CN111046321B - 光伏电站运维策略优化方法和装置 - Google Patents

光伏电站运维策略优化方法和装置 Download PDF

Info

Publication number
CN111046321B
CN111046321B CN201911294932.0A CN201911294932A CN111046321B CN 111046321 B CN111046321 B CN 111046321B CN 201911294932 A CN201911294932 A CN 201911294932A CN 111046321 B CN111046321 B CN 111046321B
Authority
CN
China
Prior art keywords
maintenance
strategy
optimization
result information
power station
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.)
Active
Application number
CN201911294932.0A
Other languages
English (en)
Other versions
CN111046321A (zh
Inventor
李运生
周辉
陈伟
祝水星
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Sungrow Renewables Development Co Ltd
Original Assignee
Sungrow Renewables Development Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Sungrow Renewables Development Co Ltd filed Critical Sungrow Renewables Development Co Ltd
Priority to CN201911294932.0A priority Critical patent/CN111046321B/zh
Publication of CN111046321A publication Critical patent/CN111046321A/zh
Application granted granted Critical
Publication of CN111046321B publication Critical patent/CN111046321B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/20—Administration of product repair or maintenance
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • 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
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Data Mining & Analysis (AREA)
  • Health & Medical Sciences (AREA)
  • Quality & Reliability (AREA)
  • Mathematical Physics (AREA)
  • Operations Research (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Computational Mathematics (AREA)
  • Algebra (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Development Economics (AREA)
  • Mathematical Optimization (AREA)
  • General Engineering & Computer Science (AREA)
  • Game Theory and Decision Science (AREA)
  • Software Systems (AREA)
  • Databases & Information Systems (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了一种光伏电站运维策略优化方法和装置。光伏电站运维策略优化方法包括：获取光伏电站运维系统基于运维策略执行得到的策略执行结果信息集；根据策略执行结果信息集，以预设维度的最优解为目标，确定优化结果信息集；基于迭代因子和优化结果信息集计算得到策略优化因子；根据策略优化因子对光伏电站运维系统的运维策略进行迭代。本实施例的技术方案，缓解了现有技术提供有针对性的数据分析策略和运维策略，运维系统的数据分析参与度低，以及无法根据电站特点提供最优决策的技术问题，改变了原有运维策略的单一性及数据利用不充分性，随着光伏电站的运维不断迭代优化运维策略，降低了运维成本，提升了运维效率和运维精准度。

Description

光伏电站运维策略优化方法和装置
技术领域
本发明实施例涉及光伏电站运维技术领域，尤其涉及一种光伏电站运维策略优化方法和装置。
背景技术
现有的光伏电站运维策略优化方法旨在降低运维成本、提高运维效率、降低人工参与，主要包括两方面的研究：一是对电站现场各种信息进行收集，对收集到的信息进行发电量功率预测、设备故障分析、运维预测等运维数据分析，并将分析后的数据用于运维决策；二是设计各种运维设备，其中以无人运维设备为趋势。
然而，分析电站数据以供运维决策的方案中数据分析策略和运维策略较为固定单一，无法针对不同环境的光伏电站，给出有针对性的数据分析策略和运维策略；通过运维设备进行运维的方案中，运维设备更多是作为一个执行机构，很少参与数据分析。现有的光伏电站运维方案，无法根据电站特点提供最优决策。
发明内容
本发明实施例提供一种光伏电站运维策略优化方法和装置，以实现随着光伏电站的运维不断迭代优化运维策略，降低运维成本，提升运维效率和运维精准度。
第一方面，本发明实施例提供了一种光伏电站运维策略优化方法，该方法包括：
获取光伏电站运维系统基于运维策略执行得到的策略执行结果信息集；
根据策略执行结果信息集，以预设维度的最优解为目标，确定优化结果信息集；
基于迭代因子和所述优化结果信息集计算得到策略优化因子；
根据所述策略优化因子对光伏电站运维系统的所述运维策略进行迭代。
可选地，所述预设维度包括运维收益、运维精准和响应效率中的至少一种；
根据策略执行结果信息集，以预设维度的最优解为目标，确定优化结果信息集，包括：
确定策略执行结果信息集中各策略执行结果信息的路径信息，其中，所述路径信息包括运维环境信息、运维输入信息、运维策略及对应的策略优化因子；
分别根据运维收益、运维精准和响应效率对所述策略执行结果信息进行排序；
筛选出运维收益满足预设收益、运维精准满足预设精准，且响应效率满足预设效率的策略执行结果信息，并根据所述策略执行结果信息对应的路径信息确定优化结果信息集。
可选地，基于迭代因子和所述优化结果信息集计算得到策略优化因子，包括：
确定光伏电站运维系统在时间维度的自身优化因子；
计算多个光伏电站运维系统在时间维度和空间维度的多电站优化因子；
根据所述自身优化因子和自身最优权重，以及所述多电站优化因子和多电站最优权重计算光伏电站运维系统的策略优化因子。
可选地，光伏电站运维系统的策略优化因子计算为：
C＝p Ctm+g Cst；
p+g≤1
其中，C为光伏电站运维系统的策略优化因子，Ctm为光伏电站运维系统m的自身优化因子，Cst为所述多电站优化因子，p为所述自身最优权重，g为所述多电站最优权重。
可选地，所述迭代因子包括第一迭代因子；
确定光伏电站运维系统在时间维度的自身优化因子，包括：
根据第一迭代因子和所述优化结果信息集中各维度优化结果信息的平均值确定光伏电站运维系统在时间维度的自身优化因子。
可选地，所述自身优化因子计算为：
其中，Ct为所述自身优化因子，μ为所述第一迭代因子，μmin为第一迭代因子的最小值，μmax为第一迭代因子的最大值，Cd为所述优化结果信息集，N为所述优化结果信息的个数，Kmi为第i维度的优化结果信息，m的取值范围为1-N。
可选地，所述迭代因子包括第二迭代因子；
计算多个光伏电站运维系统在时间维度和空间维度的多电站优化因子，包括：
根据多个电站的策略执行结果信息集，以预设维度的最优解为目标，确定多电站优化结果信息集；
根据第二迭代因子和所述多电站优化结果信息集中各维度多电站优化结果信息的平均值确定多电站优化因子。
可选地，所述多电站优化因子计算为：
其中，Cst为所述多电站优化因子，λ为所述第二迭代因子，λmin为所述第二迭代因子的最小值，λmax为所述第二迭代因子的最大值，M为所述多电站优化结果信息的个数，Kmi为第i维度的多电站优化结果信息，m的取值范围为1-M。
可选地，以预设维度的最优解为目标，确定优化结果信息集算法的合集为最优解算法集；
所述光伏电站运维策略优化方法还包括：
根据所述最优解算法集中每个最优解算法的迭代因子对所述最优解算法集进行迭代；
所述最优解算法集的迭代表示为：
Yi＝γiyi1+…+γijyij+…+γikyik；
γi1+…+γij+…+γik≤1；
其中，Yi为迭代至第i代的最优解算法集，yi1为迭代至第i代的最优解算法yi1，γi1为最优解算法yi1对应的迭代因子，yij为迭代至第i代的最优解算法yij，γij为最优解算法yij对应的迭代因子，yik为迭代至第i代的最优解算法yik，γik为最优解算法yik对应的迭代因子。
第二方面，本发明实施例还提供了一种光伏电站运维策略优化装置，该装置包括：
策略执行结果信息集获取模块，用于获取光伏电站运维系统基于运维策略执行得到的策略执行结果信息集；
优化结果信息集确定模块，用于根据策略执行结果信息集，以预设维度的最优解为目标，确定优化结果信息集；
策略优化因子计算模块，用于基于迭代因子和所述优化结果信息集计算得到策略优化因子；
运维策略迭代模块，用于根据所述策略优化因子对光伏电站运维系统的所述运维策略进行迭代。
本发明实施例提供了一种光伏电站运维策略优化方法和装置，光伏电站运维策略优化方法以预设维度的最优解为目标，根据光伏电站运维系统基于运维策略得到的策略执行结果信息集确定优化结果信息集，基于迭代因子和优化结果信息集确定策略优化因子，根据策略优化因子对运维策略进行迭代。能够根据光伏电站的运维目标和运维特性通过策略优化因子动态调整运维策略，基于迭代后的运维策略确定新的策略优化因子，并根据新的策略优化因子继续对运维策略进行迭代，实现了策略优化因子自身和运维策略的双重优化。本实施例的技术方案，缓解了现有光伏电站运维方法无法提供有针对性的数据分析策略和运维策略，运维系统的数据分析参与度低，以及无法根据电站特点提供最优决策的技术问题，改变了原有运维策略的单一性及数据利用不充分性，随着光伏电站的运维不断迭代优化运维策略，降低了运维成本，提升了运维效率和运维精准度。
附图说明
图1是本发明实施例提供的一种光伏电站运维策略优化方法的流程示意图；
图2是本发明实施例提供的另一种光伏电站运维策略优化方法的流程示意图；
图3是本发明实施例提供的一种优化结果信息集的确定方法的流程示意图；
图4是本发明实施例提供的另一种光伏电站运维策略优化方法的流程示意图；
图5是本发明实施例提供的一种光伏电站运维策略的迭代结构示意图；
图6是本发明实施例提供的一种光伏电站运维系统的结构示意图；
图7是本发明实施例提供的一种光伏电站运维策略优化装置的结构示意图；
图8是本发明实施例提供的一种终端的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
图1是本发明实施例提供的一种光伏电站运维策略优化方法的流程示意图。本实施例可适用于优化光伏电站运维系统的运维策略的情况，该方法可以由本发明实施例提供的光伏电站运维策略优化装置来执行。如图1所示，该光伏电站运维策略优化方法具体包括如下步骤：
S110、获取光伏电站运维系统基于运维策略执行得到的策略执行结果信息集。
具体地，光伏电站运维系统能够基于各种运维策略对光伏电站进行维护，可以通过光伏电站的现场信息采集系统和信息网络传输系统，将光伏电站的各类信息作为信息源发送至云服务器平台，其中，信息源包括运维策略的输入输出信息集A[Ain,Aout]、运维策略信息集R和运维系统基于各运维策略执行得到的策略执行结果信息集B。策略输入信息Ain可以包括，光强信息、辐照信息、温度信息、灰尘信息、经纬度信息等光伏电站环境信息，电压、电流、功率等光伏组件运行信息，以及发电量、组件运行状态等电站设备信息。运维系统根据策略输入信息Ain基于运维策略信息集R计算可以得到策略输出信息Aout，可表示为：Aout＝R Ain。各种运维策略通过运维系统实际的运维执行后，可以由运维策略的输入输出信息集A经过运维执行集E[Eau,Ema]得到策略执行结果信息集B，其中运维执行集E包括自动运维Eau和人工运维Ema，该过程可表示为：B＝E A＝E R Ain。可以通过云服务器平台从上述信息源中获取各个光伏电站运维系统的策略执行结果信息集。
S120、根据策略执行结果信息集，以预设维度的最优解为目标，确定优化结果信息集。
其中，策略执行结果信息集包括不同维度的策略执行结果信息，可以将至少一个维度的策略执行结果信息设置为预设维度，并根据预设维度的最优解确定优化结果信息集，例如，策略执行结果信息集包括运维收益、运维精准和响应效率三种不同维度的策略执行结果信息，设置运维收益为预设维度，将运维收益大于预设收益的策略执行结果信息作为最优解，以此确定满足条件的优化结果信息集。
S130、基于迭代因子和优化结果信息集计算得到策略优化因子。
具体地，迭代因子通过云计算系统随机选取，或根据经验进行设定，云计算系统可以基于迭代因子和优化结果信息集确定运维策略的优化方向，并计算得到策略优化因子。这样能够根据光伏电站运维系统基于运维策略的执行结果和预先设定运维目标确定优化结果信息，并根据优化结果信息和迭代因子确定符合自身运维特性和运维目标的策略优化因子。
S140、根据策略优化因子对光伏电站运维系统的运维策略进行迭代。
示例性地，策略优化因子集C[K1,…,Ki,…]中包括多个策略优化因子，各运维策略通过策略优化因子学习优化得到迭代，即运维策略信息集R经过策略优化因子集C将得到一个新的运维策略信息集R’，迭代关系可表示为：R’＝C R。运维策略信息集R经过迭代得到运维策略信息集R’后，策略输出信息集Aout将优化为Aout’，运维策略的输入输出信息集A经过运维执行集E[Eau,Ema]后，策略执行结果信息集B也将会出现优化后的策略执行结果信息集B’，优化过程可表示为：Aout’＝R’Ain；B’＝E R’Ain’，其中策略输入信息Ain是G光伏电站的实际运行信息，当光伏电站通过运维系统进行运维后，则光伏电站的实际运行信息将是一个新的策略输入信息Ain’。这样，可以根据新的策略执行结果信息集B’，以预设维度的最优解为目标，确定新的优化结果信息集，基于迭代因子和新的优化结果信息集计算得到新的策略优化因子集C’，并根据新的策略优化因子集C’继续对新的运维策略信息集R’进行迭代，实现了光伏电站运维策略的双重迭代优化：通过策略优化因子迭代运维策略，并对策略优化因子自身不断进行优化，以达到光伏电站运维系统的最优运维。
本发明实施例提供的光伏电站运维策略优化方法，以预设维度的最优解为目标，根据光伏电站运维系统基于运维策略得到的策略执行结果信息集确定优化结果信息集，基于迭代因子和优化结果信息集确定策略优化因子，根据策略优化因子对运维策略进行迭代。能够根据光伏电站的运维目标和运维特性通过策略优化因子动态调整运维策略，基于迭代后的运维策略确定新的策略优化因子，并根据新的策略优化因子继续对运维策略进行迭代，实现了策略优化因子自身和运维策略的双重优化。本实施例的技术方案，缓解了现有光伏电站运维方法无法提供有针对性的数据分析策略和运维策略，运维系统的数据分析参与度低，以及无法根据电站特点提供最优决策的技术问题，改变了原有运维策略的单一性及数据利用不充分性，随着光伏电站的运维不断迭代优化运维策略，降低了运维成本，提升了运维效率和运维精准度。
图2是本发明实施例提供的另一种光伏电站运维策略优化方法的流程示意图。本实施例在上述实施例的基础上，进一步优化了上述优化结果信息集的确定方法。
可选地，预设维度包括运维收益、运维精准和响应效率中的至少一种。
具体地，策略执行结果信息集B中包括不同维度的执行结果信息，包括运维收益、运维精准和响应效率中的至少一种。其中，可以根据策略输入信息Ain及运维系统基于各运维策略执行得到结果确定运维收益，比较策略输出信息集Aout的测算值和运维系统基于各运维策略执行得到实际值确定运维精准，根据运维系统执行各运维策略的次数或时间确定响应效率。预设维度的最优解，可以是同时满足运维收益最大、运维精准最大、响应效率最高，并且响应效率最高服从运维精准最大，响应效率最高、运维精准最大服从运维收益最大的解，即可以设置运维收益最大为电站运维的目标。
相应的，如图2所示，本实施例的方法具体包括：
S210、获取光伏电站运维系统基于运维策略执行得到的策略执行结果信息集。
S220、确定策略执行结果信息集中各策略执行结果信息的路径信息。
其中，路径信息包括运维环境信息、运维输入信息、运维策略及对应的策略优化因子。具体地，运维系统每次进行运维执行时，得到的运维执行结果信息中标记有光伏电站的运维环境信息、运维策略的运维输入信息、运维策略及对应的策略优化因子的路径信息，以便输入信息追溯，再将其执行结果信息存储到源数据库。
S230、分别根据运维收益、运维精准和响应效率对策略执行结果信息进行排序。
示例性地，策略执行结果信息集中包括运维收益、运维精准和响应效率三个维度，可以按照各自维度进行排序，并分别将对应的信息存储到运维收益数据库、运维精准数据库和响应效率数据库中。
S240、筛选出运维收益满足预设收益、运维精准满足预设精准，且响应效率满足预设效率的策略执行结果信息，并根据策略执行结果信息对应的路径信息确定优化结果信息集。
具体地，可以分别在运维收益数据库中筛选运维收益满足预设收益，在运维精准数据库中筛选运维精准满足预设精准，在响应效率数据库中筛选响应效率满足预设效率的策略执行结果信息，并在排序并筛选完成后的三维信息库中再次筛选，选出同时满足[m>md,v>vd,r>rd]范围的策略执行结果信息，其中m为运维收益，md为预设收益、v为运维精准，vd为预设精准，r为响应效率，rd为预设效率。另外，设置运维收益最大为电站运维的目标时，还可以同时筛选仅满足[m>md]范围的策略执行结果信息，根据[m>md,v>vd,r>rd]和[m>md]范围的策略执行结果信息及对应的路径信息确定优化结果信息集。
S250、基于迭代因子和优化结果信息集计算得到策略优化因子。
S260、根据策略优化因子对光伏电站运维系统的运维策略进行迭代。
图3是本发明实施例提供的一种优化结果信息集的确定方法的流程示意图。本实施例可以上述实施例为基础，对优化结果信息集的确定方法的具体过程进行进一步的说明。如图3所示，该方法具体包括：
S310、获取光伏电站运维系统基于运维策略执行得到的策略执行结果信息集。
S320、将策略执行结果信息集中各策略执行结果信息及对应的路径信息存储至源数据库。每次进行运维执行时，得到的策略执行结果信息集中标记有运维环境信息、运维输入信息、运维策略及对应的策略优化因子等路径信息，以便输入信息追溯，再将对应的信息存储到源数据库。
S330、筛选出运维收益满足预设收益的策略执行结果信息，并存储至运维精准数据库。
S340、筛选出运维精准满足预设精准的策略执行结果信息，并存储至运维精准数据库。
S350、筛选出响应效率满足预设效率的策略执行结果信息，并存储至响应效率数据库。
策略执行结果信息中包括运维收益、运维精准和响应效率三个维度，按照各自维度进行筛选排序执行结果信息，并分别将其各自存储到运维收益数据库、运维精准数据库和响应效率数据库中。
S360、将运维收益数据库、运维精准数据库和响应效率数据库中的策略执行结果信息存储至三维数据信息库。
S370、从三维数据信息库中筛选出运维收益满足预设收益、运维精准满足预设精准，且响应效率满足预设效率的策略执行结果信息，并存储至优化源数据库。
排序后的运维收益数据库、运维精准数据库和响应效率数据库，将组成一个以运维收益、运维精准和响应效率为坐标的三维数据信息库，筛选出运维收益满足预设收益、运维精准满足预设精准，且响应效率满足预设效率执行结果点，其中预设收益、预设精准和预设效率分别为各自维度的优化基准点。
S380、获取优化源数据库中各策略执行结果信息对应的路径信息。
S390、根据优化源数据库中各策略执行结果信息及对应的路径信息确定优化结果信息集。
根据优化源数据库中的策略执行结果信息，以及各策略执行结果信息中包含的路径信息，获取到对应的优化结果信息集，该优化结果信息集可以是同一鬼昂伏电站运维系统在时间维度中的一个最优集。
本实施例的技术方案，确定运维收益、运维精准和响应效率中的至少一种为预设维度，根据预设维度对策略执行结果信息进行排序，并根据筛选出的运维收益满足预设收益、运维精准满足预设精准，且响应效率满足预设效率的策略执行结果信息及对应的路径信息确定优化结果信息集，先在各自信息维度筛选满足要求的信息，再进行整体筛选，这样能够防止遗漏数据，并得到满足光伏电站运维目标的优化结果信息。
图4是本发明实施例提供的另一种光伏电站运维策略优化方法的流程示意图。本实施例在上述实施例的基础上，进一步优化了上述策略优化因子的计算方法。相应的，如图4所示，本实施例的方法具体包括：
S410、获取光伏电站运维系统基于运维策略执行得到的策略执行结果信息集。
S420、根据策略执行结果信息集，以预设维度的最优解为目标，确定优化结果信息集。
S430、确定光伏电站运维系统在时间维度的自身优化因子。
由于优化结果信息集中包括满足运维目标的多组优化结果信息，每组优化结果信息的运维时间均不相同，可以根据优化结果信息集确定光伏电站运维系统在时间维度的自身优化因子。
可选地，迭代因子包括第一迭代因子。具体地，第一迭代因子μ∈[μminμmax]，其中，第一迭代因子μ的范围在最小值μmin和最大值μmax之间，可以通过云计算系统随机从最小值μmin和最大值μmax之间选取第一迭代因子μ的值，也可以选取经验值。
可选地，确定光伏电站运维系统在时间维度的自身优化因子，包括：根据第一迭代因子和优化结果信息集中各维度优化结果信息的平均值确定光伏电站运维系统在时间维度的自身优化因子。
具体地，自身优化因子为每个光伏电站对应的优化因子，每个光伏电站对应的优化结果信息集可以是矩阵的形式，矩阵中的每一列可以对应不同维度的优化结果信息，例如，每一列分别是运维收益、运维精准和响应效率，矩阵中的每一行分别是不同时间维度的优化结果信息，可以结合第一迭代因子，以及优化结果信息集中各维度优化结果信息的平均值确定光伏电站运维系统在时间维度的自身优化因子。
可选地，自身优化因子计算为：
其中，Ct为光伏电站的自身优化因子，μ为第一迭代因子，μmin为第一迭代因子的最小值，μmax为第一迭代因子的最大值，Cd为优化结果信息集，N为优化结果信息的个数，Kmi为第i维度的优化结果信息，m的取值范围为1-N。
示例性地，当优化结果信息包括运维收益、运维精准和响应效率三个维度时，i＝3，代表经过第一迭代因子μ迭代后的第i维度的所有优化结果信息的平均值，这样能够根据光伏电站运维系统的优化结果信息确定适合电站自身运维特性的自身优化因子。
S440、计算多个光伏电站运维系统在时间维度和空间维度的多电站优化因子。
对于多个光伏电站构成的系统，n个光伏电站的信息集J可表示如下：
其中，[s1 s2 … sn]为电站集合S，s1 s2 … sn分别代表不同的光伏电站，Asn为光伏电站n的运维策略的输入输出信息集，Bsn为光伏电站n的策略执行结果信息集，Csn为光伏电站n的策略优化因子集。
可选地，迭代因子包括第二迭代因子。具体地，第二迭代因子λ∈[λminλmax]，其中，第二迭代因子λ的范围在最小值λmin和最大值λmax之间，可以通过云计算系统随机从最小值λmin和最大值λmax之间选取第二迭代因子λ的值，也可以选取经验值。
可选地，计算多个光伏电站运维系统在时间维度和空间维度的多电站优化因子，包括：根据多个电站的策略执行结果信息集，以预设维度的最优解为目标，确定多电站优化结果信息集；根据第二迭代因子和多电站优化结果信息集中各维度多电站优化结果信息的平均值确定多电站优化因子。
具体地，可以获取多个电站的策略执行结果信息集的合集，从合集中筛选出运维收益满足预设收益、运维精准满足预设精准，且响应效率满足预设效率的策略执行结果信息作为多电站优化结果信息集，其中，多电站优化结果信息集包括多个电站不同空间维度和不同时间维度的优化结果信息。第二迭代因子为多个光伏电站对应的优化因子，多电站优化结果信息集可以是矩阵的形式，矩阵中的每一列可以对应不同维度的优化结果信息，例如，每一列分别是运维收益、运维精准和响应效率，矩阵中的每一行分别是多电站不同空间维度以及不同时间维度的优化结果信息，可以结合第二迭代因子，以及多电站优化结果信息中各维度优化结果信息的平均值确定多个光伏电站构成的整体运维系统的多电站优化因子。
可选地，多电站优化因子计算为：
其中，Cst为多电站优化因子，λ为第二迭代因子，λmin为第二迭代因子的最小值，λmax为第二迭代因子的最大值，M为多电站优化结果信息的个数，Kmi为第i维度的多电站优化结果信息，m的取值范围为1-M。
示例性地，当多电站优化结果信息包括运维收益、运维精准和响应效率三个维度时，i＝3，代表经过第二迭代因子λ迭代后的第i维度的所有多电站优化结果信息的平均值，这样能够根据多个光伏电站运维系统的优化结果信息确定适合整体电站系统运维特性的多电站优化因子。
S450、根据自身优化因子和自身最优权重，以及多电站优化因子和多电站最优权重计算光伏电站运维系统的策略优化因子。
具体地，自身最优权重为光伏电站考虑自身运维目标和特性的比重，多电站最优权重为光伏电站考虑多个电站构成的整体系统的运维目标和特性的比重，各权重的大小表示各光伏电站运维系统的策略优化因子倾向于自身电站还是整体电站，每个光伏电站运维系统可以结合自身和整体的运维考量设置不同的自身最优权重和多电站最优权重，并基于自身优化因子和自身最优权重，以及多电站优化因子和多电站最优权重确定各光伏电站运维系统的策略优化因子。
可选地，光伏电站运维系统的策略优化因子计算为：
C＝p Ctm+g Cst；
p+g≤1
其中，C为光伏电站运维系统的策略优化因子，Ctm为光伏电站运维系统m的自身优化因子，Cst为多电站优化因子，p为自身最优权重，g为多电站最优权重。
S460、根据策略优化因子对光伏电站运维系统的运维策略进行迭代。
本实施例的技术方案，根据各电站运维系统在时间维度的自身优化因子和自身最优权重，以及多电站运维系统在时间维度和空间维度的多电站优化因子和多电站最优权重确定各光伏电站运维系统的策略优化因子，基于该策略优化因子对运维策略进行迭代，能够兼顾光伏电站自身运维特性和整体运维特性，使运维决策更具有电站自身特性，不同的光伏电站能够得到适合自身的最优运维策略，做到电站级特色最优运维。
可选地，以预设维度的最优解为目标，确定优化结果信息集算法的合集为最优解算法集。相应的，光伏电站运维策略优化方法还包括：根据最优解算法集中每个最优解算法的迭代因子对最优解算法集进行迭代。
具体地，最优解算法集包括各预设维度的优化结果信息的最优解算法，例如，可以是由运维收益最优解算法、运维精准最优解算法、响应效率最优解算法、以运维收益综合目标最优解组成的最优解集。最优解算法集以光伏电站运维系统的运维策略的输入输出信息集A、策略执行结果信息集B和策略优化因子集C为信息输入源。最优解的寻找一种是在同一电站的不同时间维度中寻找，一种是在不同电站的空间维度寻找，将时间维度和空间维度加入到最优解寻找过程。
本实施例采用了分别根据运维收益、运维精准和响应效率对策略执行结果信息进行排序，筛选出运维收益满足预设收益、运维精准满足预设精准，且响应效率满足预设效率的策略执行结果信息，并根据策略执行结果信息对应的路径信息确定优化结果信息集的最优解算法，根据该最优解算法确定了优化结果信息集。实际应用时，还可以有多种其他的最优解算法，可以根据实际的运维目标和运维特性确定各预设维度的最优解。
可选地，最优解算法集的迭代表示为：
Yi＝γiyi1+…+γijyij+…+γikyik；
γi1+…+γij+…+γik≤1；
其中，Yi为迭代至第i代的最优解算法集，yi1为迭代至第i代的最优解算法yi1，γi1为最优解算法yi1对应的迭代因子，yij为迭代至第i代的最优解算法yij，γij为最优解算法yij对应的迭代因子，yik为迭代至第i代的最优解算法yik，γik为最优解算法yik对应的迭代因子。
其中，各维度的最优解算法对应的迭代因子可以通过云计算系统自动选取，或根据经验进行选取，满足所有迭代因子之和小于等于1即可，每个迭代因子代表其对应的最优解算法在最优解算法集中所占的比重。光伏电站运维系统每运维一次都可以迭代一次新的最优解算法集，这样每次运维都能够根据迭代后的最优解算法集确定优化结果信息集，由迭代因子和优化结果信息集计算得到策略优化因子，即通过最优解算法集的更新实现了策略优化因子的迭代，能够根据最优解算法集动态调整每次运维中采用的策略优化因子，实现了策略优化因子的自学习迭代过程。
本实施例针对光伏电站运维系统的数据分析策略和运维策略提供一种运维策略优化方法，通过优化智能运维内部各策略机制，使各策略能适应不同环境的光伏电站，每个光伏电站得到适合自身特点的最优运维决策，从而使运维收益、运维效率、运维精准最大化，使光伏电站的智能运维精细化到电站级特色最优运维。对运维策略的迭代优化，充分发挥物联网时代下大数据优势，数据越大越能突显内部策略机制迭代优化后的运维优势，实现每个电站的低成本高收益、高效率高精准自身特色运维。
图5是本发明实施例提供的一种光伏电站运维策略的迭代结构示意图。本实施例可以上述实施例为基础，对光伏电站运维策略优化方法的具体迭代过程进行进一步的说明。如图5所示，具体地，运维系统根据策略输入信息Ain基于运维策略信息集R计算可以得到策略输出信息Aout，经过运维执行集E[Eau,Ema]进行自动运维和/或人工运维后得到实际的策略输出信息，对比实际的策略输出信息和计算得到的策略输出信息Aout可以确定策略执行结果信息集B，通过最优解算法集Y从策略执行结果信息集B中确定满足预设维度的最优解的策略优化因子集C，从而在下一次运维中，利用策略优化因子集C对运维策略信息集R进行迭代，形成了运维策略信息集R的外层迭代闭环，在下一次运维中，最优解算法集Y自身可以继续迭代，通过迭代后的最优解算法集Y从根据上次运维结果确定的新的策略执行结果信息集B中确定新的策略优化因子集C，形成了策略优化因子集C和最优解算法集Y的内层迭代闭环，实现了光伏电站运维策略的双闭环迭代。
可选地，通过光伏电站信息管理规则对光伏电站初始信息进行筛选和归类，以确定与光伏电站运维特性相关的运维策略输入信息。具体地，光伏电站现场包括多种初始信息，例如环境信息、组件运行信息和运维系统信息等，可以通过光伏电站信息管理规则筛选出不同光伏电站运维系统执行运维策略时的运维策略输入信息，并对筛选出的数据进行不同维度信息的归类，以根据不同光伏电站的运维目标和特性确定信息源。
可选地，根据策略优化因子对光伏电站信息管理规则进行迭代。具体地，可以通过策略优化因子对光伏电站信息管理规则进行迭代和优化，以根据每次的运维结果改善光伏电站信息管理规则，提升了运维系统的数据分析能力。
图6是本发明实施例提供的一种光伏电站运维系统的结构示意图。本实施例可以上述实施例为基础，对光伏电站运维策略优化方法的具体迭代过程进行进一步的说明。如图6所示，具体地，电站信息模块1能够获取多种光伏电站初始信息，通过信息管理规则模块2进行筛选和归类，确定与光伏电站运维特性相关的运维策略输入信息并存储至电站信息数据库模块3，电站信息数据库模块3将运维策略输入信息发送至各策略算法模块4，经计算可以得到策略输出信息并发送至各策略结果模块5，决策库模块7提供决策，经过实际运维并结合各策略结果模块5中的策略输出信息，使各策略执行效果模块6得到各运维策略的实际执行效果，并得出相应的策略执行效果信息，各策略结果模块5和各策略执行效果模块6将策略输出信息和策略执行效果信息输出至知识库模块8以供系统进行学习和存储，决策库模块7、知识库模块8和电站信息数据库模块3将各自的信息输出至光伏电站运维系统的优化自学习策略模块20中的知识源获取单元9，规则改进策略单元10根据接收到的各类信息源对最优解算法进行改进，指导对比规则单元11对接收到的策略输出信息和策略执行效果信息进行对比，得到策略执行结果信息，由优化分析策略单元12分析各类优化策略得到策略优化因子，通过优化结果决策规则单元13根据策略执行结果信息和策略优化因子确定优化结果信息，并通过优化输出结果单元14输出。优化自学习模块20最终输出信息至决策库模块7和知识库模块8进行数据存储和分析，并对信息管理规则2和各策略算法模块4迭代优化，以指导下一次的运维。本实施例的技术方案中，信息管理规则模块2、电站信息数据库模块3、各策略算法模块4、各策略结果模块5、各策略执行效果模块6和优化自学习策略模块20构成了运维系统的外闭环，实现运维系统各种运维策略的迭代，优化自学习策略模块20中的各单元构成内闭环，将电站信息数据库模块3、各策略结果模块5、各策略执行效果模块6、决策库模块7和知识库模块8作为自学习策略的知识获取源，通过内部的规则改进策略，对信息管理规则模块2中的信息管理规则和各策略算法模块4中的策略算法进行优化，随着双闭环的迭代反馈，不断优化各种数据分析策略和运维策略。图7是本发明实施例提供的一种光伏电站运维策略优化装置的结构示意图。本实施例可适用于优化光伏电站运维策略的情况。本发明实施例所提供的光伏电站运维策略优化装置可执行本发明任意实施例所提供的光伏电站运维策略优化方法，具备执行方法相应的功能模块和有益效果。
如图7所示，该装置具体包括：策略执行结果信息集获取模块710、优化结果信息集确定模块720、策略优化因子计算模块730和运维策略迭代模块740，其中：
策略执行结果信息集获取模块710，用于获取光伏电站运维系统基于运维策略执行得到的策略执行结果信息集；
优化结果信息集确定模块720，用于根据策略执行结果信息集，以预设维度的最优解为目标，确定优化结果信息集；
策略优化因子计算模块730，用于基于迭代因子和优化结果信息集计算得到策略优化因子；
运维策略迭代模块740，用于根据策略优化因子对光伏电站运维系统的运维策略进行迭代。
本发明实施例所提供的光伏电站运维策略优化装置可执行本发明任意实施例所提供的光伏电站运维策略优化方法，具备执行方法相应的功能模块和有益效果。
可选地，预设维度包括运维收益、运维精准和响应效率中的至少一种；
优化结果信息集确定模块还用于：确定策略执行结果信息集中各策略执行结果信息的路径信息，其中，路径信息包括运维环境信息、运维输入信息、运维策略及对应的策略优化因子；分别根据运维收益、运维精准和响应效率对策略执行结果信息进行排序；筛选出运维收益满足预设收益、运维精准满足预设精准，且响应效率满足预设效率的策略执行结果信息，并根据策略执行结果信息对应的路径信息确定优化结果信息集。
可选地，策略优化因子计算模块还用于：确定光伏电站运维系统在时间维度的自身优化因子；计算多个光伏电站运维系统在时间维度和空间维度的多电站优化因子；根据自身优化因子和自身最优权重，以及多电站优化因子和多电站最优权重计算光伏电站运维系统的策略优化因子。
可选地，光伏电站运维系统的策略优化因子计算为：
C＝p Ctm+g Cst；
p+g≤1
其中，C为光伏电站运维系统的策略优化因子，Ctm为光伏电站运维系统m的自身优化因子，Cst为多电站优化因子，p为自身最优权重，g为多电站最优权重。
可选地，迭代因子包括第一迭代因子；
策略优化因子计算模块还用于：根据第一迭代因子和优化结果信息集中各维度优化结果信息的平均值确定光伏电站运维系统在时间维度的自身优化因子。
可选地，自身优化因子计算为：
其中，Ct为自身优化因子，μ为第一迭代因子，μmin为第一迭代因子的最小值，μmax为第一迭代因子的最大值，Cd为优化结果信息集，N为优化结果信息的个数，Kmi为第i维度的优化结果信息，m的取值范围为1-N。
可选地，迭代因子包括第二迭代因子；
策略优化因子计算模块还用于：根据多个电站的策略执行结果信息集，以预设维度的最优解为目标，确定多电站优化结果信息集；根据第二迭代因子和多电站优化结果信息集中各维度多电站优化结果信息的平均值确定多电站优化因子。
可选地，多电站优化因子计算为：
其中，Cst为多电站优化因子，λ为第二迭代因子，λmin为第二迭代因子的最小值，λmax为第二迭代因子的最大值，M为多电站优化结果信息的个数，Kmi为第i维度的多电站优化结果信息，m的取值范围为1-M。
可选地，以预设维度的最优解为目标，确定优化结果信息集算法的合集为最优解算法集；
光伏电站运维策略优化装置还包括：最优解算法集迭代模块，用于根据最优解算法集中每个最优解算法的迭代因子对最优解算法集进行迭代；
可选地，最优解算法集的迭代表示为：
Yi＝γiyi1+…+γijyij+…+γikyik；
γi1+…+γij+…+γik≤1；
其中，Yi为迭代至第i代的最优解算法集，yi1为迭代至第i代的最优解算法yi1，γi1为最优解算法yi1对应的迭代因子，yij为迭代至第i代的最优解算法yij，γij为最优解算法yij对应的迭代因子，yik为迭代至第i代的最优解算法yik，γik为最优解算法yik对应的迭代因子。
图8是本发明实施例提供的一种终端的结构示意图。图8示出了适于用来实现本发明实施方式的示例性设备812的框图。图8显示的设备812仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图8所示，设备812以通用设备的形式表现。设备812的组件可以包括但不限于：一个或者多个处理器816，存储装置828，连接不同系统组件(包括存储装置828和处理器816)的总线818。
总线818表示几类总线结构中的一种或多种，包括存储装置总线或者存储装置控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(Industry SubversiveAlliance，ISA)总线，微通道体系结构(Micro Channel Architecture，MAC)总线，增强型ISA总线、视频电子标准协会(Video Electronics Standards Association，VESA)局域总线以及外围组件互连(Peripheral Component Interconnect，PCI)总线。
设备812典型地包括多种计算机系统可读介质。这些介质可以是任何能够被设备812访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
存储装置828可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(Random Access Memory，RAM)830和/或高速缓存存储器832。设备812可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统838可以用于读写不可移动的、非易失性磁介质(图8未显示，通常称为“硬盘驱动器”)。尽管图8中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘，例如只读光盘(Compact Disc Read-Only Memory，CD-ROM),数字视盘(Digital Video Disc-Read Only Memory，DVD-ROM)或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线818相连。存储装置828可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块882的程序/实用工具880，可以存储在例如存储装置828中，这样的程序模块882包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块882通常执行本发明所描述的实施例中的功能和/或方法。
设备812也可以与一个或多个外部设备818(例如键盘、指向终端、显示器828等)通信，还可与一个或者多个使得用户能与该设备812交互的终端通信，和/或与使得该设备812能与一个或多个其它计算终端进行通信的任何终端(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口822进行。并且，设备812还可以通过网络适配器820与一个或者多个网络(例如局域网(Local Area Network，LAN)，广域网(Wide Area Network，WAN)和/或公共网络，例如因特网)通信。如图8所示，网络适配器820通过总线818与设备812的其它模块通信。应当明白，尽管图中未示出，可以结合设备812使用其它硬件和/或软件模块，包括但不限于：微代码、终端驱动器、冗余处理器、外部磁盘驱动阵列、磁盘阵列(Redundant Arrays of Independent Disks，RAID)系统、磁带驱动器以及数据备份存储系统等。
处理器816通过运行存储在存储装置828中的程序，从而执行各种功能应用以及数据处理，例如实现本发明实施例所提供的光伏电站运维策略优化方法，该方法包括：
获取光伏电站运维系统基于运维策略执行得到的策略执行结果信息集；
根据策略执行结果信息集，以预设维度的最优解为目标，确定优化结果信息集；
基于迭代因子和优化结果信息集计算得到策略优化因子；
根据策略优化因子对光伏电站运维系统的运维策略进行迭代。
本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明实施例所提供的光伏电站运维策略优化方法，该方法包括：
获取光伏电站运维系统基于运维策略执行得到的策略执行结果信息集；
根据策略执行结果信息集，以预设维度的最优解为目标，确定优化结果信息集；
基于迭代因子和优化结果信息集计算得到策略优化因子；
根据策略优化因子对光伏电站运维系统的运维策略进行迭代。
本发明实施例的计算机存储介质，可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括——但不限于无线、电线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或终端上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (8)

1.一种光伏电站运维策略优化方法，其特征在于，包括：
获取光伏电站运维系统基于运维策略执行得到的策略执行结果信息集；
根据策略执行结果信息集，以预设维度的最优解为目标，确定优化结果信息集；
基于迭代因子和所述优化结果信息集计算得到策略优化因子；
根据所述策略优化因子对光伏电站运维系统的所述运维策略进行迭代；
所述预设维度包括运维收益、运维精准和响应效率中的至少一种；
所述根据策略执行结果信息集，以预设维度的最优解为目标，确定优化结果信息集，包括：
确定策略执行结果信息集中各策略执行结果信息的路径信息，其中，所述路径信息包括运维环境信息、运维输入信息、运维策略及对应的策略优化因子；
分别根据运维收益、运维精准和响应效率对所述策略执行结果信息进行排序；
筛选出运维收益满足预设收益、运维精准满足预设精准，且响应效率满足预设效率的策略执行结果信息，并根据所述策略执行结果信息对应的路径信息确定优化结果信息集；
所述基于迭代因子和所述优化结果信息集计算得到策略优化因子，包括：
确定光伏电站运维系统在时间维度的自身优化因子；
计算多个光伏电站运维系统在时间维度和空间维度的多电站优化因子；
根据所述自身优化因子和自身最优权重，以及所述多电站优化因子和多电站最优权重计算光伏电站运维系统的策略优化因子。
2.根据权利要求1所述的光伏电站运维策略优化方法，其特征在于，光伏电站运维系统的策略优化因子计算为：
C＝p Ctm+g Cst；
p+g≤1
其中，C为光伏电站运维系统的策略优化因子，Ctm为光伏电站运维系统m的自身优化因子，Cst为所述多电站优化因子，p为所述自身最优权重，g为所述多电站最优权重。
3.根据权利要求1所述的光伏电站运维策略优化方法，其特征在于，所述迭代因子包括第一迭代因子；
确定光伏电站运维系统在时间维度的自身优化因子，包括：
根据第一迭代因子和所述优化结果信息集中各维度优化结果信息的平均值确定光伏电站运维系统在时间维度的自身优化因子。
4.根据权利要求3所述的光伏电站运维策略优化方法，其特征在于，所述自身优化因子计算为：
μ∈[μminμmax]；
其中，Ct为所述自身优化因子，μ为所述第一迭代因子，μmin为第一迭代因子的最小值，μmax为第一迭代因子的最大值，Cd为所述优化结果信息集，N为所述优化结果信息的个数，Kmi为第i维度的优化结果信息，m的取值范围为1-N。
5.根据权利要求1所述的光伏电站运维策略优化方法，其特征在于，所述迭代因子包括第二迭代因子；
计算多个光伏电站运维系统在时间维度和空间维度的多电站优化因子，包括：
根据多个电站的策略执行结果信息集，以预设维度的最优解为目标，确定多电站优化结果信息集；
根据第二迭代因子和所述多电站优化结果信息集中各维度多电站优化结果信息的平均值确定多电站优化因子。
6.根据权利要求5所述的光伏电站运维策略优化方法，其特征在于，所述多电站优化因子计算为：
λ∈[λminλmax]；
其中，Cst为所述多电站优化因子，λ为所述第二迭代因子，λmin为所述第二迭代因子的最小值，λmax为所述第二迭代因子的最大值，M为所述多电站优化结果信息的个数，Kmi为第i维度的多电站优化结果信息，m的取值范围为1-M。
7.根据权利要求1所述的光伏电站运维策略优化方法，其特征在于，以预设维度的最优解为目标，确定优化结果信息集算法的合集为最优解算法集；
所述光伏电站运维策略优化方法还包括：
根据所述最优解算法集中每个最优解算法的迭代因子对所述最优解算法集进行迭代；
所述最优解算法集的迭代表示为：
Yi＝γiyi1+…+γijyij+…+γikyik；
γi1+…+γij+…+γik≤1；
其中，Yi为迭代至第i代的最优解算法集，yi1为迭代至第i代的最优解算法yi1，γi1为最优解算法yi1对应的迭代因子，yij为迭代至第i代的最优解算法yij，γij为最优解算法yij对应的迭代因子，yik为迭代至第i代的最优解算法yik，γik为最优解算法yik对应的迭代因子。
8.一种光伏电站运维策略优化装置，其特征在于，包括：
策略执行结果信息集获取模块，用于获取光伏电站运维系统基于运维策略执行得到的策略执行结果信息集；
优化结果信息集确定模块，用于根据策略执行结果信息集，以预设维度的最优解为目标，确定优化结果信息集；
策略优化因子计算模块，用于基于迭代因子和所述优化结果信息集计算得到策略优化因子；
运维策略迭代模块，用于根据所述策略优化因子对光伏电站运维系统的所述运维策略进行迭代；
所述预设维度包括运维收益、运维精准和响应效率中的至少一种；
所述优化结果信息集确定模块，还用于确定策略执行结果信息集中各策略执行结果信息的路径信息，其中，路径信息包括运维环境信息、运维输入信息、运维策略及对应的策略优化因子；
分别根据运维收益、运维精准和响应效率对所述策略执行结果信息进行排序；
筛选出运维收益满足预设收益、运维精准满足预设精准，且响应效率满足预设效率的策略执行结果信息，并根据所述策略执行结果信息对应的路径信息确定优化结果信息集；
所述策略优化因子计算模块，还用于确定光伏电站运维系统在时间维度的自身优化因子；
计算多个光伏电站运维系统在时间维度和空间维度的多电站优化因子；
根据所述自身优化因子和自身最优权重，以及所述多电站优化因子和多电站最优权重计算光伏电站运维系统的策略优化因子。
CN201911294932.0A 2019-12-16 2019-12-16 光伏电站运维策略优化方法和装置 Active CN111046321B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911294932.0A CN111046321B (zh) 2019-12-16 2019-12-16 光伏电站运维策略优化方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911294932.0A CN111046321B (zh) 2019-12-16 2019-12-16 光伏电站运维策略优化方法和装置

Publications (2)

Publication Number Publication Date
CN111046321A CN111046321A (zh) 2020-04-21
CN111046321B true CN111046321B (zh) 2024-03-01

Family

ID=70236882

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911294932.0A Active CN111046321B (zh) 2019-12-16 2019-12-16 光伏电站运维策略优化方法和装置

Country Status (1)

Country Link
CN (1) CN111046321B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112734464A (zh) * 2020-12-31 2021-04-30 晶科能源股份有限公司 项目成本预测方法、装置以及电子设备

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107589735A (zh) * 2017-08-31 2018-01-16 远景能源（江苏）有限公司 光伏运维机器人系统
CN109255486A (zh) * 2018-09-14 2019-01-22 阿里巴巴集团控股有限公司 一种策略配置的优化方法及装置

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9183742B2 (en) * 2012-10-26 2015-11-10 Xerox Corporation Methods, systems and processor-readable media for optimizing intelligent transportation system strategies utilizing systematic genetic algorithms
US20160335551A1 (en) * 2015-05-12 2016-11-17 Sap Se Optimization of fraud detection strategies

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107589735A (zh) * 2017-08-31 2018-01-16 远景能源（江苏）有限公司 光伏运维机器人系统
CN109255486A (zh) * 2018-09-14 2019-01-22 阿里巴巴集团控股有限公司 一种策略配置的优化方法及装置

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
司国锦 ; 夏唐斌 ; 宋亚 ; 奚立峰 ; .面向租赁服务网络广域运维的3层机会维护调度策略.上海交通大学学报.2019,(第04期),全文. *
宋诗 ; 钱辰辰 ; .基于云平台的光伏电站运维管理系统设计.电器与能效管理技术.2015,(第24期),全文. *
许沛东 ; 方华亮 ; 王海鸣 ; 苏永春 ; .基于风险评估与灵敏度聚类的输电线路逐级运维策略.电网技术.2018,(第09期),全文. *
马奔正.电力操作队最优运维策略的研究.中国优秀硕士学位论文全文数据库.2011,(11),全文. *

Also Published As

Publication number Publication date
CN111046321A (zh) 2020-04-21

Similar Documents

Publication Publication Date Title
Almalaq et al. Evolutionary deep learning-based energy consumption prediction for buildings
CN109063939B (zh) 一种基于邻域门长短期记忆网络的风速预测方法及系统
KR20210103928A (ko) 태스크 병렬 처리 구현 방법, 장치, 기기 및 매체
WO2023005120A1 (zh) 楼宇能耗预测方法、装置、计算机设备和存储介质
CN104077311B (zh) 车辆位置索引方法及装置
Liang et al. Towards online deep learning-based energy forecasting
CN115730755A (zh) 一种双碳目标实现路径规划方法、装置、终端设备及介质
CN113568954A (zh) 网络流量预测数据预处理阶段的参数最优化方法及系统
Sun et al. Spatiotemporal wind power forecasting approach based on multi-factor extraction method and an indirect strategy
CN110413927B (zh) 在发布订阅系统中基于匹配实时性的优化方法及系统
CN116702992A (zh) 一种发电功率预测方法、装置、电子设备及存储介质
CN111046321B (zh) 光伏电站运维策略优化方法和装置
CN115759365A (zh) 光伏发电功率的预测方法及相关设备
CN117171893B (zh) 基于人工智能的无人机飞行短板分析方法及系统
CN110598122B (zh) 社交群体挖掘方法、装置、设备及存储介质
Yang et al. Evolutionary neural architecture search for transformer in knowledge tracing
CN110717116A (zh) 关系网络的链接预测方法及系统、设备、存储介质
CN112766402A (zh) 算法选择方法、装置和电子设备
Pan et al. Compact sine cosine algorithm applied in vehicle routing problem with time window
Zhao et al. Forecasting short-term oil price with a generalised pattern matching model based on empirical genetic algorithm
CN115310355A (zh) 考虑多能耦合的综合能源系统多元负荷预测方法及系统
CN112488343B (zh) 一种基于超启发式算法的智慧城市智能感知终端选址方法
Li et al. Parallel k-dominant skyline queries over uncertain data streams with capability index
Zhang et al. A crowd-AI dynamic neural network hyperparameter optimization approach for image-driven social sensing applications
CN116027829A (zh) 机房温度控制方法、装置、设备及存储介质

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
CB02 Change of applicant information

Address after: High tech Zone of Hefei city of Anhui Province in 230088 Lake Road No. 2

Applicant after: Sunshine New Energy Development Co.,Ltd.

Address before: High tech Zone of Hefei city of Anhui Province in 230088 Lake Road No. 2

Applicant before: Sunshine New Energy Development Co.,Ltd.

Address after: High tech Zone of Hefei city of Anhui Province in 230088 Lake Road No. 2

Applicant after: Sunshine New Energy Development Co.,Ltd.

Address before: 230088 6th floor, R & D center building, no.1699 Xiyou Road, high tech Zone, Hefei City, Anhui Province

Applicant before: HEFEI SUNGROW RENEWABLE ENERGY SCI. & TECH. Co.,Ltd.

CB02 Change of applicant information
GR01 Patent grant
GR01 Patent grant