CN110164102B - 一种光伏电站组串异常报警方法及报警装置 - Google Patents

Abstract

本发明提供了一种光伏电站组串异常报警方法，包括以下步骤：A、提取点站内每个汇流箱的历史数据，对汇流箱所有组串的电流值进行异常状态判断，并保存所有组串的状态矩阵；B、提取所述状态矩阵中的异常电流值，进行周期性分析，根据周期性分析结果对阴影遮挡进行分类标识，根据标识结果完成设备画像；C、实时判断每个汇流箱下所有组串的电流是否存在异常，若某一路组串电流存在异常，则提取该汇流箱下该组串的设备画像，根据该异常时刻与设备画像的对比结果判断是否作为故障报出。本发明在自动判断各组串的故障状态基础上，通过设备画像技术有效的规避了组串由于阴影遮挡原因造成的周期性异常波动现象，提高了报警准确性。

Description

一种光伏电站组串异常报警方法及报警装置

技术领域

本发明涉及光伏电站组串的故障报警技术，尤其涉及一种基于设备画像的光伏电站组串异常报警方法及报警装置。

背景技术

光伏组串的故障实时报警技术，可以实现全自动的对光伏发电系统故障的准确识别和定位，在不增加运维人员工作量和加装任何额外传感器的基础上，帮助光伏电站快速、准确、低成本的对组串故障进行诊断，具有广泛的应用前景。

目前的光伏组串故障实时报警技术，通常通过对不同组串电流值间的相关性分析、经验阈值的设定等方法，实时的发现判断出与别的组串或与预设值差异较大的异常组串电流值，并将其作为故障进行报警。然而在光伏电站的实际运行情况中，尤其对安装在屋顶的分布式光伏电站而言，某些情况下个别组串较其他组串呈现出来的差异，并非总是对应着故障状态。这是因为安装在屋顶的分布式光伏电站，其组串往往面临着树木、烟囱、排气管道、屋檐等建筑物阴影遮挡导致的具有周期特征的电流值异常波动现象。对于这一现象，若依然沿用传统的故障报警方法，将会触发大量的误报警，对运维人员工作效率产生严重的干扰。

发明内容

有鉴于此，为了区分组串的阴影遮挡和故障状态，降低误报警率，本发明的主要目的在于提供一种基于设备画像的光伏电站组串异常报警方法，通过对电站每个汇流箱内每一路组串的历史数据进行分析，采取莱茵达(PauTa)方法发现组串电流的异常状况，并进一步采取数据挖掘的方法识别组串电流异常波动的周期性特征(即阴影遮挡规律)，对每个汇流箱下连接的所有组串的特征分别进行分析和保存，即对汇流箱设备进行设备画像，记录组串的阴影遮挡周期。

在此基础上，在实际的报警过程中，一方面通过莱茵达(PauTa)方法实时判断组串的异常状态，另一方面参考该组串的画像结果，判断并区分阴影遮挡状态，报出真正的故障。该报警方法在自动判断各组串的故障状态基础上，通过设备画像技术有效的规避了组串由于阴影遮挡原因造成的周期性异常波动现象，提高了报警准确性，对光伏电站有较好的应用前景。

本发明提供的一种光伏电站组串异常报警方法，包括以下步骤：

A、提取点站内每个汇流箱的历史数据，对汇流箱所有组串的电流值进行异常状态判断，并保存所有组串的状态矩阵；

B、提取所述状态矩阵中的异常电流值，进行周期性分析，根据周期性分析结果对阴影遮挡进行分类标识，根据标识结果完成设备画像；

C、实时判断每个汇流箱下所有组串的电流是否存在异常，若某一路组串电流存在异常，则提取该汇流箱下该组串的设备画像，根据该异常时刻与设备画像的对比结果判断是否作为故障报出。

由上，本发明通过将电站每个汇流箱内每一路组串的历史数据进行分析，发现组串电流的异常状况，并进一步采取数据挖掘的方法识别组串电流异常波动的周期性特征，对每个汇流箱下连接的所有组串的特征分别进行分析和保存，即对汇流箱设备进行设备画像，记录组串的阴影遮挡周期，在此基础上，在实际的报警过程中，一方面通过莱茵达方法实时判断组串的异常状态，另一方面参考该组串的画像结果，判断并区分阴影遮挡状态，报出真正的故障，有效的规避了组串由于阴影遮挡原因造成的周期性异常波动现象，提高了报警准确性。

其中，所述步骤A包括：

A1、提取电站内每台汇流箱的分钟级历史数据，对汇流箱下每分钟的所有组串的电流值数据计算均值，判断是否可以进行组串电流异常的判断，若均值不符合电流大小标准，则无法进行异常组串的判断，若均值符合电流大小标准，则该时刻可以进行异常组串判断；

A2、对所述该时刻的所有组串电流值进行归一化计算处理，计算后得到新的组串电流数据，再次对所有新的组串电流数据计算其均值和标准差，采用莱茵达算法判断是否存在异常值；

A3、通过A1、A2步骤对汇流箱所有时刻的历史数据进行判断，并记录汇流箱的状态矩阵。

由上，本步骤通过对汇流箱下每分钟的所有组串的电流值分别进行均值计算，并判定该电流值的大小是否符合用于异常组串判断的标准，通常电流值大小为2A，当符合电流标准时，将每个组串的电流值进行归一化计算处理，并对归一化处理后的电流数据进行均值计算和标准差计算，并判断是否存在异常，将上述判断结果进行汇总可组成汇流箱的状态矩阵，此步骤可直观的将汇流箱内每个组串的分钟级电流值进行展示，便于后续步骤进行周期性分析。

其中，所述步骤B包括：

B1、提取电站内每台汇流箱设备的状态矩阵，对状态矩阵中每一路组串的异常状态数组，进行周期性分析；

B2、通过快速傅里叶变换将所述周期性分析结果转换为频域信号，并计算提取信号周期，并将信号周期关联到时间列中的小时值，得到每一路组串的异常电流时间标识；

B3、对所述每一路组串的异常电流时间标识进行判断分类，形成阴影遮挡标记，以完成每台汇流箱的设备画像。

由上，本步骤通过将步骤A中汇总得出的汇流箱的状态矩阵进行周期性分析，可得到每一路组串的异常周期，并将符合周期性规律的异常时间分类为阴影遮挡，从而得到汇流箱的设备画像。

其中，所述步骤B3还包括：

若时间标识为3段以上连续时间段，则该组串不进行阴影遮挡标记；

若时间标识为2段，但均在上午或均在下午，则记录2段时间中的最小时间和最大时间，形成1段时间标识，并标记为普通阴影遮挡；

若时间标识小于等于2段，不包含中午12点，则标记为普通阴影遮挡，若时间标识包含中午12点，则标记为特殊阴影遮挡；

若时间标识为1段，且时间段中最大时间减最小时间大于等于8小时，则标记为长期阴影遮挡。

由上，本步骤介绍了可能存在的周期性的时间段，由于特殊情况，阴影时间会出现短暂中断或长期阴影遮挡的情况，通过将周期性时间段进行进一步分类，以实现更为精确的阴影判定。

其中，所述步骤C包括：

C1、通过莱茵达方法实时判断每个汇流箱下所有组串的电流，实时计算所有组串电流的均值和标准差，并判断当前时刻每一路组串电流值是否在标准差的区间范围内，若某一路组串电流值在该区间外，则为该组串记录异常标识；

C2、提取设备画像结果，查询在C1步骤中判断并标记异常标识的组串，是否有在当前时刻内的阴影遮挡画像，若有画像，则消除该组串的异常标识，若无画像，则维持该组串的异常标识；

C3、通过对每个汇流箱下所有组串的每个时刻的电流进行步骤C1、C2的判断，记录组串异常标识，当某一路组串连续一段时间均出现异常标识时，则开始对该组串报故障状态，当异常标识消失后持续满一段时间，则该组串故障状态取消。

由上，本步骤通过利用莱茵达方法对每个汇流箱下的每个组串的电流进行实时判断，以确定电流值是否异常，当存在异常时，进行异常标识，此时引入该组串对应的设备画像，判断该异常标识是否在阴影周期内，若在，则消除异常标识，若不在，则进行故障报警。然而由于存在，组串损坏且在阴影周期的情况，此时通过判断该组串是否连续一段时间，如五分钟，持续出现异常标识，此种情况下，也会进行故障报警，从而实现准确报警，避免误报、漏报的情况。

本发明还提供一种光伏电站组串异常报警装置，采用上述的光伏电站组串异常报警方法，该装置包括：

数据获取单元，用于获取每台汇流箱内每一路组串的电流数据；

数据预处理单元，用于对每台汇流箱每个时间点的所有组串数据进行归一化处理和基于莱茵达算法的异常判断，并保存状态矩阵；

设备画像单元，用于根据汇流箱的状态矩阵中保存的每路组串的历史状态值，通过傅里叶变换方法，分析异常状态是否存在周期性，若存在则定义为阴影遮挡，并记录周期；

实时报警单元，通过莱茵达算法对所述数据获取单元获取的异常电流数据进行一次报警，同时调用所述设备画像单元的结果，对报警结果进行二次判断，最终判断是否作为故障报出。

由上，本装置为上述异常报警方法提供了一种硬件支持，通过将该装置与汇流箱进行连接，实时判断汇流箱下所有组串的电流值，并引入设备画像单元的周期性遮挡规律，从而报出真正的故障，有效的规避了组串由于阴影遮挡原因造成的周期性异常波动现象，提高了报警准确性。

其中，所述数据获取单元包括依次连接的：

数据采集模块，用于采集每台汇流箱内每一路组串的分钟级电流数据；

数据保存模块，用于将采集的电流数据进行保存，以便于后续的基于历史数据的设备画像分析。

由上，可实现对每台汇流箱的每一路组串电流的分钟级采集和保存。

其中，所述数据预处理单元包括依次连接的：

数据提取模块，用于从数据保存模块中提取每个设备每一路组串电流值的历史数据；

数据归一化模块，用于根据设备每一路组串电流数据大小判断是否可用，并将数据进行归一化；

数据异常状态判断模块，用于根据莱茵达算法对数据进行异常判断，同时保存状态矩阵。

由上，通过对每台汇流箱的历史数据进行提取，进行归一化计算后进行异常状态判断，并保存状态矩阵，以便于后续的周期性分析。

其中，所述设备画像单元包括依次连接的：

时间周期性分析模块，用于分析所述状态矩阵中每一路组串电流在异常状态是否具有周期性；

画像模块，用于记录每一路组串电流在异常状态下的周期性分析结果，并记录周期时间进行设备阴影画像。

由上，可实现对每台汇流箱的每一路组串电流的异常状态的周期性分析，并根据分析结果进行设备画像，从而准确反映出在全天时段下的阴影遮挡周期。

其中，所述实时报警单元包括：

组串电流异常判断模块，用于根据莱茵达算法对所述数据采集模块采集的每一路组串电流值进行异常判断；

画像提取分析模块，用于提取所述画像模块的设备阴影画像结果，并分析当前的组串异常判断的结果是否落在阴影画像结果中；

报警模块，判断某组串电流连续一段时间保持异常标识，则报组串故障状态，同时若连续一端无异常标识，取消故障状态。

由上，通过对汇流箱内所有组串的电流进行实时判断，并引入设备画像，从而实现有效准确的故障报警，减少误报、漏报的情况。

附图说明

图1为本发明基于设备画像的光伏电站组串异常报警方法的流程图；

图2为本发明基于设备画像的光伏电站组串异常报警装置的模块图。

具体实施方式

本发明的主要目的在于提供一种基于设备画像的分布式光伏电站组串异常报警方法。通过对电站每个汇流箱内每一路组串的历史数据进行分析，采取莱茵达(PauTa)方法发现组串电流的异常状况，并进一步采取数据挖掘的方法识别组串电流异常波动的周期性特征(即阴影遮挡规律)，对每个汇流箱下连接的所有组串的特征分别进行分析和保存，即对汇流箱设备进行设备画像，记录组串的阴影遮挡周期。

在此基础上，在实际的报警过程中，一方面通过莱茵达(PauTa)方法实时判断组串的异常状态，另一方面参考该组串的画像结果，判断并区分阴影遮挡状态，报出真正的故障。该报警方法在自动判断各组串的故障状态基础上，通过设备画像技术有效的规避了组串由于阴影遮挡原因造成的周期性异常波动现象，提高了报警准确性，对光伏电站有较好的应用前景。

下面参照图1～图2对本发明的工作原理进行详细描述。

本发明的一个实施例提供了一种基于设备画像的光伏电站组串异常报警方法，如图1所示，该方法包括以下步骤：

S100：分析汇流箱历史运行数据，通过莱茵达(PauTa)方法对其下属所有组串的电流值进行分析，分别判断组串的异常状态，并保存所有组串的状态矩阵；

本实施例中，该步骤具体包括：

S101：提取电站内每台汇流箱的分钟级历史数据，对汇流箱下每分钟的所有组串的电流值数据计算均值Mean，判断是否可以进行组串电流异常的判断，若均值Mean<2A，则认为该时刻的组串电流值都太小，无法进行异常组串的判断；若Mean≥2A，则该时刻可以进行异常组串判断，进入下一步异常判断环节；

S102：对该时刻的所有组串电流值x进行归一化计算处理

计算后得到新的组串电流数据x^*，再次对所有组串的x^*计算其均值μ和标准差δ，采用莱茵达算法判断是否存在异常值，莱茵达算法判断准则为，根据随机正态分布的特性，若归一化后的组串电流值x^*在[μ-3δ,μ+3δ]区间范围内则为正常点，此时对该组串设置状态值为0，若存在某组串其值x^*在该区间范围之外，则判断为异常点，对该组串设置状态值为1；

S103：通过S101、S102步骤对汇流箱所有时刻(分钟级)的历史数据进行判断，并记录汇流箱的状态矩阵

其中a_ij为某汇流箱第j路组串在i时刻的状态，正常为0，异常为1。

S200：计算分析非故障状态下的组串电流异常变化时间，该时间若存在明显的周期性规律，则定义为阴影遮挡，计算提取其遮挡周期并根据其不同的周期情况对阴影遮挡进行分类与标识，保存标识结果完成设备画像；

本实施例中，该步骤具体包括：

S201：提取电站内每台汇流箱设备的状态矩阵

其中a_ij为某汇流箱第j路组串在i时刻的状态，正常为0，异常为1，对矩阵按列提取，即提取每一路组串的状态数组

对该数组中为1的项，即异常项，进行周期性分析；

S202：对每一路组串的状态数组

中值为1的项进行周期性分析，通过快速傅里叶变换将状态数组信号分解成多个频域信号，并计算提取信号周期T，将信号周期T关联到时间列中的小时值，得到如7-9点、13-15点的时间段，即该组串的异常电流时间标识；

S203：对每一路组串的时间标识进行判断分类，形成阴影遮挡标记，若时间标识为3段以上连续时间段，则该组串不进行阴影遮挡标记；若时间标识为2段，但均在上午或均在下午，则记录2段时间中的最小时间和最大时间，形成1段时间标识，并标记为普通阴影遮挡；若时间标识小于等于2段，不包含中午12点，则标记为普通阴影遮挡；若时间标识包含中午12点，则标记为特殊阴影遮挡；若时间标识为1段，且时间段中最大时间减最小时间大于等于8小时，则标记为长期阴影遮挡。将所有组串的阴影遮挡标记完成后，即完成了该汇流箱的设备画像；

S300：在实际的报警过程中，通过莱茵达方法实时判断每个汇流箱下所有组串的电流，若判断出某时刻某组串电流存在异常，提取事先通过步骤S100和S200对历史数据挖掘计算得到的该汇流箱下该组串的画像结果，判断该组串在当前时刻是否在阴影遮挡周期性范围内，若画像结果中显示存在阴影遮挡标识且当前时刻在阴影遮挡周期范围内，则不报故障，若无阴影遮挡状态，则作为故障报出；

本实施例中，该步骤具体包括：

S301：通过莱茵达方法实时判断每个汇流箱下所有组串的电流，实时计算所有组串电流的均值μ和标准差δ，并判断当前时刻每一路组串电流值是否在[μ-3δ,η+3δ]区间范围内，若某一组串电流值在该区间外，则为该组串记录异常标识；

S302：提取设备的画像结果，查询在S301步骤中判断并标记异常标识的组串，是否有在当前时刻内的阴影遮挡画像，如有画像，则消除该组串的异常标识；若无画像，则维持该组串的异常标识；

S303：通过对设备的每个时刻进行上述S301、S302步骤的判断，记录组串异常标识，当某一组串连续5分钟均出现异常标识时，则开始对该组串报故障状态；当异常标识消失后持续满5分钟，则该组串故障状态取消。

由上可以看出，本发明提出的异常报警方法在常规的设备故障实时报警算法基础上，通过引入基于历史数据的设备画像结果，对设备的历史异常情况进行分类，区分设备的阴影遮挡情况和真正的故障情况，由此实现了设备故障的精确报警，降低误报率，提高现场运维人员的工作效率。

本发明的另一实施例还提供了一种基于设备画像的光伏电站组串异常报警装置，如图2所示，该报警装置包括：

数据获取单元100，用于实时获取每台汇流箱内每一路组串每分钟的电流数据并进行保存，其中，该数据获取单元100包括：

数据采集模块101，用于采集每台汇流箱内每一路组串的分钟级电流数据；

数据保存模块102，用于将采集的电流数据进行保存，并上传至数据库，以便于后续的基于历史数据的设备画像分析。

数据预处理单元200，用于对每台汇流箱每个时间点的全部组串电流数据进行归一化处理和基于莱茵达算法的异常判断，并保存状态矩阵，其中，该数据预处理单元200包括：

数据提取模块201，用于从数据保存模块102或数据库中提取每个设备每一路组串电流值的历史数据；

数据归一化模块202，用于根据设备每一路组串电流数据大小判断是否可用，并将数据进行归一化；

数据异常状态判断模块203，用于根据莱茵达算法对数据进行异常判断，同时保存状态矩阵。

设备画像单元300，用于根据汇流箱设备状态矩阵中保存的每路组串的历史状态值，通过傅里叶变换方法，分析异常状态是否存在周期性，若存在则定义为阴影遮挡，并记录周期，其中，该设备画像单元300包括：

时间周期性分析模块301，用于分析组串电流的异常状态是否具有周期性；

画像模块302，用于记录设备的每一路组串电流值变化是否具有周期特征，并记录周期时间。

实时报警单元400，通过莱茵达算法对组串进行一次报警，同时调用设备画像模块的结果，对报警结果进行二次判断，最终判断是否作为故障报出，其中，该实时报警单元400包括：

组串电流异常判断模块401，用于根据莱茵达算法对电流值进行异常判断；

画像提取分析模块402，用于提取设备阴影画像结果，并分析当前的组串异常判断是否落在阴影画像结果中，若在画像中，则取消异常标识；

报警模块403，判断某组串电流连续5分钟保持异常标识，则报组串故障状态，同时若连续5分钟无异常标识，取消故障状态。

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。

Claims (6)

1.一种光伏电站组串异常报警方法，其特征在于，包括以下步骤：

A、提取点站内每个汇流箱的历史数据，对汇流箱所有组串的电流值进行异常状态判断，并保存所有组串的状态矩阵；

B、提取电站内每台汇流箱设备的状态矩阵，对状态矩阵中每一路组串的异常状态数组，进行周期性分析；通过快速傅里叶变换将所述周期性分析结果转换为频域信号，并计算提取信号周期，并将信号周期关联到时间列中的小时值，得到每一路组串的异常电流时间标识；对所述每一路组串的异常电流时间标识进行判断分类，形成阴影遮挡标记，以完成每台汇流箱的设备画像，通过将周期性时间段进行进一步分类，以实现更为精确的阴影判定；

C、通过莱茵达方法实时判断每个汇流箱下所有组串的电流，实时计算所有组串电流的均值和标准差，并判断当前时刻每一路组串电流值是否在标准差的区间范围内，若某一路组串电流值在该区间外，则为该组串记录异常标识；提取设备画像结果，判断并标记异常标识的组串，是否有在当前时刻内的阴影遮挡画像，若有画像，则消除该组串的异常标识，若无画像，则维持该组串的异常标识；通过对每个汇流箱下所有组串的每个时刻的电流进行判断，记录组串异常标识，当某一路组串连续一段时间均出现异常标识时，则开始对该组串报故障状态，当异常标识消失后持续满一段时间，则该组串故障状态取消。

2.根据权利要求1所述的方法，其特征在于，所述步骤A包括：

A1、提取电站内每台汇流箱的分钟级历史数据，对汇流箱下每分钟的所有组串的电流值数据计算均值，判断是否可以进行组串电流异常的判断，若均值不符合电流大小标准，则无法进行异常组串的判断，若均值符合电流大小标准，则该时刻可以进行异常组串判断；

A2、对所述该时刻的所有组串电流值进行归一化计算处理，计算后得到新的组串电流数据，再次对所有新的组串电流数据计算其均值和标准差，采用莱茵达算法判断是否存在异常值；

A3、通过A1、A2步骤对汇流箱所有时刻的历史数据进行判断，并记录汇流箱的状态矩阵。

3.一种光伏电站组串异常报警装置，其特征在于，采用权利要求1至2任一所述的报警方法，该装置包括：

数据获取单元，用于获取每台汇流箱内每一路组串的电流数据；

数据预处理单元，用于对每台汇流箱每个时间点的所有组串数据进行归一化处理和基于莱茵达算法的异常判断，并保存状态矩阵；

设备画像单元，用于根据汇流箱的状态矩阵中保存的每路组串的历史状态值，通过傅里叶变换方法，分析异常状态是否存在周期性，若存在则定义为阴影遮挡，并记录周期；

实时报警单元，包括：组串电流异常判断模块，用于根据莱茵达算法对采集的每一路组串电流值进行异常判断；画像提取分析模块，用于提取设备阴影画像结果，并分析当前的组串异常判断的结果是否落在阴影画像结果中；报警模块，判断某组串电流连续一段时间保持异常标识，则报组串故障状态，同时若连续一端无异常标识，取消故障状态。

4.根据权利要求3所述的装置，其特征在于，所述数据获取单元包括依次连接的：

数据采集模块，用于采集每台汇流箱内每一路组串的分钟级电流数据；

数据保存模块，用于将采集的电流数据进行保存，以便于后续的基于历史数据的设备画像分析。

5.根据权利要求4所述的装置，其特征在于，所述数据预处理单元包括依次连接的：

数据提取模块，用于从数据保存模块中提取每个设备每一路组串电流值的历史数据；

数据归一化模块，用于根据设备每一路组串电流数据大小判断是否可用，并将数据进行归一化；

数据异常状态判断模块，用于根据莱茵达算法对数据进行异常判断，同时保存状态矩阵。

6.根据权利要求5所述的装置，其特征在于，所述设备画像单元包括依次连接的：

时间周期性分析模块，用于分析所述状态矩阵中每一路组串电流在异常状态是否具有周期性；

画像模块，用于记录每一路组串电流在异常状态下的周期性分析结果，并记录周期时间进行设备阴影画像。

Images