CN115864995B - 基于大数据挖掘的逆变器转换效率的诊断方法和装置 - Google Patents

基于大数据挖掘的逆变器转换效率的诊断方法和装置 Download PDF

Info

Publication number
CN115864995B
CN115864995B CN202310119662.XA CN202310119662A CN115864995B CN 115864995 B CN115864995 B CN 115864995B CN 202310119662 A CN202310119662 A CN 202310119662A CN 115864995 B CN115864995 B CN 115864995B
Authority
CN
China
Prior art keywords
conversion efficiency
data
inverter
value
working condition
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
Application number
CN202310119662.XA
Other languages
English (en)
Other versions
CN115864995A (zh
Inventor
杨嘉伟
唐健
田军
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.)
Dongfang Electric Group Research Institute of Science and Technology Co Ltd
Original Assignee
Dongfang Electric Group Research Institute of Science and 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 Dongfang Electric Group Research Institute of Science and Technology Co Ltd filed Critical Dongfang Electric Group Research Institute of Science and Technology Co Ltd
Priority to CN202310119662.XA priority Critical patent/CN115864995B/zh
Publication of CN115864995A publication Critical patent/CN115864995A/zh
Application granted granted Critical
Publication of CN115864995B publication Critical patent/CN115864995B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Inverter Devices (AREA)

Abstract

本发明公开了基于大数据挖掘的逆变器转换效率的诊断方法和装置，通过这种诊断装置实现的诊断方法，进行具体诊断的步骤为：获取逆变器在预定时间段内的工况参数和对应的转换效率，以建立历史数据集；实时获取逆变器的当前工况参数和当前转换效率；基于当前工况参数和历史数据集，确定与当前工况参数对应的转换效率基准值；基于当前转换效率与所述转换效率基准值的比较，判断逆变器的转换效率是否劣化。利用本发明进行诊断，可在逆变器正常运行时有效在线判别逆变器转换效率是否劣化。

Description

基于大数据挖掘的逆变器转换效率的诊断方法和装置
技术领域
本发明涉及光伏发电智慧运维领域，具体涉及基于大数据挖掘的逆变器转换效率的诊断方法和装置。
背景技术
随着构建以新能源为主体的新型电力系统建设的逐步推进，光伏发电在整个能源系统中的占比快速上升。光伏逆变器作为整个光伏发电系统中的唯一可控设备，是整个光伏发电系统的核心设备，其工作性能尤其是转换效率对整个光伏发电系统发电量有着至关重要的影响。通过各种技术手段保证光伏逆变器始终以最优转换效率运行具有非常现实的经济意义。
目前，针对光伏逆变器的运维手段主要是采用被动式的采集光伏逆变器故障报警信息和主动式的人工定时巡检相结合的方法。这种方法能够解决光伏逆变器发生明显故障的情况，但对于由通风口积灰、风扇性能下降、电路腐蚀等原因造成的光伏逆变器转换效率下降的“亚健康”状态，并不属于故障类，因此无法在线进行有效地识别或诊断。
另一方面，光伏逆变器转换效率与直流输入电压、直流输入功率、交流输出功率以及环境温度等多维变量密切相关，难以通过传统方法精确构建转换效率是否劣化的评价规则，从而无法对光伏逆变器转换效率是否劣化进行准确地评估。
亟需一种在逆变器正常运行时在线判别逆变器转换效率是否劣化的方法。
发明内容
本发明提供了一种基于大数据挖掘的逆变器转换效率的诊断方法和装置，利用逆变器海量运行数据挖掘逆变器转换效率基准值，通过逆变器转换效率基准值实现针对光伏逆变器转换效率的在线智能诊断，避免光伏逆变器在转换效率劣化的“亚健康”状态下运行，从而保证光伏发电系统的发电量。
本发明的技术方案为：
基于大数据挖掘的逆变器转换效率的诊断方法，其诊断步骤包括：获取逆变器在预定时间段内的工况参数和对应的转换效率，以建立历史数据集；获取逆变器的当前工况参数和当前转换效率；基于当前工况参数和历史数据集，确定与当前工况参数对应的转换效率基准值；基于当前转换效率与所述转换效率基准值的比较，判断逆变器的转换效率是否劣化。
对于建立历史数据集的步骤包括：在统计周期内多次采集逆变器的运行数据，并对采集到的运行数据进行预处理，其中，所述运行数据包括：交流输出功率
Figure SMS_1
、环境温度
Figure SMS_2
、各直流支路的输入电压
Figure SMS_3
和输入电流
Figure SMS_4
，其中j为一个统计周期内的采集次数计数值；基于预处理后的运行数据，计算运行数据的周期统计值；基于预处理后的运行数据和计算得到的运行数据的周期统计值，确定运行数据的周期统计值是否满足数据质量标准；当确定运行数据的周期统计值满足数据质量标准后，计算统计周期对应的工况参数及对应的转换效率以建立历史数据集，其中，历史数据集中的每个元素至少包括计算得到的工况参数和对应的转换效率形成的数据对。
对于上述建立历史数据集的步骤，其中可选的具体步骤如下：
进一步地，对采集到的运行数据进行预处理的步骤包括：基于各直流支路的输入电压
Figure SMS_7
和输入电流
Figure SMS_8
计算直流输入功率
Figure SMS_10
和直流输入电压
Figure SMS_6
；对交流输出功率
Figure SMS_9
、环境温度
Figure SMS_11
、直流输入功率
Figure SMS_12
和直流输入电压
Figure SMS_5
进行线性归一化，获得运行数据的归一化值。
进一步地，计算运行数据的周期统计值的步骤包括：如果统计周期内的N次采样的时间间隔相等，则将统计周期内获得的运行数据的归一化值的平均值作为运行数据的周期统计值；如果统计周期内N次采样的时间间隔不相等，则将统计周期内获得的运行数据的归一化值的加权平均值作为运行数据的周期统计值。
进一步地，确定运行数据的周期统计值是否满足数据质量标准时，将运行数据的归一化值与周期统计值之间的等效距离和预设阈值进行比较，比较结果：如果所述等效距离小于或等于预设阈值，则确定运行数据的周期统计值满足数据质量标准；如果所述等效距离大于预设阈值，则确定运行数据的周期统计值不满足数据质量标准，丢弃所述采集到的运行数据。
进一步地，计算工况参数和对应的转换效率以建立历史数据集的步骤包括：将统计周期对应的周期统计值确定为工况参数，并计算转换效率的初始值；然后对确定的工况参数进行离散化处理，获得工况参数的离散化值；基于确定的工况参数和获得的工况参数的离散化值，计算得到与工况参数对应的转换效率，再基于工况参数和对应的转换效率建立历史数据集。其中，所述采集到的运行数据至少可以包括直流输入电压、交流输出功率以及环境温度，还可以根据实际采集的数据作为周期统计值的数据。
确定与当前工况参数对应的转换效率基准值的方式可采用以下两种方式：
第一种，在历史数据集中搜索与当前工况参数相同的历史工况参数，以获得与当前工况参数对应的历史转换效率值；将历史转换效率值按数值大小升序排列，将升序排列的第p百分位数的历史转换效率值确定为转换效率基准值，其中，90 ≤p≤ 95。
第二种，在历史数据集中搜索与当前工况参数相同的历史工况参数，以获得与当前工况参数对应的历史转换效率值；将历史转换效率值的众数确定为转换效率基准值。
对于逆变器的转换效率是否劣化的具体判断为：如果当前转换效率小于所述转换效率基准值，则诊断出逆变器的转换效率发生劣化；如果当前转换效率等于或大于所述转换效率基准值，则表示逆变器的转换效率未劣化，光伏逆变器可正常运行。
对于所述诊断方法，还可包括：将当前工况参数和当前转换效率更新至历史数据集。
在另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时，实现上述逆变器转换效率的诊断方法。
在另一方面，提供了一种逆变器转换效率的诊断装置，所述诊断装置包括：处理器和存储器，存储器存储有计算机可执行指令；当所述计算机可执行指令被处理器执行时，处理器执行上述逆变器转换效率的诊断方法。
本发明的有益效果为：
根据本发明的逆变器转换效率的诊断方法，能够通过大数据挖掘和数学建模，可精确构建转换效率是否劣化的评价规则，能对光伏逆变器转换效率进行准确地的在线评估和诊断，可在逆变器正常运行时在线判别逆变器转换效率是否劣化。
附图说明
图1为在某固定环境温度下光伏逆变器的转换效率与交流输出功率、直流输入电压的关系曲线图。
图2为本发明实施例中在某环境温度和某直流输入电压下获得的转换效率基准值与交流输出功率的曲线图。
图3为本发明的诊断流程图。
图4为本发明实施例中的一个统计周期内的计算逆变器的工况参数及对应的转换效率的方法的流程图。
具体实施方式
以下是结合附图的以帮助全面理解由权利要求及其等同物限定的本发明的示例性实施例，其中所述特定细节将仅被视为示例性的，而不限制本发明的范围。因此，本领域普通技术人员可在不脱离本发明的范围和精神的情况下，对实施例进行各种改变和修改。
光伏逆变器现场运行时由于通风口积灰、风扇性能下降、电路腐蚀等原因会发生转换效率下降这一劣化现象。然而，光伏逆变器的转换效率与直流输入电压、交流输出功率以及环境温度等多个工况参数密切相关，难以精确建立用于转换效率劣化判断的基准。
如图1所示，在某固定环境温度下（例如，25℃）光伏逆变器的转换效率
Figure SMS_13
与交流输出功率P AC 、直流输入电压V DC 的关系。参照图1，当直流输入电压V DC 固定不变时，在交流输出功率P AC 逐步增大至额定功率100%的过程中，转换效率
Figure SMS_14
呈现先逐渐上升后缓慢下降的趋势；当交流输出功率P AC 固定不变时，在直流输入电压V DC 从900V增大至1300V的过程中，转换效率
Figure SMS_15
呈现先逐渐上升后下降的趋势，且在直流输入电压V DC 为1200V时达到最大。
由此可以看出，光伏逆变器的转换效率
Figure SMS_16
的变化趋势不和某一变量（如直流输入电压V DC 、交流输出功率P AC ）呈单调线性关系。因此，即使现场运行人员根据运行参数计算出了光伏逆变器的转换效率，也无法准确地得知这一转换效率在当前的工况参数下是处于正常范围还是已经劣化，从而无法在线对光伏逆变器的转换效率进行准确地识别或诊断。
尽管图1示出光伏逆变器的转换效率
Figure SMS_17
与直流输入电压V DC 、交流输出功率P AC 相关联，但这仅是示例，并且光伏逆变器的转换效率
Figure SMS_18
还与环境温度T AMB 等其它因素相关联，而本发明不限于此。
根据图2所示的曲线图，假设当前工况参数为环境温度T AMB =25℃、直流输入电压V DC = 1200V、交流输出功率P AC = 60%额定功率，则对应的转换效率基准值为
Figure SMS_19
。将当前工况参数下的实际转换效率
Figure SMS_20
与转换效率基准值
Figure SMS_21
进行比较，就可以对光伏逆变器的转换效率进行诊断。例如，如果
Figure SMS_22
，则可以确定光伏逆变器转换效率已经劣化，需要现场人员及时进行运维检修（例如，清扫积灰，检修逆变器等）；否则，可以确定光伏逆变器转换效率处于正常状态。
根据图3所示的诊断流程图，在步骤S10中，可以建立逆变器的历史数据集。
作为示例，可以获取光伏逆变器在预定时间段内的运行参数，基于运行参数计算工况参数以及对应的转换效率，并基于工况参数和对应的转换效率建立光伏逆变器的历史数据集。
例如，可在一个统计周期多次采集光伏逆变器的运行数据，对运行数据进行预处理，确定运行数据的周期统计值；对周期统计值进行筛选，获得符合数据质量判断标准的运行数据；基于符合数据质量判断标准的运行数据计算工况参数和对应的转换效率，以建立光伏逆变器的历史数据集。
下面参照图4描述计算逆变器的工况参数及对应的转换效率的步骤。应理解，图4所示的计算光伏逆变器的工况参数及对应的转换效率的方法仅为示例，本发明不限于此，并且还可以通过其他方式来计算逆变器的工况参数及对应的转换效率。
根据图4所示的流程图：
在步骤S101中，采集光伏逆变器的运行数据。运行数据可以包括光伏逆变器上传至电站数据采集与监控系统的各种运行参数，例如交流输出功率
Figure SMS_23
、环境温度
Figure SMS_24
、各直流支路输入电压
Figure SMS_25
和输入电流
Figure SMS_26
，其中：k=1,2,…,M；M为直流支路输入总路数；采集次数计数值j=1,2,…,N；N为一个统计周期内的采样次数阈值。将理解，上述运行参数仅是示例，而本发明不限于此。
在步骤S102中，对运行数据进行预处理，并对采样次数进行计数。例如，可以根据下面的等式(1)、(2)计算得到与第j次数据采集的运行数据对应的直流输入功率
Figure SMS_27
、直流输入电压
Figure SMS_28
：
Figure SMS_29
（1）
Figure SMS_30
（2）
然后，可以将第j次数据采集得到的直流输入功率
Figure SMS_31
、交流输出功率
Figure SMS_32
、直流输入电压
Figure SMS_33
以及环境温度
Figure SMS_34
进行线性归一化：
Figure SMS_35
（3）
Figure SMS_36
（4）
Figure SMS_37
（5）
Figure SMS_38
（6）
上式中
Figure SMS_39
、
Figure SMS_40
、
Figure SMS_41
、
Figure SMS_42
分别为归一化后的直流输入功率、交流输出功率、直流输入电压以及环境温度，P DCACmax 为预定的最大交直流功率，V DCmax /V DCmin 分别为预定的最大/最小直流输入电压，T AMBmax /T AMBmin 分别为预定的最大 / 最小环境温度。
在步骤S103中，确定光伏逆变器的采集次数计数值j是否达到采样次数阈值N。这里，利用采样次数来表征统计周期的时长。通常可将统计周期控制在10秒左右，如数据采集周期为约为20毫秒，则采样次数阈值N可以设置为10×1000÷20=500次。如果采集次数计数值j没有达到（小于）采样次数阈值N，则返回执行步骤S101；如果采样次数达到采样次数N，则执行步骤S104：确定运行数据的周期统计值，并将计数器清零。
作为示例，运行数据的周期统计值可包括在所述统计周期内所获取的各瞬时数据的归一化值的平均值，或者所述统计周期内所获取的各瞬时数据的归一化值的加权平均值。
如果统计周期内的N次采样的时间间隔相等，则可以使用统计周期内所获取的各瞬时数据（直流输入功率、交流输出功率、直流输入电压、环境温度）的归一化值的平均值作为运行数据的周期统计值，即
Figure SMS_43
（7）
Figure SMS_44
（8）
Figure SMS_45
（9）
Figure SMS_46
（10）
如果统计周期内N次采样的时间间隔不相等，则可以使用统计周期内所获取的各瞬时数据（直流输入功率、交流输出功率、直流输入电压、环境温度）的时间加权平均值作为运行数据的周期统计值，即
Figure SMS_47
（11）
Figure SMS_48
（12）
Figure SMS_49
（13）
Figure SMS_50
（14）
上式中
Figure SMS_51
为每次采样时间间隔，T c 为统计周期，并且
Figure SMS_52
（15）。
在步骤S105中，判断周期统计值是否满足质量标准。作为一个示例，可以使用归一化后的采样数据
Figure SMS_53
与周期统计值
Figure SMS_54
之间的等效距离
Figure SMS_55
与预设阈值
Figure SMS_56
之间的大小关系来进行判断。
对于步骤S104中采用平均值作为周期统计值的，等效距离
Figure SMS_57
为
Figure SMS_58
（16）
对于步骤S104中采用时间加权平均值作为周期统计值的，等效距离
Figure SMS_59
为
Figure SMS_60
（17）
式(16)、(17)中
Figure SMS_61
分别为等效系数，取值原则为
Figure SMS_62
，且
Figure SMS_63
。
如果存在
Figure SMS_64
，说明系统未稳定运行，不能形成有效的转换效率数据，则转入步骤S107丢弃所述本次统计周期采集的数据；否则转入步骤S106。
在步骤S106中，计算工况参数及对应的转换效率。作为一个示例，可取直流输入电压、交流输出功率以及环境温度的周期统计值
Figure SMS_65
作为工况参数，计算得到转换效率初始计算值
Figure SMS_66
；然后对工况参数进行离散化处理，同时对转换效率初始计算值进行等效换算，最后得到工况参数W H 和对应的转换效率
Figure SMS_67
的数据对
Figure SMS_68
，以形成历史数据集。
作为示例，可以根据下面的等式（18）得到转换效率初始计算值
Figure SMS_69
：
Figure SMS_70
（18）
结合等宽分箱原理，根据下面的等式(19)~(21)对直流输入电压
Figure SMS_71
、交流输出功率
Figure SMS_72
以及环境温度
Figure SMS_73
进行数据离散化处理后，得到
Figure SMS_74
（19）
Figure SMS_75
（20）
Figure SMS_76
（21）
上式中V DCtrg 、P ACtrg 和T AMBtrg 分别为直流输入电压、交流输出功率和环境温度的目标值，floor为向下取整函数，N VDC 、N PAC 和N TAMB 分别为直流输入电压、交流输出功率以及环境温度的等宽箱体数量。
为避免数值处于箱体划分边缘时产生数据抖动，可以根据下面的等式(22)~(24)对转换效率进行等效换算：
Figure SMS_77
（22）
Figure SMS_78
（23）
Figure SMS_79
（24）
上式中k VDC 、k PAC 和k TAMB 分别为直流输入电压、交流输出功率和环境温度对应的等效换算系数。
上述式（3）~（24）中，n均是指归一化后的值，取“normalize”首字母，如
Figure SMS_80
归一化后表示为
Figure SMS_81
。
至此，获得了单个统计周期的工况参数W H 和对应的转换效率
Figure SMS_82
的数据对
Figure SMS_83
，其中
Figure SMS_84
，
Figure SMS_85
。
在步骤S10中，在预定时间段内通过不断重复图4所示流程，可以获得建立历史数据集H。历史数据集H中的每个元素
Figure SMS_86
都是工况参数W i 与对应的转换效率
Figure SMS_87
的数据对，其中i为数据集编号，
Figure SMS_88
。
返回参照图3，在步骤S20中，实时获取逆变器当前的工况参数及对应的转换效率的数据对，记为
Figure SMS_89
。具体步骤同步骤S10中的S101~S107，此处不再赘述。
在步骤S30中，根据当前工况参数W O 从历史数据集H中确定转换效率基准值
Figure SMS_90
，其具体步骤可包括：
首先，在历史数据集H中搜索与当前运行工况W O 相同的历史运行工况W i （即W i= W O ），得到历史转换效率搜索结果
Figure SMS_91
，其中L为相同历史运行工况的总数量。
其次，确定转换效率基准值
Figure SMS_94
。作为一个示例，可将历史转换效率搜索结果
Figure SMS_96
按数值大小升序排列，得到
Figure SMS_98
，其中
Figure SMS_93
。取
Figure SMS_95
的第p百分位数作为转换效率基准值
Figure SMS_97
，通常p可取90~95。作为另一个示例，可取历史转换效率搜索结果
Figure SMS_99
的众数（即出现次数最多的数）作为转换效率基准值
Figure SMS_92
。
在步骤S40中，判断逆变器的转换效率是否劣化。如果
Figure SMS_100
，则诊断出逆变器转换效率已经劣化，可提示现场人员技术进行运维检修。
在步骤S50中，将当前的工况参数及对应的转换效率的数据对
Figure SMS_101
更新至历史数据集H。
根据本发明的示例性实施例，提供了一种逆变器转换效率的诊断方法，能够通过大数据挖掘和数学建模，基于逆变器的历史运行数据获得特定工况参数下的转换效率基准值，从而通过当前转换效率与转换效率基准值的比较，对光伏逆变器的转换效率是否劣化进行在线诊断。
根据上述实施例，本发明还提供一种逆变器转换效率的诊断装置。所述诊断装置包括处理器和存储器。其中，所述存储器用于存储计算机可执行指令，处理器所述执行计算机时，如执行上述逆变器转换效率的诊断方法。
根据上述实施例，本发明还提供一种存储有计算机程序的计算机可读存储介质。该计算机可读存储介质存储有处理器执行上述逆变器转换效率的诊断方法的计算机程序。该计算机可读记录介质是可存储由计算机系统读出的数据的任意数据存储装置。计算机可读记录介质的示例包括：只读存储器、随机存取存储器、只读光盘、磁带、软盘、光数据存储装置和载波（诸如经有线或无线传输路径通过互联网的数据传输）。
尽管已经参照本发明的示例性实施例具体显示和描述了本发明构思，但是本领域的技术人员应该理解，在不脱离权利要求所限定的本发明的精神和范围的情况下，可以对其进行形式和细节上的各种改变。

Claims (12)

1.基于大数据挖掘的逆变器转换效率的诊断方法，其特征在于诊断步骤包括：获取逆变器在预定时间段内的工况参数和对应的转换效率，以建立历史数据集；获取逆变器的当前工况参数和当前转换效率；基于当前工况参数和历史数据集，确定与当前工况参数对应的转换效率基准值；基于当前转换效率与所述转换效率基准值的比较，判断逆变器的转换效率是否劣化；
建立历史数据集的步骤包括：
在统计周期内多次采集逆变器的运行数据，并对采集到的运行数据进行预处理，其中，所述运行数据包括：交流输出功率
Figure QLYQS_1
、环境温度
Figure QLYQS_2
、各直流支路的输入电压
Figure QLYQS_3
和输入电流
Figure QLYQS_4
，其中：j为一个统计周期内的采集次数计数值；k=1,2,…,M，M为直流支路输入总路数；
基于预处理后的运行数据，计算运行数据的周期统计值；
基于预处理后的运行数据和计算得到的运行数据的周期统计值，确定运行数据的周期统计值是否满足数据质量标准；当确定运行数据的周期统计值满足数据质量标准后，计算统计周期对应的工况参数和对应的转换效率以建立历史数据集，其中，历史数据集中的每个元素至少包括计算得到的工况参数和对应的转换效率形成的数据对；
其中，确定运行数据的周期统计值是否满足数据质量标准的步骤包括：将运行数据的归一化值与周期统计值之间的等效距离和预设阈值进行比较，如果所述等效距离小于或等于预设阈值，则确定运行数据的周期统计值满足数据质量标准；如果所述等效距离大于预设阈值，则确定运行数据的周期统计值不满足数据质量标准，丢弃所述采集到的运行数据；
所述运行数据的周期统计值包括在所述统计周期内所获取的各瞬时数据的归一化值的平均值，或者所述统计周期内所获取的各瞬时数据的归一化值的加权平均值。
2.根据权利要求1所述基于大数据挖掘的逆变器转换效率的诊断方法，其特征在于，对采集到的运行数据进行预处理的步骤包括：基于各直流支路的输入电压
Figure QLYQS_7
和输入电流
Figure QLYQS_9
计算直流输入功率
Figure QLYQS_11
和直流输入电压
Figure QLYQS_6
；对交流输出功率
Figure QLYQS_8
、环境温度
Figure QLYQS_10
、直流输入功率
Figure QLYQS_12
和直流输入电压
Figure QLYQS_5
进行线性归一化，获得运行数据的归一化值，并计算运行数据的归一化值的平均值和/或运行数据的归一化值的加权平均值。
3.根据权利要求2所述基于大数据挖掘的逆变器转换效率的诊断方法，其特征在于，计算运行数据的周期统计值时，如果统计周期内的N次采样的时间间隔相等，则将统计周期内获得的运行数据的归一化值的平均值作为运行数据的周期统计值。
4.根据权利要求2所述基于大数据挖掘的逆变器转换效率的诊断方法，其特征在于，计算运行数据的周期统计值时，如果统计周期内N次采样的时间间隔不相等，则将统计周期内获得的运行数据的归一化值的加权平均值作为运行数据的周期统计值。
5.根据权利要求2所述基于大数据挖掘的逆变器转换效率的诊断方法，其特征在于，确定运行数据的周期统计值是否满足数据质量标准的步骤包括：将运行数据的归一化值与周期统计值之间的等效距离和预设阈值进行比较，如果所述等效距离小于或等于预设阈值，则确定运行数据的周期统计值满足数据质量标准；如果所述等效距离大于预设阈值，则确定运行数据的周期统计值不满足数据质量标准，丢弃所述采集到的运行数据。
6.根据权利要求2所述基于大数据挖掘的逆变器转换效率的诊断方法，其特征在于，计算工况参数和对应的转换效率以建立历史数据集的步骤包括：将采集到的运行数据的周期统计值确定为工况参数，并计算转换效率的初始值；然后对确定的工况参数进行离散化处理，获得工况参数的离散化值；基于确定的工况参数和获得的工况参数的离散化值，计算得到与工况参数对应的转换效率，再基于工况参数和对应的转换效率建立历史数据集；其中，所述采集到的运行数据为直流输入电压、交流输出功率、环境温度中的一种或多种，或者将实际采集的数据作为周期统计值的数据。
7.根据权利要求1所述基于大数据挖掘的逆变器转换效率的诊断方法，其特征在于，确定与当前工况参数对应的转换效率基准值的步骤为：在历史数据集中搜索与当前工况参数相同的历史工况参数，以获得与当前工况参数对应的历史转换效率值；将历史转换效率值按数值大小升序排列，将升序排列的第p百分位数的历史转换效率值确定为转换效率基准值，其中，90≤p≤95。
8.根据权利要求1所述基于大数据挖掘的逆变器转换效率的诊断方法，其特征在于，确定与当前工况参数对应的转换效率基准值的步骤为：在历史数据集中搜索与当前工况参数相同的历史工况参数，以获得与当前工况参数对应的历史转换效率值；将历史转换效率值的众数确定为转换效率基准值。
9.根据权利要求1所述基于大数据挖掘的逆变器转换效率的诊断方法，其特征在于，对于逆变器的转换效率是否劣化的具体判断为：如果当前转换效率小于所述转换效率基准值，则诊断出逆变器的转换效率发生劣化；如果当前转换效率等于或大于所述转换效率基准值，则表示逆变器的转换效率未劣化，光伏逆变器可正常运行。
10.根据权利要求1所述基于大数据挖掘的逆变器转换效率的诊断方法，其特征在于，将当前工况参数和当前转换效率更新至历史数据集。
11.基于大数据挖掘的逆变器转换效率的诊断装置，其特征在于，包括处理器和存储器，所述存储器存储有计算机可执行指令；当所述计算机可执行指令被处理器执行时，处理器执行如权利要求1-9中的任意一项所述的逆变器转换效率的诊断方法。
12.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时，实现如权利要求1-9中的任意一项所述的逆变器转换效率的诊断方法。
CN202310119662.XA 2023-02-16 2023-02-16 基于大数据挖掘的逆变器转换效率的诊断方法和装置 Active CN115864995B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310119662.XA CN115864995B (zh) 2023-02-16 2023-02-16 基于大数据挖掘的逆变器转换效率的诊断方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310119662.XA CN115864995B (zh) 2023-02-16 2023-02-16 基于大数据挖掘的逆变器转换效率的诊断方法和装置

Publications (2)

Publication Number Publication Date
CN115864995A CN115864995A (zh) 2023-03-28
CN115864995B true CN115864995B (zh) 2023-05-12

Family

ID=85658151

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310119662.XA Active CN115864995B (zh) 2023-02-16 2023-02-16 基于大数据挖掘的逆变器转换效率的诊断方法和装置

Country Status (1)

Country Link
CN (1) CN115864995B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116826788B (zh) * 2023-08-30 2024-01-05 东方电气集团科学技术研究院有限公司 一种光伏发电主动支撑集群构建及控制方法

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104270091B (zh) * 2014-08-27 2016-09-07 国电南瑞南京控制系统有限公司 一种基于监控系统的光伏发电设备故障诊断方法
CN107589318A (zh) * 2016-07-06 2018-01-16 新疆金风科技股份有限公司 光伏电站中逆变器的异常检测方法与装置
CN106411257B (zh) * 2016-11-03 2019-06-18 许继集团有限公司 一种光伏电站状态诊断方法及装置
CN107622308B (zh) * 2017-09-18 2020-07-10 华中科技大学 一种基于dbn网络的发电设备参数预警方法
CN110108327B (zh) * 2019-07-05 2019-10-18 潍柴动力股份有限公司 一种发动机功率劣化的监测方法及装置
CN113077172A (zh) * 2021-04-19 2021-07-06 瑞湖智科数据(苏州)有限公司 一种设备状态趋势分析及故障诊断方法
CN114825636A (zh) * 2022-05-26 2022-07-29 深圳博浩远科技有限公司 一种光伏逆变器健康状态监控与告警系统及方法
CN114970766A (zh) * 2022-06-30 2022-08-30 长春大学 一种基于线性拟合的电站机组运行参数基准值获取方法

Also Published As

Publication number Publication date
CN115864995A (zh) 2023-03-28

Similar Documents

Publication Publication Date Title
KR101948604B1 (ko) 센서 군집화 기반의 설비 건강 모니터링 방법 및 장치
US6192317B1 (en) Statistical pattern analysis methods of partial discharge measurements in high voltage insulation
CN116976707B (zh) 基于用电信息采集的用户用电数据异常分析方法及系统
CN115864995B (zh) 基于大数据挖掘的逆变器转换效率的诊断方法和装置
CN106909664A (zh) 一种电力设备数据流故障识别方法
CN110738255A (zh) 一种基于聚类算法的设备状态监测方法
CN109936113B (zh) 一种基于随机森林算法的保护动作智能诊断方法及系统
CN103310388A (zh) 基于信源熵的电网运行综合指数计算方法
CN116861797B (zh) 一种基于机器学习的隧道电缆剩余寿命预测方法及装置
CN116739829B (zh) 一种基于大数据的电力数据分析方法、系统及介质
CN113994453A (zh) 半导体装置制造系统以及半导体装置制造方法
CN115959549A (zh) 基于数字孪生的扶梯故障诊断方法
CN118439469A (zh) 一种电梯运行噪声诊断与维保方法及系统
CN113361142A (zh) 一种多元参数退化相依的细纱机可靠性评估方法
CN118174444A (zh) 分布式光伏并网运行电能质量状态的监测评估方法及系统
CN108074045B (zh) 风电机组整机脆弱性分析与故障排序方法及电子终端
CN116976531B (zh) 用于井下电控设备的集成管理方法及系统
CN118132931A (zh) 基于机器学习的日用电器亚健康检测方法
CN117312763A (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
CN112597607A (zh) 风力发电机高速轴承的预测性维修方法及系统
CN111506636A (zh) 一种基于自回归和近邻算法的居民用电行为分析的系统及方法
Geurts et al. Early prediction of electric power system blackouts by temporal machine learning
CN116738158B (zh) 一种配电箱系统损耗智能评估方法
CN117472898B (zh) 一种基于融合的配电网异常数据纠错方法及系统
CN118432258B (zh) 基于供电状态监控的应急电源供电控制方法及系统

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