CN117114254B - 一种电网新能源异常数据监测方法及系统 - Google Patents
一种电网新能源异常数据监测方法及系统 Download PDFInfo
- Publication number
- CN117114254B CN117114254B CN202311384495.8A CN202311384495A CN117114254B CN 117114254 B CN117114254 B CN 117114254B CN 202311384495 A CN202311384495 A CN 202311384495A CN 117114254 B CN117114254 B CN 117114254B
- Authority
- CN
- China
- Prior art keywords
- data
- photovoltaic panel
- monitoring
- monitoring data
- photovoltaic
- 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
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 124
- 230000002159 abnormal effect Effects 0.000 title claims abstract description 89
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000010248 power generation Methods 0.000 claims abstract description 25
- 238000012545 processing Methods 0.000 claims abstract description 18
- 238000013179 statistical model Methods 0.000 claims description 18
- 238000012549 training Methods 0.000 claims description 18
- 238000005286 illumination Methods 0.000 claims description 12
- 238000002372 labelling Methods 0.000 claims description 9
- 238000003860 storage Methods 0.000 claims description 7
- 239000003086 colorant Substances 0.000 claims description 5
- 238000010276 construction Methods 0.000 claims description 5
- 238000004422 calculation algorithm Methods 0.000 claims description 4
- 238000003066 decision tree Methods 0.000 claims description 3
- 238000012417 linear regression Methods 0.000 claims description 3
- 238000007637 random forest analysis Methods 0.000 claims description 3
- 238000011835 investigation Methods 0.000 abstract description 4
- 230000001419 dependent effect Effects 0.000 abstract 1
- 239000000523 sample Substances 0.000 description 10
- 238000013473 artificial intelligence Methods 0.000 description 7
- 238000004140 cleaning Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000004590 computer program Methods 0.000 description 5
- 238000013500 data storage Methods 0.000 description 4
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 239000000428 dust Substances 0.000 description 2
- 238000012806 monitoring device Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000007613 environmental effect Effects 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
- 238000003062 neural network model Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Software Systems (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- General Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Game Theory and Decision Science (AREA)
- Primary Health Care (AREA)
- Artificial Intelligence (AREA)
- Educational Administration (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Operations Research (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Photovoltaic Devices (AREA)
Abstract
本发明属于数据处理技术领域，为了解决目前光伏板的异常大多依靠人工且效率低下的问题，提供了一种电网新能源异常数据监测方法及系统。其中，电网新能源异常数据监测方法包括基于光伏阵列位置构建XY坐标系，确定每个光伏板的位置坐标；周期性获取每个光伏板的监测数据，并光伏板位置坐标关联存储至数据库中；根据每个光伏板的光照度与发电量的比例系数是否变化，来判断相应光伏板是否可能存在异常数据；当判断可能存在异常数据时，将当前光伏板的各项监测数据与其相邻的光伏板各项监测数据进行比对，锁定当前光伏板的异常数据。本发明能够对异常数据的溯源，大大提高了光伏发电过程中异常数据的排查效率。
Description
技术领域
本发明涉及数据处理技术领域，尤其涉及一种电网新能源异常数据监测方法及系统。
背景技术
光伏发电站是电网新能源的重要来源之一，在光伏发电站运行过程中，需要对光伏板以及其周围的环境进行监测，以确保光伏发电的顺利进行。其中，光伏发电站的监测数据包括：气象数据、日/月/年/累计发电量、电压、电流、功率、频率、温度等，这些数据可以帮助监测光伏电站的运行状态，以及及时发现和解决光伏发电站运行中的问题。光伏电站的气象数据包括：温度、湿度、风速、风向、气压等，可以帮助判断光照度，而且光照度是光伏发电过程中不可或缺的根本条件。
现有技术中，光伏电站对于光照度的监测一般是来源于气象观测，由于光伏电站中的光伏板铺设面积较广，对于云层和风力对于光照度的影响的观测无法具体到每块光伏板上，使得光伏板在出现发电异常的情况下，大多只能依靠人工到现场进行排查确认，十分耗费人力，并且效率低下。
发明内容
本发明的目的是为了解决现有技术中存在的缺点，而提出的一种光伏发电异常数据监测方法及系统。
为了实现上述目的，本发明采用了如下技术方案：
本发明的第一个方面一种电网新能源异常数据监测方法，包括以下步骤：
基于光伏阵列位置构建XY坐标系，确定每个光伏板的位置坐标；
周期性获取每个光伏板的监测数据，并光伏板位置坐标关联存储至数据库中；其中，所述光伏板的监测数据包括发电量、光照信息、温度信息以及其附属结构的运行状态信息；
根据每个光伏板的光照度与发电量的比例系数是否变化，来判断相应光伏板是否可能存在异常数据；
当判断可能存在异常数据时，将当前光伏板的各项监测数据与其相邻的光伏板各项监测数据进行比对，锁定当前光伏板的异常数据。
作为本发明的第一方面的一种实施方式，通过标注数据库内相同环境下的光伏板各项监测数据中的异常数据并形成训练样本集，构建并训练自主学习模型，以对光伏板发电过程中产生的异常数据进行自动识别。
作为本发明的第一方面的一种实施方式，标注数据库内相同环境下的光伏板各项监测数据中的异常数据的过程为：
构建数据统计模型并与数据库内的光伏板各项监测数据相关联；
基于数据统计模型建立各项监测数据的基准参数，作为数据对比基准，从而确定出异常数据。
作为本发明的第一方面的一种实施方式，将定期监测到的异常数据，连同光伏板的各项监测数据作为训练样本反馈至数据库内，以更新训练样本集。
作为本发明的第一方面的一种实施方式，基于光伏阵列位置所属的XY坐标系，增设Z轴，再关联光伏板的各项监测数据，构建光伏板三维模型。
作为本发明的第一方面的一种实施方式，设定发电量变化数据为Z轴的变量，生成光伏板发电量三维柱状图，同时以光照度为基础标准数据，在对应光照度范围内展示对应的颜色，在整体三维柱状图中显示光伏板阵列整体的光照度变化。
本发明的第二个方面提供了一种电网新能源异常数据监测系统。
一种电网新能源异常数据监测系统，其包括：
XY坐标系构建模块，其用于基于光伏阵列位置构建XY坐标系，确定每个光伏板的位置坐标；
监测数据关联存储模块，其用于周期性获取每个光伏板的监测数据，并光伏板位置坐标关联存储至数据库中；其中，所述光伏板的监测数据包括发电量、光照信息、温度信息以及其附属结构的运行状态信息；
异常数据初步判断模块，其用于根据每个光伏板的光照度与发电量的比例系数是否变化，来判断相应光伏板是否可能存在异常数据；
异常数据锁定模块，其用于当判断可能存在异常数据时，将当前光伏板的各项监测数据与其相邻的光伏板各项监测数据进行比对，锁定当前光伏板的异常数据。
作为本发明第二个方面的一种实施方式，所述电网新能源异常数据监测系统，还包括：
自主学习模型构建模块，其用于通过标注数据库内相同环境下的光伏板各项监测数据中的异常数据并形成训练样本集，构建并训练自主学习模型，以对光伏板发电过程中产生的异常数据进行自动识别。
作为本发明第二个方面的一种实施方式，所述电网新能源异常数据监测系统，还包括：
光伏板三维模型构建模块，其用于基于光伏阵列位置所属的XY坐标系，增设Z轴，再关联光伏板的各项监测数据，构建光伏板三维模型。
作为本发明第二个方面的一种实施方式，在所述光伏板三维模型构建模块中，设定发电量变化数据为Z轴的变量，生成光伏板发电量三维柱状图，同时以光照度为基础标准数据，在对应光照度范围内展示对应的颜色，在整体三维柱状图中显示光伏板阵列整体的光照度变化。
本发明的有益效果为：
本发明利用光照度与发电量之间的正比关系，通过单独对光照度进行监测，并且配合各项环境监测的数据来判断光伏板的运作状态，并且结合不同光伏板的相对数据状态来分析异常数据，并完成了对异常数据的溯源，大大提高了光伏发电过程中异常数据的排查效率，并且通过建立自主学习模型来进一步提高数据排查与处理的效率。
附图说明
图1为本发明实施例的一种光伏发电异常数据监测方法流程示意图。
图2为本发明实施例中的三维柱状图模型示意图。
图3为本发明实施例的一种电网新能源异常数据监测系统结构示意图。
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。
实施例一
如图1所示，本实施例提供了一种电网新能源异常数据监测方法，包括以下步骤：
S101、基于光伏阵列位置构建XY坐标系，确定每个光伏板的位置坐标。
在步骤S101的具体实施过程中，根据已知的光伏阵列位置，人为确定原点坐标，则可构建出XY坐标系，进而确定出每个光伏板的位置坐标[x,y]。
S102、周期性获取每个光伏板的监测数据，并光伏板位置坐标关联存储至数据库中；其中，所述光伏板的监测数据包括发电量、光照信息、温度信息以及其附属结构的运行状态信息。
在具体实施过程，采用如下结构可以获取每个光伏板的监测数据，具体地，在光伏板上安装光伏板清洁装置、光伏板发电量检测装置和光照传感器，并在光照传感器的探头上安装探头清洁装置，同时在光伏板的传输线缆上安装温度传感器，并且将光伏板控制模块、光伏板清洁装置、光伏板发电量检测装置、光照传感器、探头清洁装置和温度传感器连接于数据收发存储设备上。其中，数据库中标记有各个光伏板在坐标系中的坐标，例如，将光伏板清洁装置启停数据记为“A部分”，将探头清洁装置启停数据记为“B部分”，其中，数据库中的监测数据包括但不限于：清洁装置开启记录、设备温度、光伏板发电量和光照度等，数据集为设定的数据存储周期内的数据，以周期为数据存储分割节点。
本实施例通过将单个光伏板的各项监测数据进行集中处理，不仅可以方便使用者对单个光伏板的运作状态数据进行查看，而且还可以通过单个光伏板的运作状态来判断整体的状态。
S103、根据每个光伏板的光照度与发电量的比例系数是否变化，来判断相应光伏板是否可能存在异常数据。
具体地，利用光照度与发电量成正比的原理，在光伏板型号相同的情况下光照度与发电量的比例系数可视为定值，同时以光照传感器的监测数值和以光伏板的发电量数值为计算数值。
S104、当判断可能存在异常数据时，将当前光伏板的各项监测数据与其相邻的光伏板各项监测数据进行比对，锁定当前光伏板的异常数据。
当比例系数发生变化时，首先对比临近坐标的光伏板上的各项监测数据，然后对比自动备份的各项数据，再根据比例系数的具体变化来判断光照传感器的监测数值和以光伏板的发电量数值为计算数值中具体变化。
其中，当光照度与发电量的比例系数小于定值时，可以判断情况为发电量偏小而光照度正常，结合临近坐标的光伏板的发电量与光照度来进一步确定发电量和光照度的数据，再对比临近坐标的光伏板的数据集，进行异常监测数据的具体数据锁定。
上述内容中，光照度与发电量的比例系数与发电功率相似但不相同，在发电功率为定值的情况下，光照度与发电量的比例系数可以视为定值，能充分反映光照度与发电量之间的具体联系，而对其他项目数据进行对比核验是排除光照与发电之间的干扰因素，最终确定监测数据的异常点，从而使得工作人员可以快速确定异常数据的来源，提高异常情况排查的效率。
在一个或多个实施例中，基于光伏阵列位置所属的XY坐标系，增设Z轴，再关联光伏板的各项监测数据，构建光伏板三维模型。在一些具体实施过程中，基于建立的XY坐标系模型的基础上，增设Z轴，设定为发电量变化数据，生成光伏板发电量三维柱状图，同时以光照度为基础标准数据，在对应光照度范围内展示对应的颜色，在整体三维柱状图中显示光伏板阵列整体的光照度变化，如图2所示。
上述内容，通过建立三维柱状模型来显示单个光伏板的数据，并且显示整体的光照度变化情况，该设计可以在三维柱状模型中显示光伏电站所处环境的光照度变化，可以反映区域内的云层遮挡具体情况，较之依靠气象数据来判断光照度更具准确性，而三维柱状模型的展示方式则清晰地展示了光照度变化与发电量变化，更加方便使用者对发电状态进行观察和判断。
在一个或多个实施例中，还通过标注数据库内相同环境下的光伏板各项监测数据中的异常数据并形成训练样本集，构建并训练自主学习模型，以对光伏板发电过程中产生的异常数据进行自动识别。
具体地，标注数据库内相同环境下的光伏板各项监测数据中的异常数据的过程为：
构建数据统计模型并与数据库内的光伏板各项监测数据相关联；
基于数据统计模型建立各项监测数据的基准参数，作为数据对比基准，从而确定出异常数据并进行人工标注。
具体地，构建数据统计模型并与数据库内的光伏板各项监测数据相关联的过程为：
根据数据库内的监测数据类型是否为线性来决定数据统计模型的具体结构，进而处理对应类型的监测数据，以实现与数据库内的光伏板各项监测数据的关联；
其中，针对数据库内所有线性类型的监测数据，使用线性回归模型作为数据统计模型来处理线性类型的监测数据；
针对数据库内所有非线性类型的监测数据，使用决策树和随机森林算法作为数据统计模型来处理非线性类型的监测数据。
其中，将三维柱状模型作为数据统计模型的显示模型，数据统计模型的数据与三维柱状模型数据一一对应，可使用预先构建的AI（Artificial Intelligence，人工智能）数据处理模型以数据统计模型中的数据为依据对三维柱状模型中的数据进行替换修改。
此处需要说明的是，本领域技术人员可根据实际需求来选择AI数据处理模型的具体结构形式，比如CNN(卷积神经网络)模型或是其他现有的神经网络模型，此处不再详述。
其中，首先使用人工操作的方式对异常数据进行标记和确认，再统计异常数据的特征，将对应算法加入到AI数据处理模型中，再验证AI数据处理模型提取的异常数据的准确性，形成自主学习模型。
在另一些实施例中，还将定期监测到的异常数据，连同光伏板的各项监测数据作为训练样本反馈至数据库内，以更新训练样本集。
上述内容中，通过将光伏板在运作时的各项数据作为基础数据，以不同的光伏板在不同的监测记录周期的数据变化来使得AI数据处理模型可以进行模型训练，通过在同一环境下的光伏板的运作数据训练，使得该AI数据处理模型可以稳定地分析处异常数据，并结合其周围环境数据来对异常数据进行验证。
下面给出采用自主学习模型进行自动识别光伏发电异常数据的工作原理：
首先将各项监测设备安装在光伏板的既定位置，确保该监测设备可以准确监测到光伏板在运作时的环境数据；
根据光伏板的位置来建立坐标系，并将每个光伏板的坐标进行标记，记录在光伏板对应的数据收发存储设备中的数据集中，然后设置数据自动保存周期与数据保存时长，在数据集中以自动保存周期为节点分隔数据建立子集，同时统计所有光伏板的数据集中的数据来建立三维柱状模型，显示当前状态下的发电量、光照度与光伏板的坐标，再通过建立的自主学习模型来对数据集中的数据进行分析与整理，自动筛选异常数据。
上述实施例中，通过详细监测每块光伏板对应位置的光照度，并且对具体位置的设备，例如线缆、线缆接头等位置进行温度监测，确保光伏板以及附属设备结构的正常运行状态，首先从根本对异常数据进行排查，同时由于需要降低空气湿度对光照度的影响，所以一般光伏电站都建设于较为干燥的区域，该种环境下在起风时容易卷起灰尘，落在光伏板上，而附着的灰尘则会阻挡部分阳光照射在光伏板上，虽然该种影响对于总发电量的影响很小，但是可以反映单个光伏板在运作时的状态，再利用光照度与发电量成正比的原理，来监测光伏发电过程中的各项数据，在结合可以进行数据处理的自主学习模型，对数据进行整理和异常数据监测。
实施例二
如图3所示，本实施例提供了一种电网新能源异常数据监测系统，其具体包括如下模块：
XY坐标系构建模块301，其用于基于光伏阵列位置构建XY坐标系，确定每个光伏板的位置坐标；
监测数据关联存储模块302，其用于周期性获取每个光伏板的监测数据，并光伏板位置坐标关联存储至数据库中；其中，所述光伏板的监测数据包括发电量、光照信息、温度信息以及其附属结构的运行状态信息；
异常数据初步判断模块303，其用于根据每个光伏板的光照度与发电量的比例系数是否变化，来判断相应光伏板是否可能存在异常数据；
异常数据锁定模块304，其用于当判断可能存在异常数据时，将当前光伏板的各项监测数据与其相邻的光伏板各项监测数据进行比对，锁定当前光伏板的异常数据。
在一个或多个实施例中，所述电网新能源异常数据监测系统，还包括：
自主学习模型构建模块，其用于通过标注数据库内相同环境下的光伏板各项监测数据中的异常数据并形成训练样本集，构建并训练自主学习模型，以对光伏板发电过程中产生的异常数据进行自动识别。
在一些其他实施例中，所述电网新能源异常数据监测系统，还包括：
光伏板三维模型构建模块，其用于基于光伏阵列位置所属的XY坐标系，增设Z轴，再关联光伏板的各项监测数据，构建光伏板三维模型。
具体地，在所述光伏板三维模型构建模块中，设定发电量变化数据为Z轴的变量，生成光伏板发电量三维柱状图，同时以光照度为基础标准数据，在对应光照度范围内展示对应的颜色，在整体三维柱状图中显示光伏板阵列整体的光照度变化。
此处需要说明的是，本实施例中的各个模块与实施例一中的各个步骤一一对应，其具体实施过程相同，此处不再累述。
实施例三
本实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述所述的电网新能源异常数据监测方法中的步骤。
实施例四
本实施例提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述所述的电网新能源异常数据监测方法中的步骤。
本发明是参照本发明实施例的方法、设备(系统)和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。
Claims (5)
1.一种电网新能源异常数据监测方法，其特征在于，包括以下步骤：
基于光伏阵列位置构建XY坐标系，确定每个光伏板的位置坐标；
周期性获取每个光伏板的监测数据，并光伏板位置坐标关联存储至数据库中；其中，所述光伏板的监测数据包括发电量、光照信息、温度信息以及其附属结构的运行状态信息；
根据每个光伏板的光照度与发电量的比例系数是否变化，来判断相应光伏板是否可能存在异常数据；
当判断可能存在异常数据时，将当前光伏板的各项监测数据与其相邻的光伏板各项监测数据进行比对，锁定当前光伏板的异常数据；具体的，当比例系数发生变化时，首先对比临近坐标的光伏板上的各项监测数据，然后对比自动备份的各项数据，再根据比例系数的具体变化来判断光照传感器的监测数值和以光伏板的发电量数值为计算数值的具体变化；
其中，当光照度与发电量的比例系数小于定值时，判断情况为发电量偏小而光照度正常，结合临近坐标的光伏板的发电量与光照度进一步确定发电量和光照度的数据，再对比临近坐标的光伏板的数据集，进行异常监测数据的具体数据锁定；
通过标注数据库内相同环境下的光伏板各项监测数据中的异常数据并形成训练样本集，构建并训练自主学习模型，以对光伏板发电过程中产生的异常数据进行自动识别；所述标注数据库内相同环境下的光伏板各项监测数据中的异常数据的过程为：
构建数据统计模型并与数据库内的光伏板各项监测数据相关联；
基于数据统计模型建立各项监测数据的基准参数，作为数据对比基准，从而确定出异常数据并进行人工标注；
所述构建数据统计模型并与数据库内的光伏板各项监测数据相关联的过程为：
根据数据库内的监测数据类型是否为线性来决定数据统计模型的具体结构，进而处理对应类型的监测数据，以实现与数据库内的光伏板各项监测数据的关联；
其中，针对数据库内所有线性类型的监测数据，使用线性回归模型作为数据统计模型来处理线性类型的监测数据；
针对数据库内所有非线性类型的监测数据，使用决策树和随机森林算法作为数据统计模型来处理非线性类型的监测数据；
基于光伏阵列位置所属的XY坐标系，增设Z轴，再关联光伏板的各项监测数据，构建光伏板三维模型。
2.如权利要求1所述的电网新能源异常数据监测方法，其特征在于，将定期监测到的异常数据，连同光伏板的各项监测数据作为训练样本反馈至数据库内，以更新训练样本集。
3.如权利要求1所述的电网新能源异常数据监测方法，其特征在于，设定发电量变化数据为Z轴的变量，生成光伏板发电量三维柱状图，同时以光照度为基础标准数据，在对应光照度范围内展示对应的颜色，在整体三维柱状图中显示光伏板阵列整体的光照度变化。
4.一种电网新能源异常数据监测系统，其特征在于，包括：
XY坐标系构建模块，其用于基于光伏阵列位置构建XY坐标系，确定每个光伏板的位置坐标；
监测数据关联存储模块，其用于周期性获取每个光伏板的监测数据，并光伏板位置坐标关联存储至数据库中；其中，所述光伏板的监测数据包括发电量、光照信息、温度信息以及其附属结构的运行状态信息；
异常数据初步判断模块，其用于根据每个光伏板的光照度与发电量的比例系数是否变化，来判断相应光伏板是否可能存在异常数据；
异常数据锁定模块，其用于当判断可能存在异常数据时，将当前光伏板的各项监测数据与其相邻的光伏板各项监测数据进行比对，锁定当前光伏板的异常数据；具体的，当比例系数发生变化时，首先对比临近坐标的光伏板上的各项监测数据，然后对比自动备份的各项数据，再根据比例系数的具体变化来判断光照传感器的监测数值和以光伏板的发电量数值为计算数值的具体变化；
其中，当光照度与发电量的比例系数小于定值时，判断情况为发电量偏小而光照度正常，结合临近坐标的光伏板的发电量与光照度进一步确定发电量和光照度的数据，再对比临近坐标的光伏板的数据集，进行异常监测数据的具体数据锁定；
自主学习模型构建模块，其用于通过标注数据库内相同环境下的光伏板各项监测数据中的异常数据并形成训练样本集，构建并训练自主学习模型，以对光伏板发电过程中产生的异常数据进行自动识别；所述标注数据库内相同环境下的光伏板各项监测数据中的异常数据的过程为：
构建数据统计模型并与数据库内的光伏板各项监测数据相关联；
基于数据统计模型建立各项监测数据的基准参数，作为数据对比基准，从而确定出异常数据并进行人工标注；
所述构建数据统计模型并与数据库内的光伏板各项监测数据相关联的过程为：
根据数据库内的监测数据类型是否为线性来决定数据统计模型的具体结构，进而处理对应类型的监测数据，以实现与数据库内的光伏板各项监测数据的关联；
其中，针对数据库内所有线性类型的监测数据，使用线性回归模型作为数据统计模型来处理线性类型的监测数据；
针对数据库内所有非线性类型的监测数据，使用决策树和随机森林算法作为数据统计模型来处理非线性类型的监测数据；
光伏板三维模型构建模块，其用于基于光伏阵列位置所属的XY坐标系，增设Z轴，再关联光伏板的各项监测数据，构建光伏板三维模型。
5.如权利要求4所述的电网新能源异常数据监测系统，其特征在于，在所述光伏板三维模型构建模块中，设定发电量变化数据为Z轴的变量，生成光伏板发电量三维柱状图，同时以光照度为基础标准数据，在对应光照度范围内展示对应的颜色，在整体三维柱状图中显示光伏板阵列整体的光照度变化。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311384495.8A CN117114254B (zh) | 2023-10-25 | 2023-10-25 | 一种电网新能源异常数据监测方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311384495.8A CN117114254B (zh) | 2023-10-25 | 2023-10-25 | 一种电网新能源异常数据监测方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117114254A CN117114254A (zh) | 2023-11-24 |
| CN117114254B true CN117114254B (zh) | 2024-03-19 |
Family
ID=88800636
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311384495.8A Active CN117114254B (zh) | 2023-10-25 | 2023-10-25 | 一种电网新能源异常数据监测方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117114254B (zh) |
Citations (25)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101478019B1 (ko) * | 2014-05-12 | 2015-01-06 | 주식회사 그랜드 | 태양광발전 모니터링 및 제어 관리 시스템 |
| CN104734632A (zh) * | 2013-12-24 | 2015-06-24 | 珠海格力电器股份有限公司 | 光伏电池板的清洁度诊断方法及装置 |
| KR101660456B1 (ko) * | 2016-06-08 | 2016-09-28 | (주)대연씨앤아이 | 태양광 발전 시스템용 감시 장치 |
| CN108197371A (zh) * | 2017-12-28 | 2018-06-22 | 中南大学 | 基于bim的固定光伏阵列连线优化 |
| CN108228800A (zh) * | 2017-12-29 | 2018-06-29 | 无锡十新能源投资有限公司 | 一种基于数据挖掘的光伏发电系统异常检测系统及方法 |
| CN108599724A (zh) * | 2018-07-02 | 2018-09-28 | 中国电建集团江西省电力建设有限公司 | 一种光伏组件在线监测系统及监测方法 |
| CN109861396A (zh) * | 2019-03-12 | 2019-06-07 | 西藏东旭电力工程有限公司 | 区域化光伏运维管理平台 |
| KR102023467B1 (ko) * | 2019-02-11 | 2019-11-04 | 강남욱 | 기상 데이터를 분석하여 효율을 향상시킨 태양광 발전 시스템 |
| CN112785160A (zh) * | 2021-01-25 | 2021-05-11 | 杭州易达光电有限公司 | 一种光伏运维管理信息展示平台 |
| CN216216766U (zh) * | 2021-05-07 | 2022-04-05 | 苏州市绿捷能售电有限公司 | 一种光伏发电监测系统 |
| CN114298084A (zh) * | 2021-11-17 | 2022-04-08 | 华能大理风力发电有限公司洱源分公司 | 一种基于XGBoost的光伏组串通信异常识别方法及系统 |
| CN114595762A (zh) * | 2022-03-08 | 2022-06-07 | 中国计量大学 | 一种光伏电站异常数据序列提取方法 |
| CN114679133A (zh) * | 2022-02-13 | 2022-06-28 | 杭州拓深科技有限公司 | 基于发电预测的光伏阵列异常判断方法、介质和设备 |
| CN114844467A (zh) * | 2022-06-08 | 2022-08-02 | 内蒙古京能乌兰伊力更风力发电有限责任公司 | 一种基于新能源集控的光伏运行状态分析方法 |
| CN115147356A (zh) * | 2022-05-31 | 2022-10-04 | 深圳飞流云享科技有限公司 | 光伏板巡检定位方法、装置、设备及存储介质 |
| CN115514318A (zh) * | 2022-09-20 | 2022-12-23 | 江苏宁瑞惠能电气技术有限公司 | 一种光伏电站监控系统 |
| CN115840920A (zh) * | 2022-12-30 | 2023-03-24 | 北京志翔科技股份有限公司 | 光伏组串单日可分异常分类方法、装置、设备及存储介质 |
| KR20230045379A (ko) * | 2021-09-28 | 2023-04-04 | (주)솔라앤시스 | 환경센서를 이용한 태양광 발전설비의 이상진단 시스템 및 방법 |
| 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 |
| CN116015207A (zh) * | 2022-12-06 | 2023-04-25 | 江西兴腾实业有限公司 | 一种光伏发电量异常预警装置及预警系统 |
| CN116051530A (zh) * | 2023-02-13 | 2023-05-02 | 河北工业大学 | 基于图像修复的半监督光伏电池表面异常检测方法 |
| CN116362374A (zh) * | 2023-02-10 | 2023-06-30 | 国网河南省电力公司信息通信分公司 | 一种基于神经网络的光伏电站发电状态判别方法与装置 |
| CN116610747A (zh) * | 2023-07-21 | 2023-08-18 | 北京国遥新天地信息技术股份有限公司 | 一种基于三维数字的可视化智慧管理系统 |
| CN116781008A (zh) * | 2023-05-15 | 2023-09-19 | 嘉兴恒创电力集团有限公司博创物资分公司 | 一种光伏电站的异常状态检测方法及系统 |
| CN116827264A (zh) * | 2023-08-29 | 2023-09-29 | 广东阳硕绿建科技股份有限公司 | 一种用于光伏发电的预警系统 |
-
2023
- 2023-10-25 CN CN202311384495.8A patent/CN117114254B/zh active Active
Patent Citations (25)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104734632A (zh) * | 2013-12-24 | 2015-06-24 | 珠海格力电器股份有限公司 | 光伏电池板的清洁度诊断方法及装置 |
| KR101478019B1 (ko) * | 2014-05-12 | 2015-01-06 | 주식회사 그랜드 | 태양광발전 모니터링 및 제어 관리 시스템 |
| KR101660456B1 (ko) * | 2016-06-08 | 2016-09-28 | (주)대연씨앤아이 | 태양광 발전 시스템용 감시 장치 |
| CN108197371A (zh) * | 2017-12-28 | 2018-06-22 | 中南大学 | 基于bim的固定光伏阵列连线优化 |
| CN108228800A (zh) * | 2017-12-29 | 2018-06-29 | 无锡十新能源投资有限公司 | 一种基于数据挖掘的光伏发电系统异常检测系统及方法 |
| CN108599724A (zh) * | 2018-07-02 | 2018-09-28 | 中国电建集团江西省电力建设有限公司 | 一种光伏组件在线监测系统及监测方法 |
| KR102023467B1 (ko) * | 2019-02-11 | 2019-11-04 | 강남욱 | 기상 데이터를 분석하여 효율을 향상시킨 태양광 발전 시스템 |
| CN109861396A (zh) * | 2019-03-12 | 2019-06-07 | 西藏东旭电力工程有限公司 | 区域化光伏运维管理平台 |
| CN112785160A (zh) * | 2021-01-25 | 2021-05-11 | 杭州易达光电有限公司 | 一种光伏运维管理信息展示平台 |
| CN216216766U (zh) * | 2021-05-07 | 2022-04-05 | 苏州市绿捷能售电有限公司 | 一种光伏发电监测系统 |
| KR20230045379A (ko) * | 2021-09-28 | 2023-04-04 | (주)솔라앤시스 | 환경센서를 이용한 태양광 발전설비의 이상진단 시스템 및 방법 |
| CN114298084A (zh) * | 2021-11-17 | 2022-04-08 | 华能大理风力发电有限公司洱源分公司 | 一种基于XGBoost的光伏组串通信异常识别方法及系统 |
| CN114679133A (zh) * | 2022-02-13 | 2022-06-28 | 杭州拓深科技有限公司 | 基于发电预测的光伏阵列异常判断方法、介质和设备 |
| CN114595762A (zh) * | 2022-03-08 | 2022-06-07 | 中国计量大学 | 一种光伏电站异常数据序列提取方法 |
| CN115147356A (zh) * | 2022-05-31 | 2022-10-04 | 深圳飞流云享科技有限公司 | 光伏板巡检定位方法、装置、设备及存储介质 |
| CN114844467A (zh) * | 2022-06-08 | 2022-08-02 | 内蒙古京能乌兰伊力更风力发电有限责任公司 | 一种基于新能源集控的光伏运行状态分析方法 |
| CN115514318A (zh) * | 2022-09-20 | 2022-12-23 | 江苏宁瑞惠能电气技术有限公司 | 一种光伏电站监控系统 |
| CN116015207A (zh) * | 2022-12-06 | 2023-04-25 | 江西兴腾实业有限公司 | 一种光伏发电量异常预警装置及预警系统 |
| CN115840920A (zh) * | 2022-12-30 | 2023-03-24 | 北京志翔科技股份有限公司 | 光伏组串单日可分异常分类方法、装置、设备及存储介质 |
| CN116362374A (zh) * | 2023-02-10 | 2023-06-30 | 国网河南省电力公司信息通信分公司 | 一种基于神经网络的光伏电站发电状态判别方法与装置 |
| CN116051530A (zh) * | 2023-02-13 | 2023-05-02 | 河北工业大学 | 基于图像修复的半监督光伏电池表面异常检测方法 |
| 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 |
| CN116781008A (zh) * | 2023-05-15 | 2023-09-19 | 嘉兴恒创电力集团有限公司博创物资分公司 | 一种光伏电站的异常状态检测方法及系统 |
| CN116610747A (zh) * | 2023-07-21 | 2023-08-18 | 北京国遥新天地信息技术股份有限公司 | 一种基于三维数字的可视化智慧管理系统 |
| CN116827264A (zh) * | 2023-08-29 | 2023-09-29 | 广东阳硕绿建科技股份有限公司 | 一种用于光伏发电的预警系统 |
Non-Patent Citations (5)
| Title |
|---|
| Review on the Sources of Power Loss in Monofacial and Bifacial Photovoltaic Technologies;Michelle Kitayama da Silva等;ENERGIES;20211126;第14卷(第23期);1-29 * |
| 光伏系统故障诊断方法综述;王元章;李智华;吴春华;;电源技术;20130920(第09期);1700-1705 * |
| 光伏阵列智能监测和故障预测方法;段家慧;中国优秀硕士学位论文全文数据库 信息科技辑;20181215(第12期);I140-933 * |
| 基于EKF算法的分布式光伏发电异常数据排查技术;左松林;陈伟;付真斌;赵骞;江再玉;郑昕昕;;电力工程技术;20200928(第05期);120-125 * |
| 多因素耦合对光伏发电性能影响的试验研究;仲仕晶;赵书杰;;科学技术与工程;20200308(第07期);2727-2732 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117114254A (zh) | 2023-11-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111985561B (zh) | 一种智能电表的故障诊断方法、系统及电子装置 | |
| CN112686493A (zh) | 一种依托大数据实时评价智能电表运行状态与更换的方法 | |
| CN106777984A (zh) | 一种基于密度聚类算法实现光伏阵列工作状态分析与故障诊断的方法 | |
| CN103903408A (zh) | 设备故障侦查预警方法和系统 | |
| CN110716512A (zh) | 一种基于燃煤电站运行数据的环保装备性能预测方法 | |
| CN111754020A (zh) | 基于数据分析的智能电厂设备巡检系统及方法 | |
| CN113420162B (zh) | 一种基于知识图谱的设备运行链状态监测方法 | |
| CN116028887B (zh) | 一种连续性工业生产数据的分析方法 | |
| CN112039073B (zh) | 一种适用于配电房设备故障判断的协同优化方法及系统 | |
| CN116505663B (zh) | 一种农场用电安全状态监测预警系统 | |
| CN102072747A (zh) | 基于热工参数场监测的建筑群能耗监测系统及其方法 | |
| CN115619592A (zh) | 一种光伏组串损失电量计算方法及系统 | |
| CN115759488A (zh) | 一种基于边缘计算的碳排放监测预警分析系统及其方法 | |
| CN113988573A (zh) | 基于电力系统巡检无人机的风险判断方法、系统和介质 | |
| CN107862391A (zh) | 一种基于云计算的设备运行状况测试系统 | |
| CN114879619A (zh) | 数字车间能源优化方法及系统 | |
| CN110941558A (zh) | 一种智慧办公远程运维的方法及系统 | |
| CN117114254B (zh) | 一种电网新能源异常数据监测方法及系统 | |
| CN116861503A (zh) | 一种基于大数据的电力变压器数字孪生模型的构建方法 | |
| CN116599572A (zh) | 一种商用批产卫星单机智能化测试方法 | |
| CN116566839A (zh) | 一种电力企业通信资源质量评估系统 | |
| CN113671287B (zh) | 电网自动化终端智能检测方法、系统和可读存储介质 | |
| CN114331073A (zh) | 一种储能电站运维管理方法、系统及装置 | |
| CN111027816B (zh) | 一种基于数据包络分析的光伏发电效率计算方法 | |
| CN202041228U (zh) | 一种基于热工参数场监测的建筑群能耗监测装置 |
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 |