CN112753162B - 发电系统的异常与否确定装置及方法 - Google Patents
发电系统的异常与否确定装置及方法 Download PDFInfo
- Publication number
- CN112753162B CN112753162B CN201980062673.0A CN201980062673A CN112753162B CN 112753162 B CN112753162 B CN 112753162B CN 201980062673 A CN201980062673 A CN 201980062673A CN 112753162 B CN112753162 B CN 112753162B
- Authority
- CN
- China
- Prior art keywords
- power generation
- generation system
- similar
- abnormality
- abnormal
- 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
- 238000010248 power generation Methods 0.000 title claims abstract description 328
- 230000005856 abnormality Effects 0.000 title claims abstract description 65
- 238000000034 method Methods 0.000 title claims description 30
- 230000002159 abnormal effect Effects 0.000 claims abstract description 27
- 238000004891 communication Methods 0.000 claims abstract description 14
- 230000005611 electricity Effects 0.000 claims description 29
- 238000010801 machine learning Methods 0.000 claims description 24
- 238000009434 installation Methods 0.000 claims description 13
- 238000012544 monitoring process Methods 0.000 description 32
- 238000012545 processing Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 7
- 238000006243 chemical reaction Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- 238000004590 computer program Methods 0.000 description 2
- 230000001186 cumulative effect Effects 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000003442 weekly effect Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000005314 correlation function Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000002803 fossil fuel Substances 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000011179 visual inspection Methods 0.000 description 1
Images
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G08—SIGNALLING
- G08C—TRANSMISSION SYSTEMS FOR MEASURED VALUES, CONTROL OR SIMILAR SIGNALS
- G08C17/00—Arrangements for transmitting signals characterised by the use of a wireless electrical link
- G08C17/02—Arrangements for transmitting signals characterised by the use of a wireless electrical link using a radio link
-
- 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
- Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
- Y02B10/00—Integration of renewable energy sources in buildings
- Y02B10/10—Photovoltaic [PV]
-
- 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
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Medical Informatics (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Photovoltaic Devices (AREA)
- Architecture (AREA)
- Civil Engineering (AREA)
- Structural Engineering (AREA)
Abstract
本发明涉及一种发电系统的异常与否确定装置，更具体地，该装置可以包括：通信部，其从至少一个发电系统接收发电数据；存储部，其存储所接收的所述数据；以及处理器，其从所收集的所述数据中选择类似区域的发电系统，并通过比较所述类似区域的发电系统之间的发电时间和发电量来确定特定发电系统的异常与否。
Description
技术领域
本发明涉及一种用于确定发电系统的异常与否的装置，更具体地，涉及一种在执行系统的综合监控时确定发电系统的异常与否的装置及方法。
背景技术
太阳能发电装置作为近年来韩国国内减少核电站和化石燃料的一种方法，在可再生能源领域得到了广泛的应用。此外，世界范围内对太阳能发电设备、材料和部件的研究也在不断增加，这些设备、材料和部件可以从自然界中获得，为燃料的消耗做准备。
这种太阳能发电系统的供应不仅扩大到单个大型发电厂，还扩大到单个家庭，因此需要开发出一种用于管理这些发电厂的监控系统。
发明内容
解决问题的技术方法
根据一实施例，公开一种可再生能源发电系统的异常与否确定方法，其至少由计算机以预定的时间间隔临时执行，包括以下步骤：通信部从多个发电系统接收发电数据；存储部存储所接收的所述数据；处理器从所收集的所述数据中选择类似区域的发电系统；所述处理器将选定的所述类似区域的发电系统的发电量转换为发电时间指数；以及所述处理器通过比较所述发电时间指数来确定特定发电系统的异常与否。
根据另一实施例，所述发电时间指数是通过将发电系统的预定时间内的发电量除以发电容量来计算的指数。
根据又另一实施例，选择所述类似区域的发电系统的步骤可以使用以下步骤中的至少一个：选择从特定位置在预定间隔内的发电系统；使用行政区域的分类来进行选择；考虑安装环境因素进行选择；以及考虑气候因素进行选择。
根据另一实施例，确定所述特定发电系统的异常与否的步骤包括以下步骤：计算类似区域的发电系统的发电时间指数的平均；确定每个发电系统的发电时间指数和所述发电指数的平均之间的差值是否超过预定范围；以及当超过所述范围时，确定存在异常。
根据一实施例，确定所述特定发电系统的异常与否的步骤，可以包括以下步骤：比较所述类似区域的各个发电系统的发电时间指数；以及当通过所述比较计算出的差值超过预定范围时，确定存在异常。
根据又另一实施例，还可以包括以下步骤：机器学习部使用所述数据和所述异常与否来执行机器学习；以及所述机器学习部重新确定所述发电系统的异常与否。
此时，当确定特定发电系统存在异常时，还包括以下步骤：使用所述特定发电系统的先前发电量数据、气候、传感器缺陷及维修历史中的至少一个来重新确定发电系统的异常与否。
根据一方面，公开一种发电系统的异常与否确定装置，包括：通信部，其从至少一个发电系统接收发电数据；存储部，其存储所接收的所述数据；以及处理器，其从所收集的所述数据中选择类似区域的发电系统，并通过比较所述类似区域的发电系统之间的发电时间指数来确定特定发电系统的异常与否。
根据另一方面，所述发电时间指数是通过将发电系统的预定时间内的发电量除以发电容量来计算的指数。
另外，所述处理器可以在选择从特定位置在预定间隔内的发电系统的方法、使用行政区域的分类来进行选择的方法、考虑安装环境因素进行选择的方法以及考虑气候因素进行选择的方法中使用至少一种来选择类似区域的发电系统。
另外，所述处理器计算类似区域的发电系统的发电时间指数的平均，确定每个发电系统的发电时间指数和所述发电指数的平均之间的差值是否超过预定范围，并当超过所述范围时，确定特定发电系统存在异常。
根据另一方面，所述处理器比较所述类似区域的各个发电系统的发电时间指数，并当通过所述比较计算出的差值超过预定范围时，确定特定发电系统存在异常。
根据又另一方面，还可以包括：机器学习部，其使用所述数据和所述异常与否来执行机器学习，并重新确定所述发电系统的异常与否。
此时，当确定特定发电系统存在异常时，可以使用所述特定发电系统的先前发电量数据、气候、传感器缺陷及维修历史中的至少一个来重新确定发电系统的异常与否。
公开一种计算机可读记录介质，包括用于执行所述发电系统的异常与否确定方法的程序。
附图说明
图1为显示根据一实施例的安装在类似房屋的太阳能模块的附图。
图2为显示根据一实施例的用于管理多个区域的发电系统的综合监控系统的配置的附图。
图3为显示根据一实施例的特定区域的发电系统的附图。
图4为显示根据一实施例的确定特定发电系统的异常与否的流程图。
图5为显示根据一实施例的使用综合监控系统来监控特定区域的状态的附图。
图6为显示根据一实施例的综合监控系统的管理配置的附图。
图7为显示根据一实施例的综合监控系统的实时监控结果的附图。
具体实施方式
以下，将参照附图对实施例进行详细说明。然而，本发明的权利范围并非受到这些实施例的限制或限定。在各附图中，相同的构成要素赋予相同的附图标记。
以下描述中使用的术语被选定为相关技术领域中广泛使用的、通用的术语，但可以根据技术的发展和/或变更、惯例及本领域技术人员的偏好等来表示为其他术语。因此，以下描述中使用的术语不应理解为限制本发明的技术构思，而应理解为用于描述实施例的示例性术语。
另外，在特定情况下，某些术语由申请人任意选择，此时，将在相应的说明中描述其详细的含义。因此，以下描述中使用的术语应根据术语的含义和本说明书中的全部内容来理解，而不仅仅是术语的名称。
图1为显示根据一实施例的安装在类似房屋的太阳能模块的附图。
根据一实施例的综合监控系统可以监控安装在多个区域的发电系统。发电系统是使用可再生能源的发电系统，并且可以是例如太阳能发电系统，但并不限于此。图1示出了安装有太阳能发电系统的房屋110、120、130。
由于太阳能的性质，发电量因安装区域的气候、地形、方位角和阴影干扰而异，因此初始安装后的维修管理尤为重要。现有的太阳能发电系统通过在设施系统中进行通知和目视检查来进行维修和管理。
例如，依赖于连接到太阳能模块的逆变器的故障通知和连接到太阳能发电系统的各种传感器的通知。然而，实际中影响发电量的因素很多。具体地，如果太阳能模块上存在异物(拖把、树叶等)，则可能不会发出通知，但发电量会受到影响。
图2为显示根据一实施例的用于管理多个区域的发电系统的综合监控系统的配置的附图。
综合监控系统200可以监控多个区域的发电系统。例如，可以同时监控A区域210的发电系统、B区域220的发电系统和C区域230的发电系统。
A区域210、B区域220和C区域230可以是具有不同地理特征的区域，但是在某些情况下可以是具有相似地理特征的区域。作为示例描述了三个区域，但区域的数量并不限于此，并且，也可以监控多个或两个区域。
具体地，A区域210和B区域220可以是相邻区域并具有相似的气象环境和地理环境；C区域230可以是远离A区域210和B区域220的区域并具有不同的环境因素。
图3为显示根据一实施例的特定区域的发电系统的附图。
例如，使用可再生能源的发电系统310的发电装置可以包括太阳能发电、太阳热能发电和风能发电等，但并不限于此。在某些情况下，也可以使用其他类型的可再生能源。
具体地，发电装置包括太阳能发电装置、太阳热能发电装置和地热能发电装置中的至少一个以上的发电装置。例如，当发电装置是太阳能发电装置时，可以包括太阳能面板并从阳光获取能源，从而产生电力。
分析部分析从所述发电装置生成的发电数据。例如，当使用太阳能发电装置时，可以分析所产生的有关发电量、发电时间等信息。此外，还可以通过计算每日发电总量来分析有关每周发电量等信息。
通信部可以将从所述分析部产生的数据传输至综合监控系统。即，通信部可以将有关所述分析部分析的发电量等数据传送到综合监控系统，使得综合监控系统可以综合管理多个发电系统。
图4为显示根据一实施例的确定特定发电系统的异常与否的流程图。确定发电系统的异常与否的方法可以包括以下步骤：收集发电量数据410、选择类似区域420、转换发电时间指数430、比较发电时间指数440以及确定异常与否450。
具体地，收集发电量数据的步骤410是从多个发电系统收集发电量数据的步骤。所述多个发电系统意味着图3的发电系统以多个形式存在。因此，所述多个发电系统可以是使用可再生能源的发电系统，并且例如可以是使用太阳能、太阳能热、风能、地热能等能源的发电系统，但并不限于此。
从所述多个发电系统收集发电量数据。作为所述发电量数据，除了发电量之外，还可以收集关于发电时间点和发电时间等所有信息。此外，可以进一步收集与发电量相关联的各种信息，例如发电系统的地理位置、地理环境、气候环境等。根据另一实施例，与发电系统相关的信息作为发电系统安装信息，可以包括发电系统的安装日期、模块角度、模块方位角、模块类型、逆变器类型等。
选择类似区域的步骤420是基于从所述多个发电系统所收集的发电量数据来选择类似区域的步骤。类似区域并不简单地意味着空间上相邻的区域，也可以指具有类似的发电系统的发电量或发电时间的区域。
具体地，在基于发电系统的地理位置进行选择的情况下，可以将从特定位置预定的半径内的范围确定为类似区域。或者，也可以选择具有与特定发电系统相似的地理环境的区域作为类似区域。例如，可以将从安装有发电系统的位置位于南部的具有高山山脉的区域选择为类似区域，也可以将在五层以上的大楼的屋顶上安装有发电系统的区域选择为类似区域。
除了基于地理环境选择类似区域的方法之外，也可以基于气候环境选择类似区域。例如，可以将每天有10小时以上的日照的区域选择为类似区域。或者，也可以将每日发电量为10kWh以上的发电系统选择为类似区域。
所述类似区域选择方法仅作为示例提供，可以通过各种应用来选择类似区域。
转换发电时间指数的步骤430是将所述发电系统的发电量转换为发电时间指数的步骤。具体地，可以通过将发电系统的预定时间段的发电量除以发电容量来计算发电时间指数。例如，当计算一天的发电时间指数时，如果24小时的发电量为400kWh、发电容量为500kW，则发电时间指数可能为0.8。在某些情况下，可以基于一周或一个月的发电量来进行计算。
比较发电时间指数的步骤440是比较选定为所述类似区域的发电系统之间的发电时间的步骤。所述发电时间指数作为在转换发电时间指数的步骤430中计算出的指数，与发电量相关联。
在比较所述发电时间指数的步骤440中，可以比较类似区域的发电系统之间的发电时间指数。可以通过比较第一发电系统和第二发电系统的发电时间指数来确定异常与否，即为步骤450。不仅可以比较两个发电系统，还可以比较更多的发电系统，并且可以确定哪个系统的发电时间指数更大或更小。
在比较发电时间指数的步骤440中，可以比较与每日发电量相对应的发电时间指数，在某些情况下，也可以比较每个区域的发电时间指数、每个季节的发电时间指数、每年的发电时间指数、每周的发电时间指数、每月的发电时间指数及用户指定时段的发电时间指数等。或者，可以计算类似区域的发电系统的平均发电时间指数，也可以比较平均发电时间指数和特定发电系统的发电时间指数。
最后，在确定异常与否的步骤450中，使用所述发电时间指数来确定是否存在异常。具体地，如果是相同的太阳能发电系统，且从具有相同发电时间的类似区域的发电系统获得不同的发电时间指数，则可以确定存在异常。
例如，太阳能发电受环境太阳辐射的影响最大，但并不限于此。基于具有相同的发电容量的系统，当周围的发电系统产生一定量的功率，但特定发电系统的发电量急剧减少时，可以确定太阳能模块(或面板)发生了异常。例如，所述异常可以是阻挡阳光进入太阳能模块的异物之类的问题，或者是模块的光跟踪功能没有正确执行等问题。
然而，这只是一个例子，也可能是其他问题引起的。当发电量减少预定值以上的量时，系统可被配置成确定存在异常并向用户发送通知。
当收到所述异常通知时，用户可以检查发电系统。如有异常，可采取适当措施。
根据另一实施例，在确定异常与否的过程中，可以通过比较特定发电系统的产品模型来确定异常与否。除了在类似区域的发电系统之间进行比较之外，通过在相同产品模型之间进行比较，可以更准确地确定异常与否。或者，也可以采用仅在相同产品模型之间进行比较的方法，而不需要比较类似地区的系统。
根据另一实施例，使用机器学习模型来重新确定异常与否的系统也是可能的。机器学习部可以基于发电量数据和所述异常与否来执行机器学习，并重新确定发电系统的异常与否。
机器学习(Machine Learning)是计算机科学中人工智能的一个领域，它是在模式识别和计算机学习理论的基础上发展起来的。机器学习是一种研究和构建系统的技术，该系统基于经验数据进行学习，进行预测，并改进其性能和算法。机器学习的算法采用的是建立一个特定的模型，以基于输入数据得出预测或决策，而不是执行严格定义的静态程序指令。
例如，通过机器学习，机器学习部可以获得输出数据，用于基于影响太阳能发电中的发电量的因素来确定发电系统是否异常或预测发电量数据作为输入数据。即，可以基于影响所述发电量的环境因素或设施因素等作为输入数据，输出与所述输入数据相关联的输出数据。
具体地，所述机器学习部可以使用发电时间指数数据或发电量数据以及由处理器确定的异常与否结果来执行机器学习。所述机器学习部可以通过将与发电时间指数或发电量相对应的异常与否结果进行匹配来执行学习。
经过训练的机器学习部可以使用与由处理器确定的特定发电系统的异常与否结果相对应的发电时间指数来重新确定是否存在异常。通过使用机器学习部，可以减少处理器的确定误差。
图5为显示根据一实施例的使用综合监控系统来监控特定区域的状态的附图。在综合监控系统中，可以确认特定区域的发电系统的安装情况。
图5示出了安装有多个发送器和中继器以及一个集中器的状态。
例如，图5示出了安装在特定区域的发电系统的状态。T表示发送器，R表示中继器，C表示集中器。
发送器(Transmitter)可以对应于图3的通信部。所述发送器可以将所收集的每个家庭的能量数据传输到中继器。中继器(Repeater)可以将从多个发送器接收的数据发送到更远的距离。即，可以延长传输距离。集中器(Concentrator)可以用于收集发送器数据。
根据另一实施例，也可以使用低功率广域(LPWA，Low Power Wide Area)等以低功率在广域中执行通信，而不需要中继器。即，类似于物联网(IOT，Internet of Things)的概念，发送器可以通过集中器直接执行远距离通信，而不需要经过中继器。
发送器指安装在每个房屋内的发电系统的位置。例如，每个房屋中由太阳能产生的能源可以通过逆变器将相应的信息传送到发送器。例如，它可以是远程终端单元(RTU，Remote Terminal Unit)设备，但并不限于此。可以使用RF调制解调器(modem)将所述信息传输到用作转发的中继线，然后传输到接收最终数据的集中器，以便收集所有数据。
此外，根据另一实施例，还可以使用物联网(IOT，Internet of Things)专用网络，根据3G或长期演进(LTE，Long Term Evolution)通信方法来收集数据。
图5的地图上所示的房屋可以位于接收相同天气信息的村庄中。由于太阳能模块的结构位置或阴影干扰，可能会出现一些错误，但大部分发电时间应大致测量为相似或相同，才可以确定运行正常且并无故障。因此，如果十个房屋中一个房屋的发电时间过低或过高，则可以确定需要进行检查。即，可以确定存在异常。
图6为显示根据一实施例的综合监控系统的管理配置的附图。根据一实施例的综合监控系统600可以包括综合监控相关功能610、故障信息相关功能620及综合仪表板相关功能630。
首先，综合监控系统600的监控相关功能610可以监控实时发电量。例如，可以确认特定发电系统的当前产生功率。
此外，可以使用随时间累积的数据来监控发电统计趋势。具体地，可以确认每日发电量趋势、每周发电量趋势、每月或每年发电量趋势等。在某些情况下，还可以确认根据每个季节的发电量趋势或季度发电量趋势。
综合监控系统可以对每个客户进行分析和监控。即，可以针对各个发电系统确认发电量。可以针对每个特定区域监控所述实时发电量及发电统计趋势，也可以针对每个发电系统进行监控。
接下来，综合监控系统600的故障信息相关功能620可以确认关于逆变器警报和各种传感器的警报、数据错误和通信状态的信息。在逆变器警报方面，当系统无法正常运行时，存在于发电系统中的逆变器可以发出警报。当发生所述逆变器警报时，相应发电系统的用户或操作员可以确认发电系统存在异常。
例如，如果过电流在太阳能系统中流动，逆变器可以检测到过电流，并发送警报信息“过电流错误”。
例如，各种传感器的警报是指安装在发电系统的各种传感器发出的警报，例如发电厂CCTV跟踪系统发出的警报、太阳能发电厂的电力室发出的警报、安装在太阳能发电厂接线盒的传感器的警报等，但并不限于此。
数据错误对应于所收集的发电量数据具有错误的情况。例如，当发电量在特定日期急剧增加或减少时，可以确定数据具有错误。
此外，针对通信状态相关内容，可以确认由于通信设备的异常而无法适当地收集数据等情况之类的故障(错误)。
最后，综合监控系统600的综合仪表板相关功能630可以显示各种发电量、平均发电时间和TOE转换系数等。对于由综合监控系统600监控的多个发电系统，可以显示日/月/年的总发电量。另外，可以显示所述多个发电系统的平均发电时间。可以计算并显示所有被监控的发电系统的平均值，而在某些情况下，也可以计算并显示一些系统的平均值，如仅限于类似区域的发电系统。此外，还可以显示TOE转换系数。吨油当量(TOE，Ton of OilEquivalent)转换系数是指根据能源的热值换算成石油的热值。作为用于比较各种能源单位的虚拟单位，1TOE相当于1000万kcal。因此，可以将发电系统的发电量转换成TOE转换系数并显示在仪表板上。
图7为显示根据一实施例的综合监控系统的实时监控结果的附图。
在根据一实施例的综合监控系统的实时屏幕上，可以显示有关发电系统的安装位置、能源、容量、今日发电时间指数、今日累积发电量、警报状态、警报内容、地址等信息。然而，上述显示内容仅为示例，并不限于此。
发电系统的安装位置可以包括住宅房、小区会馆、博物馆、大楼、公寓房等，并且，能源可以是太阳能、太阳热能、地热能等。另外，容量可以是相应发电系统的发电容量，还可以显示发电系统的安装地址，也可以显示允许在单独窗口中显示房屋位置的图标。
另外，今日发电时间指数可以是将今日累计发电量除以发电系统的发电容量来表示的发电时间指数；今日累计发电量指截至当天实时监控时间点的总发电量。监控系统可以显示各发电系统的警报状态，也可以显示相应警报的内容。
实时综合监控系统可以基于各种准则进行排序，也可以改变为从低到高、从高到低的排序。此外，可以执行仅检索满足特定基准的发电系统的功能。例如，可以仅检索存在于预定区域的位置周围的发电系统，并进行监控。根据另一实施例，还可以基于安装位置的类型分类来仅检索房屋。
以上说明的实施例能够通过硬件构成要素、软件构成要素，和/或硬件构成要素及软件构成要素的组合实现。例如，实施例中说明的装置及构成要素，能够利用例如处理器、控制器、算术逻辑单元(arithmetic logic unit，ALU)、数字信号处理器(digital signalprocessor)、微型计算机、现场可编程阵列(field programmable array，FPA)、可编程逻辑单元(programmable logic unit，PLU)、微处理器、或能够执行与应答指令(instruction)的任何其他装置，能够利用一个以上的通用计算机或特殊目的计算机进行体现。处理装置能够执行操作系统(OS)及在所述操作系统中执行的一个以上的应用软件。并且，处理装置应答软件的执行，从而访问、存储、操作、处理及生成数据。为方便理解，说明为仅具有一个处理装置的方式，但本领域普通技术人员应理解处理装置能够包括多个处理元件(processing element)和/或多个类型的处理要素。例如，处理装置能够包括多个处理器或一个处理器及一个控制器。并且，也能够包括类似于并行处理器(parallel processor)的其他处理配置(processing configuration)。
软件能够包括计算机程序(computer program)、代码(code)、指令(instruction)，或其中的一个以上的组合，能够使处理装置按照所期待的方式操作，或者，单独或共同(collectively)命令处理装置。为通过处理装置进行解释或者向处理装置提供命令或数据，软件和/或数据能够永久或临时体现于(embody)任何类型的设备、构成要素(component)、物理装置、虚拟装置(virtual equipment)、计算机存储介质或装置，或者传送的信号波(signal wave)。软件分布于通过网络连接的计算机系统上，能够以分布式存储或执行。软件及数据能够存储于一个以上的计算机读写存储介质中。
根据实施例的方法以能够通过多种计算机手段执行的程序命令的形式体现，并记录在计算机读写介质中。所述计算机读写介质能够以单独或者组合的形式包括程序命令、数据文件、数据结构等。记录在所述介质的程序指令能够是为实现实施例而特别设计与构成的指令，或者是计算机软件领域普通技术人员能够基于公知使用的指令。计算机读写记录介质能够包括硬盘、软盘以及磁带等磁性媒介(magnetic media)；与CD-ROM、DVD等类似的光学媒介(optical media)；与光磁软盘(floptical disk)类似的磁光媒介(magneto-optical media)，以及与只读存储器(ROM)、随机存取存储器(RAM)、闪存等类似的为存储并执行程序命令而特别构成的硬件装置。程序指令的例子不仅包括通过编译器生成的机器语言代码，还包括通过使用解释器等能够由计算机执行的高级语言代码。为执行实施例的操作，所述硬件装置能够构成为以一个以上的软件模块实现操作的方式，反之亦然。
虽然通过有限的附图对实施例进行了说明，但本领域普通技术人员能够基于所述记载进行多种更改与应变。例如，所说明的技术按照与说明的方法不同的顺序执行，和/或所说明的系统、结构、装置、电路等构成要素按照与说明的方法不同的形态进行结合或组合，或者由其他构成要素或者等同物置换或代替，也能得到适当的结果。
由此，其他体现，其他实施例以及权利要求范围的等同物，均属于本发明的权利要求范围。
Claims (9)
1.一种可再生能源发电系统的异常与否确定方法，其至少由计算机以预定的时间间隔临时执行，其特征在于，
包括以下步骤：
通信部从多个发电系统接收发电数据；
处理器从接收到的所述发电数据中选择类似区域的发电系统，并选择具有相似地理环境的区域的发电系统；以及
所述处理器通过比较所述类似区域的发电系统之间的发电时间指数来确定特定发电系统的异常与否，以及在确定特定发电系统的异常与否时，使用所述特定发电系统的先前发电量数据来重新确定发电系统的异常与否，
其中，所述处理器还通过比较发电系统的发电时间来确定特定发电系统的异常与否，接收相同天气信息且未发生异常的各发电系统具有相似或相同的发电时间，
所述发电时间指数是通过将所述类似区域的发电系统的预定时间内的发电量除以发电容量来计算的指数，
所述选择类似区域的发电系统的步骤包括：
基于相对于发电系统的方位以及发电系统的安装高度，选择类似区域的发电系统，
确定所述特定发电系统的异常与否的步骤，包括以下步骤：
比较所述类似区域的各个发电系统的发电时间指数；以及
在所述类似区域的发电系统中，通过所述比较计算出差值，从而将预定范围以上的第一发电系统确定为存在异常；以及
在所述类似区域的发电系统中，即使对于具有所述预定范围内的所述差值的第二发电系统，如果警报状态为“开(on)”，则显示该警报的内容。
2.根据权利要求1所述的发电系统的异常与否确定方法，其特征在于，
选择所述类似区域的发电系统的步骤，还包括以下步骤：
将从特定位置在预定间隔内的发电系统选择为所述类似区域的发电系统；或
使用行政区域的分类来选择所述类似区域的发电系统；或
考虑气候因素来选择所述类似区域的发电系统。
3.根据权利要求1所述的发电系统的异常与否确定方法，其特征在于，
确定所述特定发电系统的异常与否的步骤，还包括以下步骤：
计算类似区域的发电系统的发电时间指数的平均；
确定每个发电系统的发电时间指数与所述发电时间指数的平均之间的差值是否超过预定范围；以及
当超过所述范围时，确定存在异常。
4.根据权利要求1所述的发电系统的异常与否确定方法，其特征在于，
还包括以下步骤：
机器学习部使用所述数据和所述异常与否来执行机器学习；以及
所述机器学习部重新确定所述发电系统的异常与否。
5.一种发电系统的异常与否确定装置，其特征在于，
包括：
通信部，其从多个发电系统接收发电数据；以及
处理器，其从接收到的所述发电数据中选择具有相似地理环境的类似区域的发电系统，并通过比较所述类似区域的发电系统之间的发电时间指数来确定特定发电系统的异常与否，以及在确定特定发电系统的异常与否时，使用所述特定发电系统的先前发电量数据来重新确定发电系统的异常与否，
其中，所述处理器还通过比较发电系统的发电时间来确定特定发电系统的异常与否，接收相同天气信息且未发生异常的各发电系统具有相似或相同的发电时间，
所述发电时间指数是通过将所述类似区域的发电系统的预定时间内的发电量除以发电容量来计算的指数，
所述处理器被配置为：
基于相对于发电系统的方位以及发电系统的安装高度，选择类似区域的发电系统；
比较所述类似区域的各个发电系统的发电时间指数；
在所述类似区域的发电系统中，通过所述比较计算出差值，从而将预定范围以上的第一发电系统确定为存在异常；以及
在所述类似区域的发电系统中，即使对于具有所述预定范围内的所述差值的第二发电系统，如果警报状态为“开(on)”，则显示该警报的内容。
6.根据权利要求5所述的发电系统的异常与否确定装置，其特征在于，
所述处理器将从特定位置在预定间隔内的发电系统选择为所述类似区域的发电系统，或使用行政区域的分类来选择所述类似区域的发电系统，或考虑气候因素来选择所述类似区域的发电系统。
7.根据权利要求5所述的发电系统的异常与否确定装置，其特征在于，
所述处理器计算类似区域的发电系统的发电时间指数的平均，确定每个发电系统的发电时间指数与所述发电时间指数的平均之间的差值是否超过预定范围，并当超过所述范围时，确定特定发电系统存在异常。
8.根据权利要求5所述的发电系统的异常与否确定装置，其特征在于，
所述发电系统的异常与否确定装置，还包括：
机器学习部，其使用所述数据和所述异常与否来执行机器学习，并重新确定所述发电系统的异常与否。
9.一种计算机可读记录介质，包括用于执行权利要求1至4中任一项所述的发电系统的异常与否确定方法的程序。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR10-2018-0089999 | 2018-08-01 | ||
| KR1020180089999A KR102064083B1 (ko) | 2018-08-01 | 2018-08-01 | 발전 시스템의 이상 유무 판단 장치 및 방법 |
| PCT/KR2019/009465 WO2020027538A1 (ko) | 2018-08-01 | 2019-07-30 | 발전 시스템의 이상 유무 판단 장치 및 방법 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112753162A CN112753162A (zh) | 2021-05-04 |
| CN112753162B true CN112753162B (zh) | 2022-11-29 |
Family
ID=69154741
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201980062673.0A Active CN112753162B (zh) | 2018-08-01 | 2019-07-30 | 发电系统的异常与否确定装置及方法 |
Country Status (4)
| Country | Link |
|---|---|
| US (1) | US20210305937A1 (zh) |
| KR (1) | KR102064083B1 (zh) |
| CN (1) | CN112753162B (zh) |
| WO (1) | WO2020027538A1 (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11487994B2 (en) * | 2018-07-19 | 2022-11-01 | Sacramento Municipal Utility District | Techniques for estimating and forecasting solar power generation |
| KR102338519B1 (ko) * | 2021-04-28 | 2021-12-13 | 주식회사 인코어드 테크놀로지스 | 실시간 신재생에너지 발전량 추정 시스템 |
| KR102379984B1 (ko) * | 2021-12-06 | 2022-03-29 | 주식회사 인코어드 테크놀로지스 | 신재생에너지 발전 관리 시스템 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2012190947A (ja) * | 2011-03-10 | 2012-10-04 | Hitachi Ltd | 太陽光発電装置における異常検知システム |
| KR101743485B1 (ko) * | 2016-11-30 | 2017-06-05 | (주)대은 | 소물인터넷을 이용한 태양광발전 진단시스템 |
| KR101761686B1 (ko) * | 2017-03-31 | 2017-07-31 | (주)하모니앤유나이티드 | 머신 러닝을 이용한 태양광 발전량 실시간 예측 시스템 |
| CN108197774A (zh) * | 2017-12-08 | 2018-06-22 | 囯网河北省电力有限公司电力科学研究院 | 一种分布式光伏发电量异常诊断的方法及装置 |
Family Cites Families (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10482197B2 (en) * | 2007-02-12 | 2019-11-19 | Locus Energy, Inc. | Solar irradiance modeling augmented with atmospheric water vapor data |
| US8725459B2 (en) * | 2007-02-12 | 2014-05-13 | Locus Energy, Llc | Irradiance mapping leveraging a distributed network of solar photovoltaic systems |
| US8190395B2 (en) * | 2007-02-12 | 2012-05-29 | Locus Energy, Llc | Comparible diagnostics for renewable energy power systems |
| US8933320B2 (en) * | 2008-01-18 | 2015-01-13 | Tenksolar, Inc. | Redundant electrical architecture for photovoltaic modules |
| US9939485B1 (en) * | 2012-11-14 | 2018-04-10 | National Technology & Engineering Solutions Of Sandia, Llc | Prognostics and health management of photovoltaic systems |
| AU2013257529B2 (en) * | 2012-11-23 | 2016-11-17 | Solar Analytics Pty Ltd | Monitoring system |
| US20160142009A1 (en) * | 2014-11-14 | 2016-05-19 | Opower, Inc. | Statistical determination of solar system performance |
| WO2016085008A1 (ko) * | 2014-11-28 | 2016-06-02 | (주)대은 | 태양광 모듈별 이상 진단 시스템 및 방법 |
| US10396710B2 (en) * | 2016-06-21 | 2019-08-27 | International Business Machines Corporation | Monitoring and evaluating performance and aging of solar photovoltaic generation systems and power inverters |
| US20210334914A1 (en) * | 2017-02-07 | 2021-10-28 | Foresight Energy Ltd | System and method for determining power production in an electrical power grid |
| KR101797915B1 (ko) * | 2017-07-26 | 2017-12-12 | 주식회사 일렉콤 | 실시간 태양광 발전 효율에 기반한 태양광 발전 모니터링 시스템 |
| US11204591B2 (en) * | 2017-11-17 | 2021-12-21 | International Business Machines Corporation | Modeling and calculating normalized aggregate power of renewable energy source stations |
| KR102020567B1 (ko) * | 2019-02-15 | 2019-09-10 | (주)대은 | 발전량 추세분석을 통한 태양광발전 진단장치 |
-
2018
- 2018-08-01 KR KR1020180089999A patent/KR102064083B1/ko active IP Right Grant
-
2019
- 2019-07-30 US US17/264,872 patent/US20210305937A1/en active Pending
- 2019-07-30 CN CN201980062673.0A patent/CN112753162B/zh active Active
- 2019-07-30 WO PCT/KR2019/009465 patent/WO2020027538A1/ko active Application Filing
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2012190947A (ja) * | 2011-03-10 | 2012-10-04 | Hitachi Ltd | 太陽光発電装置における異常検知システム |
| KR101743485B1 (ko) * | 2016-11-30 | 2017-06-05 | (주)대은 | 소물인터넷을 이용한 태양광발전 진단시스템 |
| KR101761686B1 (ko) * | 2017-03-31 | 2017-07-31 | (주)하모니앤유나이티드 | 머신 러닝을 이용한 태양광 발전량 실시간 예측 시스템 |
| CN108197774A (zh) * | 2017-12-08 | 2018-06-22 | 囯网河北省电力有限公司电力科学研究院 | 一种分布式光伏发电量异常诊断的方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112753162A (zh) | 2021-05-04 |
| KR102064083B1 (ko) | 2020-01-09 |
| US20210305937A1 (en) | 2021-09-30 |
| WO2020027538A1 (ko) | 2020-02-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10958211B1 (en) | Systems and methods for power management | |
| El-Baz et al. | Day-ahead probabilistic PV generation forecast for buildings energy management systems | |
| CN112753162B (zh) | 发电系统的异常与否确定装置及方法 | |
| US10962576B2 (en) | Estimation of shading losses for photovoltaic systems from measured and modeled inputs | |
| JP3984604B2 (ja) | 太陽光発電システムの発電量予測方法、装置、およびプログラム | |
| US10185345B2 (en) | Systems and methods of home efficiency modeling | |
| US20110066401A1 (en) | System for and method of monitoring and diagnosing the performance of photovoltaic or other renewable power plants | |
| Wang et al. | Informing the planning of rotating power outages in heat waves through data analytics of connected smart thermostats for residential buildings | |
| Iyengar et al. | Solarclique: Detecting anomalies in residential solar arrays | |
| Iyengar et al. | SolarCast: a cloud-based black box solar predictor for smart homes | |
| Chen et al. | Weatherman: Exposing weather-based privacy threats in big energy data | |
| Zhang et al. | Electricity system assessment and adaptation to rising temperatures in a changing climate using Washington Metro area as a case study | |
| Wimalaratne et al. | Unisolar: An open dataset of photovoltaic solar energy generation in a large multi-campus university setting | |
| Graditi et al. | Machine Learning Applications for Renewable-Based Energy Systems | |
| JP6823499B2 (ja) | 情報処理装置及び情報処理装置の制御方法 | |
| US11158007B2 (en) | Dynamic energy consumption and harvesting with feedback | |
| Gadd | To analyse measurements is to know! | |
| Popovic et al. | Methodology for detection of photovoltaic systems underperformance operation based on the correlation of irradiance estimates of neighboring systems | |
| Njoka et al. | Evaluation of IoT-based remote monitoring systems for stand-alone solar PV installations in Kenya | |
| JP2012161167A (ja) | グリーンエネルギー認証システム | |
| Bansal et al. | Iot applications in energy | |
| Ceferino et al. | Hurricane Risk of Solar Generation in the United States | |
| WO2017109970A1 (ja) | 発電量算出装置、発電量算出システム、発電量算出方法及びプログラム | |
| Schumann et al. | Component assessment of the electric transmission grid to hurricanes | |
| Cakir Erdener et al. | A Review of Behind-the-Meter Solar Generation Modeling and Forecasting |
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 |