的发电数据的整体降幅。
6.根据权利要求1或2所述的太阳能电池板清洗预警方法,其特征在于,所述计算k个清洗对象在所述不同日期的同一个时间段内的发电数据的整体降幅之前,还包括:
对第i个清洗对象在所述不同日期的同一个时间段内的发电数据进行滑动平均和/或线性拟合处理。
7.根据权利要求1所述的太阳能电池板清洗预警方法,其特征在于,所述发电数据为平均功率,或者为发电量,或者为平均功率的期望值与实际值之间的差值,或者为发电量的期望值与实际值之间的差值。
8.一种太阳能电池板清洗预警装置,其特征在于,包括:
第一处理单元,用于判断是否达到检测第i个清洗对象积灰程度的起始时间,i=1、2、…、k,k≥1,k为清洗对象的总个数;如果达到检测第i个清洗对象积灰程度的起始时间,在检测第i个清洗对象积灰程度的起止时间内,获取第i个清洗对象在不同日期的同一个时间段内的瞬时功率,并进行预处理,得到第i个清洗对象在所述不同日期的同一个时间段内的发电数据;
第二处理单元,用于判断第i个清洗对象在所述不同日期的同一个时间段内的发电数据的变化趋势;如果呈明显下降趋势,计算k个清洗对象在所述不同日期的同一个时间段内的发电数据的整体降幅;
第三处理单元,用于判断所述整体降幅是否达到预设值;如果所述整体降幅达到预设值,发出清洗预警。
9.根据权利要求8所述的太阳能电池板清洗预警装置,其特征在于,所述第二处理单元具体用于对第i个清洗对象在不同日期的同一个时间段内的瞬时功率进行降低故障、阴影、辐照、温度、太阳能电池板功率衰减中的一种或任意几种干扰的预处理。
10.根据权利要求8所述的太阳能电池板清洗预警装置,其特征在于,所述第二处理单元在计算k个清洗对象在所述不同日期的同一个时间段内的发电数据的整体降幅之前,还用于对第i个清洗对象在所述不同日期的同一个时间段内的发电数据进行滑动平均和/或线性拟合处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710770815.1A CN107578164A (zh) | 2017-08-31 | 2017-08-31 | 一种太阳能电池板清洁预警方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710770815.1A CN107578164A (zh) | 2017-08-31 | 2017-08-31 | 一种太阳能电池板清洁预警方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107578164A true CN107578164A (zh) | 2018-01-12 |
Family
ID=61030580
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710770815.1A Pending CN107578164A (zh) | 2017-08-31 | 2017-08-31 | 一种太阳能电池板清洁预警方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107578164A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109325708A (zh) * | 2018-10-31 | 2019-02-12 | 国网河北省电力有限公司电力科学研究院 | 光伏发电组件积灰清扫周期确定方法 |
CN109375293A (zh) * | 2018-08-30 | 2019-02-22 | 昆明理工大学 | 一种基于Mann-Kendall趋势检验与自回归积分滑动平均的风速预测方法 |
CN111461407A (zh) * | 2020-03-10 | 2020-07-28 | 苏州瑞得恩工业物联网科技有限公司 | 光伏电站清洗频率的预测方法及存储介质 |
CN112290875A (zh) * | 2020-09-28 | 2021-01-29 | 合肥庭鸾能源有限公司 | 一种太阳能电池板清洗系统及清洗控制方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2009044982A1 (en) * | 2007-10-01 | 2009-04-09 | Electronics And Telecommunications Research Institute | System for cleaning surface of solar cell panel |
CN104722511A (zh) * | 2015-03-24 | 2015-06-24 | 福建师范大学 | 一种太阳能电池板表面灰尘量监测及清洁方法 |
CN205647407U (zh) * | 2016-05-24 | 2016-10-12 | 国网江苏省电力公司无锡供电公司 | 太阳能面板清洗提醒装置 |
CN106529723A (zh) * | 2016-11-10 | 2017-03-22 | 上海许继电气有限公司 | 基于监控平台实现光伏电站清洗周期估计的方法 |
-
2017
- 2017-08-31 CN CN201710770815.1A patent/CN107578164A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2009044982A1 (en) * | 2007-10-01 | 2009-04-09 | Electronics And Telecommunications Research Institute | System for cleaning surface of solar cell panel |
CN104722511A (zh) * | 2015-03-24 | 2015-06-24 | 福建师范大学 | 一种太阳能电池板表面灰尘量监测及清洁方法 |
CN205647407U (zh) * | 2016-05-24 | 2016-10-12 | 国网江苏省电力公司无锡供电公司 | 太阳能面板清洗提醒装置 |
CN106529723A (zh) * | 2016-11-10 | 2017-03-22 | 上海许继电气有限公司 | 基于监控平台实现光伏电站清洗周期估计的方法 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109375293A (zh) * | 2018-08-30 | 2019-02-22 | 昆明理工大学 | 一种基于Mann-Kendall趋势检验与自回归积分滑动平均的风速预测方法 |
CN109325708A (zh) * | 2018-10-31 | 2019-02-12 | 国网河北省电力有限公司电力科学研究院 | 光伏发电组件积灰清扫周期确定方法 |
CN109325708B (zh) * | 2018-10-31 | 2021-11-09 | 国网河北省电力有限公司电力科学研究院 | 光伏发电组件积灰清扫周期确定方法 |
CN111461407A (zh) * | 2020-03-10 | 2020-07-28 | 苏州瑞得恩工业物联网科技有限公司 | 光伏电站清洗频率的预测方法及存储介质 |
CN112290875A (zh) * | 2020-09-28 | 2021-01-29 | 合肥庭鸾能源有限公司 | 一种太阳能电池板清洗系统及清洗控制方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11190131B2 (en) | Method and system for power prediction of photovoltaic power station based on operating data of grid-connected inverters | |
CN107578164A (zh) | 一种太阳能电池板清洁预警方法和装置 | |
CN111612651B (zh) | 一种基于长短期记忆网络的异常电量数据检测方法 | |
US20200161867A1 (en) | Method, system and storage medium for load dispatch optimization for residential microgrid | |
CN105375878B (zh) | 一种在线检测和评估光伏系统效率的方法 | |
CN108388956A (zh) | 考虑辐射衰减的光伏功率预测方法 | |
CN110334870B (zh) | 基于门控循环单元网络的光伏电站短期功率预测方法 | |
CN111833202B (zh) | 考虑作物系数动态变化与降雨的农田蒸散量短期预测方法 | |
CN103473621A (zh) | 风电场短期功率预测方法 | |
CN109376951A (zh) | 一种光伏概率预测方法 | |
CN104809532A (zh) | 一种光伏系统发电量的预测方法 | |
Pan et al. | Uncertainty analysis based on non-parametric statistical modelling method for photovoltaic array output and its application in fault diagnosis | |
CN112149905A (zh) | 一种基于小波变换和小波神经网络的光伏电站短期功率预测方法 | |
CN111525615A (zh) | 一种基于保证率的山地光伏电站出力特性评估方法及系统 | |
CN115271253A (zh) | 一种水风光发电功率预测模型构建方法、装置及存储介质 | |
CN117175640A (zh) | 一种光储发电控制方法、系统、计算机设备及介质 | |
CN117218425A (zh) | 一种用于光伏电站的发电损失分析方法及系统 | |
CN110555566B (zh) | 一种基于b样条分位数回归的光电概率密度预测方法 | |
CN116341681A (zh) | 一种低压光伏用户发电负荷模型训练及预测方法 | |
CN116484998A (zh) | 基于气象相似日的分布式光伏电站功率预测方法及系统 | |
CN111027816B (zh) | 一种基于数据包络分析的光伏发电效率计算方法 | |
CN114626622A (zh) | 一种光伏功率预测方法、系统、装置及存储介质 | |
CN114281846A (zh) | 一种基于机器学习的新能源发电预测方法 | |
KR20220072961A (ko) | 머신러닝을 이용한 태양광 발전 예측 시스템 및 방법 | |
CN114123970B (zh) | 发电量损失的检测方法、装置、设备及计算机存储介质 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180112 |