CN110391783A - 基于边缘计算的分布式光伏电站故障监测方法及装置 - Google Patents
基于边缘计算的分布式光伏电站故障监测方法及装置 Download PDFInfo
- Publication number
- CN110391783A CN110391783A CN201910676517.5A CN201910676517A CN110391783A CN 110391783 A CN110391783 A CN 110391783A CN 201910676517 A CN201910676517 A CN 201910676517A CN 110391783 A CN110391783 A CN 110391783A
- Authority
- CN
- China
- Prior art keywords
- image data
- target distribution
- photovoltaic plant
- distribution formula
- field device
- 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
- 238000000034 method Methods 0.000 title claims abstract description 72
- 238000004364 calculation method Methods 0.000 title claims abstract description 59
- 238000012544 monitoring process Methods 0.000 title claims abstract description 50
- 230000007613 environmental effect Effects 0.000 claims abstract description 86
- 238000012549 training Methods 0.000 claims description 47
- 238000003745 diagnosis Methods 0.000 claims description 27
- 238000012806 monitoring device Methods 0.000 claims description 7
- 241000196324 Embryophyta Species 0.000 description 126
- 238000010248 power generation Methods 0.000 description 9
- 239000004744 fabric Substances 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 238000012423 maintenance Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 3
- 241000208340 Araliaceae Species 0.000 description 2
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 2
- 235000003140 Panax quinquefolius Nutrition 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 235000008434 ginseng Nutrition 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000001556 precipitation Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000000750 progressive effect Effects 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
-
- 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
本申请提供了一种基于边缘计算的分布式光伏电站故障监测方法及装置，应用于边缘计算装置，该方法包括：获取目标分布式光伏电站所处区域的气象和环境参数，及目标分布式光伏电站的上方云块图像数据和现场设备图像数据；利用气象和环境参数、上方云块图像数据及现场设备图像数据，预测目标分布式光伏电站在设定时间段内的发电功率，作为预测发电功率；获取目标分布式光伏电站在设定时间段内的实际发电功率；通过比对预测发电功率与实际发电功率，监测目标分布式光伏电站是否存在异常或故障。在本申请中，通过以上方式可以实现对目标分布式光伏电站的异常或故障的监测，并提高监测的可靠性。
Description
技术领域
本申请涉及电力电子技术领域，特别涉及一种基于边缘计算的分布式光伏电站故障监测方法及装置。
背景技术
由于化石能源的不可再生，且消耗污染环境，各国越来越重视新能源的开发利用，尤其是太阳能，其没有地域限制，且可再生，无污染。近些年随着光伏产业快速发展，分布式光伏电站的使用增多。
但是，如何监测分布式光伏电站是否发生异常或故障成为问题。
发明内容
为解决上述技术问题，本申请实施例提供一种基于边缘计算的分布式光伏电站故障监测方法及装置，以达到实现对目标分布式光伏电站的异常或故障的监测，并提高监测的可靠性的目的，技术方案如下：
一种基于边缘计算的分布式光伏电站故障监测方法，应用于边缘计算装置，该方法包括：
获取目标分布式光伏电站所处区域的气象和环境参数，及所述目标分布式光伏电站的上方云块图像数据和现场设备图像数据；
利用所述气象和环境参数、所述上方云块图像数据及所述现场设备图像数据，预测所述目标分布式光伏电站在设定时间段内的发电功率，作为预测发电功率；
获取所述目标分布式光伏电站在所述设定时间段内的实际发电功率；
通过比对所述预测发电功率与所述实际发电功率，监测所述目标分布式光伏电站是否存在异常或故障。
优选的，所述利用所述气象和环境参数、所述上方云块图像数据及所述现场设备图像数据，预测所述目标分布式光伏电站在设定时间段内的发电功率，作为预测发电功率，包括：
根据所述气象和环境参数，所述上方云块图像数据及所述现场设备图像数据，判断是否存在遮挡物遮挡所述目标分布式光伏电站；
若不存在，则利用所述气象和环境参数、所述上方云块图像数据及所述现场设备图像数据，预测所述目标分布式光伏电站在设定时间段内的发电功率，作为预测发电功率。
优选的，所述利用所述气象和环境参数、所述上方云块图像数据及所述现场设备图像数据，预测所述目标分布式光伏电站在设定时间段内的发电功率，作为预测发电功率，包括：
将所述气象和环境参数、所述上方云块图像数据及所述现场设备图像数据输入预先设定的发电功率预测模型，得到所述发电功率预测模型输出的在设定时间段内的发电功率预测值，作为所述预测发电功率；
所述预先设定的发电功率预测模型为利用所述目标分布式光伏电站所处区域的气象和环境参数、上方云块图像数据和现场设备图像数据作为输入训练样本，所述目标分布式光伏电站的实际发电功率为输出训练样本训练得到。
优选的，所述获取目标分布式光伏电站所处区域的气象和环境参数，及所述目标分布式光伏电站的上方云块图像数据和现场设备图像数据，包括：
在当前时间，采集所述目标分布式光伏电站所处区域的气象和环境参数，及所述目标分布式光伏电站的上方云块图像数据和现场设备图像数据；
和/或，
从目标存储设备中获取与所述当前时间对应的时间段内的历史数据，所述历史数据包括：所述目标分布式光伏电站所处区域的历史气象和历史环境参数，及所述目标分布式光伏电站的上方历史云块图像数据和历史现场设备图像数据。
优选的，所述通过比对所述预测发电功率与所述实际发电功率，监测所述目标分布式光伏电站是否存在运行异常或设备故障，包括：
按照时间顺序比对所述预测发电功率与所述实际发电功率，得到所述预测发电功率与所述实际发电功率的偏差量；
若所述偏差量超过设定的偏差阈值，则将所述实际发电功率、所述气象和环境参数、所述上方云块图像数据及所述现场设备图像数据输入故障诊断模型，得到所述故障诊断模型输出的故障诊断结果；
所述故障诊断模型为利用所述目标分布式光伏电站所处区域的气象和环境参数、上方云块图像数据、现场设备图像数据和实际发电功率作为输入训练样本，所述目标分布式光伏电站的故障类型为输出训练样本训练得到。
优选的，所述方法还包括：
将所述故障诊断结果与目标故障模型特征数据集进行比较，得到比较结果，并根据所述比较结果确定出现异常或故障的设备。
一种基于边缘计算的分布式光伏电站故障监测装置，应用于边缘计算装置，该装置包括：
第一获取模块，用于获取目标分布式光伏电站所处区域的气象和环境参数，及所述目标分布式光伏电站的上方云块图像数据和现场设备图像数据；
预测模块，用于利用所述气象和环境参数、所述上方云块图像数据及所述现场设备图像数据，预测所述目标分布式光伏电站在设定时间段内的发电功率，作为预测发电功率；
第二获取模块，用于获取所述目标分布式光伏电站在所述设定时间段内的实际发电功率；
监测模块，用于通过比对所述预测发电功率与所述实际发电功率，监测所述目标分布式光伏电站是否存在异常或故障。
优选的，所述预测模块，具体用于：
根据所述气象和环境参数，所述上方云块图像数据及所述现场设备图像数据，判断是否存在遮挡物遮挡所述目标分布式光伏电站；
若不存在，则利用所述气象和环境参数、所述上方云块图像数据及所述现场设备图像数据，预测所述目标分布式光伏电站在设定时间段内的发电功率，作为预测发电功率。
优选的，所述预测模块，具体用于：
将所述气象和环境参数、所述上方云块图像数据及所述现场设备图像数据输入预先设定的发电功率预测模型，得到所述发电功率预测模型输出的在设定时间段内的发电功率预测值，作为所述预测发电功率；
所述预先设定的发电功率预测模型为利用所述目标分布式光伏电站所处区域的气象和环境参数、上方云块图像数据和现场设备图像数据作为输入训练样本，所述目标分布式光伏电站的实际发电功率为输出训练样本训练得到。
优选的，所述第一获取模块，具体用于：
在当前时间，采集所述目标分布式光伏电站所处区域的气象和环境参数，及所述目标分布式光伏电站的上方云块图像数据和现场设备图像数据；
和/或，
从目标存储设备中获取与所述当前时间对应的时间段内的历史数据，所述历史数据包括：所述目标分布式光伏电站所处区域的历史气象和历史环境参数，及所述目标分布式光伏电站的上方历史云块图像数据和历史现场设备图像数据。
优选的，所述监测模块，具体用于：
按照时间顺序比对所述预测发电功率与所述实际发电功率，得到所述预测发电功率与所述实际发电功率的偏差量；
若所述偏差量超过设定的偏差阈值，则将所述实际发电功率、所述气象和环境参数、所述上方云块图像数据及所述现场设备图像数据输入故障诊断模型，得到所述故障诊断模型输出的故障诊断结果；
所述故障诊断模型为利用所述目标分布式光伏电站所处区域的气象和环境参数、上方云块图像数据、现场设备图像数据和实际发电功率作为输入训练样本，所述目标分布式光伏电站的故障类型为输出训练样本训练得到。
优选的，所述装置还包括：
确定模块，用于将所述故障诊断结果与目标故障模型特征数据集进行比较，得到比较结果，并根据所述比较结果确定出现异常或故障的设备。
与现有技术相比，本申请的有益效果为：
在本申请中，应用边缘计算装置，缩短目标分布式光伏电站所处区域的气象和环境参数，及所述目标分布式光伏电站的上方云块图像数据和现场设备图像数据等数据的传输距离，就近实现对目标分布式光伏电站的异常或故障的监测，提高监测的可靠性，并有效降低分布式光伏电站的运维成本及现场维护人员专业程度要求。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例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申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本申请提供的一种部署有边缘计算装置的分布式光伏电站系统的结构示意图；
图2是本申请提供的一种基于边缘计算的分布式光伏电站故障监测方法的流程图；
图3是本申请提供的另一种基于边缘计算的分布式光伏电站故障监测方法的流程图；
图4是本申请提供的再一种基于边缘计算的分布式光伏电站故障监测方法的流程图；
图5是提供的再一种基于边缘计算的分布式光伏电站故障监测方法的流程图；
图6是提供的再一种基于边缘计算的分布式光伏电站故障监测方法的流程图；
图7是提供的再一种基于边缘计算的分布式光伏电站故障监测方法的流程图；
图8是提供的一种基于边缘计算的分布式光伏电站故障监测装置的逻辑结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。
本申请实施例公开了一种基于边缘计算的分布式光伏电站故障监测方法，应用于边缘计算装置，该方法包括：获取目标分布式光伏电站所处区域的气象和环境参数，及所述目标分布式光伏电站的上方云块图像数据和现场设备图像数据；利用所述气象和环境参数、所述上方云块图像数据及所述现场设备图像数据，预测所述目标分布式光伏电站在设定时间段内的发电功率，作为预测发电功率；采集所述目标分布式光伏电站在所述设定时间段内的发电功率，作为实际发电功率；通过比对所述预测发电功率与所述实际发电功率，监测所述目标分布式光伏电站是否存在异常或故障。在本申请中，实现了对目标分布式光伏电站的异常或故障的监测，并提高了监测的可靠性。
在介绍基于边缘计算的分布式光伏电站故障监测方法之前，对本申请提供的部署有边缘计算装置的分布式光伏电站系统进行介绍，如图1所示，分布式光伏电站系统中包括：多个电站电气参数传感器，分别为电站电气参数传感器1-n；多个电站环境参数传感器，分别为电站环境参数传感器1-n；电站上空云图采集装置、电站现场设备图像采集装置、传感器信号采集器及边缘计算装置。
其中，边缘计算装置设置在分布式光伏电站的附近。边缘计算装置设置在分布式光伏电站的附近，可以缩短分布式光伏电站的相关参数(如，环境参数、电气参数)的传输距离。
边缘计算装置中可以存储目标分布式光伏电站的相关历史数据、目标故障模型特征数据集及相关的算法模型，用于对目标分布式光伏电站是否存在异常或故障进行监测。
当然，边缘计算装置还可以包括：电厂控制器，用于对所述目标分布式光伏电站进行电网集成调度控制，如，基于特性曲线的无功功率控制，频率稳定性和过程数据交换等功能。确保光伏系统的可靠电网集成。
电站电气参数传感器可以用于采集分布式光伏电站的电气参数，如采集光伏组件、汇流箱、支路、逆变器、变压器及并网点完整的电气数据(如，电流、电压、故障波形或电能质量波形数据等)。
电站环境参数传感器，可以用于采集分布式光伏电站所处区域的气象和环境参数，如，分布式光伏电站所处区域的温度、湿度、气压、风力、风向、降水量或辐照度等参数。
传感器信号采集器用于作为中转设备，将电站电气参数传感器或电站环境参数传感器采集的数据传输至边缘计算装置。
电站上空云图采集装置可以用于采集分布式光伏电站上方云块图像数据，并将上方云块图像数据传输至边缘计算装置。
电站现场设备图像采集装置可以用于采集分布式光伏电站的现场设备图像数据，并将现场设备图像数据传输至边缘计算装置。
基于上述介绍的分布式光伏电站系统，对本申请提供的基于边缘计算的分布式光伏电站故障监测方法进行介绍，如图2所示的，为本申请提供的一种基于边缘计算的分布式光伏电站故障监测方法实施例2的流程图，该方法应用于边缘计算装置，该方法包括以下步骤：
步骤S11、获取目标分布式光伏电站所处区域的气象和环境参数，及所述目标分布式光伏电站的上方云块图像数据和现场设备图像数据。
本实施例中，获取目标分布式光伏电站所处区域的气象和环境参数，及所述目标分布式光伏电站的上方云块图像数据和现场设备图像数据的过程，可以包括：
A11、在当前时间，采集所述目标分布式光伏电站所处区域的气象和环境参数，及所述目标分布式光伏电站的上方云块图像数据和现场设备图像数据。
在当前时间，采集所述目标分布式光伏电站所处区域的气象和环境参数，及所述目标分布式光伏电站的上方云块图像数据和现场设备图像数据，实现对气象和环境参数、上方云块图像数据和现场设备图像数据的实时采集。
和/或，
A12、从目标存储设备中获取与所述当前时间对应的时间段内的历史数据，所述历史数据包括：所述目标分布式光伏电站所处区域的历史气象和历史环境参数，及所述目标分布式光伏电站的上方历史云块图像数据和历史现场设备图像数据。
当然，在电站环境参数传感器、电站上方云图采集装置或电站现场设备图像采集装置缺失或失效的情况下，可以从目标存储设备中获取与当前时间对于的时间段内的历史数据，提高数据获取的可靠性。
目标存储设备可以理解为：边缘计算装置中的某一个存储设备。
步骤S12、利用所述气象和环境参数、所述上方云块图像数据及所述现场设备图像数据，预测所述目标分布式光伏电站在设定时间段内的发电功率，作为预测发电功率。
由于分布式光伏电站的发电功率与气象和环境、上方云块等因素密切相关，因此可以利用气象和环境参数上方云块图像数据及所述现场设备图像数据，预测目标分布式光伏电站在设定时间段内的发电功率。
本实施例中，设定时间段可以根据需要进行设置，如，以当前时间为起点，以目标时间为结束点，目标时间与当前时间之差为4小时。
预测发电功率可以存储至边缘计算装置中的外置SD存储卡中。
步骤S13、获取所述目标分布式光伏电站在所述设定时间段内的实际发电功率。
本实施例中，可以由电站电气参数传感器采集目标分布式光伏电站在设定时间段内的电气参数，并依据电气参数计算目标分布式光伏电站的实际发电功率。
步骤S14、通过比对所述预测发电功率与所述实际发电功率，监测所述目标分布式光伏电站是否存在异常或故障。
由于预测发电功率与实际发电功率之间的偏差可以反映分布式光伏电站是否存在异常或故障，因此本实施例中，通过比对所述预测发电功率与所述实际发电功率，来监测所述目标分布式光伏电站是否存在异常或故障。
在本申请中，应用边缘计算装置，缩短目标分布式光伏电站所处区域的气象和环境参数，及所述目标分布式光伏电站的上方云块图像数据和现场设备图像数据等数据的传输距离，就近实现对目标分布式光伏电站的异常或故障的监测，提高监测的可靠性，并有效降低分布式光伏电站的运维成本及现场维护人员专业程度要求。
作为本申请另一可选实施例，参照图3，为本申请提供的一种基于边缘计算的分布式光伏电站故障监测方法实施例2的流程示意图，本实施例主要是对上述实施例1描述的基于边缘计算的分布式光伏电站故障监测方法的细化方案，如图3所示，该方法可以包括但并不局限于以下步骤：
步骤S21、获取目标分布式光伏电站所处区域的气象和环境参数，及所述目标分布式光伏电站的上方云块图像数据和现场设备图像数据。
步骤S21的详细过程可以参见实施例1中步骤S11的相关介绍，在此不再赘述。
步骤S22、根据所述气象和环境参数，所述上方云块图像数据及所述现场设备图像数据，判断是否存在遮挡物遮挡所述目标分布式光伏电站。
若不存在，则执行步骤S23；若存在，会影响目标分布式光伏电站对光能的吸收，进而导致预测发电功率的准确性可能会降低，因此不进行目标分布式光伏电站发电功率的预测。
可以理解的是，可以通过分析气象和环境参数、上方云块图像数据及现场设备图像数据中是否存在遮挡物，如，分析目标分布式光伏电站上方是否存在云或分析目标分布式光伏电站上方的云、目标分布式光伏电站周边的树木、建筑物等是否造成阴影。
步骤S23、利用所述气象和环境参数、所述上方云块图像数据及所述现场设备图像数据，预测所述目标分布式光伏电站在设定时间段内的发电功率，作为预测发电功率。
步骤S22-S23为实施例1中步骤S12的一种具体实施方式。
步骤S24、获取所述目标分布式光伏电站在所述设定时间段内的实际发电功率。
步骤S25、通过比对所述预测发电功率与所述实际发电功率，监测所述目标分布式光伏电站是否存在异常或故障。
步骤S24-S25的详细过程可以参见实施例1中步骤S13-S14的相关介绍，在此不再赘述。
作为本申请另一可选实施例，参照图4，为本申请提供的一种基于边缘计算的分布式光伏电站故障监测方法实施例3的流程示意图，本实施例主要是对上述实施例1描述的基于边缘计算的分布式光伏电站故障监测方法的细化方案，如图4所示，该方法可以包括但并不局限于以下步骤：
步骤S31、获取目标分布式光伏电站所处区域的气象和环境参数，及所述目标分布式光伏电站的上方云块图像数据和现场设备图像数据。
步骤S31的详细过程可以参见实施例1中的步骤S11的相关介绍，在此不再赘述。
步骤S32、将所述气象和环境参数、所述上方云块图像数据及所述现场设备图像数据输入预先设定的发电功率预测模型，得到所述发电功率预测模型输出的在设定时间段内的发电功率预测值，作为所述预测发电功率。
所述预先设定的发电功率预测模型为利用所述目标分布式光伏电站所处区域的气象和环境参数、上方云块图像数据和现场设备图像数据作为输入训练样本，所述目标分布式光伏电站的实际发电功率为输出训练样本训练得到。
可以理解的是，所述目标分布式光伏电站所处区域的气象和环境参数、上方云块图像数据和现场设备图像数据与目标分布式光伏电站的发电功率存在对应关系，基于这种对应关系，将所述目标分布式光伏电站所处区域的气象和环境参数、上方云块图像数据和现场设备图像数据作为输入训练样本，将所述目标分布式光伏电站的实际发电功率为输出训练样本，对发电功率预测模型进行训练，使训练得到的发电功率预测模型可以对目标分布式光伏电站的发电功率进行预测。
步骤S32为实施例1中步骤S12的一种具体实施方式。
步骤S33、获取所述目标分布式光伏电站在所述设定时间段内的实际发电功率。
步骤S34、通过比对所述预测发电功率与所述实际发电功率，监测所述目标分布式光伏电站是否存在异常或故障。
步骤S33-S34的详细过程可以参见实施例1中步骤S13-S14的相关介绍，在此不再赘述。
作为本申请另一可选实施例，参照图5，为本申请提供的一种基于边缘计算的分布式光伏电站故障监测方法实施例4的流程示意图，本实施例主要是对上述实施例2描述的基于边缘计算的分布式光伏电站故障监测方法的细化方案，如图5所示，该方法可以包括但并不局限于以下步骤：
步骤S41、获取目标分布式光伏电站所处区域的气象和环境参数，及所述目标分布式光伏电站的上方云块图像数据和现场设备图像数据。
步骤S42、根据所述气象和环境参数，所述上方云块图像数据及所述现场设备图像数据，判断是否存在遮挡物遮挡所述目标分布式光伏电站。
若不存在，则执行步骤S43；若存在，会影响目标分布式光伏电站对光能的吸收，进而导致预测发电功率的准确性可能会降低，因此不进行目标分布式光伏电站发电功率的预测。
步骤S41-S42的详细过程可以参见实施例2中步骤S21-S22的相关介绍，在此不再赘述。
步骤S43、将所述气象和环境参数、所述上方云块图像数据及所述现场设备图像数据输入预先设定的发电功率预测模型，得到所述发电功率预测模型输出的在设定时间段内的发电功率预测值，作为所述预测发电功率。
所述预先设定的发电功率预测模型为利用所述目标分布式光伏电站所处区域的气象和环境参数、上方云块图像数据和现场设备图像数据作为输入训练样本，所述目标分布式光伏电站的实际发电功率为输出训练样本训练得到。
步骤S43的详细过程可以参见实施例3中步骤S32的相关介绍，在此不再赘述。
步骤S44、获取所述目标分布式光伏电站在所述设定时间段内的实际发电功率。
步骤S45、通过比对所述预测发电功率与所述实际发电功率，监测所述目标分布式光伏电站是否存在异常或故障。
步骤S44-S45的详细过程可以参见实施例2中步骤S24-S25的相关介绍，在此不再赘述。
作为本申请另一可选实施例，参照图6，为本申请提供的一种基于边缘计算的分布式光伏电站故障监测方法实施例5的流程示意图，本实施例主要是对上述实施例1描述的基于边缘计算的分布式光伏电站故障监测方法的细化方案，如图6所示，该方法可以包括但并不局限于以下步骤：
步骤S51、获取目标分布式光伏电站所处区域的气象和环境参数，及所述目标分布式光伏电站的上方云块图像数据和现场设备图像数据。
步骤S52、利用所述气象和环境参数、所述上方云块图像数据及所述现场设备图像数据，预测所述目标分布式光伏电站在设定时间段内的发电功率，作为预测发电功率。
步骤S53、获取所述目标分布式光伏电站在所述设定时间段内的实际发电功率。
步骤S51-S53的详细过程可以参见实施例1中步骤S11-S13的相关介绍，在此不再赘述。
步骤S54、按照时间顺序比对所述预测发电功率与所述实际发电功率，得到所述预测发电功率与所述实际发电功率的偏差量。
步骤S55、若所述偏差量超过设定的偏差阈值，则将所述实际发电功率、所述气象和环境参数、所述上方云块图像数据及所述现场设备图像数据输入故障诊断模型，得到所述故障诊断模型输出的故障诊断结果。
本实施例中，设定的偏差阈值可以根据需要进行设置。优选的，设定的偏差阈值可以为：10％-20％中的任意一个值。
所述故障诊断模型为利用所述目标分布式光伏电站所处区域的气象和环境参数、上方云块图像数据、现场设备图像数据和实际发电功率作为输入训练样本，所述目标分布式光伏电站的故障类型为输出训练样本训练得到。
可以理解的是，分布式光伏电站所处区域的气象和环境、上方云块及实际发电功率与分布式光伏电站的故障存在联系，因此可以将所述目标分布式光伏电站所处区域的气象和环境参数、上方云块图像数据、现场设备图像数据和实际发电功率作为输入训练样本，将目标分布式光伏电站的故障类型为输出训练样本，对故障诊断模型进行训练，使训练得到的故障诊断模型可以诊断相应的故障类型。
步骤S54-S55为实施例1中步骤S14的一种具体实施方式。
作为本申请另一可选实施例，参照图7，为本申请提供的一种基于边缘计算的分布式光伏电站故障监测方法实施例6的流程示意图，本实施例主要是对上述实施例5描述的基于边缘计算的分布式光伏电站故障监测方法的扩展方案，如图7所示，该方法可以包括但并不局限于以下步骤：
步骤S61、获取目标分布式光伏电站所处区域的气象和环境参数，及所述目标分布式光伏电站的上方云块图像数据和现场设备图像数据。
步骤S62、利用所述气象和环境参数、所述上方云块图像数据及所述现场设备图像数据，预测所述目标分布式光伏电站在设定时间段内的发电功率，作为预测发电功率。
步骤S63、获取所述目标分布式光伏电站在所述设定时间段内的实际发电功率。
步骤S64、按照时间顺序比对所述预测发电功率与所述实际发电功率，得到所述预测发电功率与所述实际发电功率的偏差量。
步骤S65、若所述偏差量超过设定的偏差阈值，则将所述实际发电功率、所述气象和环境参数、所述上方云块图像数据及所述现场设备图像数据输入故障诊断模型，得到所述故障诊断模型输出的故障诊断结果。
所述故障诊断模型为利用所述目标分布式光伏电站所处区域的气象和环境参数、上方云块图像数据、现场设备图像数据和实际发电功率作为输入训练样本，所述目标分布式光伏电站的故障类型为输出训练样本训练得到。
步骤S61-S65的详细过程可以参见实施例5中的步骤S51-S55的相关介绍，在此不再赘述。
步骤S66、将所述故障诊断结果与目标故障模型特征数据集进行比较，得到比较结果，并根据所述比较结果确定出现异常或故障的设备。
在确定出现异常或故障的设备之后，可以将包含出现异常或故障的设备的诊断信息推送至运维人员。运维人员在接收到诊断信息后可以在抵达现场后，从边缘计算装置中外置SD存储卡中读取数据，进一步判断是否存在异常或故障。
当然，若运维人员无法得出判断结果，则可以将外置SD存储卡中的数据传送至云端，进一步判断是否存在异常或故障。
接下来对本申请提供的基于边缘计算的分布式光伏电站故障监测装置进行介绍，下文介绍的基于边缘计算的分布式光伏电站故障监测装置与上文介绍的基于边缘计算的分布式光伏电站故障监测方法可相互对应参照。
请参见图8，基于边缘计算的分布式光伏电站故障监测装置包括：第一获取模块11、预测模块12、第二获取模块13和监测模块14。
第一获取模块11，用于获取目标分布式光伏电站所处区域的气象和环境参数，及所述目标分布式光伏电站的上方云块图像数据和现场设备图像数据。
预测模块12，用于利用所述气象和环境参数、所述上方云块图像数据及所述现场设备图像数据，预测所述目标分布式光伏电站在设定时间段内的发电功率，作为预测发电功率。
第二获取模块13，用于获取所述目标分布式光伏电站在所述设定时间段内的实际发电功率。
监测模块14，用于通过比对所述预测发电功率与所述实际发电功率，监测所述目标分布式光伏电站是否存在异常或故障。
本实施例中，所述预测模块12，具体可以用于：
根据所述气象和环境参数，所述上方云块图像数据及所述现场设备图像数据，判断是否存在遮挡物遮挡所述目标分布式光伏电站；
若不存在，则利用所述气象和环境参数、所述上方云块图像数据及所述现场设备图像数据，预测所述目标分布式光伏电站在设定时间段内的发电功率，作为预测发电功率。
本实施例中，所述预测模块12，具体可以用于：
将所述气象和环境参数、所述上方云块图像数据及所述现场设备图像数据输入预先设定的发电功率预测模型，得到所述发电功率预测模型输出的在设定时间段内的发电功率预测值，作为所述预测发电功率；
所述预先设定的发电功率预测模型为利用所述目标分布式光伏电站所处区域的气象和环境参数、上方云块图像数据和现场设备图像数据作为输入训练样本，所述目标分布式光伏电站的实际发电功率为输出训练样本训练得到。
本实施例中，所述第一获取模块11，具体可以用于：
在当前时间，采集所述目标分布式光伏电站所处区域的气象和环境参数，及所述目标分布式光伏电站的上方云块图像数据和现场设备图像数据；
和/或，
从目标存储设备中获取与所述当前时间对应的时间段内的历史数据，所述历史数据包括：所述目标分布式光伏电站所处区域的历史气象和历史环境参数，及所述目标分布式光伏电站的上方历史云块图像数据和历史现场设备图像数据。
本实施例中，所述监测模块14，具体可以用于：
按照时间顺序比对所述预测发电功率与所述实际发电功率，得到所述预测发电功率与所述实际发电功率的偏差量；
若所述偏差量超过设定的偏差阈值，则将所述实际发电功率、所述气象和环境参数、所述上方云块图像数据及所述现场设备图像数据输入故障诊断模型，得到所述故障诊断模型输出的故障诊断结果；
所述故障诊断模型为利用所述目标分布式光伏电站所处区域的气象和环境参数、上方云块图像数据、现场设备图像数据和实际发电功率作为输入训练样本，所述目标分布式光伏电站的故障类型为输出训练样本训练得到。
本实施例中，基于边缘计算的分布式光伏电站故障监测装置还可以包括：
确定模块，用于将所述故障诊断结果与目标故障模型特征数据集进行比较，得到比较结果，并根据所述比较结果确定出现异常或故障的设备。
需要说明的是，本说明书中的各个实施例均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的部分互相参见即可。对于装置类实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
最后，还需要说明的是，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。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本申请时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
通过以上的实施方式的描述可知，本领域的技术人员可以清楚地了解到本申请可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例或者实施例的某些部分所述的方法。
以上对本申请所提供的一种基于边缘计算的分布式光伏电站故障监测方法及装置进行了详细介绍，本文中应用了具体个例对本申请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申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，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申请的限制。
Claims (12)
1.一种基于边缘计算的分布式光伏电站故障监测方法，其特征在于，应用于边缘计算装置，该方法包括：
获取目标分布式光伏电站所处区域的气象和环境参数，及所述目标分布式光伏电站的上方云块图像数据和现场设备图像数据；
利用所述气象和环境参数、所述上方云块图像数据及所述现场设备图像数据，预测所述目标分布式光伏电站在设定时间段内的发电功率，作为预测发电功率；
获取所述目标分布式光伏电站在所述设定时间段内的实际发电功率；
通过比对所述预测发电功率与所述实际发电功率，监测所述目标分布式光伏电站是否存在异常或故障。
2.根据权利要求1所述的方法，其特征在于，所述利用所述气象和环境参数、所述上方云块图像数据及所述现场设备图像数据，预测所述目标分布式光伏电站在设定时间段内的发电功率，作为预测发电功率，包括：
根据所述气象和环境参数，所述上方云块图像数据及所述现场设备图像数据，判断是否存在遮挡物遮挡所述目标分布式光伏电站；
若不存在，则利用所述气象和环境参数、所述上方云块图像数据及所述现场设备图像数据，预测所述目标分布式光伏电站在设定时间段内的发电功率，作为预测发电功率。
3.根据权利要求1或2所述的方法，其特征在于，所述利用所述气象和环境参数、所述上方云块图像数据及所述现场设备图像数据，预测所述目标分布式光伏电站在设定时间段内的发电功率，作为预测发电功率，包括：
将所述气象和环境参数、所述上方云块图像数据及所述现场设备图像数据输入预先设定的发电功率预测模型，得到所述发电功率预测模型输出的在设定时间段内的发电功率预测值，作为所述预测发电功率；
所述预先设定的发电功率预测模型为利用所述目标分布式光伏电站所处区域的气象和环境参数、上方云块图像数据和现场设备图像数据作为输入训练样本，所述目标分布式光伏电站的实际发电功率为输出训练样本训练得到。
4.根据权利要求1所述的方法，其特征在于，所述获取目标分布式光伏电站所处区域的气象和环境参数，及所述目标分布式光伏电站的上方云块图像数据和现场设备图像数据，包括：
在当前时间，采集所述目标分布式光伏电站所处区域的气象和环境参数，及所述目标分布式光伏电站的上方云块图像数据和现场设备图像数据；
和/或，
从目标存储设备中获取与所述当前时间对应的时间段内的历史数据，所述历史数据包括：所述目标分布式光伏电站所处区域的历史气象和历史环境参数，及所述目标分布式光伏电站的上方历史云块图像数据和历史现场设备图像数据。
5.根据权利要求1所述的方法，其特征在于，所述通过比对所述预测发电功率与所述实际发电功率，监测所述目标分布式光伏电站是否存在运行异常或设备故障，包括：
按照时间顺序比对所述预测发电功率与所述实际发电功率，得到所述预测发电功率与所述实际发电功率的偏差量；
若所述偏差量超过设定的偏差阈值，则将所述实际发电功率、所述气象和环境参数、所述上方云块图像数据及所述现场设备图像数据输入故障诊断模型，得到所述故障诊断模型输出的故障诊断结果；
所述故障诊断模型为利用所述目标分布式光伏电站所处区域的气象和环境参数、上方云块图像数据、现场设备图像数据和实际发电功率作为输入训练样本，所述目标分布式光伏电站的故障类型为输出训练样本训练得到。
6.根据权利要求5所述的方法，其特征在于，所述方法还包括：
将所述故障诊断结果与目标故障模型特征数据集进行比较，得到比较结果，并根据所述比较结果确定出现异常或故障的设备。
7.一种基于边缘计算的分布式光伏电站故障监测装置，其特征在于，应用于边缘计算装置，该装置包括：
第一获取模块，用于获取目标分布式光伏电站所处区域的气象和环境参数，及所述目标分布式光伏电站的上方云块图像数据和现场设备图像数据；
预测模块，用于利用所述气象和环境参数、所述上方云块图像数据及所述现场设备图像数据，预测所述目标分布式光伏电站在设定时间段内的发电功率，作为预测发电功率；
第二获取模块，用于获取所述目标分布式光伏电站在所述设定时间段内的实际发电功率；
监测模块，用于通过比对所述预测发电功率与所述实际发电功率，监测所述目标分布式光伏电站是否存在异常或故障。
8.根据权利要求7所述的装置，其特征在于，所述预测模块，具体用于：
根据所述气象和环境参数，所述上方云块图像数据及所述现场设备图像数据，判断是否存在遮挡物遮挡所述目标分布式光伏电站；
若不存在，则利用所述气象和环境参数、所述上方云块图像数据及所述现场设备图像数据，预测所述目标分布式光伏电站在设定时间段内的发电功率，作为预测发电功率。
9.根据权利要求7或8所述的装置，其特征在于，所述预测模块，具体用于：
将所述气象和环境参数、所述上方云块图像数据及所述现场设备图像数据输入预先设定的发电功率预测模型，得到所述发电功率预测模型输出的在设定时间段内的发电功率预测值，作为所述预测发电功率；
所述预先设定的发电功率预测模型为利用所述目标分布式光伏电站所处区域的气象和环境参数、上方云块图像数据和现场设备图像数据作为输入训练样本，所述目标分布式光伏电站的实际发电功率为输出训练样本训练得到。
10.根据权利要求7所述的装置，其特征在于，所述第一获取模块，具体用于：
在当前时间，采集所述目标分布式光伏电站所处区域的气象和环境参数，及所述目标分布式光伏电站的上方云块图像数据和现场设备图像数据；
和/或，
从目标存储设备中获取与所述当前时间对应的时间段内的历史数据，所述历史数据包括：所述目标分布式光伏电站所处区域的历史气象和历史环境参数，及所述目标分布式光伏电站的上方历史云块图像数据和历史现场设备图像数据。
11.根据权利要求7所述的装置，其特征在于，所述监测模块，具体用于：
按照时间顺序比对所述预测发电功率与所述实际发电功率，得到所述预测发电功率与所述实际发电功率的偏差量；
若所述偏差量超过设定的偏差阈值，则将所述实际发电功率、所述气象和环境参数、所述上方云块图像数据及所述现场设备图像数据输入故障诊断模型，得到所述故障诊断模型输出的故障诊断结果；
所述故障诊断模型为利用所述目标分布式光伏电站所处区域的气象和环境参数、上方云块图像数据、现场设备图像数据和实际发电功率作为输入训练样本，所述目标分布式光伏电站的故障类型为输出训练样本训练得到。
12.根据权利要求11所述的装置，其特征在于，所述装置还包括：
确定模块，用于将所述故障诊断结果与目标故障模型特征数据集进行比较，得到比较结果，并根据所述比较结果确定出现异常或故障的设备。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910676517.5A CN110391783A (zh) | 2019-07-25 | 2019-07-25 | 基于边缘计算的分布式光伏电站故障监测方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910676517.5A CN110391783A (zh) | 2019-07-25 | 2019-07-25 | 基于边缘计算的分布式光伏电站故障监测方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110391783A true CN110391783A (zh) | 2019-10-29 |
Family
ID=68287458
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910676517.5A Pending CN110391783A (zh) | 2019-07-25 | 2019-07-25 | 基于边缘计算的分布式光伏电站故障监测方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110391783A (zh) |
Cited By (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110929924A (zh) * | 2019-11-13 | 2020-03-27 | 广西电网有限责任公司 | 基于云边融合架构的小水电发电量预测系统及其实现方法 |
| CN111384729A (zh) * | 2020-02-24 | 2020-07-07 | 国网浙江嘉善县供电有限公司 | 一种基于边缘计算的分布式电源调度控制方法 |
| CN111555460A (zh) * | 2020-05-28 | 2020-08-18 | 天合光能股份有限公司 | 一种光伏电站电性能健康度的智能诊断系统及判断方法 |
| CN111555461A (zh) * | 2020-05-28 | 2020-08-18 | 天合光能股份有限公司 | 一种光伏电站安全性健康度的智能诊断系统及判断方法 |
| CN112019157A (zh) * | 2020-07-06 | 2020-12-01 | 安徽天尚清洁能源科技有限公司 | 一种基于多站模式的光伏电站功率监控系统 |
| CN112561210A (zh) * | 2020-12-29 | 2021-03-26 | 广东电网有限责任公司电力调度控制中心 | 一种电力系统稳定性和资源需求预估系统及方法 |
| CN112682972A (zh) * | 2020-12-16 | 2021-04-20 | 苏州西热节能环保技术有限公司 | 一种聚光式太阳能发电站快速性能诊断装置 |
| CN113255454A (zh) * | 2021-04-26 | 2021-08-13 | 广西电网有限责任公司桂林供电局 | 一种电网自适应故障定位的方法及相关设备 |
| CN113746132A (zh) * | 2021-08-11 | 2021-12-03 | 国网江苏省电力有限公司 | 一种基于云边协同的光伏电站及其控制方法 |
| CN115036922A (zh) * | 2022-08-10 | 2022-09-09 | 四川中电启明星信息技术有限公司 | 一种分布式光伏发电电量预测方法及系统 |
| CN115664024A (zh) * | 2022-11-08 | 2023-01-31 | 国网山东省电力公司滨州供电公司 | 一种新能源发电状态监测系统 |
| CN115829165A (zh) * | 2023-02-07 | 2023-03-21 | 佰聆数据股份有限公司 | 基于发电性能差异的分布式光伏运行情况分析方法、装置 |
| WO2023088315A1 (zh) * | 2021-11-19 | 2023-05-25 | 中国华能集团清洁能源技术研究院有限公司 | 基于深度学习的发电设备异常检测方法及系统 |
| CN116707437A (zh) * | 2023-08-04 | 2023-09-05 | 国网山西省电力公司运城供电公司 | 一种基于边缘计算的光伏电站电弧故障监控装置 |
| CN116706906A (zh) * | 2023-08-09 | 2023-09-05 | 长江三峡集团实业发展(北京)有限公司 | 一种光伏电站输出功率的预测方法、装置、设备及介质 |
| CN116938140A (zh) * | 2023-09-18 | 2023-10-24 | 国网山西省电力公司运城供电公司 | 一种基于边缘计算的光伏电站功率监控装置 |
| CN117408676A (zh) * | 2023-11-10 | 2024-01-16 | 山东沐春新能源科技有限公司 | 光伏电站的运维管理方法、装置及存储介质 |
| CN118410445A (zh) * | 2024-06-27 | 2024-07-30 | 国网山西省电力公司太原供电公司 | 分布式光伏异常数据检测方法、系统、电子设备及存储介质 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20100021319A (ko) * | 2008-08-14 | 2010-02-24 | 주식회사 텐코리아 | 태양광 발전 트랙커 시스템 |
| CN106709585A (zh) * | 2015-07-20 | 2017-05-24 | 周锡卫 | 一种利用实时摄像实现极短期光伏功率预测的系统 |
| CN109150100A (zh) * | 2018-09-13 | 2019-01-04 | 国网电子商务有限公司 | 光伏电站的故障检测方法、装置、设备及存储介质 |
-
2019
- 2019-07-25 CN CN201910676517.5A patent/CN110391783A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20100021319A (ko) * | 2008-08-14 | 2010-02-24 | 주식회사 텐코리아 | 태양광 발전 트랙커 시스템 |
| CN106709585A (zh) * | 2015-07-20 | 2017-05-24 | 周锡卫 | 一种利用实时摄像实现极短期光伏功率预测的系统 |
| CN109150100A (zh) * | 2018-09-13 | 2019-01-04 | 国网电子商务有限公司 | 光伏电站的故障检测方法、装置、设备及存储介质 |
Cited By (26)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110929924A (zh) * | 2019-11-13 | 2020-03-27 | 广西电网有限责任公司 | 基于云边融合架构的小水电发电量预测系统及其实现方法 |
| CN111384729A (zh) * | 2020-02-24 | 2020-07-07 | 国网浙江嘉善县供电有限公司 | 一种基于边缘计算的分布式电源调度控制方法 |
| CN111555460A (zh) * | 2020-05-28 | 2020-08-18 | 天合光能股份有限公司 | 一种光伏电站电性能健康度的智能诊断系统及判断方法 |
| CN111555461A (zh) * | 2020-05-28 | 2020-08-18 | 天合光能股份有限公司 | 一种光伏电站安全性健康度的智能诊断系统及判断方法 |
| CN111555460B (zh) * | 2020-05-28 | 2023-08-04 | 天合富家能源股份有限公司 | 一种光伏电站电性能健康度的智能诊断系统及判断方法 |
| CN112019157A (zh) * | 2020-07-06 | 2020-12-01 | 安徽天尚清洁能源科技有限公司 | 一种基于多站模式的光伏电站功率监控系统 |
| CN112682972A (zh) * | 2020-12-16 | 2021-04-20 | 苏州西热节能环保技术有限公司 | 一种聚光式太阳能发电站快速性能诊断装置 |
| CN112561210A (zh) * | 2020-12-29 | 2021-03-26 | 广东电网有限责任公司电力调度控制中心 | 一种电力系统稳定性和资源需求预估系统及方法 |
| CN113255454A (zh) * | 2021-04-26 | 2021-08-13 | 广西电网有限责任公司桂林供电局 | 一种电网自适应故障定位的方法及相关设备 |
| CN113746132A (zh) * | 2021-08-11 | 2021-12-03 | 国网江苏省电力有限公司 | 一种基于云边协同的光伏电站及其控制方法 |
| CN113746132B (zh) * | 2021-08-11 | 2024-01-30 | 国网江苏省电力有限公司 | 一种基于云边协同的光伏电站及其控制方法 |
| WO2023088315A1 (zh) * | 2021-11-19 | 2023-05-25 | 中国华能集团清洁能源技术研究院有限公司 | 基于深度学习的发电设备异常检测方法及系统 |
| CN115036922A (zh) * | 2022-08-10 | 2022-09-09 | 四川中电启明星信息技术有限公司 | 一种分布式光伏发电电量预测方法及系统 |
| CN115664024B (zh) * | 2022-11-08 | 2023-10-20 | 国网山东省电力公司滨州供电公司 | 一种新能源发电状态监测系统 |
| CN115664024A (zh) * | 2022-11-08 | 2023-01-31 | 国网山东省电力公司滨州供电公司 | 一种新能源发电状态监测系统 |
| CN115829165B (zh) * | 2023-02-07 | 2023-05-05 | 佰聆数据股份有限公司 | 基于发电性能差异的分布式光伏运行情况分析方法、装置 |
| CN115829165A (zh) * | 2023-02-07 | 2023-03-21 | 佰聆数据股份有限公司 | 基于发电性能差异的分布式光伏运行情况分析方法、装置 |
| CN116707437A (zh) * | 2023-08-04 | 2023-09-05 | 国网山西省电力公司运城供电公司 | 一种基于边缘计算的光伏电站电弧故障监控装置 |
| CN116707437B (zh) * | 2023-08-04 | 2023-10-13 | 国网山西省电力公司运城供电公司 | 一种基于边缘计算的光伏电站电弧故障监控装置 |
| CN116706906A (zh) * | 2023-08-09 | 2023-09-05 | 长江三峡集团实业发展(北京)有限公司 | 一种光伏电站输出功率的预测方法、装置、设备及介质 |
| CN116706906B (zh) * | 2023-08-09 | 2024-01-05 | 长江三峡集团实业发展(北京)有限公司 | 一种光伏电站输出功率的预测方法、装置、设备及介质 |
| CN116938140A (zh) * | 2023-09-18 | 2023-10-24 | 国网山西省电力公司运城供电公司 | 一种基于边缘计算的光伏电站功率监控装置 |
| CN116938140B (zh) * | 2023-09-18 | 2024-01-19 | 国网山西省电力公司运城供电公司 | 一种基于边缘计算的光伏电站功率监控装置 |
| CN117408676A (zh) * | 2023-11-10 | 2024-01-16 | 山东沐春新能源科技有限公司 | 光伏电站的运维管理方法、装置及存储介质 |
| CN118410445A (zh) * | 2024-06-27 | 2024-07-30 | 国网山西省电力公司太原供电公司 | 分布式光伏异常数据检测方法、系统、电子设备及存储介质 |
| CN118410445B (zh) * | 2024-06-27 | 2024-09-13 | 国网山西省电力公司太原供电公司 | 分布式光伏异常数据检测方法、系统、电子设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110391783A (zh) | 基于边缘计算的分布式光伏电站故障监测方法及装置 | |
| CN108490284B (zh) | 面向多应用场景的新能源数据采集装置、系统及方法 | |
| CN114640173B (zh) | 一种基于多特征量的变压器和发电机的预警模型 | |
| CN105403811B (zh) | 风电场电网故障诊断方法和装置 | |
| CN102902245B (zh) | 一种光伏电站智能监控系统 | |
| KR101942806B1 (ko) | 현장 고장 진단이 가능한 이동형 태양광 발전설비 고장 진단시스템 | |
| JP5531260B2 (ja) | 太陽光発電システム | |
| KR101238620B1 (ko) | 태양광발전 시스템의 고장 인식 장치 및 이의 진단 방법 | |
| CN105337575B (zh) | 光伏电站状态预测及故障诊断方法和系统 | |
| CN104796082A (zh) | 一种光伏发电系统在线故障诊断系统及方法 | |
| CN103400302A (zh) | 一种风电基地连锁故障风险感知预警方法及其系统 | |
| CN108599724A (zh) | 一种光伏组件在线监测系统及监测方法 | |
| CN102436226A (zh) | 在线监测及状态检修管理系统 | |
| CN107036654B (zh) | 架空输电导线风偏特性监测系统、测试方法和装置 | |
| CN104821789B (zh) | 一种光伏发电系统可靠性的检测方法 | |
| JP2018037078A (ja) | 障害検出機能付き発電モニタリングシステム | |
| KR101580669B1 (ko) | 태양광 발전설비 모니터링 데이터의 순차식 무선 전송 시스템 | |
| CN112684292A (zh) | 一种风电场集电线路监控系统、方法及装置 | |
| KR101578675B1 (ko) | 태양광 발전 시스템의 발전 랭킹 산출 장치 | |
| CN113858231A (zh) | 一种变电站轨道机器人系统的控制方法 | |
| CN205229348U (zh) | 风电场电网友好型评估系统 | |
| CN116388685B (zh) | 一种太阳能电池板运行控制系统 | |
| CN116667783A (zh) | 一种分布式光伏电站维护系统 | |
| Hambrick et al. | High-penetration PV deployment in the arizona public service system, phase 1 update | |
| CN115689532A (zh) | 一种电力系统故障分析方法及其装置 |
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 |
Application publication date: 20191029 |
|
| RJ01 | Rejection of invention patent application after publication |