CN113159601A - 一种基于dbscan聚类算法的光伏电站运行状态分析方法 - Google Patents
一种基于dbscan聚类算法的光伏电站运行状态分析方法 Download PDFInfo
- Publication number
- CN113159601A CN113159601A CN202110479202.9A CN202110479202A CN113159601A CN 113159601 A CN113159601 A CN 113159601A CN 202110479202 A CN202110479202 A CN 202110479202A CN 113159601 A CN113159601 A CN 113159601A
- Authority
- CN
- China
- Prior art keywords
- photovoltaic power
- power station
- photovoltaic
- stations
- operation state
- 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.)
- Granted
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
- G06Q10/06—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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- 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
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas 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
- 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
- Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
- Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
-
- 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
Abstract
本发明涉及一种基于DBSCAN聚类算法的光伏电站运行状态分析方法,具体为:获取所有待分析光伏电站的光伏直线示值,对光伏直线示值中的容量和发电量进行归一化处理,得到每个光伏电站归一化的容量及发电量数值;对归一化处理后的数据进行聚类,得到每个待分析电站容量及发电量数值DBSCAN聚类结果;根据最小二乘法拟合聚类结果,从拟合直线中得到光伏电站区域分布拟合直线斜率;再对光伏电站运行状态进行分类,得到正常运行状态光伏电站和异常运行状态光伏电站;根据发电信息采集数据对异常运行状态光伏电站进行异常原因诊断。本发明在减少二次故障的前提下,提升故障排查的效率、降低故障后对光伏发电效率的影响。
Description
技术领域
本发明涉及一种基于DBSCAN聚类算法的光伏电站运行状态分析方法,属于智能电力、电网的技术领域。
背景技术
太阳能是十分丰富的可再生能源,直接来源是太阳辐射,所以资源量最大、分布最为广泛。据世界能源理事会(World Energy Council,WEC)统计,理论上每年全球太阳能资源累积利用量为150000万亿k Wh,若按照常规火力发电厂的标准煤耗量进行等价,相当于45万亿吨标准煤。
光伏发电的开发与利用能够有效地缓解能源短缺和环境污染问题,但是光伏电站运行环境条件恶劣,导致维护成本也随之增加。因此,及时全面准确地对光伏电站的运行状态进行监测和评估,有效避免故障及连锁故障的发生,对于光伏电站的维修策略优化和实现光伏发电大规模安全高效的并网具有重要意义。光伏阵列是由若干个光伏组件串联或串并联组成的整体模块从而获得一定的直流电能输出。作为光伏电站的重要组成部分,组件质量和光伏阵列的运行状态直接影响整个光伏发电系统的发电效率和使用寿命,而在光伏阵列的长期运行过程中,组件可能出现的老化、积尘、损坏等问题,组件效率会衰减。为保证光伏电站经济高效的发电水平,对光伏阵列进行实时有效的状态监测与评估具有十分重要的意义。然而,目前对于光伏电站运行状态的预测和分析技术仍处于空白状态,可见,研究出一套合理可行的光伏电站运行状态分析方法成为行业的急迫需求。
发明内容
为了解决上述技术问题,本发明提供一种基于DBSCAN聚类算法的光伏电站运行状态分析方法,基于DBSCAN密度聚类算法获取光伏电站发电量与容量对应关系分布图,通过最小二乘法对图中散点进行拟合获得拟合直线的斜率,根据斜率对光伏电站运行状态进行分析,并对异常电站做出原因诊断的一种分析方法,其具体技术方案如下:
一种基于DBSCAN聚类算法的光伏电站运行状态分析方法,包括以下步骤:
步骤1:从光伏电站发电信息采集数据中,获取所有待分析光伏电站的光伏直线示值,对光伏直线示值中的容量和发电量进行归一化处理,得到每个光伏电站归一化的容量及发电量数值;
步骤2:根据DBSCAN算法对归一化处理后的数据进行聚类,得到每个待分析电站容量及发电量数值DBSCAN聚类结果;
步骤3:根据最小二乘法拟合聚类结果,从拟合直线中得到光伏电站区域分布拟合直线斜率;
步骤4:根据拟合直线中得到的斜率对光伏电站运行状态进行分类,得到正常运行状态光伏电站和异常运行状态光伏电站;
步骤5:根据发电信息采集数据对异常运行状态光伏电站进行异常原因诊断。
进一步的,所述步骤1中得到每个待分析光伏电站归一化的容量及发电量数值具体步骤为:对光伏电站容量及发电量进行均值方差归一化处理,即均值为0,标准差为1,经过处理的数据符合标准正态分布:
式中,X*表示所有电站容量或发电量的归一化数值,X为待分析电站的容量或发电量,μ表示所有电站容量或发电量的均值,σ为待分析电站的容量或发电量的标准差。
进一步的,所述步骤2中得到每个待分析电站容量及发电量数值DBSCAN聚类结果的具体步骤为:
步骤2.1:根据均值方差归一化处理后的容量及发电量数值,生成光伏电站区域分布图;
步骤2.2:根据区域内待分析光伏电站分布的密度,设置待分析光伏电站同一聚类的检测半径ε和半径区域中能够聚成一类的最少电站个数Min Pts;设定检测半径ε=0.4和Min Pts=8,使用DBSCAN算法进行聚类,得到聚类结果;
步骤2.3:将满足聚类设定范围内的站点组成为DBSCAN聚类簇,游离于DBSCAN聚类簇外零散的站点为噪点。
进一步的,所述步骤3中得到光伏电站区域分布拟合拟合直线斜率的具体步骤为:
步骤3.1:根据最小二乘法将聚类结果的所有站点拟合成一条直线;
步骤3.2:根据拟合的直线得出光伏电站区域分布拟合直线斜率。
进一步的,所述步骤4中对光伏电站运行状态进行分类的具体步骤为:
步骤4.1:将在DBSCAN聚类簇内的站点分类为正常运行状态光伏电站;
步骤4.2:将噪点中大于所得光伏电站区域分布拟合直线斜率的站点分类为高效率运行状态光伏电站;
步骤4.3:将噪点中小于所得光伏电站区域分布拟合直线斜率的站点分类为异常运行状态光伏电站。
进一步的,所述步骤5中对异常运行状态光伏电站进行异常原因诊断具体步骤为:
步骤5.1:根据发电信息采集数据,得到各异常光伏电站对应的电压和电流;
步骤5.2:对异常电站中电压电流数值正常的电站归为同一类,原因诊断为光伏板损坏或光伏板长期被覆盖;
步骤5.3:对异常电站中电压数值为0,电流数值正常的电站归为同一类,原因诊断为并网断路器跳闸、或当日上级电站线路故障;
步骤5.4:对异常电站中电压数值正常,电流数值为0的电站归为同一类,原因诊断为站内故障或发生所有发电单元故障停机。
本发明的有益效果是:
本发明根据光伏电站监测信息和区域故障停电信息,对光伏电站运行状态进行分类,得到正常运行光伏电站区域和异常运行光伏电站区域;针对异常运行光伏电站区域进行原因诊断,依据电网监测终端上送的故障信息、电站的发电信息、电站历史故障的聚类结果信息,评判故障类别,对电站异常状态做出诊断,从而在减少光伏电站故障的前提下,提升故障排查的效率、减少电站故障后对光伏发电效率的影响。
附图说明
图1是本发明的流程图,
图2是本发明的实施例中光伏电站发电量与容量对应关系分布图。
具体实施方式
现在结合附图对本发明作进一步详细的说明。
如图1所示,本发明的具体步骤如下:
步骤1:从光伏电站发电信息采集数据中,获取所有待分析光伏电站的光伏直线示值,对光伏直线示值中的容量和发电量进行归一化处理,得到每个光伏电站归一化的容量及发电量数值;
得到每个待分析光伏电站归一化的容量及发电量数值具体步骤为:对光伏电站容量及发电量进行均值方差归一化处理,即均值为0,标准差为1,经过处理的数据符合标准正态分布:
式中,X*表示所有电站容量或发电量的归一化数值,X为待分析电站的容量或发电量,μ表示所有电站容量或发电量的均值,σ为待分析电站的容量或发电量的标准差。
步骤2:根据DBSCAN算法对归一化处理后的数据进行聚类,得到每个待分析电站容量及发电量数值DBSCAN聚类结果,具体为:
步骤2.1:根据均值方差归一化处理后的容量及发电量数值,生成光伏电站区域分布图;
步骤2.2:根据区域内待分析光伏电站分布的密度,设置待分析光伏电站同一聚类的检测半径ε和半径区域中能够聚成一类的最少电站个数Min Pts;设定检测半径ε=0.4和Min Pts=8,使用DBSCAN算法进行聚类,得到每个待分析电站容量及发电量数值DBSCAN聚类结果聚类结果;
步骤2.3:将满足聚类设定范围内的站点组成为DBSCAN聚类簇,游离于DBSCAN聚类簇外零散的站点为噪点。
步骤3:根据最小二乘法拟合聚类结果,从拟合直线中得到光伏电站区域分布拟合直线斜率,具体步骤为:
步骤3.1:根据最小二乘法将聚类结果的所有站点拟合成一条直线;
步骤3.2:根据拟合的直线得出光伏电站区域分布拟合直线斜率。
步骤4:根据拟合直线中得到的斜率对光伏电站运行状态进行分类,得到正常运行状态光伏电站和异常运行状态光伏电站;
对光伏电站运行状态进行分类的具体步骤为:
步骤4.1:将在DBSCAN聚类簇内的站点分类为正常运行状态光伏电站;
步骤4.2:将噪点中大于所得光伏电站区域分布拟合直线斜率的站点分类为高效率运行状态光伏电站;
步骤4.3:将噪点中小于所得光伏电站区域分布拟合直线斜率的站点分类为异常运行状态光伏电站。
步骤5:根据发电信息采集数据对异常运行状态光伏电站进行异常原因诊断,具体步骤为:
步骤5.1:根据发电信息采集数据,得到各异常光伏电站对应的电压和电流;
步骤5.2:对异常电站中电压电流数值正常的电站归为同一类,原因诊断为光伏板损坏或光伏板长期被覆盖;
步骤5.3:对异常电站中电压数值为0,电流数值正常的电站归为同一类,原因诊断为并网断路器跳闸、或当日上级电站线路故障;
步骤5.4:对异常电站中电压数值正常,电流数值为0的电站归为同一类,原因诊断为站内故障或发生所有发电单元故障停机。
下面给出本发明的一个具体实施例:
首先对152个归一化处理后的待分析光伏电站进行标记,随机选择一个光伏电站对象,如果选择对象在检测半径ε=0.4的范围内至少有Min Pts=8对象,则该区域内的站点组成为DBSCAN聚类簇,游离于聚类簇外零散的站点为噪点,得到图2光伏电站发电量与容量对应关系分布图。
对图2中的光伏站点进行拟合,得到图2中的拟合直线,得到拟合直线的斜率k=0.8533,将斜率等于k的站点和在聚类簇内的站点分类为正常运行状态光伏电站,将噪点中大于所得光伏电站区域分布拟合直线斜率的站点分类为高效率运行状态光伏电站,将噪点中大于所得光伏电站区域分布拟合直线斜率的站点分类为异常运行状态光伏电站。本实施例中152个电站共有145个正常正常运行状态光伏电站,1个高效率运行状态电站,6个异常运行状态光伏电站。
对异常运行状态光伏电站进行异常原因诊断:
①按归一化后电站的发电量依次从小到大标记为电站1,电站2,电站3,电站4,电站5电站6。
②从光伏电站发电信息采集数据中,获取6个异常光伏电站的电压电流信息,得到以下结果:
根据光伏电站原因诊断判定方法,得到每个电站异常原因。电站1异常原因诊断为并网断路器跳闸、或当日上级电站线路故障,电站2异常原因诊断为站内故障或发生所有发电单元故障停机,电站3,电站4,电站5,电站6异常原因为同一类,诊断为光伏板损坏或光伏板长期被覆盖。
通过本发明方法,实现对光伏电站运行状态进行分析方法停电区域进行分类的方式进行差别化协同排查,从而在减少二次故障的前提下,提升故障排查的效率、减少事故后故障停电事件。
以上述依据本发明的理想实施例为启示,通过上述的说明内容,相关工作人员完全可以在不偏离本项发明技术思想的范围内,进行多样的变更以及修改。本项发明的技术性范围并不局限于说明书上的内容,必须要根据权利要求范围来确定其技术性范围。
Claims (6)
1.一种基于DBSCAN聚类算法的光伏电站运行状态分析方法,其特征在于:包括以下步骤:
步骤1:从光伏电站发电信息采集数据中,获取所有待分析光伏电站的光伏直线示值,对光伏直线示值中的容量和发电量进行归一化处理,得到每个光伏电站归一化的容量及发电量数值;
步骤2:根据DBSCAN算法对归一化处理后的数据进行聚类,得到每个待分析电站容量及发电量数值DBSCAN聚类结果;
步骤3:根据最小二乘法拟合聚类结果,从拟合直线中得到光伏电站区域分布拟合直线斜率;
步骤4:根据拟合直线中得到的斜率对光伏电站运行状态进行分类,得到正常运行状态光伏电站和异常运行状态光伏电站;
步骤5:根据发电信息采集数据对异常运行状态光伏电站进行异常原因诊断。
3.根据权利要求1所述的基于DBSCAN聚类算法的光伏电站运行状态分析方法,其特征在于:所述步骤2中得到每个待分析电站容量及发电量数值DBSCAN聚类结果的具体步骤为:
步骤2.1:根据均值方差归一化处理后的容量及发电量数值,生成光伏电站区域分布图;
步骤2.2:根据区域内待分析光伏电站分布的密度,设置待分析光伏电站同一聚类的检测半径ε和半径区域中能够聚成一类的最少电站个数Min Pts;设定检测半径ε=0.4和MinPts=8,使用DBSCAN算法进行聚类,得到聚类结果;
步骤2.3:将满足聚类设定范围内的站点组成为DBSCAN聚类簇,游离于DBSCAN聚类簇外零散的站点为噪点。
4.根据权利要求3所述的基于DBSCAN聚类算法的光伏电站运行状态分析方法,其特征在于:所述步骤3中得到光伏电站区域分布拟合拟合直线斜率的具体步骤为:
步骤3.1:根据最小二乘法将聚类结果的所有站点拟合成一条直线;
步骤3.2:根据拟合的直线得出光伏电站区域分布拟合直线斜率。
5.根据权利要求4所述的基于DBSCAN聚类算法的光伏电站运行状态分析方法,其特征在于:所述步骤4中对光伏电站运行状态进行分类的具体步骤为:
步骤4.1:将在DBSCAN聚类簇内的站点分类为正常运行状态光伏电站;
步骤4.2:将噪点中大于所得光伏电站区域分布拟合直线斜率的站点分类为高效率运行状态光伏电站;
步骤4.3:将噪点中小于所得光伏电站区域分布拟合直线斜率的站点分类为异常运行状态光伏电站。
6.根据权利要求5所述的基于DBSCAN聚类算法的光伏电站运行状态分析方法,其特征在于:所述步骤5中对异常运行状态光伏电站进行异常原因诊断具体步骤为:
步骤5.1:根据发电信息采集数据,得到各异常光伏电站对应的电压和电流;
步骤5.2:对异常电站中电压电流数值正常的电站归为同一类,原因诊断为光伏板损坏或光伏板长期被覆盖;
步骤5.3:对异常电站中电压数值为0,电流数值正常的电站归为同一类,原因诊断为并网断路器跳闸、或当日上级电站线路故障;
步骤5.4:对异常电站中电压数值正常,电流数值为0的电站归为同一类,原因诊断为站内故障或发生所有发电单元故障停机。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110479202.9A CN113159601B (zh) | 2021-04-30 | 2021-04-30 | 一种基于dbscan聚类算法的光伏电站运行状态分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110479202.9A CN113159601B (zh) | 2021-04-30 | 2021-04-30 | 一种基于dbscan聚类算法的光伏电站运行状态分析方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113159601A true CN113159601A (zh) | 2021-07-23 |
CN113159601B CN113159601B (zh) | 2023-05-23 |
Family
ID=76872963
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110479202.9A Active CN113159601B (zh) | 2021-04-30 | 2021-04-30 | 一种基于dbscan聚类算法的光伏电站运行状态分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113159601B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114722891A (zh) * | 2022-02-11 | 2022-07-08 | 杭州致成电子科技有限公司 | 一种台区状态分类方法 |
CN115329899A (zh) * | 2022-10-12 | 2022-11-11 | 广东电网有限责任公司中山供电局 | 一种聚类等效模型构建方法、系统、设备和存储介质 |
CN115982602A (zh) * | 2023-03-20 | 2023-04-18 | 济宁众达利电气设备有限公司 | 一种光伏变压器电故障检测方法 |
CN116933107A (zh) * | 2023-07-24 | 2023-10-24 | 水木蓝鲸(南宁)半导体科技有限公司 | 数据分布边界确定方法、装置、计算机设备和存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106230377A (zh) * | 2016-07-01 | 2016-12-14 | 重庆大学 | 一种光伏电池板热斑故障检测方法 |
CN106777984A (zh) * | 2016-12-19 | 2017-05-31 | 福州大学 | 一种基于密度聚类算法实现光伏阵列工作状态分析与故障诊断的方法 |
CN106991508A (zh) * | 2017-05-25 | 2017-07-28 | 华北电力大学 | 一种基于dbscan的风电机组运行状态识别方法 |
CN109039281A (zh) * | 2018-08-10 | 2018-12-18 | 江南大学 | 一种基于改进随机森林算法的光伏阵列故障诊断方法 |
CN109446243A (zh) * | 2018-11-30 | 2019-03-08 | 石家庄科林电气股份有限公司 | 一种基于大数据分析检测光伏电站发电异常的方法 |
CN110011618A (zh) * | 2019-04-22 | 2019-07-12 | 河海大学常州校区 | 基于模糊c均值聚类神经网络的光伏阵列故障的诊断装置 |
CN112329872A (zh) * | 2020-11-11 | 2021-02-05 | 湖南安华源电力科技有限公司 | 一种采用多维融合技术提高光伏发电量的方法 |
-
2021
- 2021-04-30 CN CN202110479202.9A patent/CN113159601B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106230377A (zh) * | 2016-07-01 | 2016-12-14 | 重庆大学 | 一种光伏电池板热斑故障检测方法 |
CN106777984A (zh) * | 2016-12-19 | 2017-05-31 | 福州大学 | 一种基于密度聚类算法实现光伏阵列工作状态分析与故障诊断的方法 |
CN106991508A (zh) * | 2017-05-25 | 2017-07-28 | 华北电力大学 | 一种基于dbscan的风电机组运行状态识别方法 |
CN109039281A (zh) * | 2018-08-10 | 2018-12-18 | 江南大学 | 一种基于改进随机森林算法的光伏阵列故障诊断方法 |
WO2020029327A1 (zh) * | 2018-08-10 | 2020-02-13 | 江南大学 | 一种基于改进随机森林算法的光伏阵列故障诊断方法 |
CN109446243A (zh) * | 2018-11-30 | 2019-03-08 | 石家庄科林电气股份有限公司 | 一种基于大数据分析检测光伏电站发电异常的方法 |
CN110011618A (zh) * | 2019-04-22 | 2019-07-12 | 河海大学常州校区 | 基于模糊c均值聚类神经网络的光伏阵列故障的诊断装置 |
CN112329872A (zh) * | 2020-11-11 | 2021-02-05 | 湖南安华源电力科技有限公司 | 一种采用多维融合技术提高光伏发电量的方法 |
Non-Patent Citations (2)
Title |
---|
叶进等: "一种基于改进DBSCAN算法的光伏故障检测方法", 《广西大学学报(自然科学版)》 * |
陈警钰等: "基于INNER-DBSCAN和功率曲线模型的风机异常状态检测", 《电力科学与工程》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114722891A (zh) * | 2022-02-11 | 2022-07-08 | 杭州致成电子科技有限公司 | 一种台区状态分类方法 |
CN115329899A (zh) * | 2022-10-12 | 2022-11-11 | 广东电网有限责任公司中山供电局 | 一种聚类等效模型构建方法、系统、设备和存储介质 |
CN115982602A (zh) * | 2023-03-20 | 2023-04-18 | 济宁众达利电气设备有限公司 | 一种光伏变压器电故障检测方法 |
CN116933107A (zh) * | 2023-07-24 | 2023-10-24 | 水木蓝鲸(南宁)半导体科技有限公司 | 数据分布边界确定方法、装置、计算机设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113159601B (zh) | 2023-05-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113159601B (zh) | 一种基于dbscan聚类算法的光伏电站运行状态分析方法 | |
CN102902245B (zh) | 一种光伏电站智能监控系统 | |
AU2019388525B2 (en) | System and method for controlling solar photovoltaic power generation on basis of machine learning | |
CN112003282B (zh) | 一种基于电网调峰能力预测新能源装机规模的方法 | |
CN112434822A (zh) | 基于智能电表及地理信息分群的户用光伏异常识别方法 | |
AU2019388238B2 (en) | System and method for controlling photovoltaic balancing | |
CN109885019B (zh) | 一种风机状态自动判断方法 | |
CN112462176B (zh) | 支持检测光伏系统直流电弧故障的装置及方法 | |
CN112329872B (zh) | 一种采用多维融合技术提高光伏发电量的方法 | |
CN116683500A (zh) | 一种电化学储能电站有功功率调度方法和系统 | |
CN114337540A (zh) | 光伏状态检测方法、系统及存储介质 | |
CN115714580A (zh) | 一种光伏电池板的异常检测方法 | |
CN112085258A (zh) | 一种基于大数据技术的区域光伏发电量异常实时监测方法 | |
Yun et al. | Research on fault diagnosis of photovoltaic array based on random forest algorithm | |
CN110994652A (zh) | 储能装置及储能系统 | |
CN110896221B (zh) | 一种电力管理系统 | |
CN117117820A (zh) | 一种分布式新能源接入的配电网风险评估与协同平抑方法 | |
CN114285073A (zh) | 一种并网光伏逆变器性能分析系统 | |
CN114707841A (zh) | 一种基于集中监控的光伏健康度评估系统及方法 | |
CN112910411B (zh) | 一种区域化光伏运维管理系统 | |
Bouzerdoum et al. | Performance prediction of a grid-connected photovoltaic plant | |
Jing et al. | On-line Diagnosis Technology of Distributed Photovoltaic Abnormal Generation Based on Output Prediction | |
CN115409209A (zh) | 一种分布式光伏板的异常检测方法、装置及存储介质 | |
Zhang et al. | Analysis of the factors affecting the fault of photovoltaic power generation equipment | |
CN113595151A (zh) | 一种基于大数据规划的风力发电协调配置系统 |
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 |