CN114218989A - 一种光伏电站运行状态异常光伏阵列的提取方法 - Google Patents
一种光伏电站运行状态异常光伏阵列的提取方法 Download PDFInfo
- Publication number
- CN114218989A CN114218989A CN202111541997.8A CN202111541997A CN114218989A CN 114218989 A CN114218989 A CN 114218989A CN 202111541997 A CN202111541997 A CN 202111541997A CN 114218989 A CN114218989 A CN 114218989A
- Authority
- CN
- China
- Prior art keywords
- photovoltaic
- photovoltaic array
- array
- arrays
- value
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/08—Feature extraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- Computational Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Algebra (AREA)
- Water Supply & Treatment (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Signal Processing (AREA)
- Artificial Intelligence (AREA)
- Public Health (AREA)
- Databases & Information Systems (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)
Abstract
本发明公开了一种光伏电站运行状态异常光伏阵列提取方法,所述方法包括如下步骤:S1.提取参考光伏阵列;S2.以PR值为特征变量,利用一种基于差值排序的方法对疑似运行状态异常光伏阵列进行筛选;S3.利用对疑似运行状态异常光伏阵列与参考光伏阵列的功率数据点间距离的分析提取运行状态异常光伏阵列。本发明通过以PR值为特征变量,基于差值排序的方法,以及对疑似运行状态异常光伏阵列与参考光伏阵列的功率数据点距离的分析来对光伏电站运行状态异常光伏阵列进行提取,弥补了实际光伏电站运行数据质量问题所导致的光伏阵列PR值计算不准确的问题,可有效提取分析周期内运行状态异常的光伏阵列。
Description
技术领域
本发明属于光伏发电技术领域,具体涉及一种光伏电站运行状态异常光伏阵列的提取方法。
背景技术
太阳能作为可再生能源的重要组成部分,具有取之不尽,用之不竭、随处可得、无运动部件、无噪声、无污染、建设周期短、运行成本低等特点,成为当前最为理想的可再生能源。近年来,太阳能光伏发电产业在政策支持与技术进步的推动下得到了飞速发展,其规模得到了大幅度的提升,太阳能发电站的数量在全球范围内持续快速增长。根据国际可再生能源机构(IRENA)的统计,2020年我国光伏发电累计装机容量为253.834GW,光伏发电新增装机容量于近十年来呈现爆发式增长。面对光伏电站数量的快速增长,光伏电站运维问题的重要性日益凸显。
传统光伏电站的运维模式具有监控数据少、数据不能及时上报、通信网络建设与维护有局限、无智能分析、现场运维人员技术不足的问题,已不能满足大规模光伏电站的运维需求。因此,对光伏电站进行具有远程监测和控制、发电功率预测服务、电站资产及经济效益的评估功能的智能化运维势在必行。实现光伏电站智能化运维的一个重要前提是对光伏组件的运行状态进行准确、自动化的分析。而对光伏组件运行状态进行分析的一个重要环节就是对光伏电站运行状态异常阵列进行提取。对光伏电站运行状态异常光伏阵列进行提取,首先要确定判断光伏阵列异常,即对光伏阵列运行状态进行分析的方法。
目前对光伏阵列运行状态进行分析主要采用IEC 61724标准中所规定的系统效率(Performance Ratio,PR)指标来计算。光伏阵列系统效率(PR)定义为光伏阵列实际输出功率与光伏阵列理论发电量的比值。光伏阵列PR定量描述了包含污渍遮挡、光伏组件功率衰降、串并联失配等因素在内的综合因素对光伏阵列运行状态的影响。
但由于实际光伏电站的运行数据存在缺失、测量误差较大等数据质量问题,由单纯的光伏阵列PR计算结果来对光伏阵列的运行状态进行分析是不准确的,如图1所示,光伏阵列的月PR值计算结果出现了违背规律的异常高值(PR值大于1),容易造成光伏阵列运行状态的误判,从而影响光伏电站运行状态异常光伏阵列的提取结果。
发明内容
为了解决上述技术问题,本发明提供了一种光伏电站运行状态异常光伏阵列的提取方法,使用了一种以PR值为特征变量,基于差值排序的方法,以及对疑似运行状态异常光伏阵列与参考光伏阵列的功率数据点距离的分析来对光伏电站运行状态异常光伏阵列进行提取,可以弥补实际光伏电站运行数据质量问题所导致的光伏阵列PR值计算不准确的问题,可有效提取分析周期内运行状态异常的光伏阵列。
为实现上述目的,本发明采用的技术方案为:
一种光伏电站运行状态异常光伏阵列的提取方法,包括如下步骤:
S1.提取参考光伏阵列;
S2.以PR值为特征变量,利用一种基于差值排序的方法对疑似运行状态异常光伏阵列进行筛选;
S3.利用对疑似运行状态异常光伏阵列与参考光伏阵列的功率数据点间距离的分析提取运行状态异常光伏阵列。
其中,步骤S1所述提取参考光伏阵列,是利用光伏阵列各月的月PR值的排序情况,排名靠前的5%光伏阵列视为运行状态良好光伏阵列,作为参考光伏阵列。
更进一步的,所述提取参考光伏阵列,具体操作如下:
首先计算光伏电站中n个光伏阵列m个月的PR值,即:
n个光伏阵列m个月的PR值计算完成后,将n个光伏阵列同月的PR值由小到大进行排序,得到n个光伏阵列m个月的PR值排名情况,即确定1,2,...,n的一种排列p1,p2,...,pn,使得关系Kp1≤Kp2≤...≤Kpn存在,按此关系得到PR值名次矩阵:
得到各光伏各月阵列PR值排名情况后,将同一光伏阵列各月的PR值排名进行求和,即:
取名次之和的前5%光伏阵列作为参考光伏阵列,记为Astand,并取出参考光伏阵列的PR值矩阵与电压Ustand、电流Istand、功率数据Pstand。
进一步的,步骤S2所述以PR值为特征变量,利用一种基于差值排序的方法对疑似运行状态异常光伏阵列进行筛选,具体操作如下:
将光伏电站所有光伏阵列中去除步骤S1中确定的参考光伏阵列的其余n-k个光伏阵列定义为待检光伏阵列,将待检光伏阵列各月的PR值与同月参考光伏阵列PR值的均值相减,得到待检光伏阵列与参考光伏阵列各月PR值的差值,即:
将计算出的待检光伏阵列与参考光伏阵列PR值各月的差值由小到大进行排序,得到各待检光伏阵列与参考光伏阵列PR值差值的排名情况,即确定1,2,...,n-k的一种排列p1,p2,...,pn-k,使得关系Kp1≤Kp2≤...≤Kpn-k存在,按此关系得到差值名次矩阵:
对计算出的各待检光伏阵列与参考光伏阵列PR值差值的排名进行求和,即:
对计算出的各待检光伏阵列与参考光伏阵列PR值差值的排名之和进行排序,即确定1,2,...,n-k的一种排列p1,p2,...,pn-k,使得关系Kp1≤Kp2≤…≤Kpn-k存在,按此关系得到:
取前10%的光伏阵列作为疑似状态异常光伏阵列,记为Asusp,并取出其电压Ususp、电流Isusp与功率Psusp数据。
进一步的,步骤S3所述利用对疑似运行状态异常光伏阵列与参考光伏阵列的功率数据点间距离的分析提取运行状态异常光伏阵列,具体操作如下:
将步骤S2中筛选出的疑似状态异常光伏阵列定义为待分析光伏阵列,以15分钟为时间间隔,计算待分析光伏阵列每月中每个数据点的功率与参考光伏阵列功率同时间点功率数据均值的距离d,其计算方法为:设有l个数据点,则k个参考光伏阵列的功率数据均值为:
获得距离矩阵后,计算单月内每个待分析光伏阵列与参考光伏阵列功率点距离的平均值,即对距离矩阵按列求平均值并进行转置得到:
与现有技术相比,本发明的有益效果为:
本发明的一种光伏电站运行状态异常光伏阵列的提取方法,对现有技术中采用光伏阵列PR计算结果来对光伏阵列的运行状态进行分析,容易造成光伏阵列运行状态的误判,从而影响光伏电站运行状态异常光伏阵列的提取结果的技术问题。通过以PR值为特征变量,基于差值排序的方法,以及对疑似运行状态异常光伏阵列与参考光伏阵列的功率数据点距离的分析来对光伏电站运行状态异常光伏阵列进行提取,弥补了实际光伏电站运行数据质量问题所导致的光伏阵列PR值计算不准确的问题,可有效提取分析周期内运行状态异常的光伏阵列。且本发明仅依靠光伏电站实际运行数据进行分析,不需要理论模型,计算较为简单,应用场合更为广泛。
附图说明
图1为背景技术中记载的单纯以光伏阵列PR计算的结果对比图。
图2为本发明实施例的运行状态异常光伏阵列提取方法流程示意图。
图3为本发明实施例的待分析光伏阵列与参考光伏阵列间功率点距离均值的差值对比柱状图。
图4为本发明实施例中运行状态异常光伏阵列的提取结果柱状图。
图5为本发明实施例中运行状态异常阵列M53与参考光伏阵列输出功率均值的对比图。
图6为本发明实施例中运行状态异常阵列M53与参考光伏阵列电压均值的对比图。
图7为本发明实施例中运行状态异常阵列M53与参考光伏阵列电流均值的对比图。
具体实施方式
下面结合附图对本发明具体实施方式作进一步说明。
本实施例以某光伏电站2017年7月至12月的运行数据为基础进行,具体实施过程如下:
步骤S1:提取参考光伏阵列:首先计算该光伏电站中553个光伏阵列6个月的PR值。
进一步地,步骤S1中所述PR值的计算公式如下:
其中:ET为在T时间段内阵列产生的电能,根据记录下的各汇流箱功率P计算,P输入值为向量形式,时间分辨率为10min,单位为kW,积分运算简化为插值运算;Pe:电站组件装机的标称容量,根据电站情况更新参数;hT:是T时间段内方阵面上的峰值日照时数,根据方阵斜面辐射瞬时值H计算。H输入值为向量形式,时间分辨率为10min,单位为kW/m2,积分运算简化为插值运算。
PR值计算完成后,将553个光伏阵列同月的PR值由小到大进行排序,得到553个光伏阵列6个月的PR值排名情况。得到各光伏各月阵列PR值排名情况后,将同一光伏阵列各月的PR值名次进行求和,取名次之和的前5%,即前10个光伏阵列作为参考光伏阵列并记录其编号,记为Astand,取出参考光伏阵列的PR值矩阵与电压Ustand、电流Istand、功率数据Pstand。
参考阵列的提取结果如表1所示。
表1
步骤S2:以PR值为特征变量,利用一种基于差值排序的方法对疑似运行状态异常光伏阵列进行筛选;
进一步地,所述步骤S2具体包括以下步骤:
步骤S21:将步骤S1中提取的参考光伏阵列的PR值按月取平均值;
步骤S22:将光伏电站所有光伏阵列中去除步骤S1中确定的参考光伏阵列的其余543个光伏阵列定义为待检光伏阵列,将待检光伏阵列各月的PR值与同月参考光伏阵列PR值的均值相减,得到待检光伏阵列与参考光伏阵列各月PR值的差值;
步骤S23:将步骤S22中计算出的待检光伏阵列与参考光伏阵列PR值各月的差值由小到大进行排序,得到各待检光伏阵列与参考光伏阵列值的差值名次矩阵;
步骤S24:对步骤S23中计算出的各待检光伏阵列与参考光伏阵列PR值差值的排名进行求和;
步骤S25:对步骤S24中计算出的各待检光伏阵列与参考光伏阵列PR值差值的排名之和进行排序,取前10%,即前55个光伏阵列作为疑似状态异常光伏阵列,记为Asusp,并取出其电压Ususp、电流Isusp与功率Psusp数据;
步骤S3:利用对疑似运行状态异常光伏阵列与参考光伏阵列的功率数据点间距离的分析提取运行状态异常光伏阵列;
进一步地,步骤S3的具体实施方式如下:
步骤S2在各待检光伏阵列中筛选出疑似运行状态异常光伏阵列。由于疑似运行状态异常光伏阵列中存在装机容量较小的光伏阵列,容量较小的光伏阵列与参考光伏阵列进行比较的结果不具有分析意义,因此首先对疑似异常运行状态异常光伏阵列中的容量较小的12个光伏阵列进行删除,删除后得到43个待分析光伏阵列。
计算待分析光伏阵列9月中每隔15分钟的功率数据点与参考光伏阵列功率同时间点功率数据均值的距离矩阵d,其计算方法为:首先计算10个参考光伏阵列的3394个数据点的功率数据均值;然后计算得到43个待分析光伏阵列9月中3394个数据点的功率与参考光伏阵列功率同时间点功率数据均值的距离矩阵d;获得距离矩阵d后,计算9月内每个待分析光伏阵列与参考光伏阵列功率点距离的平均值,然后再对各待分析光伏阵列的距离均值求其平均值;
计算完成后,取出距离均值大于各待分析光伏阵列平均值的阵列并记录其编号,取出的阵列即为当前分析周期内运行状态异常光伏阵列,记为Aerror,即:
运行状态异常阵列的提取结果如图4所示;选取与参考阵列功率点距离最大的M53光伏阵列,做该光伏阵列的输出功率Perror、电流Ierror、电压Uerror与参考光伏阵列相同参数均值的对比图,输出功率对比如图5所示,电压对比如图6所示,电流对比如图7所示。
由图5可知,M53光伏阵列的输出功率显著低于参考光伏阵列,这说明上述筛选出异常光伏阵列的方法是有效的;由图6可知,M53光伏阵列9月电流整体高于参考阵列,而由图7可知,M53光伏阵列的电压要显著低于参考光伏阵列。因此,综合图5、6、7所显示的结果,M53光伏阵列输出功率的降低是由于其电压降低所引起的。M53光伏阵列发生电压降低的原因可能是阵列中发生了短路现象,对具体的原因还需要进行进一步的分析排查。
以上所述,仅为发明的具体实施方式,但发明的保护范围并不局限于此,任何不经过创造性劳动想到的变化或替换,都应涵盖在发明的保护范围之内。因此,发明的保护范围应该以权利要求书所限定的保护范围为准。
Claims (5)
1.一种光伏电站运行状态异常光伏阵列的提取方法,其特征在于,包括如下步骤:
S1.提取参考光伏阵列;
S2.以PR值为特征变量,利用一种基于差值排序的方法对疑似运行状态异常光伏阵列进行筛选;
S3.利用对疑似运行状态异常光伏阵列与参考光伏阵列的功率数据点间距离的分析提取运行状态异常光伏阵列。
2.根据权利要求1所述的一种光伏电站运行状态异常光伏阵列的提取方法,其特征在于,步骤S1所述提取参考光伏阵列是利用光伏阵列各月的月PR值的排序情况,排名靠前的5%光伏阵列视为运行状态良好光伏阵列,作为参考光伏阵列。
3.根据权利要求2所述的一种光伏电站运行状态异常光伏阵列的提取方法,其特征在于,步骤S1所述提取参考光伏阵列,具体操作如下:
首先计算光伏电站中n个光伏阵列m个月的PR值,即:
n个光伏阵列m个月的PR值计算完成后,将n个光伏阵列同月的PR值由小到大进行排序,得到n个光伏阵列m个月的PR值排名情况,即确定1,2,...,n的一种排列p1,p2,…,pn,使得关系Kp1≤Kp2≤…≤Kpn存在,按此关系得到PR值名次矩阵:
得到各光伏各月阵列PR值排名情况后,将同一光伏阵列各月的PR值排名进行求和,即:
取名次之和的前5%光伏阵列作为参考光伏阵列,记为Astand,并取出参考光伏阵列的PR值矩阵与电压Ustand、电流Istand、功率数据Pstand。
4.根据权利要求1所述的一种光伏电站运行状态异常光伏阵列的提取方法,其特征在于,步骤S2所述以PR值为特征变量,利用一种基于差值排序的方法对疑似运行状态异常光伏阵列进行筛选,具体操作如下:
将光伏电站所有光伏阵列中去除步骤S1中确定的参考光伏阵列的其余n-k个光伏阵列定义为待检光伏阵列,将待检光伏阵列各月的PR值与同月参考光伏阵列PR值的均值相减,得到待检光伏阵列与参考光伏阵列各月PR值的差值,即:
将计算出的待检光伏阵列与参考光伏阵列PR值各月的差值由小到大进行排序,得到各待检光伏阵列与参考光伏阵列PR值差值的排名情况,即确定1,2,...,n-k的一种排列p1,p2,…,pn-k,使得关系Kp1≤Kp2≤…≤Kpn-k存在,按此关系得到差值名次矩阵:
对计算出的各待检光伏阵列与参考光伏阵列PR值差值的排名进行求和,即:
对计算出的各待检光伏阵列与参考光伏阵列PR值差值的排名之和进行排序,即确定1,2,...,n-k的一种排列p1,p2,...,pn-k,使得关系Kp1≤Kp2≤...≤Kpn-k存在,按此关系得到:
取前10%的光伏阵列作为疑似状态异常光伏阵列,记为Asusp,并取出其电压Ususp、电流Isusp与功率Psusp数据。
5.根据权利要求1所述的一种光伏电站运行状态异常光伏阵列的提取方法,其特征在于,步骤S3所述利用对疑似运行状态异常光伏阵列与参考光伏阵列的功率数据点间距离的分析提取运行状态异常光伏阵列,具体操作如下:
将步骤S2中筛选出的疑似状态异常光伏阵列定义为待分析光伏阵列,以15分钟为时间间隔,计算待分析光伏阵列每月中每个数据点的功率与参考光伏阵列功率同时间点功率数据均值的距离d,其计算方法为:设有l个数据点,则k个参考光伏阵列的功率数据均值为:
获得距离矩阵后,计算单月内每个待分析光伏阵列与参考光伏阵列功率点距离的平均值,即对距离矩阵按列求平均值并进行转置得到:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111541997.8A CN114218989A (zh) | 2021-12-16 | 2021-12-16 | 一种光伏电站运行状态异常光伏阵列的提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111541997.8A CN114218989A (zh) | 2021-12-16 | 2021-12-16 | 一种光伏电站运行状态异常光伏阵列的提取方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114218989A true CN114218989A (zh) | 2022-03-22 |
Family
ID=80703151
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111541997.8A Pending CN114218989A (zh) | 2021-12-16 | 2021-12-16 | 一种光伏电站运行状态异常光伏阵列的提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114218989A (zh) |
-
2021
- 2021-12-16 CN CN202111541997.8A patent/CN114218989A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113592134B (zh) | 一种基于能源数据的电力碳排放评估系统及方法 | |
CN108572011B (zh) | 一种基于机器视觉的光伏电池板积灰状态监测系统及计算方法 | |
CN111614317B (zh) | 一种基于iv曲线扫描的光伏板阴影遮挡的诊断方法 | |
CN108921409B (zh) | 一种电压暂降严重度等级判定方法 | |
CN112286993A (zh) | 一种光伏电站中发电异常组串的检测方法及装置 | |
CN112487051A (zh) | 光伏汇集区大数据管理系统及方法 | |
CN108599174B (zh) | 一种高比例新能源电网暂态电压稳定优化控制方法 | |
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 | |
CN113159601A (zh) | 一种基于dbscan聚类算法的光伏电站运行状态分析方法 | |
CN106780125A (zh) | 一种基于月均用电量的采集异常紧急程度计算方法 | |
CN107229817B (zh) | 光伏电站灰尘遮挡损失分析方法 | |
CN112491142B (zh) | 一种光伏电站性能分析系统及方法 | |
CN112036725B (zh) | 一种电能表故障识别方法 | |
CN106803125A (zh) | 一种基于标准用电户折算的采集异常紧急程度计算方法 | |
CN112505518B (zh) | 一种光伏组串积尘检测方法、装置及系统 | |
CN116562916B (zh) | 一种光伏直流配电系统经济效益分析评价系统 | |
CN112016260B (zh) | 基于光伏组件i-v曲线的热斑电池片温度估算方法、装置及存储介质 | |
CN110750760B (zh) | 一种基于态势感知和控制图的异常理论线损检测方法 | |
CN106682817B (zh) | 一种采集异常紧急程度的判定方法 | |
CN114218989A (zh) | 一种光伏电站运行状态异常光伏阵列的提取方法 | |
CN116131460A (zh) | 一种光伏方阵发电能力偏差异常分析方法 | |
CN114285073B (zh) | 一种并网光伏逆变器性能分析系统 | |
CN107271916B (zh) | 一种电池板组串健康状态检测方法 | |
CN108205599B (zh) | 判断光伏电站所在地组件是否积雪的方法 | |
CN112288285B (zh) | 一种基于广义极值分布的光伏发电站组串衰减率评估方法 |
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 |