CN116738254A - 故障损失电量确定方法、装置、系统与存储介质 - Google Patents
故障损失电量确定方法、装置、系统与存储介质 Download PDFInfo
- Publication number
- CN116738254A CN116738254A CN202310580592.8A CN202310580592A CN116738254A CN 116738254 A CN116738254 A CN 116738254A CN 202310580592 A CN202310580592 A CN 202310580592A CN 116738254 A CN116738254 A CN 116738254A
- Authority
- CN
- China
- Prior art keywords
- inverter
- fault
- determining
- grouping
- electric quantity
- 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 46
- 238000013507 mapping Methods 0.000 claims description 17
- 239000003550 marker Substances 0.000 claims description 7
- 230000005855 radiation Effects 0.000 description 22
- 238000005070 sampling Methods 0.000 description 4
- 238000010248 power generation Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
Classifications
-
- 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
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/10—Pre-processing; Data cleansing
- G06F18/15—Statistical pre-processing, e.g. techniques for normalisation or restoring missing data
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Probability & Statistics with Applications (AREA)
- Inverter Devices (AREA)
Abstract
本发明公开了一种故障损失电量确定方法、装置、系统与存储介质,该方法包括:获取电站中历史每日的每个逆变器的等效利用小时数和历史每日天气数据;根据所述历史每日天气数据和所述等效利用小时数对所述逆变器进行聚类,确定逆变器分组集合;获取所述电站的当前故障信息,并基于所述当前故障信息和所述逆变器分组集合确定所述电站的故障损失电量。本发明根据历史每日天气数据和电站的历史每日的每个逆变器的等效利用小时数对所述逆变器进行聚类,确定逆变器分组集合,电站中的任意设备故障可通过在逆变器分组集合中选择对应的等效利用小时数计算故障损失电量,进而确定电站的故障损失电量,不需要指定样板机,进而降低故障损失电量计算误差。
Description
技术领域
本发明涉及新能源技术领域,尤其涉及故障损失电量确定方法、装置、系统与存储介质。
背景技术
故障损失电量是评估光伏电站运维质量高低的重要指标,目前故障损失电量一般是采用样板机法进行计算,由于样板机是人为指定的,且数量有限,样板机与故障设备之间不一定存在相似性,当样板机与故障设备之间相似性不大时,计算出的故障损失电量误差较大。因此,如何降低故障损失电量计算误差,是急需解决的问题。
发明内容
本发明的主要目的在于提出一种故障损失电量确定方法、装置、系统与存储介质,旨在解决降低故障损失电量计算误差的问题。
为实现上述目的,本发明提供一种故障损失电量确定方法,所述故障损失电量确定方法包括如下步骤:
获取电站中历史每日的每个逆变器的等效利用小时数和历史每日天气数据;
根据所述历史每日天气数据和所述等效利用小时数对所述逆变器进行聚类,确定逆变器分组集合;
获取所述电站的当前故障信息,并基于所述当前故障信息和所述逆变器分组集合确定所述电站的故障损失电量。
可选地,根据所述历史每日天气数据和所述等效利用小时数对所述逆变器进行聚类,确定逆变器分组集合的步骤包括:
根据预设分组时间段和所述历史每日天气数据,对所述电站对应的历史日期进行分组,得到历史日期分组集合;
根据所述历史日期分组集合和所述等效利用小时数对所述逆变器进行聚类,确定逆变器分组集合。
可选地,根据所述历史日期分组集合和所述等效利用小时数对所述逆变器进行聚类,确定逆变器分组集合的步骤包括:
依次在所述历史日期分组集合中选择一个历史日期分组;
根据选择的历史日期分组中的每个历史日期对应的所述等效利用小时数对所述逆变器进行聚类,确定每个历史日期对应的逆变器预分组;
基于每个历史日期对应的逆变器预分组确定选择的历史日期分组对应的逆变器分组;
直至确定所述历史日期分组集合中每个历史日期分组对应的逆变器分组,基于每个历史日期分组对应的逆变器分组确定逆变器分组集合。
可选地,基于每个历史日期对应的逆变器预分组确定选择的历史日期分组对应的逆变器分组的步骤包括:
统计选择的历史日期分组中的每个历史日期对应的逆变器预分组的分组类型,并将每个分组类型包含的逆变器预分组数量进行对比,得到对比结果;
基于所述对比结果,将包含的逆变器预分组数量最多的分组类型对应的逆变器预分组作为选择的历史日期分组对应的逆变器分组。
可选地,基于所述当前故障信息和所述逆变器分组集合确定所述电站的故障损失电量的步骤包括:
判断所述当前故障信息是否为逆变器故障;
若是,则确定所述当前故障信息对应的逆变器集合,并基于所述逆变器集合和所述逆变器分组集合确定所述电站的故障损失电量;
若否,则确定所述当前故障信息对应的故障设备集合,并将所述故障设备集合映射到逆变器集合,基于所述逆变器集合和所述逆变器分组集合确定所述电站的故障损失电量。
可选地,将所述故障设备集合映射到逆变器集合的步骤包括:
获取所述电站的预设设备层级关系,并确定所述故障设备集合中每个故障设备的设备层级;
基于每个故障设备的设备层级和所述预设设备层级关系确定每个故障设备对应的逆变器;
基于所述层级关系将每个故障设备映射到对应的逆变器,得到逆变器集合。
可选地,基于所述逆变器集合和所述逆变器分组集合确定所述电站的故障损失电量的步骤包括:
确定当前日期,并依次在所述逆变器集合选择一个逆变器;
根据所述当前日期和选择的逆变器在所述逆变器分组集合中确定目标逆变器分组;
计算所述目标逆变器分组对应的标杆等效利用小时数,并获取选择的逆变器的装机容量和实际等效利用小时数;
根据所述标杆等效利用小时数、所述装机容量和所述实际等效利用小时数,确定选择的逆变器的故障损失电量;
直至确定所述逆变器集合中的每个逆变器的故障损失电量,根据每个逆变器的故障损失电量确定所述电站的故障损失电量。
可选地,计算所述目标逆变器分组对应的标杆等效利用小时数的步骤包括:
获取所述目标逆变器分组中除选择的逆变器之外的每个逆变器的等效利用小时数,并计算出除选择的逆变器之外的每个逆变器的等效利用小时数对应的中位数或平均数,将所述中位数或所述平均数作为所述目标逆变器分组对应的标杆等效利用小时数。
可选地,根据每个逆变器的故障损失电量确定所述电站的故障损失电量的步骤包括:
每个逆变器的故障损失电量相加,得到所述电站的故障损失电量。
此外,为实现上述目的,本发明还提供一种故障损失电量确定装置,所述故障损失电量确定装置包括:
获取模块,用于获取电站中历史每日的每个逆变器的等效利用小时数和历史每日天气数据;
聚类模块,用于根据所述历史每日天气数据和所述等效利用小时数对所述逆变器进行聚类,确定逆变器分组集合;
确定模块,用于获取所述电站的当前故障信息,并基于所述当前故障信息和所述逆变器分组集合确定所述电站的故障损失电量。
进一步地,所述聚类模块还用于:
根据预设分组时间段和所述历史每日天气数据,对所述电站对应的历史日期进行分组,得到历史日期分组集合;
根据所述历史日期分组集合和所述等效利用小时数对所述逆变器进行聚类,确定逆变器分组集合。
进一步地,所述聚类模块还用于:
依次在所述历史日期分组集合中选择一个历史日期分组;
根据选择的历史日期分组中的每个历史日期对应的所述等效利用小时数对所述逆变器进行聚类,确定每个历史日期对应的逆变器预分组;
基于每个历史日期对应的逆变器预分组确定选择的历史日期分组对应的逆变器分组;
直至确定所述历史日期分组集合中每个历史日期分组对应的逆变器分组,基于每个历史日期分组对应的逆变器分组确定逆变器分组集合。
进一步地,所述聚类模块还用于:
统计选择的历史日期分组中的每个历史日期对应的逆变器预分组的分组类型,并将每个分组类型包含的逆变器预分组数量进行对比,得到对比结果;
基于所述对比结果,将包含的逆变器预分组数量最多的分组类型对应的逆变器预分组作为选择的历史日期分组对应的逆变器分组。
进一步地,所述确定模块还用于:
判断所述当前故障信息是否为逆变器故障;
若是,则确定所述当前故障信息对应的逆变器集合,并基于所述逆变器集合和所述逆变器分组集合确定所述电站的故障损失电量;
若否,则确定所述当前故障信息对应的故障设备集合,并将所述故障设备集合映射到逆变器集合,基于所述逆变器集合和所述逆变器分组集合确定所述电站的故障损失电量。
进一步地,所述确定模块还用于:
获取所述电站的预设设备层级关系,并确定所述故障设备集合中每个故障设备的设备层级;
基于每个故障设备的设备层级和所述预设设备层级关系确定每个故障设备对应的逆变器;
基于所述层级关系将每个故障设备映射到对应的逆变器,得到逆变器集合。
进一步地,所述确定模块还用于:
确定当前日期,并依次在所述逆变器集合选择一个逆变器;
根据所述当前日期和选择的逆变器在所述逆变器分组集合中确定目标逆变器分组;
计算所述目标逆变器分组对应的标杆等效利用小时数,并获取选择的逆变器的装机容量和实际等效利用小时数;
根据所述标杆等效利用小时数、所述装机容量和所述实际等效利用小时数,确定选择的逆变器的故障损失电量;
直至确定所述逆变器集合中的每个逆变器的故障损失电量,根据每个逆变器的故障损失电量确定所述电站的故障损失电量。
进一步地,所述确定模块还用于:
获取所述目标逆变器分组中除选择的逆变器之外的每个逆变器的等效利用小时数,并计算出除选择的逆变器之外的每个逆变器的等效利用小时数对应的中位数或平均数,将所述中位数或所述平均数作为所述目标逆变器分组对应的标杆等效利用小时数。
进一步地,所述确定模块还用于:
每个逆变器的故障损失电量相加,得到所述电站的故障损失电量。
此外,为实现上述目的,本发明还提供一种故障损失电量确定系统,所述故障损失电量确定系统包括:存储器、处理器及储存在所述存储器上并可在所述处理器上运行的故障损失电量确定程序,所述故障损失电量确定程序被所述处理器执行时实现如上所述的故障损失电量确定方法的步骤。
此外,为实现上述目的,本发明还提供一种存储介质,所述存储介质上储存有故障损失电量确定程序,所述故障损失电量确定程序被处理器执行时实现如上所述的故障损失电量确定方法的步骤。
本发明提出的故障损失电量确定方法,获取电站中历史每日的每个逆变器的等效利用小时数和历史每日天气数据;根据所述历史每日天气数据和所述等效利用小时数对所述逆变器进行聚类,确定逆变器分组集合;获取所述电站的当前故障信息,并基于所述当前故障信息和所述逆变器分组集合确定所述电站的故障损失电量。本发明根据历史每日天气数据和电站的历史每日的每个逆变器的等效利用小时数对所述逆变器进行聚类,确定逆变器分组集合,电站中的任意设备故障可通过在逆变器分组集合中选择对应的等效利用小时数计算故障损失电量,进而确定电站的故障损失电量,不需要指定样板机,进而降低故障损失电量计算误差。
附图说明
图1为本发明故障损失电量确定方法第一实施例的流程示意图;
图2为本发明故障损失电量确定方法第二实施例的流程示意图;
图3为本发明故障损失电量确定方法第三实施例的流程示意图;
图4为本发明故障损失电量确定装置结构示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
参照图1,图1为本发明故障损失电量确定方法第一实施例的流程示意图,本实施例故障损失电量确定方法运用于光伏电站的故障损失电量确定系统,故障损失电量确定系统可应用于pc设备、智能终端等设备;为了方便描述,以故障损失电量确定系统为例进行说明;所述方法包括:
步骤S10,获取电站中历史每日的每个逆变器的等效利用小时数和历史每日天气数据;
在本实施例中,故障损失电量确定系统在计算光伏电站的故障损失电量之前,获取电站的历史数据,历史数据包括历史每日的每个逆变器的等效利用小时数和历史每日天气数据;需要说明的是,等效利用小时数=逆变器的发电量/逆变器直流侧装机容量;历史每日天气数据包括太阳高度角、温度、阴天、晴天等。
步骤S20,根据所述历史每日天气数据和所述等效利用小时数对所述逆变器进行聚类,确定逆变器分组集合;
在本实施例中,故障损失电量确定系统根据历史每日天气数据和等效利用小时数对电站中的所有逆变器进行聚类,得到逆变器分组集合。
具体地,步骤S20包括:
步骤S201,根据预设分组时间段和所述历史每日天气数据,对所述电站对应的历史日期进行分组,得到历史日期分组集合;
在该步骤中,故障损失电量确定系统根据历史每日天气数据确定电站的历史每日倾斜面辐射量,并根据预设分组时间段和历史每日倾斜面辐射量,对电站对应的历史日期进行分组,得到历史日期分组集合;可以理解的是,预设分组时间段可以是月、季度等,也即可对电站的历史中的每个月内的日期,按照其历史每日倾斜面辐射量进行分组,也可对电站的历史中的每个季度内的日期,按照其历史每日倾斜面辐射量进行分组等。
优选地,预设分组时间段是月,即对电站的历史中的每个月内的日期,按照其历史每日倾斜面辐射量进行分组,故障损失电量确定系统共获取了电站2年的历史数据,以1月份为例,则1月份共有62天的数据,62天里共有10天倾斜面辐射量大于等于6kWh/㎡,共有30天倾斜面辐射量在4~6kWh/㎡之间,共有20天倾斜面辐射量在2~4kWh/㎡之间,共有2天倾斜面辐射量小于2kWh/㎡,这样62天的可以分为4组,也即,倾斜面辐射量大于等于6kWh/㎡的日期分为同一组,倾斜面辐射量在4~6kWh/㎡之间的日期分为同一组,倾斜面辐射量在2~4kWh/㎡之间的日期分为同一组,倾斜面辐射量小于2kWh/㎡的日期分为同一组。其中,对于其他月份的日期,同样按照上述方法进行分组,在此不再赘述;用于分组的倾斜面辐射量的具体数值可根据实际情况确定,在此不做限定。
需要说明的是,按月划分是由于遮挡是有时间特性的,可以认为同一个月的遮挡情况相似,同时太阳高度角和温度也是有时间特性的,在同样的倾斜面辐照度下,太阳高度角和温度决定了逆变器的最大出力,对容配比高的逆变器,最大出力又会影响到等效利用小时数,按倾斜面辐射量划分是因为同样的遮挡在不同的辐射量下对组件发电量的影响不同,晴天的影响大,阴天的影响小,同时辐射量也会影响逆变器的最大出力。
在同样的倾斜面辐照度下,太阳高度角和温度决定了逆变器的最大出力,对容配比高的逆变器,最大出力又会影响到等效利用小时数,具体为:逆变器的等效利用小时数主要与当天的倾斜面辐射量有关,若当天的最大倾斜面辐照度使逆变器满功率运行,则在最大倾斜面辐照度基础上再增加辐照度,倾斜面辐射量会增加,但逆变器已达到满功率,逆变器的功率将不会增加,当天的逆变器等效利用小时数也不会增加,可见这种情况下,逆变器等效利用小时数不仅与倾斜面辐射量有关,还与逆变器是否达到满功率运行有关,显然,容配比越高(通俗理解就是同样型号的逆变器接的组件更多),最大倾斜面辐照度越高,逆变器更容易达到满功率运行,假设在一定的最大倾斜面辐照度下,容配比高的逆变器达到满功率运行,容配比低的逆变器未达到满功率运行,则同样的倾斜面辐射量下,容配比低的逆变器等效利用小时数将高于容配比高的逆变器。
步骤S202,根据所述历史日期分组集合和所述等效利用小时数对所述逆变器进行聚类,确定逆变器分组集合。
在该步骤中,故障损失电量确定系统获取历史日期集合中的每个历史日期分组中的每个历史日期对应的历史数据,根据历史数据中记载的电站中的每个逆变器对应的等效利用小时数,根据每个逆变器对应的等效利用小时数,对分别对每个历史日期的逆变器进行聚类,确定每个历史日期分组对应的逆变器分组,基于每个历史日期分组对应的逆变器分组确定逆变器分组集合。需要说明的是,每个历史日期对应的历史数据中都会记载有电站中的每个逆变器该历史日期时对应的等效利用小时数。
步骤S30,获取所述电站的当前故障信息,并基于所述当前故障信息和所述逆变器分组集合确定所述电站的故障损失电量。
在本实施例中,在确定逆变器分组集合后,故障损失电量确定系统在检测到电站发生故障时,获取电站的当前故障信息,并基于当前故障信息和逆变器分组集合确定电站的故障损失电量。
具体地,步骤S30包括:
步骤S301,判断所述当前故障信息是否为逆变器故障;
在该步骤中,故障损失电量确定系统在获取电站的当前故障信息后,根据当前故障信息确定故障设备,进而判断故障设备是否为逆变器,进而判断当前故障信息是否为逆变器故障。
步骤S302,若是,则确定所述当前故障信息对应的逆变器集合,并基于所述逆变器集合和所述逆变器分组集合确定所述电站的故障损失电量;
步骤S303,若否,则确定所述当前故障信息对应的故障设备集合,并将所述故障设备集合映射到逆变器集合,基于所述逆变器集合和所述逆变器分组集合确定所述电站的故障损失电量。
在步骤S302至步骤S303中,故障损失电量确定系统若确定当前故障信息为逆变器故障,则确定当前故障信息对应的逆变器集合,并基于逆变器集合和逆变器分组集合确定电站的故障损失电量;故障损失电量确定系统若确定当前故障信息不为逆变器故障,则确定当前故障信息对应的故障设备集合,并将故障设备集合映射到逆变器集合,基于逆变器集合和逆变器分组集合确定电站的故障损失电量;进一步地,基于逆变器集合和逆变器分组集合确定电站的故障损失电量具体为:在逆变器集合中依次选择一个逆变器,并根据选择的逆变器以及当前故障信息对应的当前日期,在逆变器分组集合中确定选择的逆变器对应的逆变器分组,并确定该逆变器分组对应的标杆等效利用小时数,获取选择的逆变器的装机容量和选择的逆变器在当前日期的实际等效利用小时数,基于该逆变器分组对应的标杆等效利用小时数、选择的逆变器的装机容量和选择的逆变器在当前日期的实际等效利用小时数,确定选择的逆变器在当前日期的故障损失电量;对于逆变器集合中的每个逆变器都进行上述处理,进而确定逆变器集合中的每个逆变器在当前日期的故障损失电量,将每个逆变器在当前日期的故障损失电量相加,即可得到电站在当前日期的故障损失电量。
进一步地,将所述故障设备集合映射到逆变器集合的步骤包括:
步骤S3031,获取所述电站的预设设备层级关系,并确定所述故障设备集合中每个故障设备的设备层级;
步骤S3032,基于每个故障设备的设备层级和所述预设设备层级关系确定每个故障设备对应的逆变器;
步骤S3033,基于所述层级关系将每个故障设备映射到对应的逆变器,得到逆变器集合。
在步骤S3031至步骤S3033中,故障损失电量确定系统获取电站的预设设备层级关系,并确定故障设备集合中每个故障设备的设备层级;基于每个故障设备的设备层级和预设设备层级关系确定每个故障设备对应的逆变器;基于层级关系将每个故障设备映射到对应的逆变器,得到逆变器集合。可以理解的是,把故障的非逆变器设备映射到故障逆变器,主要是因为逆变器数据获取方便且更为可靠,计算损失电量主要需要发电量和装机容量数据,逆变器的这两项数据都比较容易获取,可靠性也比较高,逆变器上层设备(如箱变、集电线路),要么没有电量计量设备,要么有电量计量设备但是获取数据比较困难(涉及到通讯调试比较麻烦),逆变器下级设备(如汇流箱、组串),没有电量计量设备,只能通过电压、电流数据进行粗略计算,误差显然比电量计量设备大,而且逆变器下级设备的装机容量不便统计,一是数量十分庞大,二是设备容量经常变化(现场处理故障时,经常改变组串的安装位置),相比来说,逆变器的容量要稳定得多。
示例性地,如故障设备为1号箱变,根据1号箱变的设备层级和电站的预设设备层级关系,确定1号箱变为逆变器的上层设备,并且1号箱变下层接有两台逆变器(逆变器1-1和逆变器1-2),则将1号箱变映射到逆变器1-1和逆变器1-2;如故障设备为1-8汇流箱,根据1-8汇流箱的设备层级和电站的预设设备层级关系,确定1-8汇流箱为逆变器的下层设备,该1-8汇流箱接在1-2逆变器下,则将1-8汇流箱映射到1-2逆变器。
本实施例的故障损失电量确定系统获取电站中历史每日的每个逆变器的等效利用小时数和历史每日天气数据;根据历史每日天气数据和等效利用小时数对逆变器进行聚类,确定逆变器分组集合;获取电站的当前故障信息,并基于当前故障信息和逆变器分组集合确定电站的故障损失电量。本发明根据历史每日天气数据和电站的历史每日的每个逆变器的等效利用小时数对所述逆变器进行聚类,确定逆变器分组集合,电站中的任意设备故障可通过在逆变器分组集合中选择对应的等效利用小时数计算故障损失电量,进而确定电站的故障损失电量,不需要指定样板机,进而降低故障损失电量计算误差。
进一步地,参考图2,提出本发明的第二实施例,本发明的第二实施例与第一实施例的区别在于,根据所述历史日期分组集合和所述等效利用小时数对所述逆变器进行聚类,确定逆变器分组集合的步骤包括:
步骤S2021,依次在所述历史日期分组集合中选择一个历史日期分组;
步骤S2022,根据选择的历史日期分组中的每个历史日期对应的所述等效利用小时数对所述逆变器进行聚类,确定每个历史日期对应的逆变器预分组;
在步骤S2021至步骤S2022中,故障损失电量确定系统依次在历史日期分组集合中选择一个历史日期分组,根据选择的历史日期分组中的每个历史日期中电站中的每个逆变器对应的等效利用小时数对所有逆变器进行聚类,确定每个历史日期对应的逆变器预分组。需要说明的是,对所有逆变器进行聚类,即将等效利用小时数相同或近似相同的逆变器聚类为一组,近似相同在此不做限定,可根据具体情况设定。
示例性地,预设分组时间段是月,即故障损失电量确定系统对电站的历史中的每个月内的日期,按照其历史每日倾斜面辐射量进行分组,以1月份为例,假设1月份的历史日期分组集合包括:第一组:1、3、5、7、9、11,第二组:2、4、6、8、10、12,第三组:13、15、17、19、21、23、25、27、29、31,第四组:14、16、18、20、22、24、26、28、30,其中数字代表日期。故障损失电量确定系统依次在历史日期分组集合中选择一个历史日期分组,假设选择第一组,故障损失电量确定系统获取1日时电站中的每个逆变器对应的等效利用小时数,将等效利用小时数相同或近似相同的逆变器聚类为一组,假设电站中有十个逆变器,编号为1-10,假设1-5号逆变器的等效利用小时数相同或近似相同,6-10号逆变器的等效利用小时数相同或近似相同,则将1-5号逆变器聚类为一个逆变器预分组,将6-10号逆变器聚类为另一个逆变器预分组;对于其他日期同样执行上步骤,进而确定选择的历史日期分组中每个历史日期对应的逆变器预分组。对于其他的历史日期分组同样执行上步骤,进而确定每个历史日期分组中每个历史日期对应的逆变器预分组。
步骤S2023,基于每个历史日期对应的逆变器预分组确定选择的历史日期分组对应的逆变器分组;
在该步骤中,故障损失电量确定系统确定选择的历史日期分组的每个历史日期对应的逆变器预分组后,基于每个历史日期对应的逆变器预分组确定选择的历史日期分组对应的逆变器分组。
具体地,步骤S2023包括:
步骤S20231,统计选择的历史日期分组中的每个历史日期对应的逆变器预分组的分组类型,并将每个分组类型包含的逆变器预分组数量进行对比,得到对比结果;
步骤S20232,基于所述对比结果,将包含的逆变器预分组数量最多的分组类型对应的逆变器预分组作为选择的历史日期分组对应的逆变器分组。
在步骤S20231至步骤S20232中,故障损失电量确定系统统计选择的历史日期分组中的每个历史日期对应的逆变器预分组的分组类型,并将每个分组类型包含的逆变器预分组数量进行对比,得到对比结果;基于对比结果,将包含的逆变器预分组数量最多的分组类型对应的逆变器预分组作为选择的历史日期分组对应的逆变器分组。
示例性地,接上述例子,假设第一组中,1日、3日、5日和7日对应的逆变器预分组均为:1-5号逆变器聚类为一个逆变器预分组,6-10号逆变器聚类为另一个逆变器预分组;9日对应的逆变器预分组为:将1-3号逆变器聚类为一个逆变器预分组,4-10号逆变器聚类为另一个逆变器预分组;11日对应的逆变器预分组为:将1-8号逆变器聚类为一个逆变器预分组,9-10号逆变器聚类为另一个逆变器预分组;故障损失电量确定系统统计选择的历史日期分组中的每个历史日期对应的逆变器预分组的分组类型即为3种分组类型,其中第一种类型包含的逆变器预分组数量为4,第二种类型和第三种类型包含的逆变器预分组数量均为1,故障损失电量确定系统将每个分组类型包含的逆变器预分组数量进行对比,得到对比结果,确定将第一种类型对应的逆变器预分组作为选择的历史日期分组对应的逆变器分组,也即选择的历史日期分组对应的逆变器分组为:1-5号逆变器聚类为一个逆变器分组,6-10号逆变器聚类为另一个逆变器分组。
步骤S2024,直至确定所述历史日期分组集合中每个历史日期分组对应的逆变器分组,基于每个历史日期分组对应的逆变器分组确定逆变器分组集合。
在该步骤中,故障损失电量确定系统对历史日期分组集合中每个历史日期分组分别执行上述步骤,直到确定历史日期分组集合中每个历史日期分组对应的逆变器分组,基于每个历史日期分组对应的逆变器分组确定逆变器分组集合。
本实施例的故障损失电量确定系统依次在历史日期分组集合中选择一个历史日期分组;根据选择的历史日期分组中的每个历史日期对应的等效利用小时数对逆变器进行聚类,确定每个历史日期对应的逆变器预分组;基于每个历史日期对应的逆变器预分组确定选择的历史日期分组对应的逆变器分组;直至确定历史日期分组集合中每个历史日期分组对应的逆变器分组,基于每个历史日期分组对应的逆变器分组确定逆变器分组集合。通过对逆变器进行分组,便于后续电站中的任意设备故障可通过在逆变器分组集合中选择对应的等效利用小时数计算故障损失电量,进而确定电站的故障损失电量,不需要指定样板机,进而降低故障损失电量计算误差。
进一步地,参考图3,提出本发明的第三实施例,本发明的第三实施例与第一实施例和第二实施例的区别在于,基于所述逆变器集合和所述逆变器分组集合确定所述电站的故障损失电量的步骤包括:
步骤S3031,确定当前日期,并依次在所述逆变器集合选择一个逆变器;
步骤S3032,根据所述当前日期和选择的逆变器在所述逆变器分组集合中确定目标逆变器分组;
在步骤S3031至步骤S3032中,故障损失电量确定系统确定当前日期,并依次在电站的当前故障信息对应的逆变器集合选择一个逆变器,根据当前日期和选择的逆变器在逆变器分组集合中确定目标逆变器分组。
具体地,获取当前日期对应的月份、季度、天气、倾斜面辐射量等数据,在历史日期分组集合中确定当前日期对应的历史日期分组,再根据当前日期对应的历史日期分组和选择的逆变器在逆变器分组集合中确定目标逆变器分组。如:假设电站的逆变器分组集合中在当期日期对应的历史日期分组中的逆变器分组为:1-5号逆变器聚类为一个逆变器分组,6-10号逆变器聚类为另一个逆变器分组;假设选择的逆变器编号为1,则确定1-5号逆变器的逆变器分组为选择的逆变器对应的目标逆变器分组。
步骤S3033,计算所述目标逆变器分组对应的标杆等效利用小时数,并获取选择的逆变器的装机容量和实际等效利用小时数;
在该步骤中,故障损失电量确定系统计算目标逆变器分组对应的标杆等效利用小时数,并获取选择的逆变器的装机容量和实际等效利用小时数。
具体地,步骤S3033包括:
步骤S30331,获取所述目标逆变器分组中除选择的逆变器之外的每个逆变器的等效利用小时数,并计算出除选择的逆变器之外的每个逆变器的等效利用小时数对应的中位数或平均数,将所述中位数或所述平均数作为所述目标逆变器分组对应的标杆等效利用小时数。
在该步骤中,故障损失电量确定系统获取目标逆变器分组中除选择的逆变器之外的每个逆变器的等效利用小时数,并计算出除选择的逆变器之外的每个逆变器的等效利用小时数对应的中位数或平均数,将中位数或平均数作为目标逆变器分组对应的标杆等效利用小时数。
示例性地,1-5号逆变器的逆变器分组为选择的逆变器对应的目标逆变器分组,选择的逆变器的编号为1,故障损失电量确定系统基于2-5号逆变器等效利用小时数,确定中位数或平均数,将中位数或平均数作为目标逆变器分组对应的标杆等效利用小时数。
步骤S3034,根据所述标杆等效利用小时数、所述装机容量和所述实际等效利用小时数,确定选择的逆变器的故障损失电量;
在该步骤中,故障损失电量确定系统根据标杆等效利用小时数、装机容量和实际等效利用小时数,确定选择的逆变器的故障损失电量;具体地,逆变器的故障损失电量=逆变器的装机容量×(逆变器所在分组的标杆等效利用小时数-逆变器实际等效利用小时数)。
步骤S3035,直至确定所述逆变器集合中的每个逆变器的故障损失电量,根据每个逆变器的故障损失电量确定所述电站的故障损失电量。
具体地,步骤S3035包括:
步骤S30351,每个逆变器的故障损失电量相加,得到所述电站的故障损失电量。
在该步骤中,故障损失电量确定系统对逆变器集合中每个逆变器分别执行上述步骤,确定每个逆变器的故障损失电量,进而将每个逆变器的故障损失电量相加,得到电站的故障损失电量。
本实施例的故障损失电量确定系统确定当前日期,并依次在逆变器集合选择一个逆变器;根据当前日期和选择的逆变器在逆变器分组集合中确定目标逆变器分组;计算目标逆变器分组对应的标杆等效利用小时数,并获取选择的逆变器的装机容量和实际等效利用小时数;根据标杆等效利用小时数、装机容量和实际等效利用小时数,确定选择的逆变器的故障损失电量;直至确定逆变器集合中的每个逆变器的故障损失电量,根据每个逆变器的故障损失电量确定电站的故障损失电量。通过在逆变器分组集合中选择对应的等效利用小时数计算故障损失电量,进而确定电站的故障损失电量,不需要指定样板机,进而降低故障损失电量计算误差。
如图4所示,本发明还提供一种故障损失电量确定装置。本发明故障损失电量确定装置包括:
获取模块101,用于获取电站中历史每日的每个逆变器的等效利用小时数和历史每日天气数据;
聚类模块102,用于根据所述历史每日天气数据和所述等效利用小时数对所述逆变器进行聚类,确定逆变器分组集合;
确定模块103,用于获取所述电站的当前故障信息,并基于所述当前故障信息和所述逆变器分组集合确定所述电站的故障损失电量。
进一步地,所述聚类模块还用于:
根据预设分组时间段和所述历史每日天气数据,对所述电站对应的历史日期进行分组,得到历史日期分组集合;
根据所述历史日期分组集合和所述等效利用小时数对所述逆变器进行聚类,确定逆变器分组集合。
进一步地,所述聚类模块还用于:
依次在所述历史日期分组集合中选择一个历史日期分组;
根据选择的历史日期分组中的每个历史日期对应的所述等效利用小时数对所述逆变器进行聚类,确定每个历史日期对应的逆变器预分组;
基于每个历史日期对应的逆变器预分组确定选择的历史日期分组对应的逆变器分组;
直至确定所述历史日期分组集合中每个历史日期分组对应的逆变器分组,基于每个历史日期分组对应的逆变器分组确定逆变器分组集合。
进一步地,所述聚类模块还用于:
统计选择的历史日期分组中的每个历史日期对应的逆变器预分组的分组类型,并将每个分组类型包含的逆变器预分组数量进行对比,得到对比结果;
基于所述对比结果,将包含的逆变器预分组数量最多的分组类型对应的逆变器预分组作为选择的历史日期分组对应的逆变器分组。
进一步地,所述确定模块还用于:
判断所述当前故障信息是否为逆变器故障;
若是,则确定所述当前故障信息对应的逆变器集合,并基于所述逆变器集合和所述逆变器分组集合确定所述电站的故障损失电量;
若否,则确定所述当前故障信息对应的故障设备集合,并将所述故障设备集合映射到逆变器集合,基于所述逆变器集合和所述逆变器分组集合确定所述电站的故障损失电量。
进一步地,所述确定模块还用于:
获取所述电站的预设设备层级关系,并确定所述故障设备集合中每个故障设备的设备层级;
基于每个故障设备的设备层级和所述预设设备层级关系确定每个故障设备对应的逆变器;
基于所述层级关系将每个故障设备映射到对应的逆变器,得到逆变器集合。
进一步地,所述确定模块还用于:
确定当前日期,并依次在所述逆变器集合选择一个逆变器;
根据所述当前日期和选择的逆变器在所述逆变器分组集合中确定目标逆变器分组;
计算所述目标逆变器分组对应的标杆等效利用小时数,并获取选择的逆变器的装机容量和实际等效利用小时数;
根据所述标杆等效利用小时数、所述装机容量和所述实际等效利用小时数,确定选择的逆变器的故障损失电量;
直至确定所述逆变器集合中的每个逆变器的故障损失电量,根据每个逆变器的故障损失电量确定所述电站的故障损失电量。
进一步地,所述确定模块还用于:
获取所述目标逆变器分组中除选择的逆变器之外的每个逆变器的等效利用小时数,并计算出除选择的逆变器之外的每个逆变器的等效利用小时数对应的中位数或平均数,将所述中位数或所述平均数作为所述目标逆变器分组对应的标杆等效利用小时数。
进一步地,所述确定模块还用于:
每个逆变器的故障损失电量相加,得到所述电站的故障损失电量。
本发明还提供一种故障损失电量确定系统。
故障损失电量确定系统包括:存储器、处理器及储存在所述存储器上并可在所述处理器上运行的故障损失电量确定程序,所述故障损失电量确定程序被所述处理器执行时实现如上所述的故障损失电量确定方法的步骤。
其中,在所述处理器上运行的故障损失电量确定程序被执行时所实现的方法可参照本发明故障损失电量确定方法各个实施例,此处不再赘述。
本发明还提供一种存储介质。
所述存储介质上储存有故障损失电量确定程序,所述故障损失电量确定程序被处理器执行时实现如上所述的故障损失电量确定方法的步骤。
其中,在所述处理器上运行的故障损失电量确定程序被执行时所实现的方法可参照本发明故障损失电量确定方法各个实施例,此处不再赘述。
需要说明的是,在本文中,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、物品或者系统不仅包括那些要素,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、物品或者系统所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品储存在如上所述的一个储存介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书与附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (12)
1.一种故障损失电量确定方法,其特征在于,所述故障损失电量确定方法包括如下步骤:
获取电站中历史每日的每个逆变器的等效利用小时数和历史每日天气数据;
根据所述历史每日天气数据和所述等效利用小时数对所述逆变器进行聚类,确定逆变器分组集合;
获取所述电站的当前故障信息,并基于所述当前故障信息和所述逆变器分组集合确定所述电站的故障损失电量。
2.如权利要求1所述的故障损失电量确定方法,其特征在于,所述根据所述历史每日天气数据和所述等效利用小时数对所述逆变器进行聚类,确定逆变器分组集合的步骤包括:
根据预设分组时间段和所述历史每日天气数据,对所述电站对应的历史日期进行分组,得到历史日期分组集合;
根据所述历史日期分组集合和所述等效利用小时数对所述逆变器进行聚类,确定逆变器分组集合。
3.如权利要求2所述的故障损失电量确定方法,其特征在于,所述根据所述历史日期分组集合和所述等效利用小时数对所述逆变器进行聚类,确定逆变器分组集合的步骤包括:
依次在所述历史日期分组集合中选择一个历史日期分组;
根据选择的历史日期分组中的每个历史日期对应的所述等效利用小时数对所述逆变器进行聚类,确定每个历史日期对应的逆变器预分组;
基于每个历史日期对应的逆变器预分组确定选择的历史日期分组对应的逆变器分组;
直至确定所述历史日期分组集合中每个历史日期分组对应的逆变器分组,基于每个历史日期分组对应的逆变器分组确定逆变器分组集合。
4.如权利要求3所述的故障损失电量确定方法,其特征在于,所述基于每个历史日期对应的逆变器预分组确定选择的历史日期分组对应的逆变器分组的步骤包括:
统计选择的历史日期分组中的每个历史日期对应的逆变器预分组的分组类型,并将每个分组类型包含的逆变器预分组数量进行对比,得到对比结果;
基于所述对比结果,将包含的逆变器预分组数量最多的分组类型对应的逆变器预分组作为选择的历史日期分组对应的逆变器分组。
5.如权利要求1所述的故障损失电量确定方法,其特征在于,所述基于所述当前故障信息和所述逆变器分组集合确定所述电站的故障损失电量的步骤包括:
判断所述当前故障信息是否为逆变器故障;
若是,则确定所述当前故障信息对应的逆变器集合,并基于所述逆变器集合和所述逆变器分组集合确定所述电站的故障损失电量;
若否,则确定所述当前故障信息对应的故障设备集合,并将所述故障设备集合映射到逆变器集合,基于所述逆变器集合和所述逆变器分组集合确定所述电站的故障损失电量。
6.如权利要求5所述的故障损失电量确定方法,其特征在于,所述将所述故障设备集合映射到逆变器集合的步骤包括:
获取所述电站的预设设备层级关系,并确定所述故障设备集合中每个故障设备的设备层级;
基于每个故障设备的设备层级和所述预设设备层级关系确定每个故障设备对应的逆变器;
基于所述层级关系将每个故障设备映射到对应的逆变器,得到逆变器集合。
7.如权利要求5所述的故障损失电量确定方法,其特征在于,所述基于所述逆变器集合和所述逆变器分组集合确定所述电站的故障损失电量的步骤包括:
确定当前日期,并依次在所述逆变器集合选择一个逆变器;
根据所述当前日期和选择的逆变器在所述逆变器分组集合中确定目标逆变器分组;
计算所述目标逆变器分组对应的标杆等效利用小时数,并获取选择的逆变器的装机容量和实际等效利用小时数;
根据所述标杆等效利用小时数、所述装机容量和所述实际等效利用小时数,确定选择的逆变器的故障损失电量;
直至确定所述逆变器集合中的每个逆变器的故障损失电量,根据每个逆变器的故障损失电量确定所述电站的故障损失电量。
8.如权利要求7所述的故障损失电量确定方法,其特征在于,所述计算所述目标逆变器分组对应的标杆等效利用小时数的步骤包括:
获取所述目标逆变器分组中除选择的逆变器之外的每个逆变器的等效利用小时数,并计算出除选择的逆变器之外的每个逆变器的等效利用小时数对应的中位数或平均数,将所述中位数或所述平均数作为所述目标逆变器分组对应的标杆等效利用小时数。
9.如权利要求7所述的故障损失电量确定方法,其特征在于,所述根据每个逆变器的故障损失电量确定所述电站的故障损失电量的步骤包括:
每个逆变器的故障损失电量相加,得到所述电站的故障损失电量。
10.一种故障损失电量确定装置,其特征在于,所述故障损失电量确定装置包括:
获取模块,用于获取电站中历史每日的每个逆变器的等效利用小时数和历史每日天气数据;
聚类模块,用于根据所述历史每日天气数据和所述等效利用小时数对所述逆变器进行聚类,确定逆变器分组集合;
确定模块,用于获取所述电站的当前故障信息,并基于所述当前故障信息和所述逆变器分组集合确定所述电站的故障损失电量。
11.一种故障损失电量确定系统,其特征在于,所述故障损失电量确定系统包括:存储器、处理器及储存在所述存储器上并可在所述处理器上运行的故障损失电量确定程序,所述故障损失电量确定程序被所述处理器执行时实现如权利要求1至9中任一项所述的故障损失电量确定方法的步骤。
12.一种存储介质,其特征在于,所述存储介质上储存有故障损失电量确定程序,所述故障损失电量确定程序被处理器执行时实现如权利要求1至9中任一项所述的故障损失电量确定方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310580592.8A CN116738254A (zh) | 2023-05-18 | 2023-05-18 | 故障损失电量确定方法、装置、系统与存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310580592.8A CN116738254A (zh) | 2023-05-18 | 2023-05-18 | 故障损失电量确定方法、装置、系统与存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116738254A true CN116738254A (zh) | 2023-09-12 |
Family
ID=87910779
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310580592.8A Pending CN116738254A (zh) | 2023-05-18 | 2023-05-18 | 故障损失电量确定方法、装置、系统与存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116738254A (zh) |
-
2023
- 2023-05-18 CN CN202310580592.8A patent/CN116738254A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Halabi et al. | Performance analysis of hybrid PV/diesel/battery system using HOMER: A case study Sabah, Malaysia | |
Bowen et al. | Grid-scale battery storage: frequently asked questions | |
CN110930034B (zh) | 一种电力现货市场结算计量数据校验方法、装置及介质 | |
CN110244163B (zh) | 一种台区停复电事件层级智能研判方法及装置 | |
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 | |
Emmanuel et al. | Estimation of solar photovoltaic energy curtailment due to volt–watt control | |
CN111398859B (zh) | 一种用户低电压成因大数据分析方法及系统 | |
Liu et al. | The investigation of solar PV models | |
CN110535131B (zh) | 基于场景分析和安全约束经济调度的分层消纳预警方法 | |
Pippi et al. | Impact assessment framework of PV‐BES systems to active distribution networks | |
Ahola | National survey report of PV power applications in Finland | |
CN116738254A (zh) | 故障损失电量确定方法、装置、系统与存储介质 | |
Bahloul et al. | Energy storage sizing analysis and its viability for PV power plant clipping losses minimisation | |
CN111915451B (zh) | 台区日功率曲线计算方法 | |
CN114139744A (zh) | 异常光伏组串支路识别方法、装置、电子设备及存储介质 | |
CN109270360B (zh) | 一种高精度计算在线线损的方法 | |
Xoubi | Viability of a utility-scale grid-connected photovoltaic power plant in the Middle East | |
Roberson et al. | Performance assessment of the PNM prosperity electricity storage project | |
Theristis et al. | PV Performance Modeling-Data and Resources | |
Gantz | Optimal implementation of energy storage systems in power distribution networks. | |
Li et al. | Risk Analysis of Voltage Violation With PHEV Inter-Area Mobile Charging Strategy Under Gas Station Networks Attacked | |
Chien et al. | User interface model for microgrid systems monitoring: From user needs to design requirements | |
CN117294247A (zh) | 低效电站诊断方法、装置、计算机设备及存储介质 | |
CN117353354A (zh) | 一种光储充一体化充电站建设评估方法和系统 | |
CN117117844A (zh) | 电网碳排因子计算方法、系统、计算机设备及存储介质 |
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 |