CN111967620B - 一种光伏组件诊断方法、装置、设备及可读存储介质 - Google Patents

一种光伏组件诊断方法、装置、设备及可读存储介质 Download PDF

Info

Publication number
CN111967620B
CN111967620B CN202010760394.6A CN202010760394A CN111967620B CN 111967620 B CN111967620 B CN 111967620B CN 202010760394 A CN202010760394 A CN 202010760394A CN 111967620 B CN111967620 B CN 111967620B
Authority
CN
China
Prior art keywords
power generation
photovoltaic module
generation data
output result
characteristic curve
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
CN202010760394.6A
Other languages
English (en)
Other versions
CN111967620A (zh
Inventor
黄凯伦
曾春保
林镇煌
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.)
Xiamen Kehua Digital Energy Tech Co Ltd
Original Assignee
Xiamen Kehua Digital Energy Tech 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 Xiamen Kehua Digital Energy Tech Co Ltd filed Critical Xiamen Kehua Digital Energy Tech Co Ltd
Priority to CN202010760394.6A priority Critical patent/CN111967620B/zh
Publication of CN111967620A publication Critical patent/CN111967620A/zh
Priority to PCT/CN2021/109430 priority patent/WO2022022659A1/zh
Application granted granted Critical
Publication of CN111967620B publication Critical patent/CN111967620B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • 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
    • 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
    • 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
    • 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)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Strategic Management (AREA)
  • Marketing (AREA)
  • General Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • Computational Linguistics (AREA)
  • Mathematical Physics (AREA)
  • Computing Systems (AREA)
  • Molecular Biology (AREA)
  • Evolutionary Computation (AREA)
  • Data Mining & Analysis (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Engineering & Computer Science (AREA)
  • Biophysics (AREA)
  • Primary Health Care (AREA)
  • Biomedical Technology (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Photovoltaic Devices (AREA)

Abstract

本申请公开了一种光伏组件诊断方法、装置、设备及计算机可读存储介质，该方法应用于与光伏组件相连的光伏逆变器，包括：获取光伏组件的发电特性曲线，从发电特性曲线中获取发电数据；将发电数据输入到预先构建的识别模型中，得到输出结果；根据预先建立的输出结果与模式状态间的对应关系，确定与得到的输出结果对应的模式状态，并将模式状态作为光伏组件的诊断结果。本申请公开的上述技术方案，利用光伏逆变器通过数据获取、输出结果及模式状态确定而实现对光伏组件的诊断，由于其可以仅依靠光伏逆变器进行实现，因此，则可以降低光伏组件诊断对运维平台的依赖度，且可以降低诊断过程中的数据处理量。

Description

一种光伏组件诊断方法、装置、设备及可读存储介质
技术领域
本申请涉及光伏组件检测技术领域，更具体地说，涉及一种光伏组件诊断方法、装置、设备及计算机可读存储介质。
背景技术
光伏组件的故障是影响光伏电站发电的主要因素之一，因此，则需要对光伏组件进行诊断，以便于及时发现故障，并便于及时对故障进行处理。
目前，常通过运维平台来对光伏组件进行诊断，具体地，运维平台获取光伏组件的发电数据，基于接收到的发电数据对光伏组件进行诊断，并输出诊断报告，由于这种诊断方法对运维平台的依赖度比较大，一旦脱离运维平台，就无法实现对光伏组件的诊断，且由于光伏电站中所有光伏组件的发电数据均全部汇总到运维平台进行诊断，其数据量及运算量均比较大。
综上所述，如何降低光伏组件诊断的数据处理量及对运维平台的依赖度，是目前本领域技术人员亟待解决的技术问题。
发明内容
有鉴于此，本申请的目的是提供一种光伏组件诊断方法、装置、设备及计算机可读存储介质，用于降低光伏组件诊断的数据处理量及对运维平台的依赖度。
为了实现上述目的，本申请提供如下技术方案：
一种光伏组件诊断方法，应用于与光伏组件相连的光伏逆变器，包括：
获取所述光伏组件的发电特性曲线，从所述发电特性曲线中获取发电数据；
将所述发电数据输入到预先构建的识别模型中，得到输出结果；
根据预先建立的输出结果与模式状态间的对应关系，确定与得到的所述输出结果对应的模式状态，并将所述模式状态作为所述光伏组件的诊断结果。
优选的，在将所述模式状态作为所述光伏组件的诊断结果之后，还包括：
当所述诊断结果为异常时则将所述诊断结果为异常时的发电数据及输出结果发送至运维平台，当所述诊断结果为正常时则按照预设规则选择所述诊断结果为正常时的发电数据及输出结果并将选中的诊断结果为正常时的发电数据及输出结果发送至所述运维平台，由所述运维平台根据接收的数据计算所述识别模型中的权值；
利用所述运维平台计算出的所述权值对应替换所述识别模型中原有的权值。
优选的，当所述识别模型为基于神经网络的识别模型时，将所述发电数据输入到预先构建的识别模型中，得到输出结果，包括：
利用[α]＝[W]T·[E]计算所述识别模型中隐藏层神经元输出的结果[α]，并利用[β]＝[Y]T·[α]得到所述输出结果[β]；
其中，[E]为由所述发电数据构成的n×1矩阵，n为所述发电特性曲线的采样点数，[W]为由所述识别模型中隐藏层的权值构成的n×k矩阵，k为隐藏层神经元的数量，[α]为k×1矩阵，[Y]为由所述识别模型中输出层的权值构成的k×1矩阵。
优选的，在利用[β]＝[Y]T·[α]得到所述输出结果[β]之后，还包括：
若所述输出结果[β]为非整数，则通过四舍五入操作对所述输出结果[β]进行取整。
优选的，获取所述光伏组件的发电特性曲线，从所述发电特性曲线中获取发电数据，包括：
获取所述光伏组件的IV特性曲线，从所述IV特性曲线中获取所述光伏组件在不同时刻的电压值和对应的电流值；
利用所述光伏组件的电压值和对应的电流值得到所述光伏组件在对应时刻的功率值。
优选的，获取所述光伏组件的发电特性曲线，从所述发电特性曲线中获取发电数据，包括：
获取所述光伏组件的PV特性曲线，从所述PV特性曲线中获取所述光伏组件在不同时刻的功率值。
优选的，在将所述发电数据输入到预先构建的识别模型中之前，还包括：
获取所述光伏组件的标准发电数据，并根据所述光伏组件的标准发电数据对所述发电数据进行归一化处理。
一种光伏组件诊断装置，应用于与光伏组件相连的光伏逆变器，包括：
获取模块，用于获取所述光伏组件的发电特性曲线，从所述发电特性曲线中获取发电数据；
输入模块，用于将所述发电数据输入到预先构建的识别模型中，得到输出结果；
确定模块，用于根据预先建立的输出结果与模式状态间的对应关系，确定与得到的所述输出结果对应的模式状态，并将所述模式状态作为所述光伏组件的诊断结果。
一种光伏组件诊断装置，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序时实现如上述任一项所述的光伏组件诊断方法的步骤。
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计算机程序，所述计算机程序被处理器执行时实现如上述任一项所述的光伏组件诊断方法的步骤。
本申请提供了一种光伏组件诊断方法、装置、设备及计算机可读存储介质，其中，该方法应用于与光伏组件相连的光伏逆变器，包括：获取光伏组件的发电特性曲线，从发电特性曲线中获取发电数据；将发电数据输入到预先构建的识别模型中，得到输出结果；根据预先建立的输出结果与模式状态间的对应关系，确定与得到的输出结果对应的模式状态，并将模式状态作为光伏组件的诊断结果。
本申请公开的上述技术方案，利用与光伏组件相连的光伏逆变器来获取光伏组件的发电特性曲线，并从发电特性曲线中获取发电数据，且通过识别模型得到与发电数据对应的输出结果，并基于该输出结果确定光伏组件的模式状态且将该模式状态作为对应的光伏组件的诊断结果，以实现对光伏组件的诊断，由于该诊断过程可以仅依靠光伏逆变器进行实现，因此，则可以降低光伏组件诊断对运维平台的依赖度，且由于光伏逆变器仅需对与其相连的光伏组件进行诊断，因此，则可以降低光伏组件诊断过程中的数据处理量。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
图1为本申请实施例提供的一种光伏组件诊断方法的流程图；
图2为本申请实施例提供的一种光伏组件诊断装置的结构示意图；
图3为本申请实施例提供的一种光伏组件诊断装置的结构示意图。
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。
参见图1，其示出了本申请实施例提供的一种光伏组件诊断方法的流程图，本申请实施例提供的一种光伏组件诊断方法，应用于与光伏组件相连的光伏逆变器，可以包括：
S11：获取光伏组件的发电特性曲线，从发电特性曲线中获取发电数据。
考虑到目前通过运维平台来对光伏电站内的光伏组件进行诊断时，光伏电站内所有光伏组件的发电数据信息都需汇总至运维平台进行诊断，因此，存在数据处理量比较大的问题，且一旦脱离运维平台就无法进行光伏组件诊断，为此，本申请提供一种光伏组件诊断方法，用于降低光伏组件诊断的数据处理量及对运维平台的依赖度。
具体地，本申请可以将光伏组件诊断方法应用在与光伏组件相连的光伏逆变器中，以通过光伏逆变器实现对光伏组件的诊断，从而使得对光伏组件的诊断可以脱离运维平台。
在利用光伏逆变器进行光伏组件诊断时，光伏逆变器可以对与之相连的光伏组件进行发电特性曲线扫描，通过扫描获取光伏组件的发电特性曲线，并对获取到的发电特性曲线进行采样，以从发电特性曲线中获取发电数据。
其中，光伏逆变器可以定时获取光伏组件的发电特性曲线；或者可以监测光伏组件的发电功率，并在发电功率达到阈值时获取光伏组件的发电特性曲线；或者可以在接收到运维人员下发的诊断指令后获取伏组件的发电特性曲线，以便于光伏逆变器可以获知其应在何时进行光伏组件诊断，并在确定需要进行诊断时进行诊断操作。当然，光伏逆变器也可以实时获取光伏组件的发电特性曲线等，本申请对获取光伏组件的发电特性曲线的触发条件不做任何限定。
S12：将发电数据输入到预先构建的识别模型中，得到输出结果。
光伏逆变器在从发电特性曲线中获取发电数据之后，可以将发电数据输入到预先构建出的识别模型中，以通过该识别模型得到与发电数据对应的输出结果。
其中，识别模型的构建过程为：获取光伏组件的历史发电数据、历史发电数据对应的输出结果，并对历史发电数据、历史发电数据对应的输出结果进行训练，以得到识别模型。
S13：根据预先建立的输出结果与模式状态间的对应关系，确定与得到的输出结果对应的模式状态，并将模式状态作为光伏组件的诊断结果。
在得到输出结果之后，可以基于预先建立的输出结果与模式状态间的对应关系，确定出与利用识别模型得到的输出结果对应的模式状态，同时，可以将所确定出的模式状态作为光伏组件的诊断结果，以完成对光伏组件的诊断。
其中，输出结果与模式状态间的对应关系是基于光伏组件的历史发电数据输入识别模型之后对应的输出结果、历史发电数据应对应的模式状态而建立的，例如：输出结果为1时对应的模式状态为正常、输出结果为2时对应的模式状态为局部遮挡、输出结果为3时对应的模式状态为热斑……需要说明的是，这里提及的输出结果与模式状态间的对应关系中应包含光伏组件可能出现的各种模式状态，从而便于提高光伏组件诊断的可靠性和准确性。
另外，在将确定出的模式状态作为光伏组件的诊断结果之后，可以对诊断结果进行显示，并可以将诊断结果发送至预先与光伏逆变器进行绑定的手机APP上和/或将诊断结果发送至预先与光伏逆变器进行绑定的邮箱中，以便于运维操作人员等可以及时获知光伏组件的诊断结果。
本申请公开的上述技术方案，利用与光伏组件相连的光伏逆变器来获取光伏组件的发电特性曲线，并从发电特性曲线中获取发电数据，且通过识别模型得到与发电数据对应的输出结果，并基于该输出结果确定光伏组件的模式状态且将该模式状态作为对应的光伏组件的诊断结果，以实现对光伏组件的诊断，由于该诊断过程可以仅依靠光伏逆变器进行实现，因此，则可以降低光伏组件诊断对运维平台的依赖度，且由于光伏逆变器仅需对与其相连的光伏组件进行诊断，因此，则可以降低光伏组件诊断过程中的数据处理量。
本申请实施例提供的一种光伏组件诊断方法，在将模式状态作为光伏组件的诊断结果之后，还可以包括：
当诊断结果为异常时则将诊断结果为异常时的发电数据及输出结果发送至运维平台，当诊断结果为正常时则按照预设规则选择诊断结果为正常时的发电数据及输出结果并将选中的诊断结果为正常时的发电数据及输出结果发送至运维平台，由运维平台根据接收的数据计算识别模型中的权值；
利用运维平台计算出的权值对应替换识别模型中原有的权值。
在本申请所提供的光伏组件诊断中，在将模式状态作为光伏组件的诊断结果之后，若诊断结果为异常，则可以将诊断结果为异常时的发电数据及对应的输出结果发送至运维平台，若诊断结果为正常，则可以按照预设规则选择诊断结果为正常时的发电数据及输出结果并将选中的诊断结果为正常时的发电数据及输出结果发送至运维平台，其中，这里提及的按照预设规则选择诊断结果为正常时的发电数据及输出结果包括按照每间隔预设时间长度的方式选择诊断结果为正常时的发电数据及输出结果，或按照从多组诊断结果为正常时的发电数据及输出结果中随机选择的方式选择预设数量组诊断结果为正常时的发电数据及输出结果，需要说明的是，这里提及的预设时间长度具体可以根据经验或需求进行设置，例如可以设置为2小时、5小时等，即所选中的相邻两次诊断结果为正常时的发电数据及输出结果的时间间隔为预设时间长度，另外，这里提及的预设数量组也可以根据经验或需求进行设置，且预设数量组的具体组数小于用于被选择的组数，例如：当用于被选择的组数为5组时，则预设数量组的具体组数可以为2或3。在光伏逆变器将数据(包括诊断结果为异常时的发电数据及输出结果、被选中的诊断结果为正常时的发电数据及输出结果)发送至运维平台后，由运维平台对接收到的数据进行存储，并每间隔预设时间间隔利用存储的数据进行训练，以计算识别模型的权值，且将计算出的权值发送给光伏逆变器。需要说明的是，上述提及到的预设时间间隔大于预设时间长度，以便于运维平台可以利用诊断结果为正常及异常时的数据进行权值计算，从而便于提高权值计算的准确性。
光伏逆变器在接收到运维平台发送的权值之后，可以利用这些权值对应替换识别模型中原有的权值，以使得光伏逆变器可以利用权值替换后的识别模型来对发电数据进行处理。其中，这里提及的诊断结果为异常具体即为除模式状态为正常之外的情况，也即诊断结果为异常具体对应模式状态为局部遮挡、热斑等情况。
由于运维平台中包含许多光伏组件的诊断结果为异常及正常时的发电数据及输出结果，因此，利用运维平台来对识别模型的权值进行计算的方式可以提高权值的准确性，从而可以提高光伏逆变器对光伏组件进行诊断的准确性和可靠性。另外，在上述过程中，按照预设规则选择诊断结果为正常时的发电数据及输出结果并将选中的诊断结果为正常时的发电数据及输出结果发送至运维平台的方式不仅可以使运维平台能够依据诊断结果为正常及异常时的数据进行权值计算，以提高权值计算的准确性，而且可以降低运维平台内部所存储的数据量及数据处理量。
本申请实施例提供的一种光伏组件诊断方法，当识别模型为基于神经网络的识别模型时，将发电数据输入到预先构建的识别模型中，得到输出结果，可以包括：
利用[α]＝[W]T·[E]计算识别模型中隐藏层神经元输出的结果[α]，并利用[β]＝[Y]T·[α]得到输出结果[β]；
其中，[E]为由发电数据构成的n×1矩阵，n为发电特性曲线的采样点数，[W]为由识别模型中隐藏层的权值构成的n×k矩阵，k为隐藏层神经元的数量，[α]为k×1矩阵，[Y]为由识别模型中输出层的权值构成的k×1矩阵。
当识别模型为基于神经网络的识别模型时，将发电数据输入到预先构建的识别模型中，得到输出结果的具体过程可以为：
将发电数据
Figure BDA0002612928270000081
输入到识别模型中，利用[α]＝[W]T·[E]计算识别模型中隐藏层神经元输出的结果/>
Figure BDA0002612928270000082
并利用[β]＝[Y]T·[α]得到输出结果[β]，其中，n为发电特性曲线的采样点数，即为输入识别模型的发电数据数，[E]为由对发电特性曲线进行采样得到的发电数据构成的矩阵，[W]为由识别模型中隐藏层的权值构成的矩阵，
Figure BDA0002612928270000083
[W]T为[W]的转置矩阵，k为识别模型中隐藏层神经元的数量，
Figure BDA0002612928270000084
[Y]为由识别模型的输出层的权值构成的矩阵，[Y]T为[Y]的转置矩阵，[β]为识别模型的输出结果，其为一个1×1的矩阵，也即为一个具体的数值。
需要说明的是，当识别模型为基于神经网络的识别模型时，则其可以利用神经网络对光伏组件的历史发电数据、历史发电数据对应的输出结果进行训练得到。
本申请实施例提供的一种光伏组件诊断方法，在利用[β]＝[Y]T·[α]得到输出结果[β]之后，还可以包括：
若输出结果[β]为非整数，则通过四舍五入操作对输出结果[β]进行取整。
在利用[β]＝[Y]T·[α]得到输出结果[β]之后，若输出结果[β]为非整数，此时，则可以通过四舍五入操作来对输出结果[β]进行取整操作，以便于得到与[β]更接近的整数，从而便于比较准确地从对应关系中确定出对应的模式状态。
本申请实施例提供的一种光伏组件诊断方法，获取光伏组件的发电特性曲线，从发电特性曲线中获取发电数据，可以包括：
获取光伏组件的IV特性曲线，从IV特性曲线中获取光伏组件在不同时刻的电压值和对应的电流值；
利用光伏组件的电压值和对应的电流值得到光伏组件在对应时刻的功率值。
考虑到光伏组件在不同模式状态对应的功率会差别比较大，因此，为了提高光伏组件诊断的准确性，则在进行发电特性曲线及发电数据获取时，光伏逆变器可以获取光伏组件的IV特性曲线，并可以从IV特性曲线中获取光伏组件在不同时刻的电压值
Figure BDA0002612928270000091
和对应的电流值/>
Figure BDA0002612928270000092
其中，vn和in在同一时刻采样得到的电压值和电流值，然后，可以利用光伏组件的电压值和对应的电流值得到光伏组件在对应时刻的功率值
Figure BDA0002612928270000093
其中，[I]T为[I]的转置矩阵，之后，则可以将计算出的功率值输入到预先构建的识别模型中，以进行光伏组件的诊断。
本申请实施例提供的一种光伏组件诊断方法，获取光伏组件的发电特性曲线，从发电特性曲线中获取发电数据，可以包括：
获取光伏组件的PV特性曲线，从PV特性曲线中获取光伏组件在不同时刻的功率值。
光伏逆变器除了通过获取IV特性曲线，从IV特性曲线中获取电压值和电流值，并利用电压值和电流值得到对应时刻的功率值来作为发电数据输入到预先构建的识别模型中之外，也可以获取光伏组件的PV特性曲线，并从PV特性曲线中获取光伏组件在不同时刻的功率值，之后，则可以将获取到的功率值作为发电数据输入到预先构建的识别模型中，以进行光伏组件的诊断，也即可以直接通过PV特性曲线的获取来得到光伏组件的功率值，以提高光伏组件功率值获取的便利性，降低光伏组件功率值获取的计算量。
考虑到光伏组件不同的模式状态对应的电流也会有一定的差别，因此，除了利用功率值作为发电数据而输入到识别模型中之外，也可以利用光伏组件在不同时刻的电流值作为发电数据而输入到识别模型中，具体地，可以获取光伏组件的IV特性曲线，从IV特性曲线中获取光伏组件在不同时刻的电流值，之后，则可以直接将获取到的电流值作为发电数据输入到预先构建的识别模型中，以进行光伏组件的诊断。
当然，光伏逆变器也可以通过如下方式进行发电数据及输出结果的获取：
获取光伏组件的IV特性曲线，从IV特性曲线中获取光伏组件在不同时刻的电压值和对应的电流值；利用光伏组件的电压值和对应的电流值得到光伏组件在对应时刻的功率值；相应地，将发电数据输入到预先构建的识别模型中，得到输出结果的过程为：分别将光伏组件在对应时刻的功率值及电流值输入到识别模型中，得到与功率值对应的输出结果，并得到与电流值对应的输出结果；利用功率值对应的输出结果及电流值对应的输出结果得到输出结果的平均值，并将输出结果的平均值作为最终的输出结果。
也即是说，光伏逆变器可以将光伏组件的电流值和功率值分别作为发电数据输入到识别模型中，并得到两个输出结果，且后续利用输出结果的平均值进行模式状态的确定，从而便于提高光伏组件诊断的准确性。
本申请实施例提供的一种光伏组件诊断方法，在将发电数据输入到预先构建的识别模型中之前，还可以包括：
获取光伏组件的标准发电数据，并根据光伏组件的标准发电数据对发电数据进行归一化处理。
为了便于提高光伏组件诊断的准确性，则在获取发电数据之后且在将发电数据输入到识别模型中之前，可以对光伏组件的发电数据进行归一化处理，具体地，可以获取光伏组件的标准发电数据，之后，可以根据光伏组件的标准数据对获取到的发电数据进行归一化处理，这里提及的归一化处理即为利用发电数据除以光伏组件的标准发电数据，以得到归一化处理结果，之后，可以将归一化处理结果输入到识别模型中，以进行光伏组件诊断。其中，对于电压值而言，标准发电数据即为光伏组件的开路电压，对于电流值而言，光伏组件的标准发电数据即为短路电流，对于功率值而言，光伏组件的标准发电数据即为光伏组件的最大功率。
对光伏组件发电数据的归一化处理可以尽量避免出现发电特性曲线的趋势一致，但最终诊断结果不一致的情况，即通过归一化处理可以提高光伏组件诊断的准确性。
本申请实施例还提供了一种光伏组件诊断装置，应用于与光伏组件相连的光伏逆变器，具体可以参见图2，其示出了本申请实施例提供的一种光伏组件诊断装置的结构示意图，可以包括：
获取模块21，用于获取光伏组件的发电特性曲线，从发电特性曲线中获取发电数据；
输入模块22，用于将发电数据输入到预先构建的识别模型中，得到输出结果；
确定模块23，用于根据预先建立的输出结果与模式状态间的对应关系，确定与得到的输出结果对应的模式状态，并将模式状态作为光伏组件的诊断结果。
本申请实施例提供的一种光伏组件诊断装置，还可以包括：
发送模块，用于在将模式状态作为光伏组件的诊断结果之后，当诊断结果为异常时则将诊断结果为异常时的发电数据及输出结果发送至运维平台，当诊断结果为正常时则按照预设规则选择诊断结果为正常时的发电数据及输出结果并将选中的诊断结果为正常时的发电数据及输出结果发送至运维平台，由运维平台根据接收的数据计算识别模型中的权值；
替换模块，用于利用运维平台计算出的权值对应替换识别模型中原有的权值。
本申请实施例提供的一种光伏组件诊断装置，输入模块22可以包括：
计算单元，用于利用[α]＝[W]T·[E]计算识别模型中隐藏层神经元输出的结果[α]，并利用[β]＝[Y]T·[α]得到输出结果[β]；
其中，[E]为由发电数据构成的n×1矩阵，n为发电特性曲线的采样点数，[W]为由识别模型中隐藏层的权值构成的n×k矩阵，k为隐藏层神经元的数量，[α]为k×1矩阵，[Y]为由识别模型中输出层的权值构成的k×1矩阵。
本申请实施例提供的一种光伏组件诊断装置，输入模块22还可以包括：
操作单元，用于在利用[β]＝[Y]T·[α]得到输出结果[β]之后，若输出结果[β]为非整数，则通过四舍五入操作对输出结果[β]进行取整。
本申请实施例提供的一种光伏组件诊断装置，获取模块21可以包括：
第一获取单元，用于获取光伏组件的IV特性曲线，从IV特性曲线中获取光伏组件在不同时刻的电压值和对应的电流值；
得到功率值单元，用于利用光伏组件的电压值和对应的电流值得到光伏组件在对应时刻的功率值。
本申请实施例提供的一种光伏组件诊断装置，获取模块21可以包括：
第二获取单元，用于获取光伏组件的PV特性曲线，从PV特性曲线中获取光伏组件在不同时刻的功率值。
本申请实施例提供的一种光伏组件诊断装置，还可以包括：
归一化处理模块，用于在将发电数据输入到预先构建的识别模型中之前，获取光伏组件的标准发电数据，并根据光伏组件的标准发电数据对发电数据进行归一化处理。
本申请实施例还提供了一种光伏组件诊断装置，具体可以参见图3，其示出了本申请实施例提供的一种光伏组件诊断装置的结构示意图，可以包括：
存储器31，用于存储计算机程序；
处理器32，用于执行存储器31存储的计算机程序时可实现如下步骤：
获取光伏组件的发电特性曲线，从发电特性曲线中获取发电数据；将发电数据输入到预先构建的识别模型中，得到输出结果；根据预先建立的输出结果与模式状态间的对应关系，确定与得到的输出结果对应的模式状态，并将模式状态作为光伏组件的诊断结果。
本申请实施例还提供了一种计算机可读存储介质，计算机可读存储介质中存储有计算机程序，计算机程序被处理器执行时可实现如下步骤：
获取光伏组件的发电特性曲线，从发电特性曲线中获取发电数据；将发电数据输入到预先构建的识别模型中，得到输出结果；根据预先建立的输出结果与模式状态间的对应关系，确定与得到的输出结果对应的模式状态，并将模式状态作为光伏组件的诊断结果。
该计算机可读存储介质包括：U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
本申请实施例提供的一种光伏组件诊断装置、设备及计算机可读存储介质中相关部分的说明可以参见本申请实施例提供的一种光伏组件诊断方法中对应部分的详细说明，在此不再赘述。
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。另外，本申请实施例提供的上述技术方案中与现有技术中对应技术方案实现原理一致的部分并未详细说明，以免过多赘述。
对所公开的实施例的上述说明，使本领域技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (9)

1.一种光伏组件诊断方法，其特征在于，应用于与光伏组件相连的光伏逆变器，包括：
获取所述光伏组件的发电特性曲线，从所述发电特性曲线中获取发电数据；
将所述发电数据输入到预先构建的识别模型中，得到输出结果；
根据预先建立的输出结果与模式状态间的对应关系，确定与得到的所述输出结果对应的模式状态，并将所述模式状态作为所述光伏组件的诊断结果；
当所述识别模型为基于神经网络的识别模型时，将所述发电数据输入到预先构建的识别模型中，得到输出结果，包括：
利用[α]＝[W]T·[E]计算所述识别模型中隐藏层神经元输出的结果[α]，并利用[β]＝[Y]T·[α]得到所述输出结果[β]；
其中，[E]为由所述发电数据构成的n×1矩阵，n为所述发电特性曲线的采样点数，[W]为由所述识别模型中隐藏层的权值构成的n×k矩阵，k为隐藏层神经元的数量，[α]为k×1矩阵，[Y]为由所述识别模型中输出层的权值构成的k×1矩阵。
2.根据权利要求1所述的光伏组件诊断方法，其特征在于，在将所述模式状态作为所述光伏组件的诊断结果之后，还包括：
当所述诊断结果为异常时则将所述诊断结果为异常时的发电数据及输出结果发送至运维平台，当所述诊断结果为正常时则按照预设规则选择所述诊断结果为正常时的发电数据及输出结果并将选中的诊断结果为正常时的发电数据及输出结果发送至所述运维平台，由所述运维平台根据接收的数据计算所述识别模型中的权值；
利用所述运维平台计算出的所述权值对应替换所述识别模型中原有的权值。
3.根据权利要求1所述的光伏组件诊断方法，其特征在于，在利用[β]＝[Y]T·[α]得到所述输出结果[β]之后，还包括：
若所述输出结果[β]为非整数，则通过四舍五入操作对所述输出结果[β]进行取整。
4.根据权利要求1所述的光伏组件诊断方法，其特征在于，获取所述光伏组件的发电特性曲线，从所述发电特性曲线中获取发电数据，包括：
获取所述光伏组件的IV特性曲线，从所述IV特性曲线中获取所述光伏组件在不同时刻的电压值和对应的电流值；
利用所述光伏组件的电压值和对应的电流值得到所述光伏组件在对应时刻的功率值。
5.根据权利要求1所述的光伏组件诊断方法，其特征在于，获取所述光伏组件的发电特性曲线，从所述发电特性曲线中获取发电数据，包括：
获取所述光伏组件的PV特性曲线，从所述PV特性曲线中获取所述光伏组件在不同时刻的功率值。
6.根据权利要求1所述的光伏组件诊断方法，其特征在于，在将所述发电数据输入到预先构建的识别模型中之前，还包括：
获取所述光伏组件的标准发电数据，并根据所述光伏组件的标准发电数据对所述发电数据进行归一化处理。
7.一种光伏组件诊断装置，其特征在于，应用于与光伏组件相连的光伏逆变器，包括：
获取模块，用于获取所述光伏组件的发电特性曲线，从所述发电特性曲线中获取发电数据；
输入模块，用于将所述发电数据输入到预先构建的识别模型中，得到输出结果；
确定模块，用于根据预先建立的输出结果与模式状态间的对应关系，确定与得到的所述输出结果对应的模式状态，并将所述模式状态作为所述光伏组件的诊断结果；
当所述识别模型为基于神经网络的识别模型时，所述输入模块包括：
计算单元，用于利用[α]＝[W]T·[E]计算所述识别模型中隐藏层神经元输出的结果[α]，并利用[β]＝[Y]T·[α]得到所述输出结果[β]；
其中，[E]为由所述发电数据构成的n×1矩阵，n为所述发电特性曲线的采样点数，[W]为由所述识别模型中隐藏层的权值构成的n×k矩阵，k为隐藏层神经元的数量，[α]为k×1矩阵，[Y]为由所述识别模型中输出层的权值构成的k×1矩阵。
8.一种光伏组件诊断装置，其特征在于，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序时实现如权利要求1至6任一项所述的光伏组件诊断方法的步骤。
9.一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计算机程序，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述的光伏组件诊断方法的步骤。
CN202010760394.6A 2020-07-31 2020-07-31 一种光伏组件诊断方法、装置、设备及可读存储介质 Active CN111967620B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202010760394.6A CN111967620B (zh) 2020-07-31 2020-07-31 一种光伏组件诊断方法、装置、设备及可读存储介质
PCT/CN2021/109430 WO2022022659A1 (zh) 2020-07-31 2021-07-30 一种光伏组件诊断方法、装置、设备及可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010760394.6A CN111967620B (zh) 2020-07-31 2020-07-31 一种光伏组件诊断方法、装置、设备及可读存储介质

Publications (2)

Publication Number Publication Date
CN111967620A CN111967620A (zh) 2020-11-20
CN111967620B true CN111967620B (zh) 2023-07-14

Family

ID=73363858

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010760394.6A Active CN111967620B (zh) 2020-07-31 2020-07-31 一种光伏组件诊断方法、装置、设备及可读存储介质

Country Status (2)

Country Link
CN (1) CN111967620B (zh)
WO (1) WO2022022659A1 (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111967620B (zh) * 2020-07-31 2023-07-14 厦门科华数能科技有限公司 一种光伏组件诊断方法、装置、设备及可读存储介质
CN112990059B (zh) * 2021-03-30 2023-04-28 尚特杰电力科技有限公司 一种基于曲线形状描述的iv曲线诊断的方法及装置
CN113779891A (zh) * 2021-09-26 2021-12-10 中机国能电力工程有限公司 一种基于数据深度挖掘的光伏组件设计方法
CN115980493B (zh) * 2023-01-03 2023-11-07 广州市德珑电子器件有限公司 多电感的光伏逆变器测试方法、装置、设备以及存储介质
CN116029160B (zh) * 2023-03-23 2023-06-20 南昌航空大学 光伏组件缺陷与发电效率损失的映射模型构建方法及系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104270091A (zh) * 2014-08-27 2015-01-07 国电南瑞南京控制系统有限公司 一种基于监控系统的光伏发电设备故障诊断方法
CN107276531A (zh) * 2017-06-08 2017-10-20 南昌航空大学 一种光伏组件在线故障分级诊断系统及方法
KR20180121754A (ko) * 2017-04-28 2018-11-08 한국에너지기술연구원 다채널 태양광 dc 어레이 고장진단 장치
CN109861644A (zh) * 2018-12-24 2019-06-07 阳光电源股份有限公司 光伏组件故障诊断方法、边缘计算处理装置和逆变器
EP3506448A1 (en) * 2017-12-28 2019-07-03 ABB Schweiz AG Method and system for monitoring a photovoltaic plant to determine a fault condition

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2311163A4 (en) * 2008-07-01 2013-08-21 Satcon Technology Corp PHOTOVOLTAIC CONTINUOUS / CONTINUOUS MICROCONVERTER
CN105044624B (zh) * 2015-08-11 2018-02-23 上海海事大学 带故障诊断功能的七电平逆变器及故障诊断方法
CN106067758A (zh) * 2016-05-25 2016-11-02 河海大学常州校区 基于参数辨识的光伏发电系统故障诊断方法及系统
CN111967620B (zh) * 2020-07-31 2023-07-14 厦门科华数能科技有限公司 一种光伏组件诊断方法、装置、设备及可读存储介质

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104270091A (zh) * 2014-08-27 2015-01-07 国电南瑞南京控制系统有限公司 一种基于监控系统的光伏发电设备故障诊断方法
KR20180121754A (ko) * 2017-04-28 2018-11-08 한국에너지기술연구원 다채널 태양광 dc 어레이 고장진단 장치
CN107276531A (zh) * 2017-06-08 2017-10-20 南昌航空大学 一种光伏组件在线故障分级诊断系统及方法
EP3506448A1 (en) * 2017-12-28 2019-07-03 ABB Schweiz AG Method and system for monitoring a photovoltaic plant to determine a fault condition
CN109861644A (zh) * 2018-12-24 2019-06-07 阳光电源股份有限公司 光伏组件故障诊断方法、边缘计算处理装置和逆变器

Also Published As

Publication number Publication date
CN111967620A (zh) 2020-11-20
WO2022022659A1 (zh) 2022-02-03

Similar Documents

Publication Publication Date Title
CN111967620B (zh) 一种光伏组件诊断方法、装置、设备及可读存储介质
US8868985B2 (en) Supervised fault learning using rule-generated samples for machine condition monitoring
CN106021771A (zh) 一种故障诊断方法及装置
JP6543028B2 (ja) 異常診断装置及び異常診断方法
CN112287556A (zh) 电缆绝缘状态的确定方法及装置
CN113760670A (zh) 电缆接头异常预警方法、装置、电子设备和存储介质
CN115796708B (zh) 一种工程建设用的大数据智能质检方法、系统和介质
CN113608140A (zh) 一种电池故障诊断方法及系统
CN113010394A (zh) 一种用于数据中心的机房故障检测方法
CN112419243A (zh) 一种基于红外图像分析的配电房设备故障识别方法
CN116578922A (zh) 基于多通道卷积神经网络的阀冷系统故障诊断方法及装置
CN115713027A (zh) 一种变压器状态评估方法、装置及系统
CN115204615A (zh) 一种基于欧氏距离和灰色关联度的灾害分级方法和装置
CN115511111A (zh) 一种基于时序数据多尺度特征的电站运维状态监测方法
CN110968834B (zh) 一种基于谐波含量分析的电网监测站点选取方法
CN112993336A (zh) 用于车用燃料电池衰减过程的水管理故障诊断方法
CN117290756B (zh) 基于联邦学习的输电线路故障辨识方法、装置和电子设备
CN115712064B (zh) 一种基于lstm-cnn混合神经网络的励磁系统故障诊断方法
CN117289075B (zh) 电缆性能检测方法及系统
CN117648612B (zh) 并联电池组故障检测方法、装置、电子设备和存储介质
CN114047444B (zh) 蓄电池健康状况评估方法及装置
CN116937758B (zh) 一种家庭储能电源系统及其运行方法
CN117833824A (zh) 一种光伏逆变器的性能分析方法、装置、设备和存储介质
CN117292235A (zh) 一种用于变电站巡检机器人的红外成像检测与预警方法
CN115601932A (zh) 一种电力设备漏电监测方法、设备、介质及产品

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
CB02 Change of applicant information

Address after: 361000 Ma Long Road 457, Torch Garden, Xiamen Torch High-tech Zone, Xiamen City, Fujian Province

Applicant after: Kehua Data Co.,Ltd.

Applicant after: ZHANGZHOU KEHUA TECHNOLOGY Co.,Ltd.

Address before: 361000 Ma Long Road 457, Torch Garden, Xiamen Torch High-tech Zone, Xiamen City, Fujian Province

Applicant before: XIAMEN KEHUAHENGSHENG LIMITED BY SHARE Ltd.

Applicant before: ZHANGZHOU KEHUA TECHNOLOGY Co.,Ltd.

TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20220623

Address after: 361001 room 208-38, Hengye building, No. 100, Xiangxing Road, Xiamen Torch High tech Zone (Xiang'an) Industrial Zone, Xiamen, Fujian

Applicant after: Xiamen Kehua shuneng Technology Co.,Ltd.

Address before: 361000 Ma Long Road 457, Torch Garden, Xiamen Torch High-tech Zone, Xiamen City, Fujian Province

Applicant before: Kehua Data Co.,Ltd.

Applicant before: ZHANGZHOU KEHUA TECHNOLOGY Co.,Ltd.

GR01 Patent grant
GR01 Patent grant