CN112329272B - 综合光伏组件退化和寿命数据的剩余寿命拟合预测方法 - Google Patents
综合光伏组件退化和寿命数据的剩余寿命拟合预测方法 Download PDFInfo
- Publication number
- CN112329272B CN112329272B CN202011462458.0A CN202011462458A CN112329272B CN 112329272 B CN112329272 B CN 112329272B CN 202011462458 A CN202011462458 A CN 202011462458A CN 112329272 B CN112329272 B CN 112329272B
- Authority
- CN
- China
- Prior art keywords
- photovoltaic module
- degradation
- life
- performance
- residual
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/08—Probabilistic or stochastic CAD
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/04—Ageing analysis or optimisation against ageing
Abstract
本发明属于可靠性统计技术领域,本发明公开了综合光伏组件退化和寿命数据的剩余寿命拟合预测方法,先利用性能退化数据,估计退化过程模型参数初值,再估计寿命数据的失效概率并通过拟合计算剩余寿命的预测值。本发明通过上述步骤很好的解决了综合利用性能退化数据和寿命数据中蕴含的信息,预测光伏组件剩余寿命的问题,计算结果和计算过程的简洁性都优于现有方法。
Description
技术领域
本发明主要涉及到可靠性统计领域,特指一种针对光伏组件产品的基于两阶段法的剩余寿命预测方法。
背景技术
在装备可靠性工程领域,可靠性评估是其中的重要研究内容,其中剩余寿命是评估可靠性时普遍采用的指标,表示产品在当前时刻之后的剩余正常工作时间。现阶段广泛使用的剩余寿命预测方法主要包括基于寿命数据的方法、基于性能退化数据的方法以及基于性能退化数据和寿命数据融合的方法。
基于寿命数据的方法主要假定产品的寿命是随机变量且服从特定分布,并利用数理统计理论,从产品的寿命分布推导剩余寿命分布,进而预测产品的剩余寿命。基于性能退化数据的方法主要假定产品的性能参数退化到某一阈值后就会失效,并利用随机过程建模产品性能参数的退化,通过首达时推导产品的剩余寿命分布,从而对产品的剩余寿命进行预测。
常用的退化随机过程中,Gamma过程可以描述系统疲劳、磨损、裂纹、锈蚀、腐蚀等自然老化现象的能力,其特点是退化过程是单调递增的。
其中
目前对于光伏组件的剩余寿命预测方法中,有基于寿命数据的方法,还有基于性能退化数据的方法。无论是基于寿命数据的方法,还是基于性能退化数据的方法,这两类方法往往只利用了单一可靠性数据,随着数据收集技术的发展,工程实际中往往可同时收集到寿命数据和性能退化数据,通过充分利用和综合分析这两类可靠性数据,能够改善光伏组件剩余寿命预测的结果,提高预测结果的精度,这就需要利用基于寿命数据和性能退化数据融合的剩余寿命预测方法。
发明内容
针对现有技术存在的缺陷,本发明提供一种综合光伏组件退化和寿命数据的剩余寿命拟合预测方法。采用本发明提供的方法通过综合利用光伏组件的性能退化数据和寿命数据,可对其剩余寿命进行预测。该方法在保证精度的条件下,能够快速地对随机过程特征参数进行估计从而得到剩余寿命的预测值。
本发明的技术方案是:
综合光伏组件退化和寿命数据的剩余寿命拟合预测方法,包括以下步骤:
(1)针对n个光伏组件样品进行性能退化试验,收集各光伏组件样品的性能退化数据,得到所有光伏组件样品在整个性能退化试验过程中的性能退化速率,得到其均值的估计值以及方差的估计值,并基于和估计服从Gamma过程的退化过程模型参数初值和。
(4)对于待进行剩余寿命预测的光伏组件,获取其在t时刻的退化性能测量值,基于步骤(3)得到的光伏组件剩余寿命分布参数α和β的最优点估计,得到其在t时刻处剩余寿命的预测结果。
进一步地,在本发明步骤(1)中,对于光伏组件样品i,性能退化试验初始时刻t i,0 的退化性能测量值为X i,0 =0,分别在t i,1 , t i,2 ,…, t i,mi 时刻测量光伏组件样品i的性能得到其退化性能测量值分别为X i,1 , X i,2 ,…, X i,mi 。记是光伏组件样品i在时刻t i,j 和t i,j-1之间的性能退化量,根据Gamma过程的性质可知
令,R ij 即光伏组件样品i在时刻t i,j 和t i,j-1之间的性能退化速率,可知R ij 服从形状参数为α,尺度参数为β的伽马分布,且相互独立;所有光伏组件样品在整个性能退化试验过程中的性能退化速率均值的估计值为:
步骤(1)中,所有光伏组件样品在整个性能退化试验过程中的性能退化速率方差的估计值为:
进一步地,本发明步骤(2)中,M个光伏组件样品进行寿命试验,收集到M个寿命数据t 1,t 2,…, t M ,且设t 1≤t 2 …≤t M ;按下式估计光伏组件样品寿命数据t k 的失效概率:
其中l为预设的退化阈值,k=1,2,…, M。
进一步地,本发明步骤(4)中,采用下式获得t时刻光伏组件的剩余寿命预测结果:
其中l为预设的退化阈值,X(t)为待进行剩余寿命预测的光伏组件在t时刻的退化量测量值。
由于光伏组件输出功率的性能退化是严格单调的,即其退化增量是非负的,退化过程是递增的。本发明中上述退化性能测量值为光伏组件的输出功率。相较于目前常用的退化随机过程中,Gamma过程的特点是退化过程是单调递增的,可以更好地描述光伏组件的退化过程。光伏组件输出功率性能的退化数据具有单调递增趋势,可以用形状参数α和尺度参数β的Gamma过程描述,此时产品的剩余寿命服从式(6)中的分布。
本发明综合利用光伏组件的性能退化数据和寿命数据,对其剩余寿命进行预测。首先利用性能退化数据得到退化过程模型参数的初始估计,再结合寿命数据计算失效概率,综合失效概率和寿命数据进行光伏组件的寿命分布曲线拟合,估计寿命分布的参数,获得光伏组件剩余寿命分布参数的最优解,最终给出产品的剩余寿命预测结果。通过上述处理,能够较好的综合利用性能退化数据和寿命数据中蕴含的信息,对光伏组件的剩余寿命进行精确的预测。
附图说明
为了更清楚地说明本发明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发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图示出的结构获得其他的附图。
图1是本发明一实施例的流程图;
图2是本发明一实施例用的光伏组件退化性能测量值。
具体实施方式
下面将结合本发明实施例中的附图,对本发明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发明的一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例1:
参照图1,在本发明一实施例中提供一种综合光伏组件退化和寿命数据的剩余寿命拟合预测方法,包括以下步骤:
(1)n个光伏组件样品进行性能退化试验,收集各光伏组件样品的性能退化数据,得到所有光伏组件样品在整个性能退化试验过程中的性能退化速率均值的估计值以及所有光伏组件样品在整个性能退化试验过程中的性能退化速率方差的估计值,基于和估计服从Gamma过程的退化过程模型参数初值和。
设共有个光伏组件样品进行性能退化试验来收集性能退化数据。对于光伏组件样品i,性能退化试验初始时刻t i,0 的退化性能测量值为X i,0 =0,分别在t i,1 , t i,2 ,…, t i,mi 时刻测量光伏组件样品i的性能得到其退化性能测量值分别为X i,1 , X i,2 ,…, X i,mi 。记是光伏组件样品i在时刻t i,j 和t i,j-1之间的性能退化量,根据Gamma过程的性质可知
由伽马分布的特性可知
根据矩估计法,可令
M个光伏组件样品进行寿命试验,收集到M个寿命数据t 1,t 2,…, t M ,且设t 1≤t 2 …≤t M ;按下式估计光伏组件样品寿命数据t k 的失效概率:
其中l为预设的退化阈值,k=1,2,…, M。
其中l为预设的退化阈值,X(t)为待进行剩余寿命预测的光伏组件在t时刻的退化量测量值。
实施例2:
在本发明一实施例中公开了一种综合光伏组件退化和寿命数据的剩余寿命拟合预测方法。在本实例中,假定有11个光伏组件样品,且每个光伏组件样品的性能退化量服从形状参数和尺度参数的Gamma过程,失效阈值为。基于该Gamma过程生成11组随机数,每一组各有700个数值,作为11个样品的性能测量值,如图2所示。另外,基于该Gamma过程所对应的寿命分布,生成11个随机数作为11个样品的寿命数据,为615.7616, 598.2570, 612.3126,590.8198, 499.9999, 593.4227, 597.1341, 597.4369, 613.3100, 562.4993和617.4528。本发明的具体算法如下所示:
然后采用实施例1中步骤(2)中的方法根据Gamma过程参数估计初值估计11个寿命数据的失效概率,可得0.6314, 0.4325, 0.5934, 0.3497, 0.0010, 0.3781, 0.4197,0.4232, 0.6045, 0.1116, 0.6495。
在实施例2相同样本下,采用现有的Bayes方法对Gamma过程参数求解,求得的待进行剩余寿命预测的光伏组件在相同时刻下的剩余寿命与真值相比有较大差距。
通过以上实例可知,利用本发明所提出的综合光伏组件退化和寿命数据的剩余寿命拟合预测方法,既能够对利用退化数据计算出的矩估计结果进行修正,得到更加精准的结果,又能够简化现有的基于Bayes信息融合的剩余寿命预测方法。同时本发明具有更高的准确性,更加简洁的步骤。
综上所述,虽然本发明已以较佳实施例揭露如上,然其并非用以限定本发明,任何本领域普通技术人员,在不脱离本发明的精神和范围内,当可作各种更动与润饰,因此本发明的保护范围当视权利要求书界定的范围为准。
Claims (3)
1.综合光伏组件退化和寿命数据的剩余寿命拟合预测方法,其特征在于:包括以下步骤:
(1)针对n个光伏组件样品进行性能退化试验,收集各光伏组件样品的性能退化数据,得到所有光伏组件样品在整个性能退化试验过程中的性能退化速率,得到其均值的估计值以及方差的估计值并基于和估计服从Gamma过程的退化过程模型参数初值和
对于光伏组件样品i,性能退化试验初始时刻ti,0的退化性能测量值为Xi,0=0,分别在ti,1,ti,2,…,ti,mi时刻测量光伏组件样品i的性能得到其退化性能测量值分别为Xi,1,Xi,2,…,Xi,mi;记ΔXij=Xi,j-Xi,j-1是光伏组件样品i在时刻ti,j和ti,j-1之间的性能退化量,根据Gamma过程的性质可知
ΔXij~Ga(αΔtij,β)
令Rij=ΔXij/Δtij,Rij即光伏组件样品i在时刻ti,j和ti,j-1之间的性能退化速率,可知Rij服从形状参数为α,尺度参数为β的伽马分布,且相互独立;所有光伏组件样品在整个性能退化试验过程中的性能退化速率均值的估计值为
其中,mi为光伏组件样品i在性能退化试验过程中的采样点数;Δtij为性能退化试验过程中采样时刻ti,j和ti,j-1的时间差,Δtij=ti,j-ti,j-1,j=1,2,…,mi,i=1,2,…,n;
M个光伏组件样品的寿命数据t1,t2,…,tM,且设t1≤t2…≤tM;按下式估计光伏组件样品寿命数据tk的失效概率:
其中l为预设的退化阈值,k=1,2,…,M;
(3)根据进行寿命试验的各光伏组件样品的寿命数据以及其失效概率的估计值,拟合光伏组件的寿命分布曲线并估计寿命分布的参数,获得光伏组件剩余寿命分布参数α和β的最优点估计;
s.t.α>0,β>0
(4)对于待进行剩余寿命预测的光伏组件,获取其在t时刻的退化性能测量值,基于步骤(3)得到的光伏组件剩余寿命分布参数α和β的最优点估计,得到其在t时刻处剩余寿命的预测结果。
3.根据权利要求1或2所述综合光伏组件退化和寿命数据的剩余寿命拟合预测方法,其特征在于:退化性能测量值为光伏组件的输出功率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011462458.0A CN112329272B (zh) | 2020-12-14 | 2020-12-14 | 综合光伏组件退化和寿命数据的剩余寿命拟合预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011462458.0A CN112329272B (zh) | 2020-12-14 | 2020-12-14 | 综合光伏组件退化和寿命数据的剩余寿命拟合预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112329272A CN112329272A (zh) | 2021-02-05 |
CN112329272B true CN112329272B (zh) | 2021-11-02 |
Family
ID=74301935
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011462458.0A Active CN112329272B (zh) | 2020-12-14 | 2020-12-14 | 综合光伏组件退化和寿命数据的剩余寿命拟合预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112329272B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113434574B (zh) * | 2021-06-29 | 2024-03-26 | 平安科技(深圳)有限公司 | 基于小样本的数据可靠性分析方法、装置、设备及介质 |
CN114818345B (zh) * | 2022-05-05 | 2023-09-12 | 兰州理工大学 | 一种光伏组件剩余寿命预测方法及预测系统 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
IN2014DN05977A (zh) * | 2012-02-08 | 2015-06-26 | Hitachi Ltd | |
CN102789545B (zh) * | 2012-07-12 | 2015-08-19 | 哈尔滨工业大学 | 基于退化模型匹配的涡轮发动机剩余寿命的预测方法 |
-
2020
- 2020-12-14 CN CN202011462458.0A patent/CN112329272B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN112329272A (zh) | 2021-02-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP1416348B1 (en) | Methodology for temporal fault event isolation and identification | |
CN102789545B (zh) | 基于退化模型匹配的涡轮发动机剩余寿命的预测方法 | |
CN107885928B (zh) | 考虑测量误差的步进应力加速性能退化可靠性分析方法 | |
CN112329272B (zh) | 综合光伏组件退化和寿命数据的剩余寿命拟合预测方法 | |
CN109752656B (zh) | 一种在多时间尺度下用电动汽车电池soh评估方法 | |
WO2020215721A1 (zh) | 一种激光雷达的寿命预测方法 | |
CN111859658B (zh) | 一种产品贮存寿命与可靠性评估方法 | |
CN116391131A (zh) | 一种电池温度预测方法及系统 | |
CN108022058B (zh) | 一种风力机状态可靠性评估方法 | |
CN111984513A (zh) | 一种预测性维护方法、装置、设备以及存储介质 | |
CN112784414B (zh) | 一种多部件整机贮存寿命置信下限评估方法 | |
CN110738346A (zh) | 一种基于威布尔分布的批次电能表可靠度预测方法 | |
CN112418517B (zh) | 一种用于冻害短临预警的预测方法 | |
CN115841049B (zh) | 一种基于多源信息融合的设备寿命可靠性评估方法及系统 | |
CN110895626B (zh) | 基于留一交叉验证的性能退化模型精度验证方法 | |
CN115438403A (zh) | 桥梁结构多因素耦合作用疲劳损伤与寿命的评估方法 | |
CN110895624A (zh) | 基于最大熵谱估计的加速贮存与自然贮存退化数据一致性检验法 | |
CN115270637A (zh) | 一种基于gbrt的地下排水管道最大应力预测方法 | |
CN110895628B (zh) | 一种性能退化模型预测精度验证方法 | |
CN110795798B (zh) | 一种基于多样本的钢丝绳可靠寿命计算方法 | |
CN110889190B (zh) | 面向预测精度要求的性能退化建模数据量优化方法 | |
CN113988210A (zh) | 结构监测传感网失真数据修复方法、装置及存储介质 | |
CN109284535B (zh) | 基于遥测参数的空间行波管放大器可靠性评估方法和装置 | |
CN111931407A (zh) | 一种基于长期监测数据的结构可靠度评估预测方法及系统 | |
CN112989637B (zh) | 基于分布折算、近似和综合的星敏系统可靠性评估方法 |
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 |