CN115130774A - 光伏系统的维护方法、装置、设备及存储介质 - Google Patents
光伏系统的维护方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN115130774A CN115130774A CN202210818817.4A CN202210818817A CN115130774A CN 115130774 A CN115130774 A CN 115130774A CN 202210818817 A CN202210818817 A CN 202210818817A CN 115130774 A CN115130774 A CN 115130774A
- Authority
- CN
- China
- Prior art keywords
- time period
- photovoltaic system
- power generation
- generation amount
- solar radiation
- 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
- 238000000034 method Methods 0.000 title claims abstract description 62
- 238000012423 maintenance Methods 0.000 title claims abstract description 44
- 238000003860 storage Methods 0.000 title claims abstract description 11
- 238000010248 power generation Methods 0.000 claims abstract description 158
- 230000005855 radiation Effects 0.000 claims abstract description 106
- 238000012549 training Methods 0.000 claims description 32
- 238000004140 cleaning Methods 0.000 claims description 11
- 238000012360 testing method Methods 0.000 claims description 10
- 230000002159 abnormal effect Effects 0.000 claims description 8
- 238000004422 calculation algorithm Methods 0.000 claims description 8
- 238000004891 communication Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 8
- 239000000428 dust Substances 0.000 description 18
- 238000006243 chemical reaction Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000007781 pre-processing Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 241001123248 Arma Species 0.000 description 2
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 229910002092 carbon dioxide Inorganic materials 0.000 description 1
- 239000001569 carbon dioxide Substances 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000005406 washing Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
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
- 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
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/004—Generation forecast, e.g. methods or systems for forecasting future energy generation
-
- 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
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Power Engineering (AREA)
- Photovoltaic Devices (AREA)
Abstract
本申请涉及一种光伏系统的维护方法、装置、设备及存储介质。该方法通过获取第一时间段太阳辐射强度;基于第一时间段太阳辐射强度和预先训练的预测模型,获取第二时间段光伏系统预测发电量;获取第二时间段光伏系统实际发电量;基于第二时间段光伏系统预测发电量和第二时间段光伏系统实际发电量,对光伏系统进行维护。本申请解决了结合太阳辐射强度这一因素,判断是否需要对光伏系统进行维护的技术问题。
Description
技术领域
本申请涉及太阳能发电领域,尤其涉及一种光伏系统的维护方法、装置、设备及存储介质。
背景技术
近年来,太阳能作为一种可再生清洁能源备受关注。光伏板通过将光能转变为电能,有助于减少发电厂二氧化碳排放,对提升空气质量,减少碳排放具有积极作用。
光伏发电效率反映了光伏系统的实际发电效率,对光伏系统的发电量有很大影响。然而,光伏系统的发电效率受多方面因素的影响,如天气因素,灰尘覆盖等。当具有较多灰尘覆盖光伏系统时,会引起热斑效应,使得光伏系统发电量减少,还会影响光伏系统中各组件的寿命。
在现有技术中,能够在相同气象条件下,对光伏系统维护周期进行预测。但在实际使用中,不同的气象条件会直接影响当日的太阳辐射强度,而太阳辐射强度对光伏系统发电量影响巨大。因此现有技术无法在不同的气象条件导致的不同的太阳辐射强度这一因素的影响下,计算出灰尘因素对发电量的影响。也就无法在实际应用中,在灰尘因素对发电量影响过大时确定需要对光伏系统进行维护。
发明内容
本申请提供了一种光伏系统的维护方法、装置、设备及存储介质,用以解决结合太阳辐射强度这一因素,判断是否需要对光伏系统进行维护的技术问题。
第一方面,本申请实施例提供了一种光伏系统的维护方法,包括:
获取第一时间段太阳辐射强度;
基于所述第一时间段太阳辐射强度和预先训练的预测模型,获取第二时间段光伏系统预测发电量;
获取第二时间段光伏系统实际发电量;
基于所述第二时间段光伏系统预测发电量和所述第二时间段光伏系统实际发电量,对所述光伏系统进行维护。
可选地,所述基于所述第一时间段太阳辐射强度和预先训练的预测模型,获取第二时间段光伏系统预测发电量,包括:
所述基于所述第一时间段太阳辐射强度和预先训练的预测模型,计算第二时间段预测太阳辐射强度;
获取所述第二时间段预测太阳辐射强度和所述第一时间段太阳辐射强度的差值;
基于所述差值,获取所述第二时间段光伏系统预测发电量。
可选地,所述基于所述差值,获取所述第二时间段预测光伏系统发电量,包括:
当所述第二时间段预测太阳辐射强度和所述第一时间段太阳辐射强度的差值大于第一阈值时,根据所述光伏系统对应的参考发电量计算第二时间段光伏系统预测发电量;
或,
当所述第二时间段预测太阳辐射强度和所述第一时间段太阳辐射强度的差值小于或等于第一阈值时,获取第一时间段光伏系统实际发电量,将第一时间段光伏系统实际发电量作为第二时间段光伏系统预测发电量。
可选地,所述光伏系统对应的参考发电量的获得过程,包括:
从所述光伏系统中选择部分光伏板作为基础光伏板;对所述基础光伏板进行清洗;获取第二时间段基础光伏板实际发电量;将所述第二时间段基础光伏板实际发电量作为参考发电量;
或,
在历史时间段实际太阳辐射强度与第二时间段实际太阳辐射强度相同时,记录历史时间段光伏系统实际发电量;将所述历史时间段光伏系统实际发电量作为参考发电量,所述历史时间段为所述第一时间段之前的时间段。
可选地,所述基于所述第二时间段光伏系统预测发电量和所述第二时间段光伏系统实际发电量,对所述光伏系统进行维护,包括:
计算所述第二时间段光伏系统预测发电量和所述第二时间段光伏系统实际发电量的差值;
当所述差值大于或等于第二阈值时,向指定终端发送维护信息。
可选地,所述当所述差值大于或等于第二阈值时,向指定终端发送维护信息,包括:
当所述差值大于或等于第二阈值时,统计次数加一;
当所述统计次数小于预设的第三阈值时,向所述指定终端发送维护信息以提醒用户第二时间段光伏板实际发电量异常,或,当所述统计次数大于或等于所述第三阈值时,向所述指定终端发送维护信息以通知用户需要对所述光伏系统进行清洗。
可选地,所述获取第一时间段光伏系统实际发电量和第一时间段太阳辐射强度之前,还包括:
获取训练用太阳辐射强度数据;
基于预先确定的预测算法,建立所述预测模型;
将所述训练用太阳辐射强度数据划分为训练集和测试集;
使用所述训练集训练所述预测模型;
使用所述测试集对所述预测模型输出的结果进行评估;
当对所述预测模型输出的结果进行评估的结果符合预设的终止条件时,停止训练,得到训练后的所述预测模型。
第二方面,本申请实施例提供了一种光伏系统的维护装置,包括:
第一获取单元,用于获取第一时间段太阳辐射强度;
预测单元,用于基于所述第一时间段太阳辐射强度和预先训练的预测模型,获取第二时间段光伏系统预测发电量;
第二获取单元,用于获取第二时间段光伏系统实际发电量;
维护单元,用于基于所述第二时间段光伏系统预测发电量和所述第二时间段光伏系统实际发电量,对所述光伏系统进行维护。
第三方面,本申请实施例提供了一种电子设备,包括:处理器、存储器和通信总线,其中,处理器和存储器通过通信总线完成相互间的通信;
所述存储器,用于存储计算机程序;
所述处理器,用于执行所述存储器中所存储的程序,实现第一方面所述的光伏系统的维护方法。
第四方面,本申请实施例提供了一种计算机可读存储介质,存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现第一方面所述的光伏系统的维护方法。
本申请实施例提供的上述技术方案与现有技术相比具有如下优点:本申请实施例提供的方法通过获取第一时间段太阳辐射强度;基于第一时间段太阳辐射强度和预先训练的预测模型,获取第二时间段光伏系统预测发电量;获取第二时间段光伏系统实际发电量;基于第二时间段光伏系统预测发电量和第二时间段光伏系统实际发电量,对光伏系统进行维护,可以更加准确地指导何时进行光伏系统的清洗工作,降低光伏系统维护工作中的浪费和经济损失。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本发明的实施例,并与说明书一起用于解释本发明的原理。
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,对于本领域普通技术人员而言,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例中一种光伏系统的维护方法的流程示意图;
图2为本申请实施例中建立预测模型方法的流程示意图;
图3为本申请实施例中光伏系统的维护方法具体实施时的流程示意图;
图4为本申请实施例中一种光伏系统的维护装置的结构示意图;
图5为本申请实施例中电子设备的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请的一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
需要说明的是,本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
本申请实施例提供一种光伏系统的维护方法,如图1所示,该方法可以包括以下步骤:
步骤101、获取第一时间段太阳辐射强度。
应理解,在本申请中,第一时间段和第二时间段为两个连续的时间段。第一时间段和第二时间段时长相同。第一时间段以及下文中出现的第二时间段可以根据应用中的实际需要设置。比如,设置第一时间段和第二时间段均为24小时。
示例性实施例中,获取第一时间段太阳辐射强度之前,还包括:获取训练用太阳辐射强度数据;基于预先确定的预测算法,建立预测模型;将训练用太阳辐射强度数据划分为训练集和测试集;使用训练集训练预测模型;使用测试集对预测模型输出的结果进行评估;当对预测模型输出的结果进行评估的结果符合预设的终止条件时,停止训练,得到训练后的预测模型。
应理解,在本方法中,需要根据第一时间段太阳辐射强度预测第二时间段预测太阳辐射强度。为此,本实施例中提供了一种在获取第一时间段光伏系统实际发电量和第一时间段太阳辐射强度之前提前建立用于预测第二时间段太阳辐射强度的预测模型的方法。
一个例子中,该建立预测模型的方法需要获取的训练用太阳辐射强度数据为获取连续一年之内的太阳辐射强度数据。使用的预测算法可以为时间序列算法。在获取训练用太阳辐射强度数据后,还可以对数据进行预处理和分析,预处理包括对脏数据(如数据规格转换等)等的处理,还可以分析出太阳辐射强度具有的周期性,日周期为24h。然后,使用训练用太阳辐射强度数据训练模型,具体的,将训练用太阳辐射强度数据划分为训练集和测试集,其中,训练集用于训练模型,测试集用于对模型结果进行评估。评估优化训练结果是否满足终止条件,若是则可以开始使用预测模型预测下一周期的太阳辐射强度。
步骤102、基于第一时间段太阳辐射强度和预先训练的预测模型,获取第二时间段光伏系统预测发电量;
示例性实施例中,基于第一时间段太阳辐射强度和预先训练的预测模型,获取第二时间段光伏系统预测发电量,包括:基于第一时间段太阳辐射强度和预先训练的预测模型,计算第二时间段预测太阳辐射强度;获取第二时间段预测太阳辐射强度和第一时间段太阳辐射强度的差值;基于差值,获取第二时间段预测光伏系统发电量。
应理解,本实施例提供了一种获取第二时间段预测光伏系统发电量的具体实施方法。该方法中,首先根据第一时间段太阳辐射强度和预先训练的预测模型获取第二时间段预测太阳辐射强度;然后,计算第二时间段预测太阳辐射强度和第一时间段太阳辐射强度的差值,根据该差值获取第二时间段预测光伏系统发电量。
示例性实施例中,基于差值,获取第二时间段预测光伏系统发电量,包括:当第二时间段预测太阳辐射强度和第一时间段太阳辐射强度的差值大于第一阈值时,根据光伏系统对应的参考发电量计算第二时间段光伏系统预测发电量;或,当第二时间段预测太阳辐射强度和第一时间段太阳辐射强度的差值小于或等于第一阈值时,获取第一时间段光伏系统实际发电量,将第一时间段光伏系统实际发电量作为第二时间段光伏系统预测发电量。
在本申请中,获取某一时间段光伏系统实际发电量的方法可以为直接统计光伏系统在该时间段内输出的发电总量,该方法可以更精确的统计出光伏系统实际发电量。或统计光伏系统中部分光伏板在该时间段内的输出的发电量,并根据部分光伏板与光伏系统的面积之比计算出光伏系统实际发电量。
应理解,本实施例对于上文中基于差值,获取第二时间段预测光伏系统发电量这一步骤进一步提供了具体实施方法。基于已经计算出第二时间段的预测太阳辐射强度与第一时间段太阳辐射强度的差值,将该差值与预设的第一阈值进行对比,当该差值大于第一阈值时,认为两个时间段的太阳辐射强度差距过大,上一时间段光伏系统的实际发电量没有参考意义,使用预先设置的参考发电量计算获取预测发电量。当该差值小于第一阈值时,认为两个时间段的太阳辐射强度基本相同,可以将上一时间段光伏系统的实际发电量直接作为下一时间段的预测发电量。
示例性实施例中,光伏系统对应的参考发电量的获得过程,包括:从光伏系统中选择部分光伏板作为基础光伏板;对基础光伏板进行清洗;获取第二时间段基础光伏板实际发电量;将第二时间段基础光伏板实际发电量作为参考发电量;或,在历史时间段实际太阳辐射强度与第二时间段实际太阳辐射强度相同时,记录历史时间段光伏系统实际发电量;将历史时间段光伏系统实际发电量作为参考发电量,历史时间段为第一时间段之前的时间段。
应理解,本实施例具体提供了两种获取上文中计算所需要的参照发电量的方法。
方法一:
从光伏系统中选择部分光伏板作为基础光伏板。在第二时间段开始时,对基础光伏板进行清洗以保证用作参考的基础光伏板的实际发电量不会受到灰尘影响。统计整个第二时间段内的基础光伏板实际发电量并作为参考发电量。当使用该方法时,计算光伏系统预测发电量的方法可以为通过基础光伏板与整个光伏系统的面积之比计算出没有灰尘影响时整个光伏系统的发电量,即第二事件段光伏系统预测发电量。
方法二:
该方法提出,可以在某历史时间段,即执行本申请所提供的光伏系统的维护方法之前,记录下在各个太阳辐射强度下且光伏系统无灰尘时的实际发电量。考虑到光伏板老化等情况,还可以设置每隔一段时间重新进行一次记录以更新光伏系统实际发电量数据,比如,设置每年进行一次记录。
在实际使用中,将上述得到的第二时间段预测太阳辐射强度的具体数值在记录中检索,当检索到某历史时间段实际太阳辐射强度的数值与第二时间段预测太阳辐射强度的数值相等时,将记录中该历史时间段实际太阳辐射强度对应的历史时间段光伏系统实际发电量作为参考发电量。
还需要说明的是,上述方法二使用光伏系统完成,但在实际使用中,使用预先设置面积的参考光伏板也可以达成同样效果。仅需额外添加一按照参考光伏板面积与光伏系统面积之比进行计算的换算步骤即可。在记录参考光伏板实际发电量时,预先设置面积可以根据实际需要进行设置,比如设置单位面积的参考光伏板,以方便换算。
步骤103、获取第二时间段光伏系统实际发电量。
步骤104、基于第二时间段光伏系统预测发电量和第二时间段光伏系统实际发电量,对光伏系统进行维护。
示例性实施例中,当所述差值大于或等于第二阈值时,向指定终端发送维护信息,包括:计算第二时间段光伏系统预测发电量和第二时间段光伏系统实际发电量的差值;当差值大于或等于第二阈值时,向指定终端发送维护信息。
应理解,在上文中所得到的第二时间段光伏系统预测发电量为光伏系统无灰尘影响时应当产生的发电量,当与第二时间段光伏系统实际发电量的差值大于根据实际需要设置的第二阈值时,认为灰尘对于光伏系统的发电量产生了较大影响。向指定终端发送维护信息通知该情况。
示例性实施例中,当差值大于或等于第二阈值时,向指定终端发送维护信息,包括:当差值大于或等于第二阈值时,统计次数加一;当统计次数小于预设的第三阈值时,向指定终端发送维护信息以提醒用户第二时间段光伏板实际发电量异常,或,当统计次数大于或等于第三阈值时,向指定终端发送维护信息以通知用户需要对光伏系统进行清洗。
应理解,考虑到在实际应用中,天气情况受到多种因素影响,具有一定随机性。举例说明,目前天气预报的预测手段已经日益成熟,但天气预报结果仍偶有错误情况。同理,本申请中通过预测模型获得的太阳辐射结果也会偶有不准确情况。
考虑到上述问题,将发送维护信息的过程设置为,设计一统计次数,每当出现差值大于或等于第二阈值情况时,该次数加一。当该次数大于或等于预设的第三阈值时,认为灰尘对于光伏系统的发电量产生了较大影响,通知用户需要对光伏系统进行清洗。当该次数小于第三阈值时,考虑到可能是预测太阳辐射强度出现偶然性预测错误,仅会向用户说明第二时间段光伏板实际发电量异常这一情况,并不会通知用户对光伏系统进行清洗。举例说明,将第一时间段和第二时间段设置为1天,将第三阈值设置为10次,即当出现10天光伏板实际发电量异常情况时,会通知用户对光伏系统进行清洗。
以下结合一具体实施例对上述步骤101-步骤104进行说明:
在本具体实施例中,设置第一时间段和第二时间段为时长为一天。
第一,建立预测模型,在本具体实施例中建立的预测模型为时间序列模型。具体地,使用ARMA算法对时间序列进行研究,ARMA算法由自回归模型(AR模型)与移动平均模型(MA模型)为基础构成。该算法特点在于只能进行短期(常以小时为单位)预测,随着时间的不断发展,需要加入新的观测值来修正预测结果。建立预测模型具体步骤如下:
步骤201:获取一整年的太阳辐射强度数据,数据收集频率为每小时获取1次。
步骤202:对数据进行预处理并分析,预处理包括对脏数据(如数据规格转换等)等的处理,并观察到太阳辐射强度具有周期性,日周期为24h。
步骤203:建立时间序列模型。
步骤204:使用训练数据训练模型。具体的,将步骤1中的数据划分为训练集和测试集,其中,训练集用于训练模型,测试集用于对模型结果进行评估。使用训练数据训练时间序列模型。
步骤205:评估优化训练结果是否满足终止条件,若是,则预测模型建立完成;若否,则返回步骤203重新建立时间序列模型。
预测模型建立完成后,可以使用训练好的时间序列模型预测下一周期太阳辐射强度。预测以小时为单位,即预测t+1、t+2、t+3…t+24时刻的太阳辐射强度,t为预测起始时刻,最后将各个预测结果相加获得预测太阳辐射强度。
需要说明的是,使用ARMA算法所训练的时间序列模型只能用于短期有效预测,所以可以在第二日(如在第二日0点)获取第一日逐时太阳辐射强度,获取方法可以为从网络中获取。以此类推,可以在前一日使用训练好的时间序列模型预测第二日的太阳辐射强度值,在第二日使用同样方法预测第三日的太阳辐射强度值,使得本方法循环进行。
第二,光伏系统的维护方法,在本具体实施例中,光伏系统是指家庭安装的光伏系统,包含多块同种规格的光伏板。
设置单块完整光伏板的面积为x,光伏系统总的面积为X。
在实际应用中,光伏系统发电量与天气情况有关。为了获取灰尘累积这一因素对光伏系统发电量的影响,需要排除掉天气情况这一因素的影响。在考虑到各个天气因素都会至直接反映在当日的太阳辐射强度这一数据上,而太阳辐射强度对光伏系统发电量影响很大,因此使用太阳辐射强度作为天气因素对于光伏系统发电量影响的具体参数。
选取光伏系统中的某个完整的光伏板(安装有清洗装置)为基础光伏板A,用于获取没有灰尘状态下,光伏系统的发电情况;与实际应用环境下光伏系统发电情况相比,获取到灰尘对其发电量的影响。基础光伏板A上安装有清洗装置,控制其对基础光伏板A的清洗。当需要对基础光伏板A进行清洗时,清洗时间设置在早上8点,统计发电量时间设置为晚10点,该时间可根据不同地区进行调整。主要根据该地区的太阳辐射强度设置。如我国新疆地区夏季早上6点左右天亮,晚上10点日落,则可将清洗时间设置在早上5点左右,统计发电量时间设置在晚上11点左右。
下列为本实施例中光伏系统的维护方法具体实施步骤:
步骤301:获取第一天基础光伏板发电量为P,则第一天光伏系统实际发电量为P*X/x;
步骤302:在晚10点,使用时间序列模型预测第二天的太阳辐射强度值;
步骤303:获取第二天太阳辐射强度值与第一天太阳辐射值之差的绝对值,判断是否在指定阈值Y中(若是则认为下一时刻的气象条件同当日气象条件,第二天光伏系统发电量与第一天光伏系统发电量的差值仅受到灰尘影响),若是且用户未作出指示时,转到步骤304,若否或者用户手动选择使用基础光伏板A进行判断时,转到步骤306(此时认为第二天气象条件与第一天气象条件不同,第二天的光伏系统发电量与第一天光伏系统发电量对比,同时受气象条件和灰尘的影响);
步骤304:设定第二天的光伏系统预测发电量=第一天光伏系统发电量;
步骤305:获取第二天光伏系统实际发电量Pi;计算累计灰尘影响发电量为|P*X/x-Pi|,转至步骤308;
步骤306:第二日早上8点对基础光伏板A进行清洗;
步骤307:第二日晚10点获取第二日光伏系统发电量实际Pi和第二日光伏系统预测发电量为P~*X/x,其中,P~为基础光伏板A发电量;则累计灰尘影响发电量为|P~*X/x-Pi|;
步骤308:判断灰尘发电量损失是否超过阈值,若是,转到步骤309,否则返回步骤302,开始新一轮预测。
步骤309:发电量异常天数累积。
步骤310:服务器判断预测发电量异常天数是否超过阈值,若超过阈值,转到步骤311,否则转到步骤312。
步骤311:服务器通知用户进行清洗操作。
步骤312:服务器提醒用户今日光伏板系统发电量异常,可能存在较多灰尘。
基于同一构思,本申请实施例中提供了一种光伏系统的维护装置,该装置的具体实施可参见方法实施例部分的描述,重复之处不再赘述,如图4所示,该装置主要包括:
第一获取单元401,用于获取第一时间段太阳辐射强度;
预测单元402,用于基于第一时间段太阳辐射强度和预先训练的预测模型,获取第二时间段光伏系统预测发电量;
第二获取单元403,用于获取第二时间段光伏系统实际发电量;
维护单元404,用于基于第二时间段光伏系统预测发电量和第二时间段光伏系统实际发电量,对光伏系统进行维护。
基于同一构思,本申请实施例中还提供了一种电子设备,如图5所示,该电子设备主要包括:处理器501、存储器502和通信总线503,其中,处理器501和存储器502通过通信总线503完成相互间的通信。其中,存储器502中存储有可被处理器501执行的程序,处理器501执行存储器502中存储的程序,实现如下步骤:
获取第一时间段太阳辐射强度;
基于第一时间段太阳辐射强度和预先训练的预测模型,获取第二时间段光伏系统预测发电量;
获取第二时间段光伏系统实际发电量;
基于第二时间段光伏系统预测发电量和第二时间段光伏系统实际发电量,对光伏系统进行维护。
上述电子设备中提到的通信总线503可以是外设部件互连标准(PeripheralComponent Interconnect,简称PCI)总线或扩展工业标准结构(Extended IndustryStandard Architecture,简称EISA)总线等。该通信总线503可以分为地址总线、数据总线、控制总线等。为便于表示,图5中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
存储器502可以包括随机存取存储器(Random Access Memory,简称RAM),也可以包括非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。可选地,存储器还可以是至少一个位于远离前述处理器501的存储装置。
上述的处理器501可以是通用处理器,包括中央处理器(Central ProcessingUnit,简称CPU)、网络处理器(Network Processor,简称NP)等,还可以是数字信号处理器(Digital Signal Processing,简称DSP)、专用集成电路(Application SpecificIntegrated Circuit,简称ASIC)、现场可编程门阵列(Field-Programmable Gate Array,简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
在本申请的又一实施例中,还提供了一种计算机可读存储介质,该计算机可读存储介质中存储有计算机程序,当该计算机程序在计算机上运行时,使得计算机执行上述实施例中所描述的光伏系统的维护方法。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。该计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行该计算机指令时,全部或部分地产生按照本申请实施例所述的流程或功能。该计算机可以时通用计算机、专用计算机、计算机网络或者其他可编程装置。该计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,计算机指令从一个网站站点、计算机、服务器或者数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、微波等)方式向另外一个网站站点、计算机、服务器或数据中心进行传输。该计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。该可用介质可以是磁性介质(例如软盘、硬盘、磁带等)、光介质(例如DVD)或者半导体介质(例如固态硬盘)等。
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。
以上所述仅是本发明的具体实施方式,使本领域技术人员能够理解或实现本发明。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所申请的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种光伏系统的维护方法,其特征在于,包括:
获取第一时间段太阳辐射强度;
基于所述第一时间段太阳辐射强度和预先训练的预测模型,获取第二时间段光伏系统预测发电量;
获取第二时间段光伏系统实际发电量;
基于所述第二时间段光伏系统预测发电量和所述第二时间段光伏系统实际发电量,对所述光伏系统进行维护。
2.根据权利要求1所述的方法,其特征在于,所述基于所述第一时间段太阳辐射强度和预先训练的预测模型,获取第二时间段光伏系统预测发电量,包括:
所述基于所述第一时间段太阳辐射强度和预先训练的预测模型,计算第二时间段预测太阳辐射强度;
获取所述第二时间段预测太阳辐射强度和所述第一时间段太阳辐射强度的差值;
基于所述差值,获取所述第二时间段光伏系统预测发电量。
3.根据权利要求2所述的方法,其特征在于,所述基于所述差值,获取所述第二时间段预测光伏系统发电量,包括:
当所述第二时间段预测太阳辐射强度和所述第一时间段太阳辐射强度的差值大于第一阈值时,根据所述光伏系统对应的参考发电量计算第二时间段光伏系统预测发电量;
或,
当所述第二时间段预测太阳辐射强度和所述第一时间段太阳辐射强度的差值小于或等于第一阈值时,获取第一时间段光伏系统实际发电量,将第一时间段光伏系统实际发电量作为第二时间段光伏系统预测发电量。
4.根据权利要求3所述的方法,其特征在于,
所述光伏系统对应的参考发电量的获得过程,包括:
从所述光伏系统中选择部分光伏板作为基础光伏板;对所述基础光伏板进行清洗;获取第二时间段基础光伏板实际发电量;将所述第二时间段基础光伏板实际发电量作为参考发电量;
或,
在历史时间段实际太阳辐射强度与第二时间段实际太阳辐射强度相同时,记录历史时间段光伏系统实际发电量;将所述历史时间段光伏系统实际发电量作为参考发电量,所述历史时间段为所述第一时间段之前的时间段。
5.根据权利要求1所述的方法,其特征在于,所述基于所述第二时间段光伏系统预测发电量和所述第二时间段光伏系统实际发电量,对所述光伏系统进行维护,包括:
计算所述第二时间段光伏系统预测发电量和所述第二时间段光伏系统实际发电量的差值;
当所述差值大于或等于第二阈值时,向指定终端发送维护信息。
6.根据权利要求5所述的方法,其特征在于,所述当所述差值大于或等于第二阈值时,向指定终端发送维护信息,包括:
当所述差值大于或等于所述第二阈值时,统计次数加一;
当所述统计次数小于预设的第三阈值时,向所述指定终端发送维护信息以提醒用户第二时间段光伏板实际发电量异常,或,当所述统计次数大于或等于所述第三阈值时,向所述指定终端发送维护信息以通知用户需要对所述光伏系统进行清洗。
7.根据权利要求1所述的方法,其特征在于,所述获取第一时间段太阳辐射强度之前,还包括:
获取训练用太阳辐射强度数据;
基于预先确定的预测算法,建立所述预测模型;
将所述训练用太阳辐射强度数据划分为训练集和测试集;
使用所述训练集训练所述预测模型;
使用所述测试集对所述预测模型输出的结果进行评估;
当对所述预测模型输出的结果进行评估的结果符合预设的终止条件时,停止训练,得到训练后的所述预测模型。
8.一种光伏系统的维护装置,其特征在于,包括:
第一获取单元,用于获取第一时间段太阳辐射强度;
预测单元,用于基于所述第一时间段太阳辐射强度和预先训练的预测模型,获取第二时间段光伏系统预测发电量;
第二获取单元,用于获取第二时间段光伏系统实际发电量;
维护单元,用于基于所述第二时间段光伏系统预测发电量和所述第二时间段光伏系统实际发电量,对所述光伏系统进行维护。
9.一种电子设备,其特征在于,包括:处理器、存储器和通信总线,其中,处理器和存储器通过通信总线完成相互间的通信;
所述存储器,用于存储计算机程序;
所述处理器,用于执行所述存储器中所存储的程序,实现权利要求1-7任一项所述的光伏系统的维护方法。
10.一种计算机可读存储介质,存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1-7任一项所述的光伏系统的维护方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210818817.4A CN115130774A (zh) | 2022-07-12 | 2022-07-12 | 光伏系统的维护方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210818817.4A CN115130774A (zh) | 2022-07-12 | 2022-07-12 | 光伏系统的维护方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115130774A true CN115130774A (zh) | 2022-09-30 |
Family
ID=83383164
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210818817.4A Pending CN115130774A (zh) | 2022-07-12 | 2022-07-12 | 光伏系统的维护方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115130774A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116111728A (zh) * | 2023-04-13 | 2023-05-12 | 深圳戴普森新能源技术有限公司 | 一种光伏逆变系统中断控制方法 |
-
2022
- 2022-07-12 CN CN202210818817.4A patent/CN115130774A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116111728A (zh) * | 2023-04-13 | 2023-05-12 | 深圳戴普森新能源技术有限公司 | 一种光伏逆变系统中断控制方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6600653B2 (ja) | 太陽電池パネル洗浄システムの予測保守および推測パターン | |
EP3427390B1 (en) | Optimized smart meter reporting schedule | |
CN109787552B (zh) | 一种光伏电站的清洗方法及系统 | |
CN114819665B (zh) | 一种基于分布式能源管理的异常预警方法及系统 | |
CN115130774A (zh) | 光伏系统的维护方法、装置、设备及存储介质 | |
US20180225779A1 (en) | System and method for determining power production in an electrical power grid | |
Cui et al. | An optimized swinging door algorithm for wind power ramp event detection | |
CN110988556B (zh) | 一种非运行时段建筑照明插座支路用能诊断方法 | |
CN116383773A (zh) | 基于自适应预测区间的数据中心能效异常检测方法、系统和介质 | |
CN115333469A (zh) | 一种光伏组件清洗方法和装置 | |
CN117312763B (zh) | 一种基于云平台的变频家电性能可视化监管系统及方法 | |
KR20210097613A (ko) | 수요관리 자원 최적화를 위한 전력사용량 예측 시스템 | |
CN113011477A (zh) | 一种太阳辐照数据的清洗和补全系统及方法 | |
CN116720983A (zh) | 一种基于大数据分析的供电设备异常检测方法及系统 | |
CN114696328A (zh) | 电力线损分析方法、系统及存储介质 | |
CN113485279B (zh) | 一种基于全视角人工智能的工厂设备启停节能管理系统 | |
CN112884200A (zh) | 光伏电站组件清洗运维时间预测方法及装置 | |
CN109740191A (zh) | 风传感器剩余使用寿命的预测方法、装置及设备 | |
Singh et al. | A preliminary study towards conceptualization and implementation of a load learning model for smart automated demand response | |
CN113676790A (zh) | 低压集抄设备的采集调度方法、装置、集中器和介质 | |
CN113642937B (zh) | 风机集群的运维排程方法、装置、电子设备及存储介质 | |
CN117151552B (zh) | 一种基于物联网的数字化照明数据管理系统及方法 | |
Michos et al. | Expert intelligence tools for proactive energy management in buildings | |
CN113926749A (zh) | 一种智能太阳能电池板清洗控制方法和系统 | |
CN117913985A (zh) | 一种基于电网平台的区域性能耗监测管理及预警系统 |
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 |