CN116861355A - 一种基于工业数据分析的太阳能发电效率监测管理方法 - Google Patents
一种基于工业数据分析的太阳能发电效率监测管理方法 Download PDFInfo
- Publication number
- CN116861355A CN116861355A CN202310911074.XA CN202310911074A CN116861355A CN 116861355 A CN116861355 A CN 116861355A CN 202310911074 A CN202310911074 A CN 202310911074A CN 116861355 A CN116861355 A CN 116861355A
- Authority
- CN
- China
- Prior art keywords
- power generation
- photovoltaic power
- abnormal
- monitoring
- plate
- 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
- 238000010248 power generation Methods 0.000 title claims abstract description 437
- 238000012544 monitoring process Methods 0.000 title claims abstract description 153
- 238000007726 management method Methods 0.000 title claims abstract description 23
- 238000007405 data analysis Methods 0.000 title claims abstract description 18
- 230000002159 abnormal effect Effects 0.000 claims abstract description 198
- 230000005856 abnormality Effects 0.000 claims abstract description 74
- 238000004458 analytical method Methods 0.000 claims abstract description 40
- 238000012790 confirmation Methods 0.000 claims abstract description 12
- 230000007547 defect Effects 0.000 claims description 55
- 230000003749 cleanliness Effects 0.000 claims description 46
- 238000011156 evaluation Methods 0.000 claims description 30
- 239000000428 dust Substances 0.000 claims description 28
- 230000007797 corrosion Effects 0.000 claims description 23
- 238000005260 corrosion Methods 0.000 claims description 23
- 238000000034 method Methods 0.000 claims description 23
- 238000004364 calculation method Methods 0.000 claims description 14
- 238000012937 correction Methods 0.000 claims description 8
- 238000013210 evaluation model Methods 0.000 claims description 6
- 238000005286 illumination Methods 0.000 claims description 6
- 238000009434 installation Methods 0.000 claims description 6
- 230000007613 environmental effect Effects 0.000 claims description 5
- 230000007423 decrease Effects 0.000 claims description 4
- 241000208340 Araliaceae Species 0.000 claims description 3
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 claims description 3
- 235000003140 Panax quinquefolius Nutrition 0.000 claims description 3
- 238000004146 energy storage Methods 0.000 claims description 3
- 235000008434 ginseng Nutrition 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 238000012423 maintenance Methods 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 238000000556 factor analysis Methods 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
- 239000002689 soil Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/2433—Single-class perspective, e.g. one-against-all classification; Novelty detection; Outlier detection
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Analysis (AREA)
- Software Systems (AREA)
- Computational Mathematics (AREA)
- Algebra (AREA)
- Mathematical Optimization (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Photovoltaic Devices (AREA)
Abstract
本发明涉及太阳能发电效率监测技术领域,具体公开一种基于工业数据分析的太阳能发电效率监测管理方法,该方法包括发电量监测、发电异常分析、异常光伏发电板信息采集、环境信息采集、发电效率影响分析、发电异常原因分析和发电异常原因反馈;本发明通过计算各异常光伏发电板对应结构层面和环境层面的发电效率影响因子,从而进行发电异常原因分析,实现了对发电异常原因的数据化分析,有效解决了当前过于侧重光伏板本体的表观影响分析中存在的局限性问题,降低了异常光伏发电板确认结果中存在的误差性,从而提高了异常光伏发电板确认的准确性,提高了发电异常原因分析的精准性和适配性。
Description
技术领域
本发明涉及太阳能发电效率监测技术领域,具体而言,涉及一种基于工业数据分析的太阳能发电效率监测管理方法。
背景技术
太阳能作为一种清洁、可再生的能源形式,可以降低工厂的碳排放和环境污染,实现环境友好型生产。此外,太阳能发电系统能够降低工厂的能源成本,提供稳定的电力供应,减少对传统能源的依赖,因此,需要对工厂内布设的光伏发电板的发电效率进行监测管理。
现有的光伏发电板的发电效率主要通过光伏板表观结构影响、气象影响以及运营影响这几个维度进行光伏发电效率监测和管理,而光伏板表观结构影响主要包括表观洁净层面以及表观缺陷层面,而当前过于侧重光伏板本体的表观影响,很显然,这种监测管理方式还存在以下几个方面的问题:1、对于表观洁净层面而言,光伏板的发电流程中涉及了多个设备,当前对其他设备的洁净信息未进行监测,使得光伏发电板的洁净度分析较为肤浅,不够深入。
2、对于表观缺陷层面而言,光伏板支撑杆的状态直接影响了光伏板的发电稳定性,进而干扰了其发电效率,当前仅根据光伏发电板本体缺陷层面,使得缺陷层面的分析覆盖面不够全面。
3、对于光伏板发电效率监测而言,当前监测维度较为单一,导致光伏板发电效率的管理依据较为局限,从而降低了光伏发电板异常原因分析的合理性和可靠性。
发明内容
鉴于此,为解决上述背景技术中所提出的问题,现提出一种基于工业数据分析的太阳能发电效率监测管理方法。
本发明的目的可以通过以下技术方案实现:本发明提供一种基于工业数据分析的太阳能发电效率监测管理方法,包括以下步骤:S1、发电量监测:提取目标工厂内布设的各光伏发电板的额定单日发电量,并将光照强度大于或者等于额定光照强度的发电日记为各监测日,进而提取各光伏发电板在各监测日的实际发电量。
S2、发电异常分析:计算各光伏发电板的发电异常指数,从而确认各异常光伏发电板。
S3、异常光伏发电板信息采集:提取各异常光伏发电板的编号,并采集各异常光伏发电板在各监测日的表面裂痕处数目和各裂痕处的裂痕长度,采集各监测日的表面污垢处数目和各污垢处的污垢面积,采集各监测日的电缆接线盒表面灰尘覆盖区域数目和各灰尘覆盖区域的灰尘面积以及各支撑杆的高度、振动频率和各腐蚀处的腐蚀面积。
S4、环境信息采集:采集各异常光伏发电板在各监测日内各监测时间段的遮挡面积。
S5、发电效率影响分析:分析各异常光伏发电板对应结构层面和环境层面的发电效率影响因子。
S6、发电异常原因分析:根据各异常光伏发电板对应结构层面和环境层面的发电效率影响因子,从而确认各异常光伏发电板的发电异常原因。
S7、发电异常原因反馈:将各异常光伏发电板的发电异常原因和编号发送至目标工厂发电管理后台。
具体地,所述计算各光伏发电板的发电异常指数,具体计算过程为:A1、将各光伏发电板在各监测日的实际发电量与额定单日发电量进行作差,得到各光伏发电板在各监测日的偏差发电量。
A2、将各监测日按照时间先后排序,得到各监测次序。
A3、以监测次序为横坐标,以偏差发电量为纵坐标,构建各光伏发电板的偏差发电量变化曲线。
A4、以许可的偏差发电量为基点在所述偏差发电量变化曲线中作一条水平线,并记为参照基准线。
A5、从各光伏发电板的偏差发电量变化曲线中定位出位于参照基准线上方的监测次数,并将其作为各光伏发电板的偏差次数,记为Mi,其中i表示光伏发电板编号,i=1,2,...,n。
A6、从各光伏发电板在各监测日的偏差发电量中提取最大偏差发电量,并提取最大偏差发电量对应的监测日。
A7、将各光伏发电板的最大偏差发电量与许可的偏差发电量进行作差,得到各光伏发电板的超出偏差发电量,记为
A8、从各光伏发电板的偏差发电量变化曲线中定位出各光伏发电板的最大偏差发电量对应的监测日与起始监测日之间的间隔天数,记为Ti。
A9、计算各光伏发电板的发电异常指数βi,
其中,M′、Q′超和σ′分别表示设定参照的偏差次数、超出偏差发电量和发电偏差增长率,a1、a2和a3分别表示设定的偏差次数、超出偏差发电量和发电偏差增长率对应发电异常评估占比权重,γ1表示设定的发电异常评估修正因子,e表示自然常数。
具体地,所述确认各异常光伏发电板的确认方式为:若某光伏发电板的发电异常指数小于或者等于参照的发电异常指数,则将该光伏发电板作为异常光伏发电板。
具体地,所述各异常光伏发电板对应结构层面的发电效率影响因子,具体分析过程为:B1、根据各异常光伏发电板在各监测日的各支撑杆的高度、振动频率和各腐蚀处的腐蚀面积,计算各异常光伏发电板的支撑杆缺陷度其中,j表示异常光伏发电板编号,j=1,2,...,m。
B2、根据各异常光伏发电板在各监测日的表面裂痕处数目和各裂痕处的裂痕长度,计算各异常光伏发电板的本体缺陷度φj。
B3、计算各异常光伏发电板的缺陷度δj,
其中,φ′和分别表示设定参照的光伏发电板的本体缺陷度和支撑杆缺陷度,a4和a5分别表示设定的光伏发电板的本体缺陷度和支撑杆缺陷度对应缺陷评估占比权重。
B4、根据各异常光伏发电板在各监测日的表面污垢处数目和各污垢处的污垢面积,计算各异常光伏发电板的本体洁净度χj。
B5、根据各异常光伏发电板在各监测日的电缆接线盒表面灰尘覆盖区域数目和各灰尘覆盖区域的灰尘面积,计算各异常光伏发电板的电缆接线盒洁净度ζj。
B6、计算各异常光伏发电板的洁净度Nj,
其中,χ′和ζ′分别表示设定参照的光伏发电板的本体洁净度和电缆接线盒洁净度,a6和a7分别表示设定的光伏发电板的本体洁净度和电缆接线盒洁净度对应洁净评估占比权重。
B7、计算各异常光伏发电板对应结构层面的发电效率影响因子
具体地,所述计算各异常光伏发电板的支撑杆缺陷度,具体计算过程为:C1、根据各异常光伏发电板的编号,从云数据库中定位出各异常光伏发电板的各支撑杆的初始安装高度,记为其中,k表示支撑杆编号,k=1,2,...,p。
C2、将各异常光伏发电板的各支撑杆的初始安装高度与各监测日的各支撑杆的高度进行作差,得到各异常光伏发电板在各监测日的各支撑杆的的下降高度其中,f表示监测日编号,f=1,2,...,z。
C3、若某异常光伏发电板在某监测日的某支撑杆的下降高度大于或者等于设定参照的下降高度,则将该支撑杆记为异常支撑杆,由此统计各异常光伏发电板在各监测日的异常支撑杆数目,记为
C4、从各异常光伏发电板在各监测日的各支撑杆的下降高度中提取最大下降高度,记为
C5、计算各异常光伏发电板在各监测日的支撑杆的下降异常指数
其中,ε′和分别表示设定参照的异常支撑杆数目和最大下降高度,b1和b2分别表示设定的异常支撑杆数目和最大下降高度对应下降异常评估占比权重,γ2表示设定的下降异常评估修正因子。
C6、从各异常光伏发电板在各监测日的支撑杆的下降异常指数中提取最大的下降异常指数作为各异常光伏发电板的支撑杆的下降异常指数,记为
C7、根据各异常光伏发电板在各监测日的各支撑杆的振动频率和各腐蚀处的腐蚀面积,计算各异常光伏发电板的支撑杆的稳定度ωj。
C8、计算各异常光伏发电板的支撑杆缺陷度 其中,/>和ω′分别表示设定参照的下降异常指数和稳定度,b3和b4分别表示设定的下降异常指数和稳定度对应支撑杆缺陷评估占比权重。
具体地,所述各异常光伏发电板对应结构层面的发电效率影响因子的计算公式为:其中,δ′和N′分别表示设定参照的缺陷度和洁净度,b5和b6分别表示设定的缺陷度和洁净度对应结构层面的发电效率评估占比权重。
具体地,所述分析各异常光伏发电板对应环境层面的发电效率影响因子,具体分析过程为:D1、从各异常光伏发电板在各监测日内各监测时间段的遮挡面积中提取最大遮挡面积,得到各异常光伏发电板在各监测日内的最大遮挡面积,记为
D2、从云数据库中提取单位遮挡面积对应的损耗发电量,记为Q损。
D3、计算各异常光伏发电板在各监测日的损耗发电量
D4、从各异常光伏发电板在各监测日的损耗发电量中提取最大损耗发电量,记为
D5、将各异常光伏发电板在各监测日的损耗发电量进行均值计算,得到各异常光伏发电板的平均损耗发电量
D6、计算各异常光伏发电板对应环境层面的发电效率影响因子 其中,Q″和Q参分别表示设定参照的最大损耗发电量和损耗发电量,c1和c2分别表示设定的最大损耗发电量和损耗发电量对应环境层面的发电效率影响评估占比权重。
具体地,所述各异常光伏发电板的发电异常原因的确认过程为:E1、从云数据库中提取结构层面和环境层面对应的发电效率影响因子占比,并分别记为c结和c环。
E2、计算各异常光伏发电板的结构层面的实际影响因子差 其中,θ″表示设定参照的发电效率影响因子。
E3、按照各异常光伏发电板的结构层面的实际影响因子差的计算方式同理计算各异常光伏发电板的环境层面的实际影响因子差
E4、构建发电异常原因评估模型,输出各异常光伏发电板的发电异常原因,其中发电异常原因评估模型表示为:其中,P1、P2和P3表示各发电异常原因评估条件。
E5、P1表示且/>P2表示/>P3表示其中,Δθ许表示许可影响因子差。
相较于现有技术,本发明的实施例至少具有如下优点或有益效果:(1)本发明通过计算各异常光伏发电板对应结构层面和环境层面的发电效率影响因子,从而进行发电异常原因分析,实现了对发电异常原因的数据化分析,有效解决了当前过于侧重光伏板本体的表观影响分析中存在的局限性问题,降低了异常光伏发电板确认结果中存在的误差性,从而提高了异常光伏发电板确认的准确性,提高了发电异常原因分析的精准性和适配性。
(2)本发明通过计算各异常光伏发电板的缺陷度和洁净度进行结构层面的发电效率影响因子分析,实现了结构层面的发电效率影响因子的多维度分析,提高了结构层面的发电效率影响因子的覆盖面,同时为后续发电异常原因分析提供了可靠的数据支撑基础。
(3)本发明通过计算各异常光伏发电板的支撑杆的下降异常指数和稳定度进行支撑杆缺陷度分析,实现了支撑杆缺陷度的深度分析,提高了光伏发电板异常原因分析的合理性和可靠性。
(4)本发明通过将各异常光伏发电板的发电异常原因和编号发送至目标工厂发电管理后台,提高了目标工厂发电管理后台人员对异常光伏发电板的异常原因觉察的及时性和实时性,同时提高了光伏发电设备维护的及时性。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明方法步骤流程示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参阅图1所示,本发明提供了一种基于工业数据分析的太阳能发电效率监测管理方法,包括:S1、发电量监测:提取目标工厂内布设的各光伏发电板的额定单日发电量,并将光照强度大于或者等于额定光照强度的发电日记为各监测日,进而提取各光伏发电板在各监测日的实际发电量。
需要说明的是,所述各光伏发电板的额定单日发电量和在各监测日的实际发电量以及后续所提及的各异常光伏发电板的编号均从目标工厂发电管理后台提取。
S2、发电异常分析:计算各光伏发电板的发电异常指数,从而确认各异常光伏发电板。
在本发明具体实施例中,所述计算各光伏发电板的发电异常指数,具体计算过程为:A1、将各光伏发电板在各监测日的实际发电量与额定单日发电量进行作差,得到各光伏发电板在各监测日的偏差发电量。
A2、将各监测日按照时间先后排序,得到各监测次序。
A3、以监测次序为横坐标,以偏差发电量为纵坐标,构建各光伏发电板的偏差发电量变化曲线。
A4、以许可的偏差发电量为基点在所述偏差发电量变化曲线中作一条水平线,并记为参照基准线。
A5、从各光伏发电板的偏差发电量变化曲线中定位出位于参照基准线上方的监测次数,并将其作为各光伏发电板的偏差次数,记为Mi,其中i表示光伏发电板编号,i=1,2,...,n。
A6、从各光伏发电板在各监测日的偏差发电量中提取最大偏差发电量,并提取最大偏差发电量对应的监测日。
A7、将各光伏发电板的最大偏差发电量与许可的偏差发电量进行作差,得到各光伏发电板的超出偏差发电量,记为
A8、从各光伏发电板的偏差发电量变化曲线中定位出各光伏发电板的最大偏差发电量对应的监测日与起始监测日之间的间隔天数,记为Ti。
A9、计算各光伏发电板的发电异常指数βi,
其中,M′、Q′超和σ′分别表示设定参照的偏差次数、超出偏差发电量和发电偏差增长率,a1、a2和a3分别表示设定的偏差次数、超出偏差发电量和发电偏差增长率对应发电异常评估占比权重,γ1表示设定的发电异常评估修正因子,e表示自然常数。
在本发明具体实施例中,所述确认各异常光伏发电板的确认方式为:若某光伏发电板的发电异常指数小于或者等于参照的发电异常指数,则将该光伏发电板作为异常光伏发电板。
S3、异常光伏发电板信息采集:提取各异常光伏发电板的编号,并采集各异常光伏发电板在各监测日的表面裂痕处数目和各裂痕处的裂痕长度,采集各监测日的表面污垢处数目和各污垢处的污垢面积,采集各监测日的电缆接线盒表面灰尘覆盖区域数目和各灰尘覆盖区域的灰尘面积以及各支撑杆的高度、振动频率和各腐蚀处的腐蚀面积。
需要说明的是,所述各异常光伏发电板在各监测日的表面裂痕处数目和各裂痕处的裂痕长度,表面污垢处数目和各污垢处的污垢面积,电缆接线盒表面灰尘覆盖区域数目和各灰尘覆盖区域的灰尘面积,各支撑杆的高度和各腐蚀处的腐蚀面积以及后续提及到的环境信息均从安置在各异常光伏发电板四周的摄像头监测得到,各支撑杆的振动频率通过安置在各支撑杆上的振动传感器监测得到。
S4、环境信息采集:采集各异常光伏发电板在各监测日内各监测时间段的遮挡面积。
S5、发电效率影响分析:分析各异常光伏发电板对应结构层面和环境层面的发电效率影响因子。
在本发明具体实施例中,所述各异常光伏发电板对应结构层面的发电效率影响因子,具体分析过程为:B1、根据各异常光伏发电板在各监测日的各支撑杆的高度、振动频率和各腐蚀处的腐蚀面积,计算各异常光伏发电板的支撑杆缺陷度其中,j表示异常光伏发电板编号,j=1,2,...,m。
在本发明具体实施例中,所述计算各异常光伏发电板的支撑杆缺陷度,具体计算过程为:C1、根据各异常光伏发电板的编号,从云数据库中定位出各异常光伏发电板的各支撑杆的初始安装高度,记为其中,k表示支撑杆编号,k=1,2,...,p。
C2、将各异常光伏发电板的各支撑杆的初始安装高度与各监测日的各支撑杆的高度进行作差,得到各异常光伏发电板在各监测日的各支撑杆的的下降高度其中,f表示监测日编号,f=1,2,...,z。
C3、若某异常光伏发电板在某监测日的某支撑杆的下降高度大于或者等于设定参照的下降高度,则将该支撑杆记为异常支撑杆,由此统计各异常光伏发电板在各监测日的异常支撑杆数目,记为
C4、从各异常光伏发电板在各监测日的各支撑杆的下降高度中提取最大下降高度,记为
C5、计算各异常光伏发电板在各监测日的支撑杆的下降异常指数
其中,ε′和分别表示设定参照的异常支撑杆数目和最大下降高度,b1和b2分别表示设定的异常支撑杆数目和最大下降高度对应下降异常评估占比权重,γ2表示设定的下降异常评估修正因子。
C6、从各异常光伏发电板在各监测日的支撑杆的下降异常指数中提取最大的下降异常指数作为各异常光伏发电板的支撑杆的下降异常指数,记为
C7、根据各异常光伏发电板在各监测日的各支撑杆的振动频率和各腐蚀处的腐蚀面积,计算各异常光伏发电板的支撑杆的稳定度ωj。
需要说明的是,F1、将各异常光伏发电板在各监测日的各支撑杆的各腐蚀处的腐蚀面积进行累加得到各异常光伏发电板在各监测日的各支撑杆的腐蚀面积,记为
F2、将各异常光伏发电板在各监测日的各支撑杆的振动频率记为
F3、计算各异常光伏发电板在各监测日的支撑杆的稳定度
其中,S″和ξ′分别表示设定参照的腐蚀面积和振动频率,d1和d2分别表示设定的腐蚀面积和振动频率对应支撑杆的稳定度占比权重,λ1表示设定的稳定度修正因子。
F4、从各异常光伏发电板在各监测日的支撑杆的稳定度中提取最大支撑杆的稳定度作为各异常光伏发电板的支撑杆的稳定度。
C8、计算各异常光伏发电板的支撑杆缺陷度 其中,/>和ω′分别表示设定参照的下降异常指数和稳定度,b3和b4分别表示设定的下降异常指数和稳定度对应支撑杆缺陷评估占比权重。
本发明实施例通过计算各异常光伏发电板的支撑杆的下降异常指数和稳定度进行支撑杆缺陷度分析,实现了支撑杆缺陷度的深度分析,提高了光伏发电板异常原因分析的合理性和可靠性。
B2、根据各异常光伏发电板在各监测日的表面裂痕处数目和各裂痕处的裂痕长度,计算各异常光伏发电板的本体缺陷度φj。
需要说明的是,G1、将各异常光伏发电板在各监测日的表面裂痕处数目和各裂痕处的裂痕长度分别和/>其中,g表示裂痕处编号,g=1,2,...,r。
G2、计算各异常光伏发电板在各监测日的本体缺陷度
其中,τ′和l′分别表示设定参照的裂痕处数目和裂痕长度,d3和d4分别表示设定的裂痕处数目和裂痕长度对应本体缺陷度占比权重,λ2表示设定的本体缺陷度修正因子。
G3、从各异常光伏发电板在各监测日的本体缺陷度中提取最大的本体缺陷度作为各异常光伏发电板的本体缺陷度。
B3、计算各异常光伏发电板的缺陷度δj,
其中,φ′和分别表示设定参照的光伏发电板的本体缺陷度和支撑杆缺陷度,a4和a5分别表示设定的光伏发电板的本体缺陷度和支撑杆缺陷度对应缺陷评估占比权重。
B4、根据各异常光伏发电板在各监测日的表面污垢处数目和各污垢处的污垢面积,计算各异常光伏发电板的本体洁净度χj。
需要说明的是,H1、将各异常光伏发电板在各监测日的表面污垢处数目和各污垢处的污垢面积分别和/>其中,w表示污垢处编号,w=1,2,...,x。
H2、计算各异常光伏发电板在各监测日的本体洁净度
其中,υ′和S污分别表示设定参照的表面污垢处数目和污垢面积,d5和d6分别表示设定的表面污垢处数目和污垢面积对应本体洁净度占比权重,λ3表示设定的本体洁净度修正因子。
H3、从各异常光伏发电板在各监测日的本体洁净度中提取最大的本体洁净度作为各异常光伏发电板的本体洁净度。
B5、根据各异常光伏发电板在各监测日的电缆接线盒表面灰尘覆盖区域数目和各灰尘覆盖区域的灰尘面积,计算各异常光伏发电板的电缆接线盒洁净度ζj。
需要说明的是,所述计算各异常光伏发电板的电缆接线盒洁净度,具体计算过程为:J1、将各异常光伏发电板在各监测日的电缆接线盒表面灰尘覆盖区域数目和各灰尘覆盖区域的灰尘面积分别记为和/>其中,q表示灰尘覆盖区域编号,q=1,2,...,t。
J2、计算各异常光伏发电板在各监测日的电缆接线盒洁净度
其中,η′和S′分别表示设定参照的表面灰尘覆盖区域数目和灰尘面积,d7和d8分别表示设定的表面灰尘覆盖区域数目和灰尘面积对应洁净度占比权重,λ4表示设定的洁净度修正因子。
J3、从各异常光伏发电板在各监测日的电缆接线盒洁净度中提取最大的洁净度作为各异常光伏发电板的洁净度。
B6、计算各异常光伏发电板的洁净度Nj,
其中,χ′和ζ′分别表示设定参照的光伏发电板的本体洁净度和电缆接线盒洁净度,a6和a7分别表示设定的光伏发电板的本体洁净度和电缆接线盒洁净度对应洁净评估占比权重。
B7、计算各异常光伏发电板对应结构层面的发电效率影响因子
在本发明具体实施例中,所述各异常光伏发电板对应结构层面的发电效率影响因子的计算公式为:其中,δ′和N′分别表示设定参照的缺陷度和洁净度,b5和b6分别表示设定的缺陷度和洁净度对应结构层面的发电效率评估占比权重。
本发明实施例通过计算各异常光伏发电板的缺陷度和洁净度进行结构层面的发电效率影响因子分析,实现了结构层面的发电效率影响因子的多维度分析,提高了结构层面的发电效率影响因子的覆盖面,同时为后续发电异常原因分析提供了可靠的数据支撑基础。
在本发明具体实施例中,所述分析各异常光伏发电板对应环境层面的发电效率影响因子,具体分析过程为:D1、从各异常光伏发电板在各监测日内各监测时间段的遮挡面积中提取最大遮挡面积,得到各异常光伏发电板在各监测日内的最大遮挡面积,记为
D2、从云数据库中提取单位遮挡面积对应的损耗发电量,记为Q损。
D3、计算各异常光伏发电板在各监测日的损耗发电量
D4、从各异常光伏发电板在各监测日的损耗发电量中提取最大损耗发电量,记为
D5、将各异常光伏发电板在各监测日的损耗发电量进行均值计算,得到各异常光伏发电板的平均损耗发电量
D6、计算各异常光伏发电板对应环境层面的发电效率影响因子 其中,Q″和Q参分别表示设定参照的最大损耗发电量和损耗发电量,c1和c2分别表示设定的最大损耗发电量和损耗发电量对应环境层面的发电效率影响评估占比权重。
S6、发电异常原因分析:根据各异常光伏发电板对应结构层面和环境层面的发电效率影响因子,从而确认各异常光伏发电板的发电异常原因。
在本发明具体实施例中,所述各异常光伏发电板的发电异常原因的确认过程为:E1、从云数据库中提取结构层面和环境层面对应的发电效率影响因子占比,并分别记为c结和c环。
E2、计算各异常光伏发电板的结构层面的实际影响因子差 其中,θ″表示设定参照的发电效率影响因子。
E3、按照各异常光伏发电板的结构层面的实际影响因子差的计算方式同理计算各异常光伏发电板的环境层面的实际影响因子差
E4、构建发电异常原因评估模型,输出各异常光伏发电板的发电异常原因,其中发电异常原因评估模型表示为:其中,P1、P2和P3表示各发电异常原因评估条件。
E5、P1表示且/>P2表示/>P3表示其中,Δθ许表示许可影响因子差。
本发明实施例通过计算各异常光伏发电板对应结构层面和环境层面的发电效率影响因子,从而进行发电异常原因分析,实现了对发电异常原因的数据化分析,有效解决了当前过于侧重光伏板本体的表观影响分析中存在的局限性问题,降低了异常光伏发电板确认结果中存在的误差性,从而提高了异常光伏发电板确认的准确性,提高了发电异常原因分析的精准性和适配性。
S7、发电异常原因反馈:将各异常光伏发电板的发电异常原因和编号发送至目标工厂发电管理后台。
本发明实施例通过将各异常光伏发电板的发电异常原因和编号发送至目标工厂发电管理后台,提高了目标工厂发电管理后台人员对异常光伏发电板的异常原因觉察的及时性和实时性,同时提高了光伏发电设备维护的及时性。
以上内容仅仅是对本发明的构思所作的举例和说明,所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,只要不偏离发明的构思或者超越本发明所定义的范围,均应属于本发明的保护范围。
Claims (8)
1.一种基于工业数据分析的太阳能发电效率监测管理方法,其特征在于,包括:
S1、发电量监测:提取目标工厂内布设的各光伏发电板的额定单日发电量,并将光照强度大于或者等于额定光照强度的发电日记为各监测日,进而提取各光伏发电板在各监测日的实际发电量;
S2、发电异常分析:计算各光伏发电板的发电异常指数,从而确认各异常光伏发电板;
S3、异常光伏发电板信息采集:提取各异常光伏发电板的编号,并采集各异常光伏发电板在各监测日的表面裂痕处数目和各裂痕处的裂痕长度,采集各监测日的表面污垢处数目和各污垢处的污垢面积,采集各监测日的电缆接线盒表面灰尘覆盖区域数目和各灰尘覆盖区域的灰尘面积以及各支撑杆的高度、振动频率和各腐蚀处的腐蚀面积;
S4、环境信息采集:采集各异常光伏发电板在各监测日内各监测时间段的遮挡面积;
S5、发电效率影响分析:分析各异常光伏发电板对应结构层面和环境层面的发电效率影响因子;
S6、发电异常原因分析:根据各异常光伏发电板对应结构层面和环境层面的发电效率影响因子,从而确认各异常光伏发电板的发电异常原因;
S7、发电异常原因反馈:将各异常光伏发电板的发电异常原因和编号发送至目标工厂发电管理后台。
2.根据权利要求1所述的一种基于工业数据分析的太阳能发电效率监测管理方法,其特征在于:所述计算各光伏发电板的发电异常指数,具体计算过程为:
A1、将各光伏发电板在各监测日的实际发电量与额定单日发电量进行作差,得到各光伏发电板在各监测日的偏差发电量;
A2、将各监测日按照时间先后排序,得到各监测次序;
A3、以监测次序为横坐标,以偏差发电量为纵坐标,构建各光伏发电板的偏差发电量变化曲线;
A4、以许可的偏差发电量为基点在所述偏差发电量变化曲线中作一条水平线,并记为参照基准线;
A5、从各光伏发电板的偏差发电量变化曲线中定位出位于参照基准线上方的监测次数,并将其作为各光伏发电板的偏差次数,记为Mi,其中i表示光伏发电板编号,i=1,2,...,n;
A6、从各光伏发电板在各监测日的偏差发电量中提取最大偏差发电量,并提取最大偏差发电量对应的监测日;
A7、将各光伏发电板的最大偏差发电量与许可的偏差发电量进行作差,得到各光伏发电板的超出偏差发电量,记为
A8、从各光伏发电板的偏差发电量变化曲线中定位出各光伏发电板的最大偏差发电量对应的监测日与起始监测日之间的间隔天数,记为Ti;
A9、计算各光伏发电板的发电异常指数βi,
其中,M′、Q′超和σ′分别表示设定参照的偏差次数、超出偏差发电量和发电偏差增长率,a1、a2和a3分别表示设定的偏差次数、超出偏差发电量和发电偏差增长率对应发电异常评估占比权重,γ1表示设定的发电异常评估修正因子,e表示自然常数。
3.根据权利要求1所述的一种基于工业数据分析的太阳能发电效率监测管理方法,其特征在于:所述确认各异常光伏发电板的确认方式为:若某光伏发电板的发电异常指数小于或者等于参照的发电异常指数,则将该光伏发电板作为异常光伏发电板。
4.根据权利要求2所述的一种基于工业数据分析的太阳能发电效率监测管理方法,其特征在于:所述各异常光伏发电板对应结构层面的发电效率影响因子,具体分析过程为:
B1、根据各异常光伏发电板在各监测日的各支撑杆的高度、振动频率和各腐蚀处的腐蚀面积,计算各异常光伏发电板的支撑杆缺陷度其中,j表示异常光伏发电板编号,j=1,2,...,m;
B2、根据各异常光伏发电板在各监测日的表面裂痕处数目和各裂痕处的裂痕长度,计算各异常光伏发电板的本体缺陷度φj;
B3、计算各异常光伏发电板的缺陷度δj,
其中,φ′和分别表示设定参照的光伏发电板的本体缺陷度和支撑杆缺陷度,a4和a5分别表示设定的光伏发电板的本体缺陷度和支撑杆缺陷度对应缺陷评估占比权重;
B4、根据各异常光伏发电板在各监测日的表面污垢处数目和各污垢处的污垢面积,计算各异常光伏发电板的本体洁净度χj;
B5、根据各异常光伏发电板在各监测日的电缆接线盒表面灰尘覆盖区域数目和各灰尘覆盖区域的灰尘面积,计算各异常光伏发电板的电缆接线盒洁净度ζj;
B6、计算各异常光伏发电板的洁净度Nj,
其中,χ′和ζ′分别表示设定参照的光伏发电板的本体洁净度和电缆接线盒洁净度,a6和a7分别表示设定的光伏发电板的本体洁净度和电缆接线盒洁净度对应洁净评估占比权重;
B7、计算各异常光伏发电板对应结构层面的发电效率影响因子
5.根据权利要求4所述的一种基于工业数据分析的太阳能发电效率监测管理方法,其特征在于:所述计算各异常光伏发电板的支撑杆缺陷度,具体计算过程为:
C1、根据各异常光伏发电板的编号,从云数据库中定位出各异常光伏发电板的各支撑杆的初始安装高度,记为其中,k表示支撑杆编号,k=1,2,...,p;
C2、将各异常光伏发电板的各支撑杆的初始安装高度与各监测日的各支撑杆的高度进行作差,得到各异常光伏发电板在各监测日的各支撑杆的的下降高度其中,f表示监测日编号,f=1,2,...,z;
C3、若某异常光伏发电板在某监测日的某支撑杆的下降高度大于或者等于设定参照的下降高度,则将该支撑杆记为异常支撑杆,由此统计各异常光伏发电板在各监测日的异常支撑杆数目,记为
C4、从各异常光伏发电板在各监测日的各支撑杆的下降高度中提取最大下降高度,记为
C5、计算各异常光伏发电板在各监测日的支撑杆的下降异常指数
其中,ε′和分别表示设定参照的异常支撑杆数目和最大下降高度,b1和b2分别表示设定的异常支撑杆数目和最大下降高度对应下降异常评估占比权重,γ2表示设定的下降异常评估修正因子;
C6、从各异常光伏发电板在各监测日的支撑杆的下降异常指数中提取最大的下降异常指数作为各异常光伏发电板的支撑杆的下降异常指数,记为
C7、根据各异常光伏发电板在各监测日的各支撑杆的振动频率和各腐蚀处的腐蚀面积,计算各异常光伏发电板的支撑杆的稳定度ωj;
C8、计算各异常光伏发电板的支撑杆缺陷度 其中,/>和ω′分别表示设定参照的下降异常指数和稳定度,b3和b4分别表示设定的下降异常指数和稳定度对应支撑杆缺陷评估占比权重。
6.根据权利要求4所述的一种基于工业数据分析的太阳能发电效率监测管理方法,其特征在于:所述各异常光伏发电板对应结构层面的发电效率影响因子的计算公式为:其中,δ′和N′分别表示设定参照的缺陷度和洁净度,b5和b6分别表示设定的缺陷度和洁净度对应结构层面的发电效率评估占比权重。
7.根据权利要求2所述的一种基于工业数据分析的太阳能发电效率监测管理方法,其特征在于:所述分析各异常光伏发电板对应环境层面的发电效率影响因子,具体分析过程为:
D1、从各异常光伏发电板在各监测日内各监测时间段的遮挡面积中提取最大遮挡面积,得到各异常光伏发电板在各监测日内的最大遮挡面积,记为
D2、从云数据库中提取单位遮挡面积对应的损耗发电量,记为Q损;
D3、计算各异常光伏发电板在各监测日的损耗发电量
D4、从各异常光伏发电板在各监测日的损耗发电量中提取最大损耗发电量,记为
D5、将各异常光伏发电板在各监测日的损耗发电量进行均值计算,得到各异常光伏发电板的平均损耗发电量
D6、计算各异常光伏发电板对应环境层面的发电效率影响因子 其中,Q″和Q参分别表示设定参照的最大损耗发电量和损耗发电量,c1和c2分别表示设定的最大损耗发电量和损耗发电量对应环境层面的发电效率影响评估占比权重。
8.根据权利要求1所述的一种基于工业数据分析的太阳能发电效率监测管理方法,其特征在于:所述各异常光伏发电板的发电异常原因的确认过程为:
E1、从云数据库中提取结构层面和环境层面对应的发电效率影响因子占比,并分别记为c结和c环;
E2、计算各异常光伏发电板的结构层面的实际影响因子差 其中,θ″表示设定参照的发电效率影响因子;
E3、按照各异常光伏发电板的结构层面的实际影响因子差的计算方式同理计算各异常光伏发电板的环境层面的实际影响因子差
E4、构建发电异常原因评估模型,输出各异常光伏发电板的发电异常原因,其中发电异常原因评估模型表示为:其中,P1、P2和P3表示各发电异常原因评估条件;
E5、P1表示P2表示/>P3表示/>其中,Δθ许表示许可影响因子差。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310911074.XA CN116861355B (zh) | 2023-07-24 | 2023-07-24 | 一种基于工业数据分析的太阳能发电效率监测管理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310911074.XA CN116861355B (zh) | 2023-07-24 | 2023-07-24 | 一种基于工业数据分析的太阳能发电效率监测管理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116861355A true CN116861355A (zh) | 2023-10-10 |
CN116861355B CN116861355B (zh) | 2024-06-21 |
Family
ID=88218973
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310911074.XA Active CN116861355B (zh) | 2023-07-24 | 2023-07-24 | 一种基于工业数据分析的太阳能发电效率监测管理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116861355B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112271671A (zh) * | 2020-11-13 | 2021-01-26 | 广州初色科技有限公司 | 一种人工智能家居生活用接线盒 |
CN115276552A (zh) * | 2022-09-05 | 2022-11-01 | 陈岑 | 一种用于光伏发电的防尘散热式光伏接线盒 |
CN115660276A (zh) * | 2022-10-19 | 2023-01-31 | 武汉联讯光电技术有限公司 | 一种太阳能发电系统运行分析方法 |
CN115983447A (zh) * | 2023-03-03 | 2023-04-18 | 武汉邻盛智能设备有限公司 | 一种基于因果推理的光伏发电故障诊断方法 |
CN116054741A (zh) * | 2023-03-30 | 2023-05-02 | 江苏图南数字科技有限公司 | 一种基于大数据在线监测的光伏组件故障定位分析方法 |
-
2023
- 2023-07-24 CN CN202310911074.XA patent/CN116861355B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112271671A (zh) * | 2020-11-13 | 2021-01-26 | 广州初色科技有限公司 | 一种人工智能家居生活用接线盒 |
CN115276552A (zh) * | 2022-09-05 | 2022-11-01 | 陈岑 | 一种用于光伏发电的防尘散热式光伏接线盒 |
CN115660276A (zh) * | 2022-10-19 | 2023-01-31 | 武汉联讯光电技术有限公司 | 一种太阳能发电系统运行分析方法 |
CN115983447A (zh) * | 2023-03-03 | 2023-04-18 | 武汉邻盛智能设备有限公司 | 一种基于因果推理的光伏发电故障诊断方法 |
CN116054741A (zh) * | 2023-03-30 | 2023-05-02 | 江苏图南数字科技有限公司 | 一种基于大数据在线监测的光伏组件故障定位分析方法 |
Non-Patent Citations (1)
Title |
---|
GIOVANNI CIPRIANI ET AL.: "Convolutional Neural Network for Dust and Hotspot Classification in PV Modules", ENERGIES, pages 1 - 17 * |
Also Published As
Publication number | Publication date |
---|---|
CN116861355B (zh) | 2024-06-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109934402A (zh) | 一种风电场集控中心集中风功率预测系统及其设计方法 | |
CN111614316B (zh) | 光伏系统发电状态监测方法及其装置 | |
CN101667226B (zh) | 风电场及机组出力损失计算方法 | |
CN103235981A (zh) | 一种风电电能质量趋势预测方法 | |
CN109687447B (zh) | 一种电力能耗预测方法及装置 | |
CN116683635A (zh) | 一种电力巡检采集视频图像处理方法 | |
CN115329812A (zh) | 一种基于人工智能的道路基础设施异常监测方法 | |
CN110909958A (zh) | 一种计及光伏并网功率的短期负荷预测方法 | |
Iftikhar et al. | Why can simple operation and maintenance (O&M) practices in large-scale grid-connected PV power plants play a key role in improving its energy output? | |
CN117094475B (zh) | 一种电力配电网故障分析系统 | |
CN109960885A (zh) | 一种分布式光伏发电功率预测方法 | |
CN104505824A (zh) | 一种以热定电运行方式下热电厂发电负荷计划制定方法及装置 | |
CN115481918A (zh) | 一种基于源网荷储的单元状态主动感知及预测分析系统 | |
CN117477558A (zh) | 一种基于电网负荷的预测方法及其系统 | |
CN116341988A (zh) | 一种基于双碳目标的城市能源碳排放监测系统 | |
CN117236938B (zh) | 一种基于数据可视化的电力设备运维管理系统 | |
CN111105048A (zh) | 一种输变电物联网设备状态的预警方法 | |
CN116861355B (zh) | 一种基于工业数据分析的太阳能发电效率监测管理方法 | |
CN116960935A (zh) | 一种基于区域油田风光发电利用管理系统 | |
Ma et al. | An improved opportunistic group replacement maintenance strategy for wind turbines | |
CN110188939B (zh) | 风电场的风功率的预测方法、系统、设备和存储介质 | |
CN116667333A (zh) | 一种新能源发电和用电功率预测系统及方法 | |
CN112507619A (zh) | 基于云计算的集中式风功率预测方法及系统 | |
CN101174363A (zh) | 炭素厂中频炉回水温度采集与监控方法 | |
Pytel et al. | Use of Evolutionary Algorithm for Identifying Quantitative Impact of PM2. 5 and PM10 on PV Power Generation |
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 |