CN113011477B - 一种太阳辐照数据的清洗和补全系统及方法 - Google Patents
一种太阳辐照数据的清洗和补全系统及方法 Download PDFInfo
- Publication number
- CN113011477B CN113011477B CN202110242780.0A CN202110242780A CN113011477B CN 113011477 B CN113011477 B CN 113011477B CN 202110242780 A CN202110242780 A CN 202110242780A CN 113011477 B CN113011477 B CN 113011477B
- Authority
- CN
- China
- Prior art keywords
- data
- radiation
- abnormal
- illuminance
- photovoltaic system
- 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 39
- 238000004140 cleaning Methods 0.000 title claims abstract description 32
- 230000005855 radiation Effects 0.000 claims abstract description 256
- 230000002159 abnormal effect Effects 0.000 claims abstract description 196
- 238000012545 processing Methods 0.000 claims abstract description 63
- 238000010248 power generation Methods 0.000 claims abstract description 51
- 238000012544 monitoring process Methods 0.000 claims abstract description 32
- 238000004364 calculation method Methods 0.000 claims abstract description 20
- 230000036541 health Effects 0.000 claims abstract description 17
- 238000012937 correction Methods 0.000 claims abstract description 14
- 230000000295 complement effect Effects 0.000 claims description 49
- 230000001502 supplementing effect Effects 0.000 claims description 15
- 238000012216 screening Methods 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 claims description 3
- 230000003287 optical effect Effects 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 230000005856 abnormality Effects 0.000 description 5
- 238000007726 management method Methods 0.000 description 4
- 238000009825 accumulation Methods 0.000 description 3
- 230000009471 action Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000013179 statistical model Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/21—Design, administration or maintenance of databases
- G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Biology (AREA)
- Water Supply & Treatment (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Public Health (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Photovoltaic Devices (AREA)
- Photometry And Measurement Of Optical Pulse Characteristics (AREA)
Abstract
本发明公开了一种太阳辐照数据的清洗和补全系统及方法，属于光资源数据清洗及补全技术领域。本发明一种太阳辐照数据的清洗和补全系统，该系统包括云上辐射照度计算模块、光伏系统健康状态监测模块、异常数据识别模块、异常数据处理模块、异常数据补全模块、异常数据修正标识模块、光伏系统历史发电数据库；同时本发明提供一种方法，对太阳辐照数据的清洗和补全作出了全面的运行步骤，使之更加充分。同时本发明也可以作为一个独立功能的应用进行开发并使用，即仅存放在本地PC端或者服务器端，配置相对应的数据库来进行工作，或者将其作为一个功能模块，嵌入到光伏电站的监控系统或者日常管理系统。
Description
技术领域
本发明涉及光资源数据清洗及补全技术领域，具体为一种太阳辐照数据的清洗和补全系统及方法。
背景技术
光伏系统根据半导体材料的光生伏打特性，接收太阳辐射能量，并根据要求输出直流或者交流电能。作为发电系统，在实际运营过程中，有必要对其实际的输入输出之间的效率进行有效监测，并根据监测的结果，做出针对性的响应。监测结果如果数值过低，则认为系统存在故障，需要现场工程师对故障进行排除，而如果无法对其输入输出性能进行有效监测，或者监测的结果不可靠，则无法发现光伏系统所发生的故障事件，从而影响光伏系统业主的发电收益，造成不可弥补的经济损失。
但是，在光伏系统在实际运行过程中，太阳辐照数据作为系统的输入数据，由于采集设备或者通讯设备受到自身质量以及外界影响等因素，会出现数据异常的现象，如此便无法通过太阳辐照数据精准、有效的测算系统的实际运行性能，进而无法知晓光伏系统的实际运行状况。
目前对于太阳辐照数据的处理方式，主要是以人工识别、人为修正为主，即在光伏系统监控软件当中对各种现场传上来的数据进行人工查看，并由监控工程师对对应的数据问题作出相应的反馈，或者在日报系统中，运营工程师对前一日的日辐射量数据进行查看，并依据经验对其是否正确进行检查，如果不正确，则尝试根据经验进行修正。目前通过人工手段对太阳辐照数据清洗及补全，主要的缺点是效率低下，具体原因如下所述：
1.人工管理：当前的光伏系统监控、发电量管理当中，辐照数据在现场被采集后，便直接保存在存储介质当中，等到需要的时候，会通过监控系统或者报表系统当中，将数据下载到本地进行操作，操作的目标是检查一段时间内的辐照数据是否有异常，如果发现异常，则直接对异常数据进行修正或者补全处理，再将处理过的辐照数据，带入到其他评估发电性能公式当中去，在原始的监控系统或者报表当中，很难留存下数据清洗补全的处理过程，事后追查仅能评定个人能力去管理。
2.被动发现：目前主流的数据采集系统和监控系统，都只负责将现场采集到的数据收集并存放至数据库，并无法对其自动识别出来是否是问题数据，因此只能依靠监控工程师或者运维人员，在发现异常以后，被动地对相关的数据进行查看，因此，一旦辐照数据发生问题，会有很大概率无法被识别出来，在长时间的累计下，异常的辐照数据会有越来越多。
3.无统一规则：对于被发现的异常太阳辐照数据，需要监控工程师或者运维工程师根据自身经验，对异常的数值进行补全，而人工的补全方式全依赖经验。如果对于不同时间、不同场站的异常数据，由不同的工程师进行补全，会造成补全的数据的依据不统一，给后续的数据管理工作带来困难。
综上所述，人们需要一种太阳辐照数据的清洗和补全系统及方法来解决数据的相关问题。
发明内容
本发明的目的在于提供一种太阳辐照数据的清洗和补全系统及方法，以解决上述背景技术中提出的问题。
为了解决上述技术问题，本发明提供如下技术方案：一种太阳辐照数据的清洗和补全系统，该系统包括云上辐射照度计算模块、光伏系统健康状态监测模块、异常数据识别模块、异常数据处理模块、异常数据补全模块、异常数据修正标识模块、光伏系统历史发电数据库；
所述云上辐射照度计算模块用于进行太阳辐照相关的天文计算；所述光伏系统健康状态监测模块用于判断光伏系统的运行状态；所述异常数据识别模块用于对异常数据进行识别分类；所述异常数据处理模块用于对异常数据进行分析处理；所述异常数据补全模块用于对异常数据进行判断能否补全，并将能够补全的数据进行补全；所述异常数据修正标识模块用于对修正后的数据进行记录，并设置特别的标识位进行识别；所述光伏系统历史发电数据库用于存储光伏系统历史发电量、辐射量及系统性能数据；
所述异常数据识别模块的输出端电性连接异常数据处理模块的输入端；所述异常数据处理模块的输出端电性连接异常数据补全模块的输入端；所述异常数据补全模块的输出端电性连接异常数据修正标识模块的输入端；所述云上辐射照度计算模块的输出端电性连接异常数据识别模块、异常数据处理模块、异常数据补全模块的输入端；所述光伏系统健康状态监测模块的输出端电性连接异常数据识别模块、异常数据处理模块、异常数据补全模块的输入端；所述光伏系统历史发电数据库的输出端电性连接异常数据识别模块、异常数据处理模块、异常数据补全模块的输入端。
所述光伏系统历史发电数据库中包括有历史发电量数据库、历史辐射照度数据库、历史性能数据库、场站的基础信息、历史发电功率数据库、历史天气数据库。
根据上述技术方案，所述异常数据识别模块包括数据缺失识别单元、数据停留判断单元、数据异常识别单元；
所述数据缺失识别单元用于识别一个或多个辐射照度数据点为空值的情况；所述数据停留判断单元用于识别长时间辐射照度数值是否停留在一个固定的数值上面，并判断其是否为夜间数据；所述数据异常识别单元用于识别在相应时间段内出现不符合逻辑和常理的数值。
辐射照度数据缺失主要是指由于辐照数据采集装置或者通讯装置异常，导致一个或多个辐射照度数据点为空值，辐射照度数据点缺失的判断逻辑可以直接通过数字判断函数或者为空判断函数进行，即判断实时数据点是否是一个数字，或者是否为空即可，输出数值为a或者b；辐射照度数据不刷新主要是指在辐射照度数据正常采集过程中，由于通讯设备的问题，导致长时间辐射照度数值停留在一个固定的数值上面，该种形式下的辐射照度数据异常判断，可以通过拾取实时时刻点的辐射照度数据同上一个时刻点的数据进行比较，如果两个连续数据点数值完全相同，则可以判断出来，实时时刻点的辐射照度数据出现了不刷新的情况，即所谓的“死值”。但是“死值”的情况可能出现在夜间，即辐射照度为0的时间段，为了避免将夜间数据定义为“死值”，有必要引入“太阳高度角”，对夜间辐射照度为0的时间点进行识别，并将夜间非0的数据点进行“归零”处理即可；辐射照度/辐射量数值异常主要包括在其时间段内出现不符合逻辑和常理的数值，如辐射照度数值异常偏大、偏小、夜间非0。
根据上述技术方案，所述异常数据处理模块包括日间异常数据处理单元、夜间异常数据处理单元；
所述日间异常数据处理单元用于处理异常数据识别模块中识别出的日间的异常数据；所述夜间异常数据处理单元用于处理异常数据识别模块中识别出的夜间的异常数据。
对于日间异常数据均采用置空的方式，将异常数据转换为空值，这样就可以进行针对性的补全工作，而对于夜间的异常数据采用归零的方式，将异常数据转换为0进行补齐。
根据上述技术方案，所述异常数据补全模块包括无效辐射照度数据补全单元、无效日辐射量数据补全单元；
所述无效辐射照度数据补全单元用于判断辐射照度数据是否可以进行补全，对于能够补全的进行补全；所述无效日辐射量数据补全单元用于在一定时间范围内，由于辐射照度大量缺失以至于不能对辐射照度数据进行补全的情况下，单独对该段时间所对应的日级辐射量数据进行补全。
一种太阳辐照数据的清洗和补全方法，该方法包括以下步骤：
S1、利用光伏系统健康状态监测模块对当天运行的光伏系统健康情况进行采集，确定其运行状态；
S2、对监控平台采集的辐照数据和日辐射量数据进行识别分析，对异常数据进行分类；
S3、根据日间与夜间不同情况，对异常数据进行处理；
S4、根据光伏系统状态，参考比较值，判断无效辐射照度数据与无效日辐射量数据是否能够进行补全，对于能够补全部分实现统一化补全，并对补全部分的记录进行有效识别。
根据上述技术方案，在步骤S2中，对监控平台采集的辐照数据进行识别分析包括以下步骤：
S2—1、利用数字判断函数或者为空函数进行判断辐照数据是否为空值，即判断实时数据点是一个数字或为空，为空是输出数值a，为一个数字输出数值b；
S2—2、通过拾取实时时刻点的辐射照度数据同上一个时刻点的数据进行比较，如果两个连续数据点数值完全相同，判断为实时时刻点的辐射照度数据出现了不刷新的情况，即“死值”；
S2—3、若光伏系统在健康状态下运行，利用概率统计的方式，以一定的置信水平下的置信区间作为有效范围，设置光伏系统实时性能数值阈值为A，利用发电量数据作为依据对于实时辐射照度数据进行判断，在光伏系统实时性能超出阈值A时，则认为对应的时间点的辐射照度数值为异常；
S2—4、若光伏系统在故障状态下运行，利用场站的基础信息，计算其云上辐射照度数值，并同实际采集到的辐射照度数值进行比较，若云上辐射照度数值小于实际辐射照度数值，则可以认为该时间点的实际辐射照度数值有异常，所述场站的基础信息包括所在地点的经纬度、组件倾角及朝向，所在时间点；
S2—5、对于夜间非0的辐射照度数值，利用场站的基础信息，计算太阳高度角，在太阳高度角数值小于等于0时，则认为该时间点的辐射照度数值为0，而如果实际采集的辐射照度数值非0的话，则认为该点为异常数据点。
根据上述技术方案，在步骤S2中，对日辐射量数据进行识别分析包括以下步骤：
S2-11、若光伏系统在健康状态下运行，通过计算光伏系统能效比数值来识别日辐射量数值是否异常，利用历史光伏系统能效比构建一个正态分布，并根据一定的置信水平确定其置信区间，将该置信区间作为光伏系统能效比的阈值范围，记为B，如果实际日光伏系统能效比在阈值范围B以外，则认为光伏系统辐射量数值为异常；
S2-22、若光伏系统在故障状态下运行，利用场站的基础信息，计算云上辐射量数值，将该数据同实际采集的日辐射量数值进行比较，若实际数据大于云上辐射量数据，则认为当天的日辐射量数据为异常。
根据上述技术方案，在步骤S3中，所述对异常数据进行处理主要是指对于已识别出来的无效的辐射照度数据进行处理，对于日间的异常数据，可以通过“置空”的方式，将全部种类的无效辐射照度数据转化成为“辐射照度数值缺失”的形式，接下来，针对已经为“空”的辐射照度数据，进行数据补全工作；对于夜间的无效数据，可以通过“归零”的方式，将其辐射照度数据进行补齐，补齐的结果即为“0”。
根据上述技术方案，在步骤S4中，对无效辐射照度数据判断和补全包括以下步骤：
S4-1、判断无效辐射照度数据是否能够进行补全，若光伏系统在故障状态下运行，且有连续辐射照度异常数目大于等于3个，则该段辐射照度便认为不可以补全；若当日辐射照度异常数据超过20条，那么辐射照度数据便认为不可以补全；
S4—2、对于能够进行补全的无效辐射照度数据，若光伏系统在故障状态下运行，且有连续辐射照度异常数目小于3个，利用拉格朗日插值法进行缺失数据补全；
S4—3、对于能够进行补全的无效辐射照度数据，若光伏系统在健康状态下运行，利用发电功率数据及辐射照度正常采集时段的系统性能反向推算出辐射照度缺失时段的大致数值，具体补全的计算步骤可以分为：
S4-3-1、计算正常时刻下累计辐照和发电量的比值；
S4—3—2、取所有比值的中位数作为参考系数；
S4—3—3、将参考系数同相对应时刻的发电量的乘积得到的数值，作为该时刻的补全辐射照度数据。
无效辐射量是指系统在一定发电周期内由于存在较多的无效的辐射照度数据，导致该段辐射量不能有效代表该段时间的太阳能量累计情况的辐照数据项。对于可以将辐射照度补全的发电周期，辐射量数据可以自动得到补全。如果在一定时间范围内，辐射照度大量缺失，以至于不能对辐射照度数据进行补全的，则需要单独对于该段时间内的辐射量数据进行补全
根据上述技术方案，在步骤S4中，对无效日辐射量数据判断和补全包括以下步骤：
S4-11、无效辐射量的补全是以“天”为最小单位，若光伏系统在健康状态下运行，第一种补全方式可利用光伏系统所在地当日的发电状况、天气状况和大气上界辐射量以及参考日的发电量状况进行数据补全，具体的补全方式为：
S4-11-1、确定辐射量数据异常的日期，并获取当天的发电量数据和当天的平均环境温度数据；
S4-11-2、在历史发电数据当中，根据当天的平均环境温度数据一定波动范围内，筛选正常运行日期的光伏系统能效比数值；
S4-11—3、设置光伏系统能效比数值在一定温度范围内的数值分布为正态分布，根据所筛选出来的光伏系统能效比数据，计算其平均值，并将该平均值作为“辐射量异常日期”的光伏系统能效比；
S4-11-4、根据步骤S4-11-3的光伏系统能效比数值和当天的发电量数值，根据以下公式，计算当天的辐射量数值：
其中，HM0为当天的辐射照度，单位：kWh/m2；Gstc为STC状态下的辐射照度数值，常数，数值为1kW/m2；EZ为当天的系统发电量，单位：kWh；Pn为系统在STC状态下的直流侧容量，单位：kW；
S4-22、若光伏系统在故障状态下运行，利用天气状况、实际辐射照度以及大气上界辐射量进行补全，具体的补全方式为：
S4—22—1、确定辐射量数据异常的日期，并根据日期，计算其太阳高度角，以及获取其天气信息；
S4—22—2、在光伏系统历史发电数据库当中，根据辐射量数据异常日期的太阳高度角和天气情况信息，筛选正常运行日期的辐射量数据；
S4—22—3、设置在相同天气情况下，且太阳高度角在一定波动范围内的太阳日辐射量数据呈正态分布，那么根据所筛选出来的日太阳辐射量数据，计算其平均值，作为辐射量异常日期的推断辐射量数值补全即可。
针对于光伏系统当中的日级发电量以及辐射量数据，通过天气信息进行归类后，借助统计学知识，对特定的太阳高度角以及各类型天气下，系统发电性能及系统单位发电量数据进行建模。在确定好“置信水平”(通常默认为95％)后，便可以根据模型推测出相对应日期的发电性能置信区间、对应日期发电性能的期望数值以及对应日期的日辐射量。
与现有技术相比，本发明所达到的有益效果是：
1、信息化管理，将全部数据获取、数据处理、数据保存步骤，整体逻辑能够搭载在计算机/服务器/云平台，作为一个独立的程序，或者作为模块，自动执行逻辑，并输出结果到指定的存储位置，除非必要，无须人为干预，此外，自动执行能够主动发现系统日辐射量异常，在发现以后会启动修正逻辑，而且修正后的数据记录会有特别的标识位进行识别，即告知数据使用者“该条数据是经过修正的”，从而最大程度上解决人力资源浪费的现状；
2、批量化执行，通过自动化的逻辑，能够在服务器端，定时将收集上来的辐照资源数据进行统计的检查，不会有遗漏；
3、统一化规则，能够避免人工主观经验所带来的估计错误，以及降低对该数值进行处理的门槛；
4、个性化补全，根据历史辐照量收集的数据，构建统计模型，通过参考历史数据来对辐照数据异常的日期进行数据补全的动作，如此便可以保证补全数据的可靠性。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1是本发明一种太阳辐照数据的清洗和补全系统的结构示意图；
图2是本发明一种太阳辐照数据的清洗和补全方法的步骤示意图；
图3是本发明一种太阳辐照数据的清洗和补全方法中异常辐照数据识别工作流程示意图；
图4是本发明一种太阳辐照数据的清洗和补全方法中异常辐照数据处理工作流程示意图；
图5是本发明一种太阳辐照数据的清洗和补全方法中异常辐射照度数据补全工作流程示意图；
图6是本发明一种太阳辐照数据的清洗和补全方法中异常日辐射量数值补全工作流程示意图；
图7是本发明一种太阳辐照数据的清洗和补全方法中参考值计算工作流程示意图。
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，都属于本发明保护的范围。
请参阅图1-7，本发明提供技术方案：如图1所示，一种太阳辐照数据的清洗和补全系统，该系统包括云上辐射照度计算模块、光伏系统健康状态监测模块、异常数据识别模块、异常数据处理模块、异常数据补全模块、异常数据修正标识模块、光伏系统历史发电数据库；
所述云上辐射照度计算模块用于进行太阳辐照相关的天文计算；所述光伏系统健康状态监测模块用于判断光伏系统的运行状态；所述异常数据识别模块用于对异常数据进行识别分类；所述异常数据处理模块用于对异常数据进行分析处理；所述异常数据补全模块用于对异常数据进行判断能否补全，并将能够补全的数据进行补全；所述异常数据修正标识模块用于对修正后的数据进行记录，并设置特别的标识位进行识别；所述光伏系统历史发电数据库用于存储光伏系统历史发电量、辐射量及系统性能数据；
所述异常数据识别模块的输出端电性连接异常数据处理模块的输入端；所述异常数据处理模块的输出端电性连接异常数据补全模块的输入端；所述异常数据补全模块的输出端电性连接异常数据修正标识模块的输入端；所述云上辐射照度计算模块的输出端电性连接异常数据识别模块、异常数据处理模块、异常数据补全模块的输入端；所述光伏系统健康状态监测模块的输出端电性连接异常数据识别模块、异常数据处理模块、异常数据补全模块的输入端；所述光伏系统历史发电数据库的输出端电性连接异常数据识别模块、异常数据处理模块、异常数据补全模块的输入端。
所述异常数据识别模块包括数据缺失识别单元、数据停留判断单元、数据异常识别单元；
所述数据缺失识别单元用于识别一个或多个辐射照度数据点为空值的情况；所述数据停留判断单元用于识别长时间辐射照度数值是否停留在一个固定的数值上面，并判断其是否为夜间数据；所述数据异常识别单元用于识别在相应时间段内出现不符合逻辑和常理的数值。
所述异常数据处理模块包括日间异常数据处理单元、夜间异常数据处理单元；
所述日间异常数据处理单元用于处理异常数据识别模块中识别出的日间的异常数据；所述夜间异常数据处理单元用于处理异常数据识别模块中识别出的夜间的异常数据。
所述异常数据补全模块包括无效辐射照度数据补全单元、无效日辐射量数据补全单元；
所述无效辐射照度数据补全单元用于判断辐射照度数据是否可以进行补全，对于能够补全的进行补全；所述无效日辐射量数据补全单元用于在一定时间范围内，由于辐射照度大量缺失以至于不能对辐射照度数据进行补全的情况下，单独对该段时间所对应的日级辐射量数据进行补全。
如图2所示，一种太阳辐照数据的清洗和补全方法，该方法包括以下步骤：
S1、利用光伏系统健康状态监测模块对当天运行的光伏系统健康情况进行采集，确定其运行状态；
S2、对监控平台采集的辐照数据和日辐射量数据进行识别分析，对异常数据进行分类；
S3、根据日间与夜间不同情况，对异常数据进行处理；
S4、根据光伏系统状态，参考比较值，判断无效辐射照度数据与无效日辐射量数据是否能够进行补全，对于能够补全部分实现统一化补全，并对补全部分的记录进行有效识别。
如图3所示，在步骤S2中，对监控平台采集的辐照数据进行识别分析包括以下步骤：
S2—1、利用数字判断函数或者为空函数进行判断辐照数据是否为空值，即判断实时数据点是一个数字或为空，为空是输出数值a，为一个数字输出数值b；
S2—2、通过拾取实时时刻点的辐射照度数据同上一个时刻点的数据进行比较，如果两个连续数据点数值完全相同，判断为实时时刻点的辐射照度数据出现了不刷新的情况，即“死值”；
S2—3、若光伏系统在健康状态下运行，利用概率统计的方式，以一定的置信水平下的置信区间作为有效范围，设置光伏系统实时性能数值阈值为A，利用发电量数据作为依据对于实时辐射照度数据进行判断，在光伏系统实时性能超出阈值A时，则认为对应的时间点的辐射照度数值为异常；
S2—4、若光伏系统在故障状态下运行，利用场站的基础信息，计算其云上辐射照度数值，并同实际采集到的辐射照度数值进行比较，若云上辐射照度数值小于实际辐射照度数值，则可以认为该时间点的实际辐射照度数值有异常，所述场站的基础信息包括所在地点的经纬度、组件倾角及朝向，所在时间点；
S2—5、对于夜间非0的辐射照度数值，利用场站的基础信息，计算太阳高度角，在太阳高度角数值小于等于0时，则认为该时间点的辐射照度数值为0，而如果实际采集的辐射照度数值非0的话，则认为该点为异常数据点。
在步骤S2中，对日辐射量数据进行识别分析包括以下步骤：
S2-11、若光伏系统在健康状态下运行，通过计算光伏系统能效比数值来识别日辐射量数值是否异常，利用历史光伏系统能效比构建一个正态分布，并根据一定的置信水平确定其置信区间，将该置信区间作为光伏系统能效比的阈值范围，记为B，如果实际日光伏系统能效比在阈值范围B以外，则认为光伏系统辐射量数值为异常；
S2-22、若光伏系统在故障状态下运行，利用场站的基础信息，计算云上辐射量数值，将该数据同实际采集的日辐射量数值进行比较，若实际数据大于云上辐射量数据，则认为当天的日辐射量数据为异常。
如图4所示，在步骤S3中，所述对异常数据进行处理主要是指对于已识别出来的无效的辐射照度数据进行处理，对于日间的异常数据，可以通过“置空”的方式，将全部种类的无效辐射照度数据转化成为“辐射照度数值缺失”的形式，接下来，针对已经为“空”的辐射照度数据，进行数据补全工作；对于夜间的无效数据，可以通过“归零”的方式，将其辐射照度数据进行补齐，补齐的结果即为“0”。
如图5所示，在步骤S4中，对无效辐射照度数据判断和补全包括以下步骤：
S4—1、判断无效辐射照度数据是否能够进行补全，若光伏系统在故障状态下运行，且有连续辐射照度异常数目大于等于3个，则该段辐射照度便认为不可以补全；若当日辐射照度异常数据超过20条，那么辐射照度数据便认为不可以补全；
S4—2、对于能够进行补全的无效辐射照度数据，若光伏系统在故障状态下运行，且有连续辐射照度异常数目小于3个，利用拉格朗日插值法进行缺失数据补全；
S4—3、对于能够进行补全的无效辐射照度数据，若光伏系统在健康状态下运行，利用发电功率数据及辐射照度正常采集时段的系统性能反向推算出辐射照度缺失时段的大致数值，具体补全的计算步骤可以分为：
S4—3—1、计算正常时刻下累计辐照和发电量的比值；
S4—3—2、取所有比值的中位数作为参考系数；
S4—3—3、将参考系数同相对应时刻的发电量的乘积得到的数值，作为该时刻的补全辐射照度数据。
如图6-7所示，在步骤S4中，对无效日辐射量数据判断和补全包括以下步骤：
S4-11、无效辐射量的补全是以“天”为最小单位，若光伏系统在健康状态下运行，第一种补全方式可利用光伏系统所在地当日的发电状况、天气状况和大气上界辐射量以及参考日的发电量状况进行数据补全，具体的补全方式为：
S4-11-1、确定辐射量数据异常的日期，并获取当天的发电量数据和当天的平均环境温度数据；
S4-11-2、在历史发电数据当中，根据当天的平均环境温度数据一定波动范围内，筛选正常运行日期的光伏系统能效比数值；
S4-11—3、设置光伏系统能效比数值在一定温度范围内的数值分布为正态分布，根据所筛选出来的光伏系统能效比数据，计算其平均值，并将该平均值作为“辐射量异常日期”的光伏系统能效比；
S4-11-4、根据步骤S4-11-3的光伏系统能效比数值和当天的发电量数值，根据以下公式，计算当天的辐射量数值：
其中，HM0为当天的辐射照度，单位：kWh/m2；Gstc为STC状态下的辐射照度数值，常数，数值为1kW/m2；Ez为当天的系统发电量，单位：kWh；Pn为系统在STC状态下的直流侧容量，单位：kW；
S4—22、若光伏系统在故障状态下运行，利用天气状况、实际辐射照度以及大气上界辐射量进行补全，具体的补全方式为：
S4-22—1、确定辐射量数据异常的日期，并根据日期，计算其太阳高度角，以及获取其天气信息；
S4-22-2、在光伏系统历史发电数据库当中，根据辐射量数据异常日期的太阳高度角和天气情况信息，筛选正常运行日期的辐射量数据；
S4-22-3、设置在相同天气情况下，且太阳高度角在一定波动范围内的太阳日辐射量数据呈正态分布，那么根据所筛选出来的日太阳辐射量数据，计算其平均值，作为辐射量异常日期的推断辐射量数值补全即可。
在本实施例中，利用监控平台共采集连续日间辐射照度数据100组，记为K1--K100；经过利用为空函数判断，K12、K29、K47为空值；利用C＝Kn+1-Kn判断，K81--K85为不刷新情况，利用异常数据处理模块将K12、K29、K47、K81--K85全部转换为空值进行补全；
对当天的光伏系统状态进行检测，发现其为故障状态下运行，K81--K85有超过连续3个数据缺失，无法进行补全，K12、K29、K47有连续辐射照度异常数据数目小于3个，因此该三个数据利用拉格朗日插值法进行补全，并进行标识；
无效辐射量是指系统在一定发电周期内由于存在较多的无效的辐射照度数据，导致该段辐射量不能有效代表该段时间的太阳能量累计情况的辐照数据项。对于可以将辐射照度补全的发电周期，辐射量数据可以自动得到补全。因此在K12、K29、K47，日辐射量得到了自动补全；
如果在一定时间范围内，辐射照度大量缺失，以至于不能对辐射照度数据进行补全的，则需要单独对于该段时间内的辐射量数据进行补全，且系统在故障情况下运行，因此在K81--K85期间，利用太阳辐照相关的天文计算，采集场站基础信息、场站组件朝向角、倾角、经纬度；时间信息，进行太阳高度角的计算，并获取天气信息，同时在光伏系统历史发电数据库当中，根据辐射量数据异常日期的太阳高度角和天气情况信息，筛选正常运行日期的辐射量数据；
在相同天气情况下，且太阳高度角在一定波动范围内的太阳日辐射量数据呈正态分布，那么根据所筛选出来的日太阳辐射量数据，计算其平均值，作为辐射量异常日期的推断辐射量数值补全。
本发明的工作原理：本发明利用异常数据识别模块对辐射照度异常数据和日辐射量异常数据进行识别，利用异常数据处理模块对日间数据进行置空处理，夜间数据进行归零处理，利用异常数据补全模块对辐射照度异常数据和日辐射量异常数据进行各种情况下的补全，利用云上辐射照度计算模块进行太阳辐照相关的天文计算，为补全数据提供支持；利用光伏系统健康状态监测模块判断光伏系统的运行状态，对健康状态运行与故障状态运行进行分类讨论；利用异常数据修正标识模块对修正后的数据进行记录，并设置特别的标识位进行识别，告知数据使用者“该条数据是经过修正的”；利用光伏系统历史发电数据库存储的光伏系统历史发电量数据、辐照数据、性能数据以及天气数据，提供数据支持。
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、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。
最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种太阳辐照数据的清洗和补全系统，其特征在于：该系统包括云上辐射照度计算模块、光伏系统健康状态监测模块、异常数据识别模块、异常数据处理模块、异常数据补全模块、异常数据修正标识模块、光伏系统历史发电数据库；
所述云上辐射照度计算模块用于进行太阳辐照相关的天文计算；所述光伏系统健康状态监测模块用于判断光伏系统的运行状态；所述异常数据识别模块用于对异常数据进行识别分类；所述异常数据处理模块用于对异常数据进行分析处理；所述异常数据补全模块用于对异常数据进行判断能否补全，并将能够补全的数据进行补全；所述异常数据修正标识模块用于对修正后的数据进行记录，并设置特别的标识位进行识别；所述光伏系统历史发电数据库用于存储光伏系统历史发电量、辐射量及系统性能数据；
所述异常数据识别模块的输出端电性连接异常数据处理模块的输入端；所述异常数据处理模块的输出端电性连接异常数据补全模块的输入端；所述异常数据补全模块的输出端电性连接异常数据修正标识模块的输入端；所述云上辐射照度计算模块的输出端电性连接异常数据识别模块、异常数据处理模块、异常数据补全模块的输入端；所述光伏系统健康状态监测模块的输出端电性连接异常数据识别模块、异常数据处理模块、异常数据补全模块的输入端；所述光伏系统历史发电数据库的输出端电性连接异常数据识别模块、异常数据处理模块、异常数据补全模块的输入端。
2.根据权利要求1所述的一种太阳辐照数据的清洗和补全系统，其特征在于：所述异常数据识别模块包括数据缺失识别单元、数据停留判断单元、数据异常识别单元；
所述数据缺失识别单元用于识别一个或多个辐射照度数据点为空值的情况；所述数据停留判断单元用于识别长时间辐射照度数值是否停留在一个固定的数值上面，并判断其是否为夜间数据；所述数据异常识别单元用于识别在相应时间段内出现不符合逻辑和常理的数值。
3.根据权利要求1所述的一种太阳辐照数据的清洗和补全系统，其特征在于：所述异常数据处理模块包括日间异常数据处理单元、夜间异常数据处理单元；
所述日间异常数据处理单元用于处理异常数据识别模块中识别出的日间的异常数据；所述夜间异常数据处理单元用于处理异常数据识别模块中识别出的夜间的异常数据。
4.根据权利要求1所述的一种太阳辐照数据的清洗和补全系统，其特征在于：所述异常数据补全模块包括无效辐射照度数据补全单元、无效日辐射量数据补全单元；
所述无效辐射照度数据补全单元用于判断辐射照度数据是否可以进行补全，对于能够补全的进行补全；所述无效日辐射量数据补全单元用于在一定时间范围内，由于辐射照度大量缺失以至于不能对辐射照度数据进行补全的情况下，单独对该段时间所对应的日级辐射量数据进行补全。
5.一种太阳辐照数据的清洗和补全方法，应用于权利要求1所述的一种太阳辐照数据的清洗和补全系统，其特征在于：该方法包括以下步骤：
S1、利用光伏系统健康状态监测模块对当天运行的光伏系统健康情况进行采集，确定其运行状态；
S2、对监控平台采集的辐照数据和日辐射量数据进行识别分析，对异常数据进行分类；
S3、根据日间与夜间不同情况，对异常数据进行处理；
S4、根据光伏系统状态，参考比较值，判断无效辐射照度数据与无效日辐射量数据是否能够进行补全，对于能够补全部分实现统一化补全，并对补全部分的记录进行有效识别。
6.根据权利要求5所述的一种太阳辐照数据的清洗和补全方法，其特征在于：在步骤S2中，对监控平台采集的辐照数据进行识别分析包括以下步骤：
S2-1、利用数字判断函数或者为空函数进行判断辐照数据是否为空值，即判断实时数据点是一个数字或为空，为空是输出数值a，为一个数字输出数值b；
S2-2、通过拾取实时时刻点的辐射照度数据同上一个时刻点的数据进行比较，如果两个连续数据点数值完全相同，判断为实时时刻点的辐射照度数据出现了不刷新的情况；
S2-3、若光伏系统在健康状态下运行，利用概率统计的方式，以一定的置信水平下的置信区间作为有效范围，设置光伏系统实时性能数值阈值为A，利用发电量数据作为依据对于实时辐射照度数据进行判断，在光伏系统实时性能超出阈值A时，则认为对应的时间点的辐射照度数值为异常；
S2-4、若光伏系统在故障状态下运行，利用场站的基础信息，计算其云上辐射照度数值，并同实际采集到的辐射照度数值进行比较，若云上辐射照度数值小于实际辐射照度数值，则可以认为该时间点的实际辐射照度数值有异常，所述场站的基础信息包括所在地点的经纬度、组件倾角及朝向，所在时间点；
S2-5、对于夜间非0的辐射照度数值，利用场站的基础信息，计算太阳高度角，在太阳高度角数值小于等于0时，则认为该时间点的辐射照度数值为0，而如果实际采集的辐射照度数值非0的话，则认为该点为异常数据点。
7.根据权利要求5所述的一种太阳辐照数据的清洗和补全方法，其特征在于：在步骤S2中，对日辐射量数据进行识别分析包括以下步骤：
S2-11、若光伏系统在健康状态下运行，通过计算光伏系统能效比数值来识别日辐射量数值是否异常，利用历史光伏系统能效比构建一个正态分布，并根据一定的置信水平确定其置信区间，将该置信区间作为光伏系统能效比的阈值范围，记为B，如果实际日光伏系统能效比在阈值范围B以外，则认为光伏系统辐射量数值为异常；
S2-22、若光伏系统在故障状态下运行，利用场站的基础信息，计算云上辐射量数值，将该数据同实际采集的日辐射量数值进行比较，若实际数据大于云上辐射量数据，则认为当天的日辐射量数据为异常。
8.根据权利要求5所述的一种太阳辐照数据的清洗和补全方法，其特征在于：在步骤S3中，所述对异常数据进行处理主要是指对于已识别出来的无效的辐射照度数据进行处理，对于日间的异常数据，可以通过“置空”的方式，将全部种类的无效辐射照度数据转化成为“辐射照度数值缺失”的形式，接下来，针对已经为“空”的辐射照度数据，进行数据补全工作；对于夜间的无效数据，可以通过“归零”的方式，将其辐射照度数据进行补齐，补齐的结果即为“0”。
9.根据权利要求5所述的一种太阳辐照数据的清洗和补全方法，其特征在于：在步骤S4中，对无效辐射照度数据判断和补全包括以下步骤：
S4-1、判断无效辐射照度数据是否能够进行补全，若光伏系统在故障状态下运行，且有连续辐射照度异常数目大于等于3个，则该段辐射照度便认为不可以补全；若当日辐射照度异常数据超过20条，那么辐射照度数据便认为不可以补全；
S4-2、对于能够进行补全的无效辐射照度数据，若光伏系统在故障状态下运行，且有连续辐射照度异常数目小于3个，利用拉格朗日插值法进行缺失数据补全；
S4-3、对于能够进行补全的无效辐射照度数据，若光伏系统在健康状态下运行，利用发电功率数据及辐射照度正常采集时段的系统性能反向推算出辐射照度缺失时段的大致数值，具体补全的计算步骤包括如下：
S4-3-1、计算正常时刻下累计辐照和发电量的比值；
S4-3-2、取所有比值的中位数作为参考系数；
S4-3-3、将参考系数同相对应时刻的发电量的乘积得到的数值，作为该时刻的补全辐射照度数据。
10.根据权利要求5所述的一种太阳辐照数据的清洗和补全方法，其特征在于：在步骤S4中，对无效日辐射量数据判断和补全包括以下步骤：
S4-11、无效辐射量的补全是以“天”为最小单位，若光伏系统在健康状态下运行，第一种补全方式可利用光伏系统所在地当日的发电状况、天气状况和大气上界辐射量以及参考日的发电量状况进行数据补全，具体的补全方式包括以下步骤：
S4-11-1、确定辐射量数据异常的日期，并获取当天的发电量数据和当天的平均环境温度数据；
S4-11-2、在历史发电数据当中，根据当天的平均环境温度数据一定波动范围内，筛选正常运行日期的光伏系统能效比数值；
S4-11-3、设置光伏系统能效比数值在一定温度范围内的数值分布为正态分布，根据所筛选出来的光伏系统能效比数据，计算其平均值，并将该平均值作为“辐射量异常日期”的光伏系统能效比；
S4-11-4、根据步骤S4-11-3的光伏系统能效比数值和当天的发电量数值，根据以下公式，计算当天的辐射量数值：
其中，HM0为当天的辐射照度，单位：kWh/㎡；Gstc为STC状态下的辐射照度数值，常数，数值为1kW/㎡；EZ为当天的系统发电量，单位：kWh；Pn为系统在STC状态下的直流侧容量，单位：kW；
S4-22、若光伏系统在故障状态下运行，利用天气状况、实际辐射照度以及大气上界辐射量进行补全，具体的补全方式包括以下步骤：
S4-22-1、确定辐射量数据异常的日期，并根据日期，计算其太阳高度角，以及获取其天气信息；
S4-22-2、在光伏系统历史发电数据库当中，根据辐射量数据异常日期的太阳高度角和天气情况信息，筛选正常运行日期的辐射量数据；
S4-22-3、设置在相同天气情况下，且太阳高度角在一定波动范围内的太阳日辐射量数据呈正态分布，那么根据所筛选出来的日太阳辐射量数据，计算其平均值，作为辐射量异常日期的推断辐射量数值补全即可。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110242780.0A CN113011477B (zh) | 2021-03-05 | 2021-03-05 | 一种太阳辐照数据的清洗和补全系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110242780.0A CN113011477B (zh) | 2021-03-05 | 2021-03-05 | 一种太阳辐照数据的清洗和补全系统及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113011477A CN113011477A (zh) | 2021-06-22 |
| CN113011477B true CN113011477B (zh) | 2024-04-23 |
Family
ID=76406059
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110242780.0A Active CN113011477B (zh) | 2021-03-05 | 2021-03-05 | 一种太阳辐照数据的清洗和补全系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113011477B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115840740B (zh) * | 2022-09-26 | 2023-11-24 | 中国电建集团贵阳勘测设计研究院有限公司 | 一种用于光伏电站的太阳能资源缺测数据插补方法 |
| CN116633026B (zh) * | 2023-07-25 | 2023-11-07 | 国网浙江省电力有限公司宁波供电公司 | 清洁能源感知监控方法、装置、计算机设备及存储介质 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP5413933B1 (ja) * | 2013-04-25 | 2014-02-12 | 協立機電工業株式会社 | 太陽光発電設備故障判定方法および装置 |
| KR101425022B1 (ko) * | 2014-01-22 | 2014-08-14 | 주식회사 에스이앤지 | 태양광 발전장치의 통합 관리시스템 |
| CN105469209A (zh) * | 2015-11-24 | 2016-04-06 | 中国电建集团成都勘测设计研究院有限公司 | 光伏电站太阳能资源评估及发电量计算系统及方法 |
| CN107578157A (zh) * | 2017-08-29 | 2018-01-12 | 苏州协鑫新能源运营科技有限公司 | 基于历史大数据对光伏电站系统效率进行修正的方法 |
| KR101967638B1 (ko) * | 2017-11-30 | 2019-04-10 | (주) 포에버정보 | 드론을 이용한 태양광 발전 모듈 관리 시스템 |
| CN110518880A (zh) * | 2016-11-03 | 2019-11-29 | 许继集团有限公司 | 一种光伏电站状态诊断方法及装置 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| AU2013257529B2 (en) * | 2012-11-23 | 2016-11-17 | Solar Analytics Pty Ltd | Monitoring system |
-
2021
- 2021-03-05 CN CN202110242780.0A patent/CN113011477B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP5413933B1 (ja) * | 2013-04-25 | 2014-02-12 | 協立機電工業株式会社 | 太陽光発電設備故障判定方法および装置 |
| KR101425022B1 (ko) * | 2014-01-22 | 2014-08-14 | 주식회사 에스이앤지 | 태양광 발전장치의 통합 관리시스템 |
| CN105469209A (zh) * | 2015-11-24 | 2016-04-06 | 中国电建集团成都勘测设计研究院有限公司 | 光伏电站太阳能资源评估及发电量计算系统及方法 |
| CN110518880A (zh) * | 2016-11-03 | 2019-11-29 | 许继集团有限公司 | 一种光伏电站状态诊断方法及装置 |
| CN107578157A (zh) * | 2017-08-29 | 2018-01-12 | 苏州协鑫新能源运营科技有限公司 | 基于历史大数据对光伏电站系统效率进行修正的方法 |
| KR101967638B1 (ko) * | 2017-11-30 | 2019-04-10 | (주) 포에버정보 | 드론을 이용한 태양광 발전 모듈 관리 시스템 |
Non-Patent Citations (1)
| Title |
|---|
| 太阳辐照测量对光伏系统发电性能评估的影响;王瑞进;陈思铭;;顺德职业技术学院学报(02);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113011477A (zh) | 2021-06-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111539550B (zh) | 光伏阵列工作状态的确定方法、装置、设备及存储介质 | |
| CN111555716B (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 | |
| CN113011477B (zh) | 一种太阳辐照数据的清洗和补全系统及方法 | |
| CN105337575B (zh) | 光伏电站状态预测及故障诊断方法和系统 | |
| CN114898232B (zh) | 基于光伏组串数据分析的光伏电站无人机巡检方法及系统 | |
| CN108921302B (zh) | 分布式光伏电站的杂草遮挡诊断及故障排除判定方法 | |
| CN111082749B (zh) | 光伏组串运行状态的识别方法、装置及存储介质 | |
| CN117013527A (zh) | 一种分布式光伏发电功率预测方法 | |
| CN102800030A (zh) | 地区电网继电保护设备综合可靠性互动迭代评估方法 | |
| CN112766573A (zh) | 一种发电数据的预测方法、装置及电子设备 | |
| CN116667783A (zh) | 一种分布式光伏电站维护系统 | |
| CN117195451A (zh) | 一种基于图论的桥梁监测数据修复方法 | |
| KR20180120363A (ko) | 태양광 발전상태에 관한 빅데이터 수집 및 관리를 통해서 통합 ｅｍｓ 서비스를 제공하는 방법 | |
| TW201740296A (zh) | 再生能源發電量預測方法與系統 | |
| CN115689532A (zh) | 一种电力系统故障分析方法及其装置 | |
| CN111401689B (zh) | 光伏场站降雪日期的确定方法、装置、设备及存储介质 | |
| CN114358165A (zh) | 基于多源数据融合的预防光伏组件接地故障的检测方法 | |
| CN117311295B (zh) | 基于无线网络设备的生产质量提升方法及系统 | |
| CN111445036A (zh) | 光伏电站清洗频率的动态调整方法及存储介质 | |
| KR102524158B1 (ko) | 디지털 트윈 기반 태양광 발전소 관리 솔루션 제공 방법 및 장치 | |
| CN117113267B (zh) | 基于大数据的预测模型训练方法、光伏发电性能检测方法 | |
| CN116232222B (zh) | 一种分布式光伏系统云边协同积灰程度监测方法及系统 | |
| CN114070198B (zh) | 分布式光伏发电系统的故障诊断方法、装置和电子设备 | |
| CN108011586A (zh) | 标称工作温度测量系统及标称工作温度测量方法 |
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 |