CN113052380A - 光伏电站运维清洗效果的检测方法、装置、设备及介质 - Google Patents

光伏电站运维清洗效果的检测方法、装置、设备及介质 Download PDF

Info

Publication number
CN113052380A
CN113052380A CN202110327505.9A CN202110327505A CN113052380A CN 113052380 A CN113052380 A CN 113052380A CN 202110327505 A CN202110327505 A CN 202110327505A CN 113052380 A CN113052380 A CN 113052380A
Authority
CN
China
Prior art keywords
power generation
theoretical
cleaning effect
photovoltaic power
power station
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.)
Pending
Application number
CN202110327505.9A
Other languages
English (en)
Inventor
李越
全真臻
周靖涵
陈麒百
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.)
Beijing Pengyoubao Technology Co ltd
Original Assignee
Beijing Pengyoubao Technology 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 Beijing Pengyoubao Technology Co ltd filed Critical Beijing Pengyoubao Technology Co ltd
Priority to CN202110327505.9A priority Critical patent/CN113052380A/zh
Publication of CN113052380A publication Critical patent/CN113052380A/zh
Pending legal-status Critical Current

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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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
    • G06N3/044—Recurrent networks, e.g. Hopfield networks
    • 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
    • G06N3/08—Learning methods
    • 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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • 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
    • 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
    • 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)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Health & Medical Sciences (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • General Health & Medical Sciences (AREA)
  • Development Economics (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Biomedical Technology (AREA)
  • Artificial Intelligence (AREA)
  • Computational Linguistics (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biophysics (AREA)
  • Computing Systems (AREA)
  • Molecular Biology (AREA)
  • Game Theory and Decision Science (AREA)
  • Educational Administration (AREA)
  • Water Supply & Treatment (AREA)
  • Primary Health Care (AREA)
  • Public Health (AREA)
  • Photovoltaic Devices (AREA)
  • Remote Monitoring And Control Of Power-Distribution Networks (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请公开了一种光伏电站运维清洗效果的检测方法、装置、设备及介质，该方法包括：构建理论发电量预测模型；获取当前时间影响光伏电站发电的各项特征数据；将获取的各项特征数据输入至理论发电量预测模型，获得当前时间的理论发电量；将获得的理论发电量与从物联网设备中直接获取的当前时间的实际发电量进行对比，得到光伏电站运维清洗效果。上述检测方法对理论发电量进行建模，精确计算理论发电量，将其与从物联网设备中直接获取的实际发电量进行对比，从而实时检测电站运维清洗效果，准确性高，便利性好。

Description

光伏电站运维清洗效果的检测方法、装置、设备及介质
技术领域
本发明涉及光伏发电领域，特别是涉及一种光伏电站运维清洗效果的检测方法、装置、设备及介质。
背景技术
光伏电站运维清洗成为了光伏电站运维的重要工作内容之一。光伏电池板表面的灰尘会减少接收辐照量，进而产生能量损失。灰尘遮挡不仅改变光线照射方向，降低面板透光率，影响发电效率，长期的灰尘遮挡会形成热斑对组件造成极大的破坏。因此，光伏电站运维清洗效果直接影响了光伏电站的发电效率。
目前，检测光伏电站运维清洗效果的方法一般是：清洗人员首先只清洗部分光伏组件，技术人员利用专业设备(如I-V曲线测试仪)分别测量清洗和未清洗的组件在一定时间的发电特性，两者发电量上的差值即为运维清洗对光伏组件发电量的提升。这种方法虽然直接，但实际可行度与灵活度太低，要求专业团队与专业设备到场，测量的组件数量有限，无法对所有清洗过的太阳能组件一一检查，否则工作量巨大，并且需要第三方运维清洗团队清洗时，特意不清洗一部分光伏组件，作为对照组，这会耗费人力财力，造成经济上的无效与损失，无法进行实时检测。
因此，如何准确且便利地检测电站运维清晰效果，是本领域技术人员亟待解决的技术问题。
发明内容
有鉴于此，本发明的目的在于提供一种光伏电站运维清洗效果的检测方法、装置、设备及介质，可以实时检测电站运维清洗效果，准确性高，便利性好。其具体方案如下：
一种光伏电站运维清洗效果的检测方法，包括：
构建理论发电量预测模型；
获取当前时间影响光伏电站发电的各项特征数据；
将获取的所述各项特征数据输入至所述理论发电量预测模型，获得当前时间的理论发电量；
将获得的所述理论发电量与从物联网设备中直接获取的当前时间的实际发电量进行对比，得到光伏电站运维清洗效果。
优选地，在本发明实施例提供的上述光伏电站运维清洗效果的检测方法中，构建理论发电量预测模型，具体包括：
建立长短期记忆神经网络；
以影响光伏电站发电的各项特征数据为输入，以理论发电量为输出，训练所述长短期记忆神经网络，得到理论发电量预测模型。
优选地，在本发明实施例提供的上述光伏电站运维清洗效果的检测方法中，获取当前时间影响光伏电站发电的各项特征数据，具体包括：
从物联网设备中获得当前时间的太阳光的辐照强度、天气情况、环境温度、环境湿度、风速和风向、组件温度、太阳辐射因子；
从当地数据库中获取历史发电量。
优选地，在本发明实施例提供的上述光伏电站运维清洗效果的检测方法中，将获得的所述理论发电量与从物联网设备中直接获取的当前时间的实际发电量进行对比，得到光伏电站运维清洗效果，具体包括：
将获得的所述理论发电量与从物联网设备中直接获取的当前时间的实际发电量的差值除以获得的所述理论发电量，计算发电损耗；
依据所述发电损耗，通过统计显著性检验得到光伏电站运维清洗效果。
本发明实施例还提供了一种光伏电站运维清洗效果的检测装置，包括：
预测模型构建模块，用于构建理论发电量预测模型；
特征数据获取模块，用于获取当前时间影响光伏电站发电的各项特征数据；
理论电量计算模块，用于将获取的所述各项特征数据输入至所述理论发电量预测模型，获得当前时间的理论发电量；
清洗效果检测模块，用于将获得的所述理论发电量与从物联网设备中直接获取的当前时间的实际发电量进行对比，得到光伏电站运维清洗效果。
优选地，在本发明实施例提供的上述光伏电站运维清洗效果的检测装置中，所述预测模型构建模块，具体用于建立长短期记忆神经网络；以影响光伏电站发电的各项特征数据为输入，以理论发电量为输出，训练所述长短期记忆神经网络，得到理论发电量预测模型。
优选地，在本发明实施例提供的上述光伏电站运维清洗效果的检测装置中，所述特征数据获取模块，具体用于从物联网设备中获得当前时间的太阳光的辐照强度、天气情况、环境温度、环境湿度、风速和风向、组件温度、太阳辐射因子；从当地数据库中获取历史发电量。
优选地，在本发明实施例提供的上述光伏电站运维清洗效果的检测装置中，所述清洗效果检测模块，具体用于将获得的所述理论发电量与从物联网设备中直接获取的当前时间的实际发电量的差值除以获得的所述理论发电量，计算发电损耗；依据所述发电损耗，通过统计显著性检验得到光伏电站运维清洗效果。
本发明实施例还提供了一种光伏电站运维清洗效果的检测设备，包括处理器和存储器，其中，所述处理器执行所述存储器中存储的计算机程序时实现如本发明实施例提供的上述光伏电站运维清洗效果的检测方法。
本发明实施例还提供了一种计算机可读存储介质，用于存储计算机程序，其中，所述计算机程序被处理器执行时实现如本发明实施例提供的上述光伏电站运维清洗效果的检测方法。
从上述技术方案可以看出，本发明所提供的一种光伏电站运维清洗效果的检测方法，包括：构建理论发电量预测模型；获取当前时间影响光伏电站发电的各项特征数据；将获取的各项特征数据输入至理论发电量预测模型，获得当前时间的理论发电量；将获得的理论发电量与从物联网设备中直接获取的当前时间的实际发电量进行对比，得到光伏电站运维清洗效果。
本发明提供的上述检测方法，对理论发电量进行建模，精确计算理论发电量，将其与从物联网设备中直接获取的实际发电量进行对比，从而实时检测电站运维清洗效果，准确性高，便利性好。此外，本发明还针对光伏电站运维清洗效果的检测方法提供了相应的装置、设备及计算机可读存储介质，进一步使得上述方法更具有实用性，该装置、设备及计算机可读存储介质具有相应的优点。
附图说明
为了更清楚地说明本发明实施例或相关技术中的技术方案，下面将对实施例或相关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为本发明实施例提供的光伏电站运维清洗效果的检测方法的流程图；
图2为本发明实施例提供的长短期记忆神经网络的训练过程示意图；
图3为本发明实施例提供的清洗前后的理论发电量和实际发电量的示意图；
图4为本发明实施例提供的光伏电站运维清洗效果的检测装置的结构示意图。
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。
本发明提供一种光伏电站运维清洗效果的检测方法，如图1所示，包括以下步骤：
S101、构建理论发电量预测模型；
S102、获取当前时间影响光伏电站发电的各项特征数据；
S103、将获取的各项特征数据输入至理论发电量预测模型，获得当前时间的理论发电量；
S104、将获得的理论发电量与从物联网设备中直接获取的当前时间的实际发电量进行对比，得到光伏电站运维清洗效果。
在本发明实施例提供的上述光伏电站运维清洗效果的检测方法中，对理论发电量进行建模，精确计算理论发电量，将其与从物联网设备中直接获取的实际发电量进行对比，从而实时检测电站运维清洗效果，准确性高，便利性好。
需要说明的是，为了准确检测理论发电量，根据数年对光伏电站的数据分析，发现决定电站理论发电量的重大因素(即影响光伏电站发电的各项特征数据)主要包括：太阳光的辐照强度radiation、天气情况weather、环境温度temperature[℃]、环境湿度huminity％rh、风速和风向wind、组件温度comp_temp[℃]、太阳辐射因子SFV，以及历史发电量electricity。因此本发明利用以上因素为参考，建立了一个检测理论发电量的模型：theoretical_electricity_t＝f(radiation_t,weather_t,temperature_t,huminity_t,wind_t,SFV_t,comp_temp,electricity_t-1,...,t-n)。其中所有的因素都可以通过物联网设备获得。也就是说，通过物联网设备获得的影响光伏电站发电的各项特征数据可以量化模型，基于此可以更为准确地预测出理论发电量。之后通过与实际发电量的对比，检测出清洁运维的效果。
在具体实施时，在本发明实施例提供的上述光伏电站运维清洗效果的检测方法中，步骤S101构建理论发电量预测模型，具体可以包括：建立长短期记忆神经网络LSTM；以影响光伏电站发电的各项特征数据为输入，以理论发电量为输出，训练长短期记忆神经网络LSTM，得到理论发电量预测模型。
在实际应用中，理论发电量不仅仅与光照数据，天气数据等因素有关，其历史数据也具有一定的规律。因此本发明利用深度神经网络中的LSTM进行建模，这样就可以捕获到序列中和时间相关的特征。具体地，通过物联网设备获得影响发电的各项特征数据：太阳光的辐照强度、天气情况、环境温度、环境湿度、风速和风向、组件温度、太阳辐射因子、以及从数据库中获得历史发电量。本发明训练一个长短期记忆神经网络LSTM，输入是这些特征数据，输出是理论发电量。如图2所示，Xt是输入数据集，表示在t时刻的数据特征，其包含radiation_t,weather_t,temperature_t,huminity_t,wind_t,SFV_t,comp_temp,electricity_t；Ot是输出，代表预测的在t时刻的理论发电量theoretical value_t；图2中的n＝2，表示用包含t以及之前两个单位时间的数据来预测t时刻的发电量。n的值可以根据实际情况而定，在此不做限定。
在具体实施时，在本发明实施例提供的上述光伏电站运维清洗效果的检测方法中，步骤S102获取当前时间影响光伏电站发电的各项特征数据，具体可以包括：从物联网设备中获得当前时间t0的太阳光的辐照强度、天气情况、环境温度、环境湿度、风速和风向、组件温度、太阳辐射因子，以及从当地数据库中获取历史发电量。
在执行步骤S103获得当前时间t0的理论发电量时，通过长短期记忆神经网络LSTM使用当前时间t0的太阳光的辐照强度、天气情况、环境温度、环境湿度、风速和风向、组件温度、太阳辐射因子以及当前时间t0的前n个时间点作为输入(electricity_t0-1),(electricity_t0-2),...,(electricity_t0-n)，就可以预测出当前时间t0的光伏发电输出功率。
在具体实施时，在本发明实施例提供的上述光伏电站运维清洗效果的检测方法中，步骤S104将获得的理论发电量与从物联网设备中直接获取的当前时间的实际发电量进行对比，得到光伏电站运维清洗效果，具体可以包括：将获得的理论发电量theoreticalvalue与从物联网设备中直接获取的当前时间的实际发电量actual value的差值除以获得的理论发电量theoretical value，计算发电损耗loss；依据发电损耗loss，通过统计显著性检验得到光伏电站运维清洗效果。
具体地，采用下式判断发电的损耗作为评判运维清洗效果的依据：
loss＝(theoretical value-actual value)/theoretical value
之后运用统计学检验来评判这种差别是否是显著的，如果是，说明电站的清洗维护是有效果的。
如图3所示，在虚线处清洗了光伏组件，可以看出清洗前和清洗后的实际发电量有明显区别。维护前的发电损耗在8％左后，而维护后可以降低到2％左右。通过统计显著性检验，可以判断这种差异是显著的，因此可以断定对于这个电站进行清洗维护是有效果的。
需要注意的是，现有的检测光伏电站运维清洗效果的方法依赖于传统的电力检测专业设备，实际可行度与灵活度太低，而本发明只需将物联网设备数据应用到光伏运维评估体系中，结合神经网络算法，就能够非常精确地计算出理论发电量，并通过统计方法识别光伏电站运维清洗效果，准确率高，实时性好且具有一定的便利性。
基于同一发明构思，本发明实施例还提供了一种光伏电站运维清洗效果的检测装置，由于该检测装置解决问题的原理与前述一种光伏电站运维清洗效果的检测方法相似，因此该检测装置的实施可以参见光伏电站运维清洗效果的检测方法的实施，重复之处不再赘述。
在具体实施时，本发明实施例提供的光伏电站运维清洗效果的检测装置，如图4所示，具体包括：
预测模型构建模块11，用于构建理论发电量预测模型；
特征数据获取模块12，用于获取当前时间影响光伏电站发电的各项特征数据；
理论电量计算模块13，用于将获取的各项特征数据输入至理论发电量预测模型，获得当前时间的理论发电量；
清洗效果检测模块14，用于将获得的理论发电量与从物联网设备中直接获取的当前时间的实际发电量进行对比，得到光伏电站运维清洗效果。
在本发明实施例提供的上述光伏电站运维清洗效果的检测装置中，可以通过上述四个模块的相互作用，实时检测电站运维清洗效果，准确性高，便利性好。
在具体实施时，在本发明实施例提供的上述光伏电站运维清洗效果的检测装置中，预测模型构建模块11，具体用于建立长短期记忆神经网络；以影响光伏电站发电的各项特征数据为输入，以理论发电量为输出，训练长短期记忆神经网络，得到理论发电量预测模型。
在具体实施时，在本发明实施例提供的上述光伏电站运维清洗效果的检测装置中，特征数据获取模块12，具体用于从物联网设备中获得当前时间的太阳光的辐照强度、天气情况、环境温度、环境湿度、风速和风向、组件温度、太阳辐射因子；从当地数据库中获取历史发电量。
在具体实施时，在本发明实施例提供的上述光伏电站运维清洗效果的检测装置中，清洗效果检测模块14，具体用于将获得的理论发电量与从物联网设备中直接获取的当前时间的实际发电量的差值除以获得的理论发电量，计算发电损耗；依据发电损耗，通过统计显著性检验得到光伏电站运维清洗效果。
关于上述各个模块更加具体的工作过程可以参考前述实施例公开的相应内容，在此不再进行赘述。
相应地，本发明实施例还公开了一种光伏电站运维清洗效果的检测设备，包括处理器和存储器；其中，处理器执行存储器中存储的计算机程序时实现前述实施例公开的光伏电站运维清洗效果的检测方法。
关于上述方法更加具体的过程可以参考前述实施例中公开的相应内容，在此不再进行赘述。
进一步地，本发明还公开了一种计算机可读存储介质，用于存储计算机程序；计算机程序被处理器执行时实现前述公开的光伏电站运维清洗效果的检测方法。
关于上述方法更加具体的过程可以参考前述实施例中公开的相应内容，在此不再进行赘述。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似部分互相参见即可。对于实施例公开的装置、设备、存储介质而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
本发明实施例提供的一种光伏电站运维清洗效果的检测方法，包括：构建理论发电量预测模型；获取当前时间影响光伏电站发电的各项特征数据；将获取的各项特征数据输入至理论发电量预测模型，获得当前时间的理论发电量；将获得的理论发电量与从物联网设备中直接获取的当前时间的实际发电量进行对比，得到光伏电站运维清洗效果。该方法对理论发电量进行建模，精确计算理论发电量，将其与从物联网设备中直接获取的实际发电量进行对比，从而实时检测电站运维清洗效果，准确性高，便利性好。此外，本发明还针对光伏电站运维清洗效果的检测方法提供了相应的装置、设备及计算机可读存储介质，进一步使得上述方法更具有实用性，该装置、设备及计算机可读存储介质具有相应的优点。
最后，还需要说明的是，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。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。
以上对本发明所提供的光伏电站运维清洗效果的检测方法、装置、设备及介质进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (10)

1.一种光伏电站运维清洗效果的检测方法，其特征在于，包括：
构建理论发电量预测模型；
获取当前时间影响光伏电站发电的各项特征数据；
将获取的所述各项特征数据输入至所述理论发电量预测模型，获得当前时间的理论发电量；
将获得的所述理论发电量与从物联网设备中直接获取的当前时间的实际发电量进行对比，得到光伏电站运维清洗效果。
2.根据权利要求1所述的光伏电站运维清洗效果的检测方法，其特征在于，构建理论发电量预测模型，具体包括：
建立长短期记忆神经网络；
以影响光伏电站发电的各项特征数据为输入，以理论发电量为输出，训练所述长短期记忆神经网络，得到理论发电量预测模型。
3.根据权利要求2所述的光伏电站运维清洗效果的检测方法，其特征在于，获取当前时间影响光伏电站发电的各项特征数据，具体包括：
从物联网设备中获得当前时间的太阳光的辐照强度、天气情况、环境温度、环境湿度、风速和风向、组件温度、太阳辐射因子；
从当地数据库中获取历史发电量。
4.根据权利要求3所述的光伏电站运维清洗效果的检测方法，其特征在于，将获得的所述理论发电量与从物联网设备中直接获取的当前时间的实际发电量进行对比，得到光伏电站运维清洗效果，具体包括：
将获得的所述理论发电量与从物联网设备中直接获取的当前时间的实际发电量的差值除以获得的所述理论发电量，计算发电损耗；
依据所述发电损耗，通过统计显著性检验得到光伏电站运维清洗效果。
5.一种光伏电站运维清洗效果的检测装置，其特征在于，包括：
预测模型构建模块，用于构建理论发电量预测模型；
特征数据获取模块，用于获取当前时间影响光伏电站发电的各项特征数据；
理论电量计算模块，用于将获取的所述各项特征数据输入至所述理论发电量预测模型，获得当前时间的理论发电量；
清洗效果检测模块，用于将获得的所述理论发电量与从物联网设备中直接获取的当前时间的实际发电量进行对比，得到光伏电站运维清洗效果。
6.根据权利要求5所述的光伏电站运维清洗效果的检测装置，其特征在于，所述预测模型构建模块，具体用于建立长短期记忆神经网络；以影响光伏电站发电的各项特征数据为输入，以理论发电量为输出，训练所述长短期记忆神经网络，得到理论发电量预测模型。
7.根据权利要求6所述的光伏电站运维清洗效果的检测装置，其特征在于，所述特征数据获取模块，具体用于从物联网设备中获得当前时间的太阳光的辐照强度、天气情况、环境温度、环境湿度、风速和风向、组件温度、太阳辐射因子；从当地数据库中获取历史发电量。
8.根据权利要求7所述的光伏电站运维清洗效果的检测装置，其特征在于，所述清洗效果检测模块，具体用于将获得的所述理论发电量与从物联网设备中直接获取的当前时间的实际发电量的差值除以获得的所述理论发电量，计算发电损耗；依据所述发电损耗，通过统计显著性检验得到光伏电站运维清洗效果。
9.一种光伏电站运维清洗效果的检测设备，其特征在于，包括处理器和存储器，其中，所述处理器执行所述存储器中存储的计算机程序时实现如权利要求1至4任一项所述的光伏电站运维清洗效果的检测方法。
10.一种计算机可读存储介质，其特征在于，用于存储计算机程序，其中，所述计算机程序被处理器执行时实现如权利要求1至4任一项所述的光伏电站运维清洗效果的检测方法。
CN202110327505.9A 2021-03-26 2021-03-26 光伏电站运维清洗效果的检测方法、装置、设备及介质 Pending CN113052380A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110327505.9A CN113052380A (zh) 2021-03-26 2021-03-26 光伏电站运维清洗效果的检测方法、装置、设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110327505.9A CN113052380A (zh) 2021-03-26 2021-03-26 光伏电站运维清洗效果的检测方法、装置、设备及介质

Publications (1)

Publication Number Publication Date
CN113052380A true CN113052380A (zh) 2021-06-29

Family

ID=76515813

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110327505.9A Pending CN113052380A (zh) 2021-03-26 2021-03-26 光伏电站运维清洗效果的检测方法、装置、设备及介质

Country Status (1)

Country Link
CN (1) CN113052380A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116596162A (zh) * 2023-07-05 2023-08-15 浙江正泰新能源开发有限公司 一种光伏发电量测算方法、装置、设备及存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106779223A (zh) * 2016-12-21 2017-05-31 创维互联（北京）新能源科技有限公司 一种光伏系统发电功率实时预测方法及装置
CN107133713A (zh) * 2017-03-13 2017-09-05 华电电力科学研究院 一种光伏电站智能清洗决策系统的建立方法
WO2018129828A1 (zh) * 2017-01-11 2018-07-19 沃太能源南通有限公司 一种光伏发电预测系统及预测方法
CN110161860A (zh) * 2019-05-28 2019-08-23 南通大学 一种光伏组件智能清扫策略的方法及控制系统
CN112487609A (zh) * 2020-11-06 2021-03-12 华北电力科学研究院有限责任公司 一种光伏组件清洗时刻确定方法及装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106779223A (zh) * 2016-12-21 2017-05-31 创维互联（北京）新能源科技有限公司 一种光伏系统发电功率实时预测方法及装置
WO2018129828A1 (zh) * 2017-01-11 2018-07-19 沃太能源南通有限公司 一种光伏发电预测系统及预测方法
CN107133713A (zh) * 2017-03-13 2017-09-05 华电电力科学研究院 一种光伏电站智能清洗决策系统的建立方法
CN110161860A (zh) * 2019-05-28 2019-08-23 南通大学 一种光伏组件智能清扫策略的方法及控制系统
CN112487609A (zh) * 2020-11-06 2021-03-12 华北电力科学研究院有限责任公司 一种光伏组件清洗时刻确定方法及装置

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116596162A (zh) * 2023-07-05 2023-08-15 浙江正泰新能源开发有限公司 一种光伏发电量测算方法、装置、设备及存储介质
CN116596162B (zh) * 2023-07-05 2023-10-20 浙江正泰新能源开发有限公司 一种光伏发电量测算方法、装置、设备及存储介质

Similar Documents

Publication Publication Date Title
Gualtieri et al. Extrapolating wind speed time series vs. Weibull distribution to assess wind resource to the turbine hub height: A case study on coastal location in Southern Italy
CN111103565B (zh) 一种基于智能电能表计量误差分析的数据变换方法及系统
CN105069535A (zh) 一种基于arima模型的配电网运行可靠性的预测方法
CN111693931A (zh) 智能电能表误差远程计算方法、装置和计算机设备
CN106548410B (zh) 一种含分布式电源的配电网电压不平衡概率评估方法
CN117554821A (zh) 基于深度学习网络的储能电池在线监测管理方法及系统
CN110601250A (zh) 一种基于新能源电站接入点静态电压稳定性评估方法
Pan et al. Uncertainty analysis based on non-parametric statistical modelling method for photovoltaic array output and its application in fault diagnosis
CN113805138A (zh) 一种基于参数有向遍历的智能电表误差估计方法及装置
CN113406555A (zh) 一种交流充电站的电量计量误差监测方法及充电站
CN106295106A (zh) 一种光伏电站无功支撑能力评估方法
CN114912339A (zh) 一种变电站一次设备多因素温度预测方法
CN110084403B (zh) 架空导线载流量的多时段联合概率密度预测方法及系统
CN116011345A (zh) 绝缘子信息预测模型生成方法、装置、设备及介质
CN113052380A (zh) 光伏电站运维清洗效果的检测方法、装置、设备及介质
CN115239105A (zh) 一种在役风电场的风资源的评估方法以及装置
CN111064219A (zh) 基于辐射分布特征的光伏并网逆变器运行效率评估方法
Bozorg et al. A derivative-persistence method for real time photovoltaic power forecasting
Lee et al. A framework for generating stochastic meteorological years for risk-conscious design of buildings
Najian et al. Evaluating critical weather parameters using machine learning models
CN116029160B (zh) 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
CN105741184A (zh) 一种变压器状态评估方法及装置
CN116780518A (zh) 一种理论应发电量获取方法、装置、设备及介质
CN115532753A (zh) 光伏电站灰尘损失测算方法、装置、设备及存储介质
CN111401624A (zh) 一种风功率预测的方法、装置及计算机可读存储介质

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