CN111555716B - 光伏阵列工作状态的确定方法、装置、设备及存储介质 - Google Patents
光伏阵列工作状态的确定方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN111555716B CN111555716B CN202010177188.2A CN202010177188A CN111555716B CN 111555716 B CN111555716 B CN 111555716B CN 202010177188 A CN202010177188 A CN 202010177188A CN 111555716 B CN111555716 B CN 111555716B
- Authority
- CN
- China
- Prior art keywords
- current
- current value
- photovoltaic
- photovoltaic array
- historical
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 55
- 230000002159 abnormal effect Effects 0.000 claims description 38
- 238000005070 sampling Methods 0.000 claims description 28
- 238000012423 maintenance Methods 0.000 claims description 11
- 238000010248 power generation Methods 0.000 claims description 10
- 230000004044 response Effects 0.000 claims description 10
- 238000012216 screening Methods 0.000 claims description 10
- 238000007689 inspection Methods 0.000 claims description 3
- 239000006185 dispersion Substances 0.000 description 23
- 238000012545 processing Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 8
- 238000012544 monitoring process Methods 0.000 description 7
- 238000012360 testing method Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000009434 installation Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000007781 pre-processing Methods 0.000 description 3
- 230000001960 triggered effect Effects 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 239000011521 glass Substances 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 229910000831 Steel Inorganic materials 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 239000012528 membrane Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 230000000153 supplemental 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
- H02S50/10—Testing of PV devices, e.g. of PV modules or single PV cells
-
- 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
-
- 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
- H02S50/15—Testing of PV devices, e.g. of PV modules or single PV cells using optical means, e.g. using electroluminescence
-
- 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
- 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
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Photovoltaic Devices (AREA)
- Testing Of Individual Semiconductor Devices (AREA)
Abstract
本申请实施例公开了一种光伏阵列工作状态的确定方法、装置、设备及存储介质,属于光伏技术领域。该方法包括:获取光伏阵列的当前工作状态数据,光伏阵列中包括至少两个并联的光伏组串,当前工作状态数据包含光伏组串的当前输出电流值和光伏组串对应的当前辐照度;根据当前工作状态数据确定光伏阵列的当前特征参数,当前特征参数包括当前特征电流值、当前电流离散率和当前辐照度;将当前特征参数与光伏阵列的标准特征参数进行对比,确定光伏阵列的工作状态,通过比较根据实时工作状态数据确定的当前特征参数与标准特征参数,来确定光伏阵列的当前工作状态,可以提高确定光伏阵列工作状态的准确率。
Description
技术领域
本申请实施例涉及光伏技术领域,特别涉及一种光伏阵列工作状态的确定方法、装置、设备及存储介质。
背景技术
在光伏场站的实际运行过程中,由于存在局部阴影遮挡、部分区域积灰严重或部分光伏组件故障等问题,导致光伏组件输出电流减少,从而使得光伏组串输出电流失配较高,给光伏场站带来发电量损失。
在相关技术中,由于光伏组件故障可能导致光伏组件的温度过高或过低,使得故障光伏组件在红外图像中的颜色区别与其他正常光伏组件,因此可以通过配置有红外图像采集设备的无人机,利用红外图像采集设备对光伏组件进行图像采集,根据采集到的红外图像信息确定光伏阵列中光伏组件的工作状态。
然而,采集到的红外图像容易受到场站环境因素的影响,比如,场站的环境温度,使得故障光伏组件和正常光伏组件在红外图像中,区别度较低,从而导致确定光伏阵列的工作状态的精确度较低。
发明内容
本申请实施例提供了一种光伏阵列工作状态的确定方法、装置、设备及存储介质。所述技术方案如下:
一方面,本申请实施例提供了一种光伏阵列工作状态的确定方法,所述方法包括:
获取光伏阵列的当前工作状态数据,所述光伏阵列中包括至少两个并联的光伏组串,所述当前工作状态数据包含所述光伏组串的当前输出电流值和所述光伏组串对应的当前辐照度;
根据所述当前工作状态数据确定所述光伏阵列的当前特征参数,所述当前特征参数用于表征所述光伏阵列当前工作状态的特征,所述当前特征参数包括当前特征电流值、当前电流离散率和所述当前辐照度;
将所述当前特征参数与所述光伏阵列的标准特征参数进行对比,确定所述光伏阵列的工作状态,所述标准特征参数由所述光伏阵列的历史工作状态数据确定,所述标准特征参数包括所述光伏组串对应的标准特征电流值、标准电流离散率和标准辐照度。
另一方面,本申请实施例提供了一种光伏阵列工作状态的确定装置,所述装置包括:
第一获取模块,用于获取光伏阵列的当前工作状态数据,所述光伏阵列中包括至少两个并联的光伏组串,所述当前工作状态数据包含所述光伏组串的当前输出电流值和所述光伏组串对应的当前辐照度;
第一确定模块,用于根据所述当前工作状态数据确定所述光伏阵列的当前特征参数,所述当前特征参数用于表征所述光伏阵列当前工作状态的特征,所述当前特征参数包括当前特征电流值、当前电流离散率和所述当前辐照度;
第二确定模块,用于将所述当前特征参数与所述光伏阵列的标准特征参数进行对比,确定所述光伏阵列的工作状态,所述标准特征参数由所述光伏阵列的历史工作状态数据确定,所述标准特征参数包括所述光伏组串对应的标准特征电流值、标准电流离散率和标准辐照度。
另一方面,本申请实施例提供了一种计算机设备,所述计算机设备包括处理器和存储器,所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集,所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现如上述方面所述的光伏阵列工作状态的确定方法。
另一方面,本申请实施例提供了一种计算机可读存储介质,所述计算机可读存储介质中存储有至少一条指令、至少一段程序、代码集或指令集,所述至少一条指令、所述至少一段程序、所述代码集或指令集由处理器加载并执行以实现如上述方面所述的光伏阵列工作状态的确定方法。
本申请实施例提供的技术方案带来的有益效果至少包括:
获取光伏阵列的当前工作状态数据(光伏组串的当前输出电流值和光伏组串对应的当前辐照度),并根据当前工作状态数据确定光伏阵列的当前特征参数(当前特征电流值、当前电流离散率和当前辐照度),以便将当前特征参数与光伏阵列的标准特征参数(标准特征电流值、标准电流离散率和标准辐照度)进行对比,从而确定光伏阵列的工作状态。通过比较根据实时工作状态数据确定的当前特征参数与标准特征参数,来确定光伏阵列的当前工作状态,由于当前特征参数可以实时反映光伏阵列的工作状态特征,相比相关技术中通过红外图像确定工作状态的方式,可以避免环境温度对红外图像的干扰,从而提高了确定光伏阵列工作状态的准确率。
附图说明
图1示出了本申请一个示例性实施例提供的实施环境的示意图;
图2示出了本申请一个示例性实施例示出的光伏阵列工作状态的确定方法的流程图;
图3示出了本申请一个示例性实施例示出的对历史工作状态数据进行预处理的方法的流程图;
图4示出了本申请一个示例性实施例示出的确定标准特征参数的方法的流程图;
图5示出了本申请一个示例性实施例示出的第一特征曲线的示意图;
图6示出了本申请另一个示例性实施例示出的光伏阵列工作状态的确定方法的流程图;
图7示出了本申请另一个示例性实施例示出的光伏阵列工作状态的确定方法的流程图;
图8示出了本申请另一个示例性实施例示出的光伏阵列工作状态的确定方法的流程图;
图9示出了本申请一个示例性实施例提供的光伏阵列工作状态的确定装置的结构框图;
图10示出了本申请一个示例性实施例提供的计算机设备的结构方框图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合附图对本申请实施方式作进一步地详细描述。
在本文中提及的“多个”是指两个或两个以上。“和/或”,描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
在光伏组件发生故障时,存在两种情况,一种情况是,光伏组件损坏或是光伏组件受到遮挡,导致光伏组件的温度升高;第二种情况是,光伏组件由于旁路二极管发生短路,即光伏组件不工作,导致光伏组件的温度较低。由于正常光伏组件与故障光伏组件存在温度上的差异,因此,相关技术中提供了一种确定光组件工作状态的方式,通过配置有红外图像采集设备的无人机,对光伏场站中的光伏组件进行巡检,该方法根据采集到的红外图像信息,来确定光伏组件的工作状态。
采用上述相关技术中的方法,由于红外图像信息受温度的影响较大,当光伏场站的环境温度较高或较低时,可能无法区分正常光伏组件和故障光伏组件,导致漏报或误报情况的发生,使得确定光伏组件工作状态的准确率比较低。
为了解决上述问题,本申请实施例提供了一种确定光伏阵列工作状态的方法。请参考图1,其示出了本申请一个示例性实施例提供的实施环境的示意图。该实施环境中包括光伏阵列101和监控平台102。
光伏阵列101是由多个光伏组串并联形成的光伏发电系统,指与单个汇流箱连接的所有光伏组串的集合。在实际光伏场站中,包含多个光伏阵列101,光伏阵列101中各个光伏组串输出的电流经过汇流箱汇流之后,传输至逆变器。通常一个光伏阵列中并联有8-16个光伏组串,每个光伏组串中串联有24个光伏组件。本申请实施例中,光伏阵列101可以设置有采集光伏阵列工作状态数据的传感器,比如,采集光伏组串输出电流的电流传感器、电流互感器等,并将采集到的工作状态数据发送给监控平台102。
光伏阵列101与监控平台102之间通过有线或无线网络相连。
监控平台102是具有存储光伏阵列101发送的工作状态数据、处理该数据以及生成告警记录等功能的计算机设备,其可以是一台服务器,若干台服务器构成的服务器集群或云服务器。本申请实施例中,监控平台102可以获取光伏阵列101发送的工作状态数据,并对该工作状态数据进行分析处理,得到当前特征参数,以便将当前特征参数与标准特征参数进行对比,从而确定光伏阵列的工作状态。可选的,监控平台102也可以将获取到的工作状态数据存储在数据库中,以便后续根据该工作状态数据不断更新标准特征参数。在一种可能的实施方式中,当监控平台102确定出光伏阵列中存在异常光伏组串时,可以生成告警记录,以便运维人员及时了解到光伏阵列的工作状态,并在发生故障时及时解决光伏组串的异常工作状态问题。
为了便于描述,在下述方法实施例中,仅以监控平台102是计算机设备为例进行介绍说明。
请参考图2,其示出了本申请一个示例性实施例示出的光伏阵列工作状态的确定方法的流程图。本实施例以该方法用于计算机设备为例进行说明,该方法包括如下步骤。
步骤201,获取光伏阵列的当前工作状态数据,光伏阵列中包括至少两个并联的光伏组串,当前工作状态数据包含光伏组串的当前输出电流值和光伏组串对应的当前辐照度。
由于光伏阵列是由多个光伏组串并联形成的光伏发电系统,确定光伏阵列的工作状态,就是为了确定各个光伏组串的工作状态,因此,在一种可能的实施方式中,获取到的当前工作状态数据包含各个光伏组串的当前输出电流值和光伏组串对应的当前辐照度。
针对光伏组串的当前输出电流值,可以使用电感线圈检测光伏组串的当前输出电流,并将采集到的当前输出电流值发送给计算机设备;且每一个光伏组串对应一个当前输出电流值,同一采样时刻当前输出电流值的个数取决于光伏阵列中包含的光伏组串的个数,比如,若光伏阵列中包含8个光伏组串,则同一采样时刻对应的当前输出电流值可以包括:I1、I2、I3、I4、I5、I6、I7、I8。
针对光伏组串对应的当前辐照度,可以由光伏场站配备的辐照仪采集得到,其中,辐照仪的安装方式可以是水平安装(即水平辐照仪),通过水平辐照仪采集到的辐照度数据需要转换为与光伏阵列倾角对应的辐照度数据;也可以采用与光伏阵列倾角相同且朝向相同的安装方式(倾角辐照仪),通过这种安装方式采集到的辐照度即为光伏组串对应的当前辐照度。由于光伏阵列中的光伏组件均采用相同的倾角,因此,同一采集时刻对应一个当前辐照度,示意性的,当前辐照度可以是900W/m2。
可选的,可以每隔预设时间对当前工作状态数据进行采集,预设时间可以是30s,也可以是5min,可以由光伏场站的运维人员根据需求进行设置,本申请实施例对当前工作状态数据的采集时间间隔不构成限定。
步骤202,根据当前工作状态数据确定光伏阵列的当前特征参数,当前特征参数用于表征光伏阵列当前工作状态的特征,当前特征参数包括当前特征电流值、当前电流离散率和当前辐照度。
在一种可能的实施方式中,为了更准确的判断光伏阵列的工作状态,需要对当前工作状态数据进行处理,确定出当前特征参数(用来表征光伏阵列当前工作状态的特征),比如,当前特征电流值,是表征光伏阵列中包含的所有光伏组串中,处于正常工作状态下的光伏组串对应的输出电流值;当前电流离散率,表征光伏阵列包含的各个光伏组串的发电性能,若当前电流离散率较低,表明各个光伏组串的发电性能一致性较好(即各个光伏组串的输出电流值偏差较小),若当前电流离散率较高,表明各个光伏组串的输出电流值偏差较大,发电性能较差,可能某一光伏组串中的存在故障光伏组件。
示意性的,当前特征电流值可以用IK表示,当前电流离散率用CVt来表示,当前辐照度POAt来表示。
步骤203,将当前特征参数与光伏阵列的标准特征参数进行对比,确定光伏阵列的工作状态。
其中,标准特征参数由光伏阵列的历史工作状态数据确定,示意性的,可以采集该光伏阵列对应的一段时间内的历史工作状态数据,比如,历史输出电流值、历史辐照度等。
可选的,可以采集6个月内的光伏阵列对应的历史工作状态数据,来分析得到该光伏阵列对应的标准特征参数。
在一种可能的实施方式中,通过分析该光伏阵列对应的历史工作状态数据,可以得到该光伏阵列对应的标准特征参数,比如,光伏组串对应的标准特征电流值(Iref)、标准电流离散率(CVts)和标准辐照度(POAref)等。从而将得到的标准特征参数与当前特征参数进行比较,若符合预设的逻辑关系,则输出光伏阵列工作状态正常,若不符合预设的逻辑关系,则输出光伏阵列的工作状态异常。
其中,预设的逻辑关系可以是当前特征电流值小于等于标准特征电流值(IK≤Iref),当前辐照度小于等于标准辐照度(POAt≤POAref),当前电流离散率小于等于标准电流离散率(CVt≤CVts)等。
综上所述,本申请实施例中,通过实时获取光伏阵列的当前工作状态数据(光伏组串的当前输出电流值和光伏组串对应的当前辐照度),并根据当前工作状态数据确定光伏阵列的当前特征参数(当前特征电流值、当前电流离散率和当前辐照度),以便将当前特征参数与光伏阵列的标准特征参数(标准特征电流值、标准电流离散率和标准辐照度)进行对比,从而确定光伏阵列的工作状态。通过比较根据实时工作状态数据确定的当前特征参数与标准特征参数,来确定光伏阵列的当前工作状态,由于当前特征参数可以实时反映光伏阵列的工作状态特征,相比相关技术中通过红外图像确定工作状态的方式,可以避免环境温度对红外图像的干扰,从而提高了确定光伏阵列工作状态的准确率。
在一种可能的实施方式中,通过采集到的光伏阵列对应的历史工作状态数据,来确定标准特征参数,由于历史工作状态数据中可能存在一些异常数据或无效数据,比如,夜间情况下对应的工作状态数据(无效数据),或者汇流箱故障(或采集输出电流值的设备故障)时,采集到的数据(异常数据),这些异常或无效数据均会影响确定标准特征参数的准确性,因此,为了提高确定的标准特征参数的准确率,需要采用一定的数据质量规则对采集到的历史工作状态数据进行筛选和处理,本实施例重点描述如何对采集到的历史工作状态数据进行筛选和处理。
示意性的,如图3所示,其示出了本申请一个示例性实施例示出的对历史工作状态数据进行预处理的方法的流程图。
步骤301,获取预设时间段内的光伏阵列的历史工作状态数据。
其中,历史工作状态数据包括光伏组串的历史输出电流值、光伏组串对应的历史辐照度、光伏组串所处环境的历史环境温度、历史风速等。
其中,预设时间段可以是近期6个月,或者是近期1年,且预设时间段越长,根据历史工作状态数据确定的标准特征参数越准确。
在一种可能的实施方式中,可以获取该光伏阵列近期6个月内的历史输出电流值、历史辐照度、历史环境温度、历史风速等。其中,获取历史输出电流值和历史辐照度的方式均可以参考上文实施例,本实施例在此不做赘述。对于历史环境温度和历史风速,可以分别由光伏场站内安装的温度传感器和风速仪采集得到。
可选的,可以按照预设采样频率获取历史工作状态数据,比如,预设采样频率为5min。该采用频率可以与获取当前工作状态数据的采样频率相同。
步骤302,根据最大辐照度、最大风速和最高环境温度,计算光伏阵列对应的光伏组件温度。
其中,最大辐照度由历史辐照度确定,即将采集周期内的所有历史辐照度中的最大值作为最大辐照度;最高环境温度由历史环境温度确定,即将采集周期内的所有历史环境温度中的最大值作为最高环境温度,最大风速由历史风速确定,即将采集周期内的所有历史风速中的最大值作为最大风速。
示意性的,辐照度、风速、环境温度和光伏组件温度的关系可以表示为:
Tm=GPOAexp(a+bWs)+Ta (1)
其中,Tm光伏组件温度(光伏组件背板温度),GPOA为辐照度(该辐照度为与光伏阵列倾角对应的辐照度),Ws为光伏组件所处环境的风速,Ta表示光伏组件所处环境的环境温度,a、b为常数,a,b的取值根据光伏组件类型以及安装方式的不同取值不同,具体取值情况可以参考表一所示内容:
表一
组件类型 | 安装方式 | a | b |
双玻组件 | 固定倾角 | -3.47 | -0.0594 |
双玻组件 | 固定倾角 | -2.98 | -0.0471 |
常规组件 | 固定倾角 | -3.56 | -0.075 |
常规组件 | 彩钢瓦 | -2.81 | -0.0455 |
薄膜组件 | 固定倾角 | -3.58 | -0.113 |
在一种可能的实施方式中,将获取到的最大风速、最高环境温度和最大辐照度带入公式(1)中,可以计算得到光伏组件温度Tm。
步骤303,根据光伏组件温度和最大辐照度,计算光伏阵列对应的第一最大输出电流值,第一最大输出电流值为光伏组串在最大辐照度情况下输出电流的电流值。
示意性的,输出电流、光伏组件温度、辐照度的关系可以表示为:
其中,I1为输出电流,Iph,stc为标准测试条件下的输出电流;GPOA为倾角辐照,β是光伏组件的电流温升系数,Tm为光伏组件温度(光伏组件背板温度);Tstc为标准测试条件下的温度,即25℃。
标准测试条件(Standard Test Condition,STC)是指光伏领域公认的对光伏组件的测试标准,即1.5;1000W/m2;25℃,其中1.5是指大气质量(Air Mass,AM)为1.5,即光线通过大气的实际距离为大气垂直厚度的1.5倍,1000W/m2是标准测试下太阳光线的辐照度,25℃是指光伏组件在25℃下工作。
在一种可能的实施方式中,由于Iph,stc、β、Tstc等为默认值,可以将步骤302中获得的光伏组件温度Tm以及最大辐照度带入公式(2)中,计算得到光伏阵列对应的第一最大电流值I1。
步骤304,根据额定装机容量和最大系统电压,计算光伏阵列对应的第二最大输出电流值,第二最大输出电流值为汇流箱允许光伏组串输入的最大电流的电流值。
其中,额定装机容量为汇流箱的额定功率,汇流箱与光伏阵列相连;最大系统电压为逆变器的系统电压,逆变器与汇流箱相连。
示意性的,额定装机容量、最大系统电压和第二最大输出电流之间的关系可以表示为:
其中,Pcbx,rated为汇流箱的额定装机容量,Vinv,max_system为逆变器的最大系统电压,I2为第二最大输出电流,由公式(3)可知,第二最大输出电流与光伏阵列的历史工作数据无关,即对于同一汇流箱,第二最大输出电流固定不变。
在一种可能的实施方式中,根据汇流箱的额定装机容量和逆变器的最大系统电压,可以计算得到第二最大输出电流值,即I2。
步骤305,将第一最大输出电流值和第二最大输出电流值中的最小值,确定为电流阈值。
在一种可能的实施方式中,将第一最大输出电流和第二最大输出电流值中的最小值,确定为电流阈值,比如,电流阈值可以是15A,若获取到的光伏组串的输出电流值高于该电流阈值,则表示该光伏组串对应的输出电流值虚高,造成电流值虚高的原因可能是汇流箱设备问题,或者是检测该光伏组串电流的电感线圈故障,不属于光伏组串故障的范围,因此,需要根据确定的电流阈值对历史工作状态数据进行筛选,去除其中的电流虚高值。
示意性的,电流阈值可以用Ithreshold来表示。电流阈值与第一最大电流I1和第二最大电流I2的关系可以表示为(取I1和I2的最小值):
Ithreshold=min(I1,I2)
示意性的,若I1=15A,I2=15.5A,则电流阈值Ithreshold=15A。
步骤306,根据电流阈值对历史工作状态数据进行筛选,得到筛选后的历史工作状态数据,且筛选后的历史输出电流值小于等于电流阈值。
在一种可能的实施方式中,可以根据预设的数据质量规则对历史工作状态数据进行筛选,其中,数据质量规则可以包括:去除掉夜间数据(比如,去除掉上午7点之前和下午6点之后的数据)、去除重复时间戳数据、去除超过电流阈值的数据、去除汇流箱无连接(汇流箱停机)时间段的数据、去除卡值数据(卡值数据指数据不刷新超过预设时间,比如,超过10min)、去除辐照度小于20W/m2的数据以及补充空缺值等。
对于去除超过电流阈值的数据之后,需要对该采集时刻对应的电流空缺值进行补充,可以通过空缺值对应的采集时刻前后有效时间点的电流均值,作为填补值代替空缺值,比如,10:05:00时刻对应的电流值为20A,大于电流阈值15A,而10:00:00时刻采集到的电流值为12A,小于该电流阈值15A,10:00:00采集到的电流值为10A,也小于该电流阈值15A,则可以将电流均值11A,作为10:05:00时刻对应的输出电流值。
在一种可能的实施方式中,将经过预设数据质量规则处理之后的历史工作状态数据,作为确定标准特征参数的基础数据。
本实施例中,通过获取预设时间段内该光伏阵列对应的历史工作状态数据,从中分析得到该光伏阵列对应的电流阈值,以便根据预设的数据质量规则对该历史工作状态数据进行筛选和处理,从而提高确定标准特征参数的准确率。
在一种可能的实施方式中,对采集到的预设时间段内的历史工作状态数据进行预处理之后,即可以根据筛选后的历史工作状态数据,确定标准特征参数。
示意性的,如图4所示,其示出了本申请一个示例性实施例示出的确定标准特征参数的方法的流程图。该方法包括:
步骤401,根据筛选后的历史输出电流值和筛选后的历史输出电流值对应的采集时刻,构建第一特征曲线,第一特征曲线表征光伏阵列的发电性能,第一特征曲线为正态分布曲线。
在一种可能的实施方式中,获取预设时间段内的历史输出电流值,以预设时间段为6个月为例,同一采集时刻对应的历史输出电流值可以有6×30个,为了拟合特征曲线的便捷性,首先对这180个历史输出电流值取K百分位数,将K百分位数对应的历史输出电流值,作为该采集时刻对应的历史输出电流值,且该K值大于50,即取中位数以上的历史输出电流值,按照上述步骤,可以确定出一天中各个采集时刻对应的历史输出电流值,从而根据该历史输出电流值和对应的采集时刻,构建第一特征曲线,该第一特征曲线为正态分布曲线,其对应的表达式可以是:
其中,f(t)表示t时刻对应的历史输出电流值,t为采集时刻,μ和σ为第一特征曲线对应的两个不确定常数,μ由历史输出电流值的均值决定,σ由历史输出电流值的标准差决定。
示意性的,如图5所示,其示出了本申请一个示例性实施例示出的第一特征曲线的示意图。横坐标为采集时刻,纵坐标为历史输出电流值,该第一特征曲线与横坐标轴所围成的面积可以表征光伏组串一天的发电性能。
步骤402,根据第一特征曲线和预设经验系数,确定标准特征电流值。
其中,预设经验系数可以是由运维人员自行设置的,比如,预设经验系数可以是80%,指标准特征电流值对应的线下面积与总线下面积的比值满足该预设经验系数。
示意性的,如图5所示,标准特征电流值对应两个采集时刻t1和t2,其中t1和t2之间的曲线与横坐标围成的线下面积,与第一特征曲线与横坐标轴围成的面积的比值满足经验系数80%。
在一种可能的实施方式中,运维人员预先设置对应的经验系数,计算机设备即可以根据构建的第一特征曲线,计算出满足该预设经验系数的标准特征电流值。
步骤403,根据筛选后的历史输出电流值和筛选后的历史辐照度,构建第二特征曲线,第二特征曲线为线性曲线。
其中,对于同一采集时刻对应的历史辐照度的确定方式,也可以参考步骤401中的方式,取同一采集时刻6个月的历史辐照度中的K百分位数,且K取大于50的整数,即取中位数以上的辐照度。
在一种可能的实施方式中,根据筛选后的历史输出电流值确定一天中各个采集时刻对应的历史输出电流值,根据筛选后的历史辐照度确定一天内各个采集时刻对应的历史辐照度,从而根据一天中各个采集时刻对应的历史输出电流值,和一天内各个采样时刻对应的历史辐照度,构建第二特征曲线,该第二特征曲线为线性曲线。
步骤404,根据标准特征电流值和第二特征曲线,确定标准辐照度。
在一种可能的实施方式中,将根据步骤402确定出的标准特征电流值带入第二特征曲线,即可以得到该标准特征电流值对应的标准辐照度。
步骤405,根据筛选后的历史输出电流值,计算光伏阵列的历史电流离散率。
在一种可能的实施方式中,对于同一光伏组串,在相同采集时刻对应的历史输出电流值,可以参考步骤401的获取方式,选取180个历史输出电流中的K百分位数,本实施例在此不做赘述。同理,可以得到该光伏阵列中包含的所有光伏组串分别对应的历史输出电流值,比如,该光伏阵列中包括8个光伏组串,则确定该采集时刻对应的历史输出电流值为I1~I8。
针对历史电流离散率,首先根据同一采集时刻对应的多个历史输出电流值,计算得到该采集时刻对应的电流离散率,同理可以得到一天内各个采集时刻对应的电流离散率,以便从得到的各个采集时刻对应的电流率离散率中取K百分位数,将K百分位数对应的电流离散率作为历史电流离散率,其中,由于电流离散率越小代表光伏组串的发电性能越好,因此,该K百分位数取中位数以下的电流离散率,比如,若一天内各个采集时刻对应的电流离散率的中位数是8%,则可以取其中小于8%的电流离散率作为历史电流离散率。
示意性的,电流离散率和各个光伏组串输出电流的关系可以是:
其中,Iave为各个光伏组串输出电流值对应的电流均值,Iσ为各个光伏组串输出电流值对应的电流标准差,CVt为当前采集时刻对应的电流离散率,N为光伏组串的数目,Ii表示第i个光伏组串对应的输出电流值。
示意性的,将各个光伏组串对应的历史输出电流值带入公式(4),计算得到电流均值,并将得到的电流均值和历史输出电流值带入公式(5),计算得到电流标准差,从而将得到的电流均值和电流标准差带入公式(6),得到该采集时刻对应的电流离散率。同理,可以获得一天内各个采集时刻对应的电流离散率,取中位数或中位数之前的电流离散率作为历史电流离散率,可以用CVsd来表示。
步骤406,根据历史电流离散率和故障电流离散率,计算标准电流离散率。
示意性的,标准电流离散率、历史电流离散率和故障电流离散率的关系可以表示为:
CVts=CVsd+αCVbd (7)
其中,CVts为标准电流离散率,CVsd为历史电流离散率,CVbd为故障电流离散率,通常取10%,α为经验系数。
在一种可能的实施方式中,将获得的历史电流离散率带入公式(7)中,可以得到标准电流离散率,用于后续进行逻辑判断。
需要说明的是,对于标准特征电流值、标准辐照度以及标准电流离散率的确定过程,可以不按照上述实施例中的顺序进行,可以同时进行确定,也可以按照确定标准特征电流值、标准辐照度以及标准电流离散率的顺序进行确定,也可以按照确定标准电流离散率、标准特征电流值、标准辐照度的顺序进行,本实施例对确定各个标准特征参数值的顺序不构成限定。
本实施例中,通过将筛选后的历史输出电流值和采集时刻,拟合为第一特征曲线,并根据经验系数和第一特征曲线,确定出标准特征电流值;通过将筛选后的历史输出电流和筛选后的历史辐照度,拟合为第二特征曲线,从而根据确定的标准特征电流值和第二特征曲线,确定标准辐照度;通过对筛选后的历史输出电流值进行分析计算,得到历史电流离散率,从而根据得到的历史电流离散率和故障电流离散率,确定标准电流离散率。
在一种可能的实施方式中,由于光伏组件的输出电流会受到早晚阴影遮挡以及辐照度较低等情况的影响,而这些因素会导致光伏组件的输出电流值较低,使得计算得到的电流离散率较高,会导致误告警的发生,因此,为了提高确定光伏阵列工作状态的准确性,在根据电流离散率确定光伏阵列工作状态之前,需要首先对输出电流值和辐照度进行判断。
请参考图6,其示出了本申请另一个示例性实施例示出的光伏阵列工作状态的确定方法的流程图。本实施例以该方法用于计算机设备为例进行说明,该方法包括如下步骤。
步骤601,获取光伏阵列的当前工作状态数据,光伏阵列中包括至少两个并联的光伏组串,当前工作状态数据包含光伏组串的当前输出电流值和光伏组串对应的当前辐照度。
本步骤的实施方式可以参考步骤201,本实施例在此不做赘述。
步骤602,根据当前工作状态数据确定光伏阵列的当前特征参数。
由于汇流箱设备或检测组串输出电流的电感线圈发生故障时,会导致获取到的当前输出电流值虚高,若获取到的输出电流值中存在电流虚高值,会导致计算出的当前电流离散率较高,影响对光伏阵列工作状态的判断,因此,在根据当前工作状态数据分析当前特征参数之前,首先需要对当前工作状态数据进行预处理,比如,去除当前输出电流值中的电流虚高值。
示意性的,如图7所示,步骤602可以包括步骤602A、步骤602B和步骤602C。
步骤602A,根据电流阈值对当前输出电流值进行筛选,得到筛选后的当前输出电流值,且筛选后的当前输出电流值小于等于电流阈值。
其中,电流阈值的确定方式可以参考上文实施例,本实施例在此不做赘述。
在一种可能的实施方式中,若同一采集时刻获取到多个当前输出电流值,根据电流阈值对多个当前输出电流值进行筛选,即去除其中大于电流阈值的当前输出电流值,且无需填补空缺值。
示意性的,比如,获取到的当前输出电流值可以是I1=10A、I2=11A、I3=10A、I4=12A、I5=10A、I6=11A、I7=20A、I8=12A,电流阈值为Ithreshold=15A,根据电流阈值和当前输出电流值的关系,对当前输出电流值进行筛选,由于I7>Ithreshold则去除I7对应的当前输出电流值。
对于实时采集到的当前输出电流值,在去除电流虚高值之后,若存在空缺值,无需进行空缺值填补,仅需对剩余的当前输出电流值进行后续分析即可。且若存在电流虚高值,会触发其他告警,比如,汇流箱设备故障告警,电感线圈故障告警等,与本申请中的光伏阵列故障告警无关。
步骤602B,将筛选后的当前输出电流值中的K百分位数,确定为当前特征电流值,K为大于等于50的整数。
在一种可能的实施方式中,将去除电流虚高值之后的当前输出电流值中的K百分位数,确定为当前特征电流值,默认当K取大于等于50的整数,得到的当前特征电流值为正常工作状态下的光伏组串的输出电流值。
示意性的,若筛选之后的当前输出电流值为I1=10A、I2=11A、I3=10A、I4=12A、I5=10A、I6=11A、I8=12A,则将该当前输出电流值进行排序,可以取中位数(K=50),得到当前特征电流值为IK=11A。
步骤602C,将筛选后的当前输出电流值对应的电流标准差和电流均值的比值,确定为当前电流离散率。
在一种可能的实施方式中,可以根据筛选后的当前输出电流值和公式(4)计算得到电流均值,并根据电流均值、筛选后的当前输出电流值和公式(5),计算得到电流标准差,从而根据电流标准差、电流均值和公式(6),计算得到当前电流离散率。
示意性的,若筛选之后的当前输出电流值为I1=10A、I2=11A、I3=10A、I4=12A、I5=10A、I6=11A、I8=12A,则带入公式(4),可以得到电流均值为Iave=10.86,将电流均值和筛选之后的当前输出电流值带入公式(5),可以得到电流标准差为Iσ=0.833,从而将电流标准差和电流均值带入公式(6),可以得到当前电流离散率CVt=0.077,换算成百分数即7.7%。
步骤603,响应于当前特征电流值小于等于标准特征电流值,确定光伏阵列的工作状态为正常。
在一种可能的实施方式中,若当前特征电流值小于等于标准特征电流值,则表示当前光伏组串的输出电流值较低,光伏组件接收到的辐照度较低,并不是由光伏组串故障引发的电流值较低,因此,可以确定当前光伏阵列的工作状态为正常,即包含的光伏组串的工作状态为正常。
步骤604,响应于当前特征电流值大于标准特征电流值,且当前辐照度小于等于标准辐照度,确定光伏阵列的工作状态为正常。
在一种可能的实施方式中,若当前特征电流值大于标准特征电流值时,还需继续判断当前辐照度是否也小于等于标准辐照度,若小于等于标准辐照度,则表示光伏组件接收到的辐照度较低,为了去除辐照度较低造成的电流离散率较高的情况,避免触发误告警,则应该输出当前光伏阵列工作状态正常,即包含的光伏组串的工作状态为正常。
步骤605,响应于当前特征电流值大于标准特征电流值,且当前辐照度大于标准辐照度,获取N个连续采样时刻对应的当前电流离散率,N为大于等于1的整数。
在一种可能的实施方式中,若当前特征电流值大于标准特征电流值,且当前辐照度大于标准辐照度,则表示光伏组串接收的辐照度正常,此时,可以触发对当前电流离散率的判断。
针对电流离散率的判断,为了去除偶然因素导致的误报警情况,应该对连续N个采样时刻对应的当前电流离散率进行判断,即需要获取到连续N个采样时刻对应的当前电流离散率。
步骤606,响应于至少存在M个连续采样时刻对应的当前电流离散率大于标准电流离散率,确定光伏阵列的工作状态为异常,M为大于等于1的整数,且M小于等于N。
在一种可能的实施方式中,若当前采样时刻为a时刻,若a采集时刻对应的当前电流离散率大于标准电流离散率,则先标记a时刻为第一异常时刻t1,继续判断下一采集时刻(a+1时刻)的当前特征参数与标准特征参数的关系,若a+1时刻对应的当前电流离散率也大于标准电流离散率,则标记a+1时刻为第二异常时刻t2,重复进行上述判断步骤,若存在M个连续采样时刻对应的当前电流离散率均大于标准电流离散率,则确定光伏阵列中存在异常光伏组串。
其中,M个连续采样时刻对应的时间可以是第i个异常时刻与第一异常时刻之间的时间差值,即需要满足ti-t1≥Tts,才会输出光伏阵列存在异常光伏组串,其中,t1为第一异常时刻,t i 为第i个异常时刻,Tts为时间阈值。
可选的,若连续异常时刻小于时间阈值,则应该输出光伏阵列的工作状态正常。
可选的,时间阈值可以由运维人员根据需求自行设置,比如,时间阈值可以是15mim,也可以是60min。
本实施例中,通过电流阈值对实时采集到的当前电流输出值进行筛选,去除电流虚高值对计算当前电流离散率的影响;此外,通过在判断电流离散率之前,首先去除由于光伏组件辐照度较低,导致当前输出电流值较低的情况,可以避免输出电流值较低造成的误告警,从而提高了确定光伏阵列工作状态的准确率;另外,通过设置时间阈值,使得当存在连续异常时刻的时间满足时间阈值时,才会触发光伏组串异常告警,可以避免偶然因素造成的误告警,提高告警准确率。
在一种可能的实施方式中,当确定出该光伏阵列出现故障之后,计算机设备还可以生成告警记录,以便运维人员可以根据告警记录确定光伏阵列中存在哪些异常光伏组串,进行线下查看异常光伏组串,及时解决光伏组串工作状态异常问题。
一、从M个连续采样时刻对应的当前输出电流值中,确定出最小输出电流值。
若确定出该光伏阵列中存在异常光伏组串,可以根据M个连续采样时刻对应的当前输出电流值中,确定出多个最小输出电流值,比如,若M为3,则针对每一个采样时刻对应的当前输出电流值,从中确定出最小电流值,则3个连续采样时刻则对应3个最小输出电流值。
二、将最小输出电流值对应的光伏组串确定为异常光伏组串。
由于输出电流值较小,且与当前特征电流值相差较大,从而造成当前电流离散率较高,因此,将最小输出电流值对应的光伏组串确定为异常光伏组串,并将该异常光伏组串信息作为告警内容通知运维人员。
可选的,告警记录中可以包括异常采集时刻对应的当前特征电流值、最小输出电流值、最大输出电流值以及异常光伏组串信息等。
本实施例中,通过生成包含最小输出电流值、异常光伏组串信息、最大输出电流值以及当前特征电流值等信息的告警记录,以便及时通知运维人员进行线下检查,解决光伏组串的异常工作状态问题。
请参考图8,其示出了本申请一个示例性实施例示出的光伏阵列工作状态的确定方法的流程图。该过程可以包括以下步骤:
步骤801,获取光伏阵列对应的历史工作状态数据。
步骤802,根据历史工作状态数据,确定标准特征参数,标准特征参数包括标准特征电流值、标准电流离散率和标准辐照度。
步骤803,获取光伏阵列对应的当前工作状态数据。
步骤804,根据当前工作状态数据,确定当前特征参数,当前特征参数包括当前特征电流值、当前电流离散率、当前辐照度。
步骤805,判断当前特征电流值是否小于等于标准特征电流值。
步骤806,判断当前辐照度是否小于等于标准辐照度。
步骤807,判断当前电流离散率是否小于等于标准电流离散率,且异常时刻对否小于时间阈值。
步骤808,输出光伏阵工作状态正常。
步骤809,输出光伏阵列存在异常光伏组串。
请参考图9,其示出了本申请一个示例性实施例提供的光伏阵列工作状态的确定装置的结构框图。该装置可以通过软件、硬件或者两者的结合实现成为计算机设备的全部或一部分,该装置包括:
第一获取模块901,用于获取光伏阵列的当前工作状态数据,所述光伏阵列中包括至少两个并联的光伏组串,所述当前工作状态数据包含所述光伏组串的当前输出电流值和所述光伏组串对应的当前辐照度;
第一确定模块902,用于根据所述当前工作状态数据确定所述光伏阵列的当前特征参数,所述当前特征参数用于表征所述光伏阵列当前工作状态的特征,所述当前特征参数包括当前特征电流值、当前电流离散率和所述当前辐照度;
第二确定模块903,用于将所述当前特征参数与所述光伏阵列的标准特征参数进行对比,确定所述光伏阵列的工作状态,所述标准特征参数由所述光伏阵列的历史工作状态数据确定,所述标准特征参数包括所述光伏组串对应的标准特征电流值、标准电流离散率和标准辐照度。
可选的,所述第二确定模块903,包括:
第一确定单元,用于响应于所述当前特征电流值小于等于所述标准特征电流值,确定所述光伏阵列的工作状态为正常;
第二确定单元,用于响应于所述当前特征电流值大于所述标准特征电流值,且所述当前辐照度小于等于所述标准辐照度,确定所述光伏阵列的工作状态为正常。
可选的,所述第二确定模块903,还包括:
获取单元,用于响应于所述当前特征电流值大于所述标准特征电流值,且所述当前辐照度大于所述标准辐照度,获取N个连续采样时刻对应的所述当前电流离散率,N为大于等于1的整数;
第三确定单元,用于响应于至少存在M个连续采样时刻对应的所述当前电流离散率大于所述标准电流离散率,确定所述光伏阵列的工作状态为异常,M为大于等于1的整数,且M小于等于N。
可选的,所述装置还包括:
第三确定模块,用于从所述M个连续采样时刻对应的所述当前输出电流值中,确定出最小输出电流值;
第四确定模块,用于将所述最小输出电流值对应的所述光伏组串确定为异常光伏组串。
可选的,所述第一确定模块902,包括:
筛选单元,用于根据电流阈值对所述当前输出电流值进行筛选,得到筛选后的当前输出电流值,所述电流阈值由所述光伏阵列的所述历史工作状态数据确定,且所述筛选后的当前输出电流值小于等于所述电流阈值。
第四确定单元,用于将所述筛选后的当前输出电流值中的K百分位数确定为所述当前特征电流值,K为大于等于50的整数;
第五确定单元,用于将所述筛选后的当前输出电流值对应的电流标准差和电流均值的比值,确定为所述当前电流离散率。
可选的,所述装置还包括:
第二获取模块,用于获取预设时间段内的所述光伏阵列的所述历史工作状态数据,所述历史工作状态数据包括所述光伏组串的历史输出电流值、所述光伏组串对应的历史辐照度、所述光伏组串所处环境的历史环境温度和历史风速;
第一计算模块,用于根据最大辐照度、最大风速和最高环境温度,计算所述光伏阵列对应的光伏组件温度,所述最大辐照度由所述历史辐照度确定,所述最高环境温度由所述历史环境温度确定,所述最大风速由所述历史风速确定;
第二计算模块,用于根据所述光伏组件温度和所述最大辐照度,计算所述光伏阵列对应的第一最大输出电流值,所述第一最大输出电流值为所述光伏组串在所述最大辐照度情况下输出电流的电流值;
第三计算模块,用于根据额定装机容量和最大系统电压,计算所述光伏阵列对应的第二最大输出电流值,所述额定装机容量为汇流箱的额定功率,所述汇流箱与所述光伏阵列相连,所述最大系统电压为逆变器的系统电压,所述逆变器与所述汇流箱相连,所述第二最大输出电流值为所述汇流箱允许所述光伏组串输入的最大电流的电流值;
第五确定模块,用于将所述第一最大输出电流值和所述第二最大输出电流值中的最小值,确定为电流阈值;
筛选模块,用于根据所述电流阈值对所述历史工作状态数据进行筛选,得到筛选后的历史工作状态数据,且筛选后的历史输出电流值小于等于所述电流阈值;
第六确定模块,用于根据所述筛选后的历史工作状态数据确定所述标准特征参数。
可选的,所述第六确定模块,包括:
第六确定单元,用于根据所述筛选后的历史输出电流值和所述筛选后的历史输出电流值对应的采集时刻,构建第一特征曲线,所述第一特征曲线表征所述光伏阵列的发电性能,所述第一特征曲线为正态分布曲线;根据所述第一特征曲线和预设经验系数,确定所述标准特征电流值;
第七确定单元,用于根据所述筛选后的历史输出电流值和筛选后的历史辐照度,构建第二特征曲线,所述第二特征曲线为线性曲线;根据所述标准特征电流值和所述第二特征曲线,确定所述标准辐照度;
计算单元,用于根据所述筛选后的历史输出电流值,计算所述光伏阵列的历史电流离散率;根据所述历史电流离散率和故障电流离散率,计算所述标准电流离散率。
本申请实施例中,通过实时获取光伏阵列的当前工作状态数据(光伏组串的当前输出电流值和光伏组串对应的当前辐照度),并根据当前工作状态数据确定光伏阵列的当前特征参数(当前特征电流值、当前电流离散率和当前辐照度),以便将当前特征参数与光伏阵列的标准特征参数(标准特征电流值、标准电流离散率和标准辐照度)进行对比,从而确定光伏阵列的工作状态。通过比较根据实时工作状态数据确定的当前特征参数与标准特征参数,来确定光伏阵列的当前工作状态,由于当前特征参数可以实时反映光伏阵列的工作状态特征,相比相关技术中通过红外图像确定工作状态的方式,可以避免环境温度对红外图像的干扰,从而提高了确定光伏阵列工作状态的准确率。
请参考图10,其示出了本申请一个示例性实施例提供的计算机设备的结构示意图。所述计算机设备1000包括中央处理单元(Central Processing Unit,CPU)1001、包括随机存取存储器(Random Access Memory,RAM)1002和只读存储器(Read-Only Memory,ROM)1003的系统存储器1004,以及连接系统存储器1004和中央处理单元1001的系统总线1005。所述计算机设备1000还包括帮助计算机设备内的各个器件之间传输信息的基本输入/输出系统(Input/Output系统,I/O系统)1006,和用于存储操作系统1013、应用程序1014和其他程序模块1015的大容量存储设备1007。
所述基本输入/输出系统1006包括有用于显示信息的显示器1008和用于用户输入信息的诸如鼠标、键盘之类的输入设备1009。其中所述显示器1008和输入设备1009都通过连接到系统总线1005的输入输出控制器1010连接到中央处理单元1001。所述基本输入/输出系统1006还可以包括输入输出控制器1010以用于接收和处理来自键盘、鼠标、或电子触控笔等多个其他设备的输入。类似地,输入输出控制器1010还提供输出到显示屏、打印机或其他类型的输出设备。
所述大容量存储设备1007通过连接到系统总线1005的大容量存储控制器(未示出)连接到中央处理单元1001。所述大容量存储设备1007及其相关联的计算机可读存储介质为计算机设备1000提供非易失性存储。也就是说,所述大容量存储设备1007可以包括诸如硬盘或者只读光盘(Compact Disc Read-Only Memory,CD-ROM)驱动器之类的计算机可读存储介质(未示出)。
不失一般性,所述计算机可读存储介质可以包括计算机存储介质和通信介质。计算机存储介质包括以用于存储诸如计算机可读存储指令、数据结构、程序模块或其他数据等信息的任何方法或技术实现的易失性和非易失性、可移动和不可移动介质。计算机存储介质包括RAM、ROM、可擦除可编程只读寄存器(Erasable Programmable Read OnlyMemory,EPROM)、电子抹除式可复写只读存储器(Electrically-Erasable ProgrammableRead-Only Memory,EEPROM)、闪存或其他固态存储其技术,CD-ROM、数字多功能光盘(Digital versatile disc,DVD)或其他光学存储、磁带盒、磁带、磁盘存储或其他磁性存储设备。当然,本领域技术人员可知所述计算机存储介质不局限于上述几种。上述的系统存储器1004和大容量存储设备1007可以统称为存储器。
存储器存储有一个或多个程序,一个或多个程序被配置成由一个或多个中央处理单元1001执行,一个或多个程序包含用于实现上述方法实施例的指令,中央处理单元1001执行该一个或多个程序实现上述各个方法实施例提供的方法。
根据本申请的各种实施例,所述计算机设备1000还可以通过诸如因特网等网络连接到网络上的远程服务器运行。也即计算机设备1000可以通过连接在所述系统总线1005上的网络接口单元1011连接到网络1012,或者说,也可以使用网络接口单元1011来连接到其他类型的网络或远程服务器系统(未示出)。
所述存储器还包括一个或者一个以上的程序,所述一个或者一个以上程序存储于存储器中,所述一个或者一个以上程序包含用于进行本申请实施例提供的方法中由计算机设备所执行的步骤。
本申请实施例还提供了一种计算机可读存储介质,该计算机可读存储介质存储有至少一条指令,所述至少一条指令由所述处理器加载并执行以实现如上各个实施例所述的光伏阵列工作状态的确定方法。
本申请实施例还提供了一种计算机程序产品,该计算机程序产品存储有至少一条指令,所述至少一条指令由所述处理器加载并执行以实现如上各个实施例所述的光伏阵列工作状态的确定方法。
本领域技术人员应该可以意识到,在上述一个或多个示例中,本申请实施例所描述的功能可以用硬件、软件、固件或它们的任意组合来实现。当使用软件实现时,可以将这些功能存储在计算机可读存储介质中或者作为计算机可读存储介质上的一个或多个指令或代码进行传输。计算机可读存储介质包括计算机存储介质和通信介质,其中通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。存储介质可以是通用或专用计算机能够存取的任何可用介质。
以上所述仅为本申请的可选实施例,并不用以限制本申请,凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (8)
1.一种光伏阵列工作状态的确定方法,其特征在于,所述方法包括:
获取光伏阵列的当前工作状态数据,所述光伏阵列中包括至少两个并联的光伏组串,所述当前工作状态数据包含所述光伏组串的当前输出电流值和所述光伏组串对应的当前辐照度;
根据所述当前工作状态数据确定所述光伏阵列的当前特征参数,所述当前特征参数用于表征所述光伏阵列当前工作状态的特征,所述当前特征参数包括当前特征电流值、当前电流离散率和所述当前辐照度;
响应于所述当前特征电流值大于标准特征电流值,且所述当前辐照度大于标准辐照度,获取N个连续采样时刻对应的所述当前电流离散率,N为大于等于1的整数;
响应于至少存在M个连续采样时刻对应的所述当前电流离散率大于标准电流离散率,确定所述光伏阵列的工作状态为异常,M为大于等于1的整数,且M小于等于N,所述标准特征电流值、所述标准辐照度以及所述标准电流离散率由所述光伏阵列的历史工作状态数据确定;
从所述M个连续采样时刻对应的所述当前输出电流值中,确定出最小输出电流值;
将所述最小输出电流值对应的所述光伏组串确定为异常光伏组串;
基于所述最小输出电流值、所述异常光伏组串的组串信息、所述当前输出电流值中的最大输出电流值以及所述当前特征电流值生成告警记录,所述告警记录用于通知运维人员进行组串检查。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
响应于所述当前特征电流值小于等于所述标准特征电流值,确定所述光伏阵列的工作状态为正常。
3.根据权利要求1或2所述的方法,其特征在于,所述根据所述当前工作状态数据确定所述光伏阵列的当前特征参数,包括:
根据电流阈值对所述当前输出电流值进行筛选,得到筛选后的当前输出电流值,所述电流阈值由所述光伏阵列的所述历史工作状态数据确定,且所述筛选后的当前输出电流值小于等于所述电流阈值;
将所述筛选后的当前输出电流值中的K百分位数,确定为所述当前特征电流值,K为大于等于50的整数;
将所述筛选后的当前输出电流值对应的电流标准差和电流均值的比值,确定为所述当前电流离散率。
4.根据权利要求1或2所述的方法,其特征在于,所述获取光伏阵列的当前工作状态数据之前,所述方法还包括:
获取预设时间段内的所述光伏阵列的所述历史工作状态数据,所述历史工作状态数据包括所述光伏组串的历史输出电流值、所述光伏组串对应的历史辐照度、所述光伏组串所处环境的历史环境温度和历史风速;
根据最大辐照度、最大风速和最高环境温度,计算所述光伏阵列对应的光伏组件温度,所述最大辐照度由所述历史辐照度确定,所述最高环境温度由所述历史环境温度确定,所述最大风速由所述历史风速确定;
根据所述光伏组件温度和所述最大辐照度,计算所述光伏阵列对应的第一最大输出电流值,所述第一最大输出电流值为所述光伏组串在所述最大辐照度情况下输出电流的电流值;
根据额定装机容量和最大系统电压,计算所述光伏阵列对应的第二最大输出电流值,所述额定装机容量为汇流箱的额定功率,所述汇流箱与所述光伏阵列相连,所述最大系统电压为逆变器的系统电压,所述逆变器与所述汇流箱相连,所述第二最大输出电流值为所述汇流箱允许所述光伏组串输入的最大电流的电流值;
将所述第一最大输出电流值和所述第二最大输出电流值中的最小值,确定为电流阈值;
根据所述电流阈值对所述历史工作状态数据进行筛选,得到筛选后的历史工作状态数据,且筛选后的历史输出电流值小于等于所述电流阈值;
根据所述筛选后的历史工作状态数据确定标准特征参数,所述标准特征参数中包括所述光伏组串对应的所述标准特征电流值、所述标准电流离散率和所述标准辐照度。
5.根据权利要求4所述的方法,其特征在于,所述根据所述筛选后的历史工作状态数据确定标准特征参数,包括:
根据所述筛选后的历史输出电流值和所述筛选后的历史输出电流值对应的采集时刻,构建第一特征曲线,所述第一特征曲线表征所述光伏阵列的发电性能,所述第一特征曲线为正态分布曲线;根据所述第一特征曲线和预设经验系数,确定所述标准特征电流值;
根据所述筛选后的历史输出电流值和筛选后的历史辐照度,构建第二特征曲线,所述第二特征曲线为线性曲线;根据所述标准特征电流值和所述第二特征曲线,确定所述标准辐照度;
根据所述筛选后的历史输出电流值,计算所述光伏阵列的历史电流离散率;根据所述历史电流离散率和故障电流离散率,计算所述标准电流离散率。
6.一种光伏阵列工作状态的确定装置,其特征在于,所述装置包括:
第一获取模块,用于获取光伏阵列的当前工作状态数据,所述光伏阵列中包括至少两个并联的光伏组串,所述当前工作状态数据包含所述光伏组串的当前输出电流值和所述光伏组串对应的当前辐照度;
第一确定模块,用于根据所述当前工作状态数据确定所述光伏阵列的当前特征参数,所述当前特征参数用于表征所述光伏阵列当前工作状态的特征,所述当前特征参数包括当前特征电流值、当前电流离散率和所述当前辐照度;
第二确定模块,用于响应于所述当前特征电流值大于标准特征电流值,且所述当前辐照度大于标准辐照度,获取N个连续采样时刻对应的所述当前电流离散率,N为大于等于1的整数;响应于至少存在M个连续采样时刻对应的所述当前电流离散率大于标准电流离散率,确定所述光伏阵列的工作状态为异常,M为大于等于1的整数,且M小于等于N,所述标准特征电流值、所述标准辐照度以及所述标准电流离散率由所述光伏阵列的历史工作状态数据确定;从所述M个连续采样时刻对应的所述当前输出电流值中,确定出最小输出电流值;将所述最小输出电流值对应的所述光伏组串确定为异常光伏组串;基于所述最小输出电流值、所述异常光伏组串的组串信息、所述当前输出电流值中的最大输出电流值以及所述当前特征电流值生成告警记录,所述告警记录用于通知运维人员进行组串检查。
7.一种计算机设备,其特征在于,所述计算机设备包括处理器和存储器,所述存储器中存储有至少一段程序,所述至少一段程序由所述处理器加载并执行以实现如权利要求1至5任一所述的光伏阵列工作状态的确定方法。
8.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有至少一段程序,所述至少一段程序由处理器加载并执行以实现如权利要求1至5任一所述的光伏阵列工作状态的确定方法。
Priority Applications (13)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010177188.2A CN111555716B (zh) | 2020-03-13 | 2020-03-13 | 光伏阵列工作状态的确定方法、装置、设备及存储介质 |
MYPI2022004866A MY197184A (en) | 2020-03-13 | 2021-03-11 | Method and apparatus for determining operating state of photovoltaic array, device and storage medium |
US17/910,955 US11736062B2 (en) | 2020-03-13 | 2021-03-11 | Method and apparatus for determining operating state of photovoltaic array, device and storage medium |
AU2021235867A AU2021235867B2 (en) | 2020-03-13 | 2021-03-11 | Method and apparatus for determining operating state of photovoltaic array, device and storage medium |
PCT/SG2021/050126 WO2021183054A1 (en) | 2020-03-13 | 2021-03-11 | Method and apparatus for determining operating state of photovoltaic array, device and storage medium |
KR1020227034874A KR102522011B1 (ko) | 2020-03-13 | 2021-03-11 | 광 발전 어레이의 작동 상태를 결정하기 위한 방법 및 장치와, 디바이스 및 저장매체 |
MX2022011322A MX2022011322A (es) | 2020-03-13 | 2021-03-11 | Metodo y aparato para determinar estado operativo de conjunto fotovoltaico, dispositivo y medio de almacenamiento. |
EP21768379.6A EP4118742A4 (en) | 2020-03-13 | 2021-03-11 | METHOD AND APPARATUS FOR DETERMINING THE OPERATING STATE OF A PHOTOVOLTAIC NETWORK AND STORAGE MEDIA |
CA3175273A CA3175273A1 (en) | 2020-03-13 | 2021-03-11 | Method and apparatus for determining operating state of photovoltaic array, device and storage medium |
JP2022554928A JP7314424B2 (ja) | 2020-03-13 | 2021-03-11 | 太陽光発電アレイの動作状態を決定する方法および装置、デバイスならびに記憶媒体 |
BR112022018279A BR112022018279A2 (pt) | 2020-03-13 | 2021-03-11 | Método e aparelho para determinar o estado operacional da matriz fotovoltaica, dispositivo e mídia de armazenamento |
CL2022002430A CL2022002430A1 (es) | 2020-03-13 | 2022-09-06 | Método, aparato para determinar el estado operativo de conjunto fotovoltaico, dispositivo y medio de almacenamiento |
ZA2022/10573A ZA202210573B (en) | 2020-03-13 | 2022-09-23 | Method and apparatus for determining operating state of photovoltaic array, device and storage medium |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010177188.2A CN111555716B (zh) | 2020-03-13 | 2020-03-13 | 光伏阵列工作状态的确定方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111555716A CN111555716A (zh) | 2020-08-18 |
CN111555716B true CN111555716B (zh) | 2023-07-28 |
Family
ID=72007286
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010177188.2A Active CN111555716B (zh) | 2020-03-13 | 2020-03-13 | 光伏阵列工作状态的确定方法、装置、设备及存储介质 |
Country Status (13)
Country | Link |
---|---|
US (1) | US11736062B2 (zh) |
EP (1) | EP4118742A4 (zh) |
JP (1) | JP7314424B2 (zh) |
KR (1) | KR102522011B1 (zh) |
CN (1) | CN111555716B (zh) |
AU (1) | AU2021235867B2 (zh) |
BR (1) | BR112022018279A2 (zh) |
CA (1) | CA3175273A1 (zh) |
CL (1) | CL2022002430A1 (zh) |
MX (1) | MX2022011322A (zh) |
MY (1) | MY197184A (zh) |
WO (1) | WO2021183054A1 (zh) |
ZA (1) | ZA202210573B (zh) |
Families Citing this family (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112180792B (zh) * | 2020-09-30 | 2022-07-12 | 阳光电源股份有限公司 | 光伏系统报警处理方法、装置及监控设备 |
CN114384963B (zh) * | 2020-10-21 | 2024-03-29 | 航天科工惯性技术有限公司 | Mppt参数远程装订方法、动态获取方法及装置、计算机设备 |
CN112688639B (zh) * | 2020-12-14 | 2021-10-12 | 淮阴工学院 | 一种电流光伏并网逆变器控制方法和装置 |
CN116324873B (zh) * | 2021-02-23 | 2024-04-12 | 华为数字能源技术有限公司 | 一种光伏电池检测方法、装置、系统、介质及芯片 |
CN113949343B (zh) * | 2021-08-31 | 2024-05-28 | 隆基光伏科技(上海)有限公司 | 光伏发电设备的检测方法、装置、电子设备及存储介质 |
CN113792088A (zh) * | 2021-09-10 | 2021-12-14 | 阳光电源股份有限公司 | 光伏组串的故障检测方法、装置及存储介质 |
CN113992151A (zh) * | 2021-09-24 | 2022-01-28 | 上海远景科创智能科技有限公司 | 光伏阵列工作状态的确定方法、装置、设备及存储介质 |
CN114123971B (zh) * | 2021-10-25 | 2023-08-25 | 中国华能集团清洁能源技术研究院有限公司 | 一种基于VaDE的光伏组串异常检测方法及系统 |
CN113985202B (zh) * | 2021-10-26 | 2023-05-26 | 广东电网有限责任公司 | 一种电容故障预警方法、装置、电子设备及存储介质 |
CN114937001B (zh) * | 2022-04-06 | 2023-06-09 | 尚特杰电力科技有限公司 | 一种基于红外检测的灰尘预警方法 |
CN115688490B (zh) * | 2022-12-30 | 2023-04-07 | 北京志翔科技股份有限公司 | 光伏组串异常定量确定方法、装置、电子设备及存储介质 |
CN116596194B (zh) * | 2023-06-27 | 2024-01-23 | 中国大唐集团技术经济研究院有限责任公司 | 光伏阵列运行状态划分方法、系统及装置 |
CN116707445B (zh) * | 2023-08-04 | 2023-11-03 | 华能新能源股份有限公司山西分公司 | 一种光伏组件故障定位方法和系统 |
CN116827264B (zh) * | 2023-08-29 | 2023-10-31 | 广东阳硕绿建科技股份有限公司 | 一种用于光伏发电的预警系统 |
CN117294252B (zh) * | 2023-09-19 | 2024-06-14 | 安徽华晟新能源科技有限公司 | 光伏焊带检测方法和光伏焊带检测系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2017017791A (ja) * | 2015-06-29 | 2017-01-19 | 株式会社エプセム | 太陽光発電管理装置 |
WO2018028005A1 (zh) * | 2016-08-11 | 2018-02-15 | 苏州瑞得恩自动化设备科技有限公司 | 一种大型光伏电站中电池面板的故障检测算法 |
MX2016011639A (es) * | 2016-08-26 | 2018-04-10 | Univ Politecnica De Chiapas | Metodo para la localizacion de fallas en arreglos fotovoltaicos. |
CN109670553A (zh) * | 2018-12-25 | 2019-04-23 | 福州大学 | 基于自适应神经模糊推理系统的光伏阵列故障诊断方法 |
CN110460305A (zh) * | 2019-01-23 | 2019-11-15 | 新奥数能科技有限公司 | 光伏阵列的故障检测方法、装置、可读介质及电子设备 |
JP2020028192A (ja) * | 2018-08-10 | 2020-02-20 | 株式会社別川製作所 | 太陽光発電装置、診断装置および太陽電池ストリングの診断方法 |
Family Cites Families (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU2010346725B2 (en) * | 2010-02-26 | 2013-11-28 | Kabushiki Kaisha Toshiba | Fault diagnosis device and fault diagnosis method |
JP5214650B2 (ja) | 2010-02-26 | 2013-06-19 | 株式会社東芝 | 異常診断装置および方法 |
JP5638918B2 (ja) | 2010-11-12 | 2014-12-10 | 株式会社Nttファシリティーズ | 太陽光発電診断装置 |
US20120310427A1 (en) * | 2011-05-31 | 2012-12-06 | Williams B Jeffery | Automatic Monitoring and Adjustment of a Solar Panel Array |
CN102566435B (zh) * | 2012-02-17 | 2013-10-02 | 冶金自动化研究设计院 | 一种光伏电站的性能预报及故障报警方法 |
AT512993B1 (de) * | 2012-06-12 | 2017-08-15 | Fronius Int Gmbh | Wechselrichter einer Photovoltaik-Anlage und Verfahren zum Betrieb desselben |
JP6209412B2 (ja) * | 2013-09-27 | 2017-10-04 | 株式会社日立製作所 | 太陽光発電システムの故障診断システム及び故障診断方法 |
US20160190984A1 (en) * | 2014-12-29 | 2016-06-30 | Also Energy, Inc. | System and method for performance analysis and classification of losses for solar power systems |
JP6093465B1 (ja) | 2016-03-30 | 2017-03-08 | 株式会社ラプラス・システム | 太陽光発電システムの発電診断方法、及び発電診断装置 |
CN106357217A (zh) | 2016-08-19 | 2017-01-25 | 上海许继电气有限公司 | 基于光伏智能汇流箱实现光伏组件故障诊断的系统及方法 |
CN106603006B (zh) * | 2016-12-14 | 2018-08-03 | 河海大学常州校区 | 一种基于查表插值的光伏阵列的故障诊断与定位方法 |
CN106961249B (zh) * | 2017-03-17 | 2019-02-19 | 广西大学 | 一种光伏阵列故障诊断和预警方法 |
JP6795448B2 (ja) * | 2017-05-10 | 2020-12-02 | Kddi株式会社 | データ処理装置、データ処理方法およびプログラム |
CN107181461A (zh) * | 2017-05-23 | 2017-09-19 | 青海大唐国际格尔木光伏发电有限责任公司 | 一种光伏组串清洗方法和装置 |
TWI669904B (zh) * | 2017-11-03 | 2019-08-21 | 財團法人資訊工業策進會 | 判斷太陽能板陣列是否異常之計算機裝置與方法 |
CN108964606B (zh) * | 2018-08-23 | 2019-12-20 | 上海电气分布式能源科技有限公司 | 一种光伏系统热斑故障检测方法 |
CN109450376A (zh) * | 2018-11-20 | 2019-03-08 | 中国铁路总公司 | 光伏发电系统状态在线监测及故障定位系统和方法 |
KR102021311B1 (ko) | 2019-02-14 | 2019-09-16 | (주)대은 | IoT 기반의 태양광발전 원격 모니터링 장치 |
CN110389949B (zh) * | 2019-07-23 | 2022-12-16 | 华北电力大学 | 一种光伏阵列数据清洗方法 |
CN110705727B (zh) | 2019-09-30 | 2022-03-01 | 山东建筑大学 | 基于随机森林算法的光伏电站阴影遮挡诊断方法及系统 |
CN110838821B (zh) * | 2019-10-28 | 2022-06-14 | 协鑫能源工程有限公司 | 光伏电站故障控制方法以及系统 |
-
2020
- 2020-03-13 CN CN202010177188.2A patent/CN111555716B/zh active Active
-
2021
- 2021-03-11 JP JP2022554928A patent/JP7314424B2/ja active Active
- 2021-03-11 AU AU2021235867A patent/AU2021235867B2/en active Active
- 2021-03-11 EP EP21768379.6A patent/EP4118742A4/en active Pending
- 2021-03-11 KR KR1020227034874A patent/KR102522011B1/ko active IP Right Grant
- 2021-03-11 BR BR112022018279A patent/BR112022018279A2/pt not_active Application Discontinuation
- 2021-03-11 MY MYPI2022004866A patent/MY197184A/en unknown
- 2021-03-11 CA CA3175273A patent/CA3175273A1/en active Pending
- 2021-03-11 MX MX2022011322A patent/MX2022011322A/es unknown
- 2021-03-11 US US17/910,955 patent/US11736062B2/en active Active
- 2021-03-11 WO PCT/SG2021/050126 patent/WO2021183054A1/en active Application Filing
-
2022
- 2022-09-06 CL CL2022002430A patent/CL2022002430A1/es unknown
- 2022-09-23 ZA ZA2022/10573A patent/ZA202210573B/en unknown
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2017017791A (ja) * | 2015-06-29 | 2017-01-19 | 株式会社エプセム | 太陽光発電管理装置 |
WO2018028005A1 (zh) * | 2016-08-11 | 2018-02-15 | 苏州瑞得恩自动化设备科技有限公司 | 一种大型光伏电站中电池面板的故障检测算法 |
MX2016011639A (es) * | 2016-08-26 | 2018-04-10 | Univ Politecnica De Chiapas | Metodo para la localizacion de fallas en arreglos fotovoltaicos. |
JP2020028192A (ja) * | 2018-08-10 | 2020-02-20 | 株式会社別川製作所 | 太陽光発電装置、診断装置および太陽電池ストリングの診断方法 |
CN109670553A (zh) * | 2018-12-25 | 2019-04-23 | 福州大学 | 基于自适应神经模糊推理系统的光伏阵列故障诊断方法 |
CN110460305A (zh) * | 2019-01-23 | 2019-11-15 | 新奥数能科技有限公司 | 光伏阵列的故障检测方法、装置、可读介质及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
JP7314424B2 (ja) | 2023-07-25 |
KR102522011B1 (ko) | 2023-04-14 |
CL2022002430A1 (es) | 2023-02-10 |
WO2021183054A1 (en) | 2021-09-16 |
ZA202210573B (en) | 2023-01-25 |
MY197184A (en) | 2023-05-31 |
EP4118742A1 (en) | 2023-01-18 |
CN111555716A (zh) | 2020-08-18 |
KR20220143954A (ko) | 2022-10-25 |
US20230179145A1 (en) | 2023-06-08 |
JP2023508758A (ja) | 2023-03-03 |
CA3175273A1 (en) | 2021-09-16 |
MX2022011322A (es) | 2022-10-07 |
EP4118742A4 (en) | 2023-05-31 |
AU2021235867A1 (en) | 2022-09-29 |
AU2021235867B2 (en) | 2023-10-05 |
US11736062B2 (en) | 2023-08-22 |
BR112022018279A2 (pt) | 2022-10-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111555716B (zh) | 光伏阵列工作状态的确定方法、装置、设备及存储介质 | |
CN111539550B (zh) | 光伏阵列工作状态的确定方法、装置、设备及存储介质 | |
CN109146093B (zh) | 一种基于学习的电力设备现场勘查方法 | |
CN111082749B (zh) | 光伏组串运行状态的识别方法、装置及存储介质 | |
CN116069079B (zh) | 一种智能开关柜的散热智能控制方法及系统 | |
CN117675522A (zh) | 一种电力通信故障诊断及预防方法及系统 | |
CN113343998A (zh) | 电力机械表计读数监测系统、方法、计算机设备及应用 | |
CN113011477B (zh) | 一种太阳辐照数据的清洗和补全系统及方法 | |
CN117331790A (zh) | 一种用于数据中心的机房故障检测方法及装置 | |
US11086278B2 (en) | Adaptive system monitoring using incremental regression model development | |
CN113992151A (zh) | 光伏阵列工作状态的确定方法、装置、设备及存储介质 | |
CN117318024B (zh) | 基于cnn神经网络的光伏发电功率预测管理方法及系统 | |
CN118157325B (zh) | 一种用于新能源电力的实时监测方法及系统 | |
CN117060849B (zh) | 一种光伏用的箱变设备检测方法及其相关设备 | |
CN117875946B (zh) | 一种用于变电站设备运维的人机协同自主红外巡检方法 | |
CN117128143A (zh) | 一种叶片故障检测方法和相关装置 | |
CN116311046A (zh) | 基于多模型融合的电力设备声学图像监测方法和系统 | |
CN117521632A (zh) | 一种电力技术文档数据识别审核系统 | |
CN116703201A (zh) | 一种光伏电站的故障预测方法、装置及系统 | |
CN118157325A (zh) | 一种用于新能源电力的实时监测方法及系统 | |
CN113919697A (zh) | 一种并网指标考核预警处理方法和装置 | |
CN117951633A (zh) | 一种光伏发电设备故障诊断方法及系统 | |
CN117028296A (zh) | 风机连续无故障运行检测方法及系统 |
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 |