CN117252729A - 一种基于大数据的光伏电站管理方法及系统 - Google Patents
一种基于大数据的光伏电站管理方法及系统 Download PDFInfo
- Publication number
- CN117252729A CN117252729A CN202311535058.1A CN202311535058A CN117252729A CN 117252729 A CN117252729 A CN 117252729A CN 202311535058 A CN202311535058 A CN 202311535058A CN 117252729 A CN117252729 A CN 117252729A
- Authority
- CN
- China
- Prior art keywords
- photovoltaic
- prediction model
- module
- photovoltaic power
- power
- 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
- 238000007726 management method Methods 0.000 title claims abstract description 51
- 238000010248 power generation Methods 0.000 claims abstract description 57
- 238000000034 method Methods 0.000 claims abstract description 17
- 238000007621 cluster analysis Methods 0.000 claims abstract description 8
- 238000012216 screening Methods 0.000 claims abstract description 7
- 238000004140 cleaning Methods 0.000 claims description 42
- 238000012545 processing Methods 0.000 claims description 24
- 239000011159 matrix material Substances 0.000 claims description 12
- 238000005507 spraying Methods 0.000 claims description 12
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 12
- 235000012571 Ficus glomerata Nutrition 0.000 claims description 6
- 244000153665 Ficus glomerata Species 0.000 claims description 6
- 230000001419 dependent effect Effects 0.000 claims description 6
- 230000005855 radiation Effects 0.000 description 3
- 238000009825 accumulation Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000000875 corresponding effect Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012423 maintenance 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
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
- 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
- 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
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
- G06Q10/10—Office automation; Time management
- G06Q10/103—Workflow collaboration or project management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/04—Power grid distribution networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/06—Power analysis or power optimisation
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Data Mining & Analysis (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Evolutionary Computation (AREA)
- Tourism & Hospitality (AREA)
- General Engineering & Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Primary Health Care (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Water Supply & Treatment (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- Photovoltaic Devices (AREA)
Abstract
本申请涉及一种基于大数据的光伏电站管理方法及系统，涉及光伏电站的技术领域，其方法包括：获取光伏电站的若干历史数据及历史天气数据得到数据集；对数据集进行筛选得到样本数据集；基于样本数据集进行逐步聚类分析建模得到初始光伏预测模型；对初始光伏预测模型进行预测并根据预测结果的置信度调整光伏预测模型的参数直至置信度大于预设值，得到光伏预测模型；获取光伏电站中各个设备的运行参数及天气数据，将运行参数及输入至光伏预测模型得到预测发电功率；基于预测发电功率及实际发电功率的差值下发管理指令至光伏电站的运行设备。
Description
技术领域
本申请涉及光伏电站的技术领域，尤其是涉及一种基于大数据的光伏电站管理方法及系统。
背景技术
随着环保意识的提高，以光伏发电为代表的清洁能源得到了越来越多的重视，光伏电站也越来越多。
光伏电站的发电单元为光伏面板，由于长期暴露在自然环境中，不可避免地受到气象条件的影响，如积灰、积雪影响光伏面板的受光状态，恶劣环境造成机械或电气元件损坏等，因此光伏电站的管理十分重要。
现有的光伏电站还存在大量现场人工维护的场景，如巡检、除雪、清灰等，有无光伏电站通常设置在较为偏远的地方，如何提高光伏电站管理的智能化是本领域技术人员需要解决的技术问题。
发明内容
为了至少部分解决上述技术问题，本申请提供了一种基于大数据的光伏电站管理方法及系统。
第一方面，本申请提供的一种基于大数据的光伏电站管理方法采用如下的技术方案。
一种基于大数据的光伏电站管理方法，包括：
获取光伏电站的若干历史数据及历史天气数据得到数据集；
基于所述相关性、天气类型及四季类型对所述数据集进行筛选得到样本数据集；所述样本数据集包括：辐照度、温度、湿度、风度、天气类型及光伏发电功率；
基于所述样本数据集进行逐步聚类分析建模得到初始光伏预测模型；
通过所述初始光伏预测模型进行预测并根据预测结果的置信度调整所述初始光伏预测模型的参数直至所述置信度大于预设值，得到光伏预测模型；
获取光伏电站中各个设备的运行参数及天气数据，将所述天气数据输入至所述光伏预测模型得到预测发电功率；光伏电站中所述各个设备包括光伏组件、电流互感器及逆变器；
基于所述预测发电功率与实际发电功率的差值及所述运行参数下发管理指令至光伏电站的运行设备。
可选的，基于所述样本数据集进行逐步聚类分析建模得到初始光伏预测模型，通过所述初始光伏预测模型进行预测并根据预测结果的置信度调整所述初始光伏预测模型的参数直至所述置信度大于预设值，得到光伏预测模型，包括：
将辐照度、温度、湿度、风度、天气类型作为自变量、光伏发电功率作为因变量构建数据矩阵；
对数据矩阵进行逐步聚类分割合并以生成聚类树；
基于逐步聚类分析所述初始光伏预测模型得到预测结果；
基于预测结果及实际光伏发电功率得到平均绝对误差率、均方根、平均方差、拟合优度及日准确率；
基于平均绝对误差率、均方根、平均方差、拟合优度及日准确率得到初始光伏预测模型的置信度。
可选的，基于所述预测发电功率与实际发电功率的差值及所述运行参数下发管理指令至光伏电站的运行设备，包括：
当所述预测发电功率大于实际发电功率且差值大于预设值，获取光伏组件的温度值；判断光伏组件的温度值是否处于工作区间；所述工作区间根据季节及工作时间进行调整；
如果否，则发下清洗指令至光伏电站的组件清洗设备以使得所述组件清洗设备工作对光伏组件进行清洗；所述组件清洗设备包括震动组件、移动组件及喷水组件；对光伏组件进行清洗时，震动组件、移动组件及喷水组件共同工作。
可选的，当所述预测发电功率大于实际发电功率且差值大于预设值，所述方法还包括：
下发开启指令至光伏电站的摄像模块；所述开启指令用于触发所述摄像模块开启；所述摄像模块用于采集光伏组件顶部的图像；
基于所述摄像模块所采集的图像判断所述光伏组件顶部是否存在遮挡物；如果存在，则下发震动指令至组件清洗设备；所述震动指令用于触发震动模块工作。
可选的，下发震动指令至组件清洗设备后，所述方法还包括：
重新获取摄像模块所采集的图像；判断所述遮挡物是否被清除；如果否，则下发人工清理指令至外部终端。
可选的，日准确率=；其中，Pmi表征第ｉ时刻的实际发电功率；Ppi表征第i时刻的预测发电功率；/>表征光伏电站额定容量；n为样本数。
第二方面，本申请提供的一种基于大数据的光伏电站管理系统采用如下的技术方案。
一种基于大数据的光伏电站管理系统，包括：
第一处理模块，用于：获取光伏电站的若干历史数据及历史天气数据得到数据集；
第二处理模块，用于：基于所述相关性、天气类型及四季类型对所述数据集进行筛选得到样本数据集；所述样本数据集包括：辐照度、温度、湿度、风度、天气类型及光伏发电功率；
第三处理模块，用于：基于所述样本数据集进行逐步聚类分析建模得到初始光伏预测模型；
第四处理模块，用于：通过所述初始光伏预测模型进行预测并根据预测结果的置信度调整所述初始光伏预测模型的参数直至所述置信度大于预设值，得到光伏预测模型；
第五处理模块，用于：获取光伏电站中各个设备的运行参数及天气数据，将所述天气数据输入至所述光伏预测模型得到预测发电功率；光伏电站中所述各个设备包括光伏组件、电流互感器及逆变器；
第六处理模块，用于：基于所述预测发电功率与实际发电功率的差值及所述运行参数下发管理指令至光伏电站的运行设备。
可选的，基于所述样本数据集进行逐步聚类分析建模得到初始光伏预测模型，通过所述初始光伏预测模型进行预测并根据预测结果的置信度调整所述初始光伏预测模型的参数直至所述置信度大于预设值，得到光伏预测模型，包括：
将辐照度、温度、湿度、风度、天气类型作为自变量、光伏发电功率作为因变量构建数据矩阵；
对数据矩阵进行逐步聚类分割合并以生成聚类树；
基于逐步聚类分析所述初始光伏预测模型得到预测结果；
基于预测结果及实际光伏发电功率得到平均绝对误差率、均方根、平均方差、拟合优度及日准确率；
基于平均绝对误差率、均方根、平均方差、拟合优度及日准确率得到初始光伏预测模型的置信度。
可选的，基于所述预测发电功率与实际发电功率的差值及所述运行参数下发管理指令至光伏电站的运行设备，包括：
当所述预测发电功率大于实际发电功率且差值大于预设值，获取光伏组件的温度值；判断光伏组件的温度值是否处于工作区间；所述工作区间根据季节及工作时间进行调整；
如果否，则发下清洗指令至光伏电站的组件清洗设备以使得所述组件清洗设备工作对光伏组件进行清洗；所述组件清洗设备包括震动组件、移动组件及喷水组件；对光伏组件进行清洗时，震动组件、移动组件及喷水组件共同工作。
可选的，当所述预测发电功率大于实际发电功率且差值大于预设值，所述光伏电站管理系统还包括：
下发开启指令至光伏电站的摄像模块；所述开启指令用于触发所述摄像模块开启；所述摄像模块用于采集光伏组件顶部的图像；
基于所述摄像模块所采集的图像判断所述光伏组件顶部是否存在遮挡物；如果存在，则下发震动指令至组件清洗设备；所述震动指令用于触发震动模块工作；
下发震动指令至组件清洗设备后，还包括：重新获取摄像模块所采集的图像；判断所述遮挡物是否被清除；如果否，则下发人工清理指令至外部终端。
附图说明
图1是本申请实施例一种基于大数据的光伏电站管理方法的流程图；
图2是本申请实施例一种基于大数据的光伏电站管理系统的系统框图；
图中，201、第一处理模块；202、第二处理模块；203、第三处理模块；204、第四处理模块；205、第五处理模块；206、第六处理模块。
具体实施方式
下面结合附图1-图2和具体实施例对本申请作进一步说明：
本申请实施例公开一种基于大数据的光伏电站管理方法。参照图1，作为一种基于大数据的光伏电站管理方法的一种实施方式，一种基于大数据的光伏电站管理方法包括以下步骤：
步骤101、获取若干光伏电站历史数据及历史天气记录得到数据集。
具体地，光伏电站历史数据主要包括光伏板铺设面积、电站发电数据。
光伏发电的功率受到诸多因素的影响，设备正常运行的情况下，其自身的影响通常很小，因为已经投入运行的光伏电站中太阳能电池板的面积、角度、转换效率等基本参数是固定的。然而，气象因素却是时刻变化的，包括天气类型、太阳辐射、环境温度、风速和湿度等，这些因素的变化都会引起光伏发电功率的波动，导致光伏发电的不稳定性。因此，在构建光伏发电预测模型之前，首先要深入分析气象因素与光伏发电功率之间的相关性，并选择具有高相关性的因素作为初始光伏预测模型的输入。
历史天气记录中的气象因素包含了阳辐照度、风速、风向、温度、湿度等五个气象要素。其中，太阳辐照度与光伏发电功率具有极强的相关性；温度和湿度与光伏发电功率之间则表现为强相关性；风速与光伏发电功率之间则表现为弱相关性。随着太阳辐照度和温度的升高，光伏发电功率也会随之升高，二者之间的关系呈现出正相关的特征。湿度的升高会导致空气中水汽对太阳辐射的吸收增加，从而使输出功率降低，因此湿度与光伏发电功率之间的关系表现为负相关。此外，太阳辐射与温度和湿度之间也存在着密切的联系。风速则会影响云的飘动速度，从而间接影响光伏板受光照的时长，进一步对光伏发电产生影响。
步骤102、基于所述相关性、天气类型及四季类型对所述数据集进行筛选得到样本数据集；所述样本数据集包括：辐照度、温度、湿度、风度、天气类型及光伏发电功率。
具体地，选取相关性高的数据作为样本数据集。
步骤103、基于所述样本数据集进行逐步聚类分析建模得到初始光伏预测模型。
步骤104、通过所述初始光伏预测模型进行预测并根据预测结果的置信度调整所述初始光伏预测模型的参数直至所述置信度大于预设值，得到光伏预测模型。
具体地，在初始光伏预测模型构建后需要对模型的置信度进行验证，将预测结果与实际结果进行比较得到初始光伏预测模型的置信度，当初始光伏预测模型的置信度连续大于预设值，表明初始光伏预测模型可以用于预测光伏发电功率。
步骤105、获取光伏电站中各个设备的运行参数及天气数据，将所述天气数据输入至所述光伏预测模型得到预测发电功率；光伏电站中所述各个设备包括光伏组件、电流互感器及逆变器。
步骤106、基于所述预测发电功率与实际发电功率的差值及所述运行参数下发管理指令至光伏电站的运行设备。
具体地，基于所述预测发电功率与实际发电功率的差值及所述运行参数，判断光伏电站是否处于正常运行状态，如果不处于，则下发对应的管理指令至光伏电站的运行设备，进而直接能更加自动实现电站的自动化运行。
作为一种基于大数据的光伏电站管理方法的一种具体实施方式，基于所述样本数据集进行逐步聚类分析建模得到初始光伏预测模型，通过所述初始光伏预测模型进行预测并根据预测结果的置信度调整所述初始光伏预测模型的参数直至所述置信度大于预设值，得到光伏预测模型，包括：
将辐照度、温度、湿度、风度、天气类型作为自变量、光伏发电功率作为因变量构建数据矩阵；
对数据矩阵进行逐步聚类分割合并以生成聚类树；
基于逐步聚类分析所述初始光伏预测模型得到预测结果；
基于预测结果及实际光伏发电功率得到平均绝对误差率、均方根、平均方差、拟合优度及日准确率；
基于平均绝对误差率、均方根、平均方差、拟合优度及日准确率得到初始光伏预测模型的置信度。
作为一种基于大数据的光伏电站管理方法的一种具体实施方式，基于所述预测发电功率与实际发电功率的差值及所述运行参数下发管理指令至光伏电站的运行设备，包括：
当所述预测发电功率大于实际发电功率且差值大于预设值，获取光伏组件的温度值；判断光伏组件的温度值是否处于工作区间；所述工作区间根据季节及工作时间进行调整；
如果否，则发下清洗指令至光伏电站的组件清洗设备以使得所述组件清洗设备工作对光伏组件进行清洗；所述组件清洗设备包括震动组件、移动组件及喷水组件；对光伏组件进行清洗时，震动组件、移动组件及喷水组件共同工作。
作为一种基于大数据的光伏电站管理方法的一种具体实施方式，当所述预测发电功率大于实际发电功率且差值大于预设值，所述方法还包括：
下发开启指令至光伏电站的摄像模块；所述开启指令用于触发所述摄像模块开启；所述摄像模块用于采集光伏组件顶部的图像；
基于所述摄像模块所采集的图像判断所述光伏组件顶部是否存在遮挡物；如果存在，则下发震动指令至组件清洗设备；所述震动指令用于触发震动模块工作。
作为一种基于大数据的光伏电站管理方法的其中一种实施方式，下发震动指令至组件清洗设备后，所述方法还包括：
重新获取摄像模块所采集的图像；判断所述遮挡物是否被清除；如果否，则下发人工清理指令至外部终端。
作为一种基于大数据的光伏电站管理方法的其中一种实施方式，日准确率=；其中，Pmi表征第ｉ时刻的实际发电功率；Ppi表征第i时刻的预测发电功率；/>表征光伏电站额定容量；n为样本数。
本申请实施例还公开一种基于大数据的光伏电站管理系统。作为一种基于大数据的光伏电站管理系统的其中一种实施方式，一种基于大数据的光伏电站管理系统，其特征在于，包括：
第一处理模块201，用于：获取光伏电站的若干历史数据及历史天气数据得到数据集；
第二处理模块202，用于：基于所述相关性、天气类型及四季类型对所述数据集进行筛选得到样本数据集；所述样本数据集包括：辐照度、温度、湿度、风度、天气类型及光伏发电功率；
第三处理模块203，用于：基于所述样本数据集进行逐步聚类分析建模得到初始光伏预测模型；
第四处理模块204，用于：通过所述初始光伏预测模型进行预测并根据预测结果的置信度调整所述初始光伏预测模型的参数直至所述置信度大于预设值，得到光伏预测模型；
第五处理模块205，用于：获取光伏电站中各个设备的运行参数及天气数据，将所述天气数据输入至所述光伏预测模型得到预测发电功率；光伏电站中所述各个设备包括光伏组件、电流互感器及逆变器；
第六处理模块206，用于：基于所述预测发电功率与实际发电功率的差值及所述运行参数下发管理指令至光伏电站的运行设备。
作为一种基于大数据的光伏电站管理系统的其中一种实施方式，基于所述样本数据集进行逐步聚类分析建模得到初始光伏预测模型，通过所述初始光伏预测模型进行预测并根据预测结果的置信度调整所述初始光伏预测模型的参数直至所述置信度大于预设值，得到光伏预测模型，包括：
将辐照度、温度、湿度、风度、天气类型作为自变量、光伏发电功率作为因变量构建数据矩阵；
对数据矩阵进行逐步聚类分割合并以生成聚类树；
基于逐步聚类分析所述初始光伏预测模型得到预测结果；
基于预测结果及实际光伏发电功率得到平均绝对误差率、均方根、平均方差、拟合优度及日准确率；
基于平均绝对误差率、均方根、平均方差、拟合优度及日准确率得到初始光伏预测模型的置信度。
作为一种基于大数据的光伏电站管理系统的其中一种实施方式，基于所述预测发电功率与实际发电功率的差值及所述运行参数下发管理指令至光伏电站的运行设备，包括：
当所述预测发电功率大于实际发电功率且差值大于预设值，获取光伏组件的温度值；判断光伏组件的温度值是否处于工作区间；所述工作区间根据季节及工作时间进行调整；
如果否，则发下清洗指令至光伏电站的组件清洗设备以使得所述组件清洗设备工作对光伏组件进行清洗；所述组件清洗设备包括震动组件、移动组件及喷水组件；对光伏组件进行清洗时，震动组件、移动组件及喷水组件共同工作。
作为一种基于大数据的光伏电站管理系统的其中一种实施方式，当所述预测发电功率大于实际发电功率且差值大于预设值，所述光伏电站管理系统还包括：
下发开启指令至光伏电站的摄像模块；所述开启指令用于触发所述摄像模块开启；所述摄像模块用于采集光伏组件顶部的图像；
基于所述摄像模块所采集的图像判断所述光伏组件顶部是否存在遮挡物；如果存在，则下发震动指令至组件清洗设备；所述震动指令用于触发震动模块工作；
下发震动指令至组件清洗设备后，还包括：重新获取摄像模块所采集的图像；判断所述遮挡物是否被清除；如果否，则下发人工清理指令至外部终端。
本申请实施例还公开一种电子设备。
具体来说，该设备包括存储器和处理器，存储器上存储有能够被处理器加载并执行上述任意一种基于大数据的光伏电站管理方法的计算机程序。
本申请实施例还公开一种计算机可读存储介质。具体来说，该计算机可读存储介质，其存储有能够被处理器加载并执行如上述任意一种基于大数据的光伏电站管理方法的计算机程序，该计算机可读存储介质例如包括：U盘、移动硬盘、只读存储器（Read-OnlyMemory，ROM）、随机存取存储器（Random Access Memory，RAM）、磁碟或者光盘等各种可以存储程序代码的介质。
需要说明的是：以上实施例仅用于说明本申请而并非限制本申请所描述的技术方案，尽管本说明书参照上述的实施例对本申请已进行了详细的说明，但是，本领域的普通技术人员应当理解，所属技术领域的技术人员仍然可以对本申请进行修改或者等同替换，而一切不脱离本申请的精神和范围的技术方案及其改进，均应涵盖在本申请的权利要求范围内。
Claims (10)
1.一种基于大数据的光伏电站管理方法，其特征在于，包括：
获取光伏电站的若干历史数据及历史天气数据得到数据集；
基于相关性、天气类型及四季类型对所述数据集进行筛选得到样本数据集；所述样本数据集包括：辐照度、温度、湿度、风度、天气类型及光伏发电功率；
基于所述样本数据集进行逐步聚类分析建模得到初始光伏预测模型；
通过所述初始光伏预测模型进行预测并根据预测结果的置信度调整所述初始光伏预测模型的参数直至所述置信度大于预设值，得到光伏预测模型；
获取光伏电站中各个设备的运行参数及天气数据，将所述天气数据输入至所述光伏预测模型得到预测发电功率；光伏电站中所述各个设备包括光伏组件、电流互感器及逆变器；
基于所述预测发电功率与实际发电功率的差值及所述运行参数下发管理指令至光伏电站的运行设备。
2.根据权利要求1所述的一种基于大数据的光伏电站管理方法，其特征在于，基于所述样本数据集进行逐步聚类分析建模得到初始光伏预测模型，通过所述初始光伏预测模型进行预测并根据预测结果的置信度调整所述初始光伏预测模型的参数直至所述置信度大于预设值，得到光伏预测模型，包括：
将辐照度、温度、湿度、风度、天气类型作为自变量、光伏发电功率作为因变量构建数据矩阵；
对数据矩阵进行逐步聚类分割合并以生成聚类树；
基于逐步聚类分析所述初始光伏预测模型得到预测结果；
基于预测结果及实际光伏发电功率得到平均绝对误差率、均方根、平均方差、拟合优度及日准确率；
基于平均绝对误差率、均方根、平均方差、拟合优度及日准确率得到初始光伏预测模型的置信度。
3.根据权利要求2所述的一种基于大数据的光伏电站管理方法，其特征在于，基于所述预测发电功率与实际发电功率的差值及所述运行参数下发管理指令至光伏电站的运行设备，包括：
当所述预测发电功率大于实际发电功率且差值大于预设值，获取光伏组件的温度值；
判断光伏组件的温度值是否处于工作区间；所述工作区间根据季节及工作时间进行调整；
如果否，则发下清洗指令至光伏电站的组件清洗设备以使得所述组件清洗设备工作对光伏组件进行清洗；所述组件清洗设备包括震动组件、移动组件及喷水组件；对光伏组件进行清洗时，震动组件、移动组件及喷水组件共同工作。
4.根据权利要求3所述的一种基于大数据的光伏电站管理方法，其特征在于，当所述预测发电功率大于实际发电功率且差值大于预设值，所述方法还包括：
下发开启指令至光伏电站的摄像模块；所述开启指令用于触发所述摄像模块开启；所述摄像模块用于采集光伏组件顶部的图像；
基于所述摄像模块所采集的图像判断所述光伏组件顶部是否存在遮挡物；如果存在，则下发震动指令至组件清洗设备；所述震动指令用于触发震动模块工作。
5.根据权利要求4所述的一种基于大数据的光伏电站管理方法，其特征在于，下发震动指令至组件清洗设备后，所述方法还包括：
重新获取摄像模块所采集的图像；判断所述遮挡物是否被清除；如果否，则下发人工清理指令至外部终端。
6.根据权利要求5所述的一种基于大数据的光伏电站管理方法，其特征在于，日准确率=；其中，Pmi表征第ｉ时刻的实际发电功率；Ppi表征第i时刻的预测发电功率；/>表征光伏电站额定容量；n为样本数。
7.一种基于大数据的光伏电站管理系统，其特征在于，包括：
第一处理模块，用于：获取光伏电站的若干历史数据及历史天气数据得到数据集；
第二处理模块，用于：基于相关性、天气类型及四季类型对所述数据集进行筛选得到样本数据集；所述样本数据集包括：辐照度、温度、湿度、风度、天气类型及光伏发电功率；
第三处理模块，用于：基于所述样本数据集进行逐步聚类分析建模得到初始光伏预测模型；
第四处理模块，用于：通过所述初始光伏预测模型进行预测并根据预测结果的置信度调整所述初始光伏预测模型的参数直至所述置信度大于预设值，得到光伏预测模型；
第五处理模块，用于：获取光伏电站中各个设备的运行参数及天气数据，将所述天气数据输入至所述光伏预测模型得到预测发电功率；光伏电站中所述各个设备包括光伏组件、电流互感器及逆变器；
第六处理模块，用于：基于所述预测发电功率与实际发电功率的差值及所述运行参数下发管理指令至光伏电站的运行设备。
8.根据权利要求7所述的一种基于大数据的光伏电站管理系统，其特征在于，基于所述样本数据集进行逐步聚类分析建模得到初始光伏预测模型，通过所述初始光伏预测模型进行预测并根据预测结果的置信度调整所述初始光伏预测模型的参数直至所述置信度大于预设值，得到光伏预测模型，包括：
将辐照度、温度、湿度、风度、天气类型作为自变量、光伏发电功率作为因变量构建数据矩阵；
对数据矩阵进行逐步聚类分割合并以生成聚类树；
基于逐步聚类分析所述初始光伏预测模型得到预测结果；
基于预测结果及实际光伏发电功率得到平均绝对误差率、均方根、平均方差、拟合优度及日准确率；
基于平均绝对误差率、均方根、平均方差、拟合优度及日准确率得到初始光伏预测模型的置信度。
9.根据权利要求8所述的一种基于大数据的光伏电站管理系统，其特征在于，基于所述预测发电功率与实际发电功率的差值及所述运行参数下发管理指令至光伏电站的运行设备，包括：
当所述预测发电功率大于实际发电功率且差值大于预设值，获取光伏组件的温度值；判断光伏组件的温度值是否处于工作区间；所述工作区间根据季节及工作时间进行调整；
如果否，则发下清洗指令至光伏电站的组件清洗设备以使得所述组件清洗设备工作对光伏组件进行清洗；所述组件清洗设备包括震动组件、移动组件及喷水组件；对光伏组件进行清洗时，震动组件、移动组件及喷水组件共同工作。
10.根据权利要求9所述的一种基于大数据的光伏电站管理系统，其特征在于，当所述预测发电功率大于实际发电功率且差值大于预设值，所述光伏电站管理系统还包括：
下发开启指令至光伏电站的摄像模块；所述开启指令用于触发所述摄像模块开启；所述摄像模块用于采集光伏组件顶部的图像；
基于所述摄像模块所采集的图像判断所述光伏组件顶部是否存在遮挡物；如果存在，则下发震动指令至组件清洗设备；所述震动指令用于触发震动模块工作；
下发震动指令至组件清洗设备后，还包括：重新获取摄像模块所采集的图像；判断所述遮挡物是否被清除；如果否，则下发人工清理指令至外部终端。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311535058.1A CN117252729B (zh) | 2023-11-17 | 2023-11-17 | 一种基于大数据的光伏电站管理方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311535058.1A CN117252729B (zh) | 2023-11-17 | 2023-11-17 | 一种基于大数据的光伏电站管理方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117252729A true CN117252729A (zh) | 2023-12-19 |
| CN117252729B CN117252729B (zh) | 2024-04-16 |
Family
ID=89126846
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311535058.1A Active CN117252729B (zh) | 2023-11-17 | 2023-11-17 | 一种基于大数据的光伏电站管理方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117252729B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117937478A (zh) * | 2024-03-22 | 2024-04-26 | 长江三峡集团实业发展(北京)有限公司 | 光伏功率预测方法、装置、计算机设备及存储介质 |
| CN118277796A (zh) * | 2024-06-03 | 2024-07-02 | 中国水利水电第九工程局有限公司 | 光伏组件的信息输出方法、装置、设备及存储介质 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106779223A (zh) * | 2016-12-21 | 2017-05-31 | 创维互联（北京）新能源科技有限公司 | 一种光伏系统发电功率实时预测方法及装置 |
| US20180046924A1 (en) * | 2015-08-31 | 2018-02-15 | Guangzhou Institute Of Energy Conversion, Chinese Academy Of Sciences | Whole-life-cycle power output classification prediction system for photovoltaic systems |
| CN108345091A (zh) * | 2018-04-17 | 2018-07-31 | 泰州市艾瑞克新型材料有限公司 | 一种适于自动清洁的光伏系统及其工作方法 |
| CN108985965A (zh) * | 2018-06-22 | 2018-12-11 | 华北电力大学 | 一种结合神经网络和参数估计的光伏功率区间预测方法 |
| CN109214552A (zh) * | 2018-08-09 | 2019-01-15 | 上海安悦节能技术有限公司 | 基于集成学习光伏预测的智能运维方法 |
| CN110705789A (zh) * | 2019-09-30 | 2020-01-17 | 国网青海省电力公司经济技术研究院 | 一种光伏电站短期功率预测方法 |
| US20220373984A1 (en) * | 2021-05-19 | 2022-11-24 | Shandong University | Hybrid photovoltaic power prediction method and system based on multi-source data fusion |
| CN115511170A (zh) * | 2022-09-21 | 2022-12-23 | 国网浙江省电力有限公司电力科学研究院 | 一种多光伏电站功率预测误差建模方法 |
| CN116799796A (zh) * | 2023-06-30 | 2023-09-22 | 国网河南省电力公司电力科学研究院 | 一种光伏发电功率预测方法、装置、设备及介质 |
-
2023
- 2023-11-17 CN CN202311535058.1A patent/CN117252729B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20180046924A1 (en) * | 2015-08-31 | 2018-02-15 | Guangzhou Institute Of Energy Conversion, Chinese Academy Of Sciences | Whole-life-cycle power output classification prediction system for photovoltaic systems |
| CN106779223A (zh) * | 2016-12-21 | 2017-05-31 | 创维互联（北京）新能源科技有限公司 | 一种光伏系统发电功率实时预测方法及装置 |
| CN108345091A (zh) * | 2018-04-17 | 2018-07-31 | 泰州市艾瑞克新型材料有限公司 | 一种适于自动清洁的光伏系统及其工作方法 |
| CN108985965A (zh) * | 2018-06-22 | 2018-12-11 | 华北电力大学 | 一种结合神经网络和参数估计的光伏功率区间预测方法 |
| CN109214552A (zh) * | 2018-08-09 | 2019-01-15 | 上海安悦节能技术有限公司 | 基于集成学习光伏预测的智能运维方法 |
| CN110705789A (zh) * | 2019-09-30 | 2020-01-17 | 国网青海省电力公司经济技术研究院 | 一种光伏电站短期功率预测方法 |
| US20220373984A1 (en) * | 2021-05-19 | 2022-11-24 | Shandong University | Hybrid photovoltaic power prediction method and system based on multi-source data fusion |
| CN115511170A (zh) * | 2022-09-21 | 2022-12-23 | 国网浙江省电力有限公司电力科学研究院 | 一种多光伏电站功率预测误差建模方法 |
| CN116799796A (zh) * | 2023-06-30 | 2023-09-22 | 国网河南省电力公司电力科学研究院 | 一种光伏发电功率预测方法、装置、设备及介质 |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117937478A (zh) * | 2024-03-22 | 2024-04-26 | 长江三峡集团实业发展(北京)有限公司 | 光伏功率预测方法、装置、计算机设备及存储介质 |
| CN117937478B (zh) * | 2024-03-22 | 2024-05-28 | 长江三峡集团实业发展(北京)有限公司 | 光伏功率预测方法、装置、计算机设备及存储介质 |
| CN118277796A (zh) * | 2024-06-03 | 2024-07-02 | 中国水利水电第九工程局有限公司 | 光伏组件的信息输出方法、装置、设备及存储介质 |
| CN118277796B (zh) * | 2024-06-03 | 2024-09-27 | 中国水利水电第九工程局有限公司 | 光伏组件的信息输出方法、装置、设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117252729B (zh) | 2024-04-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN117252729B (zh) | 一种基于大数据的光伏电站管理方法及系统 | |
| KR102065443B1 (ko) | 태양광 발전소의 데이터 분석 방법 및 시스템 | |
| EP2891904A1 (en) | Solar irradiance forecasting | |
| KR102523891B1 (ko) | 태양광 발전 스트링 및 저장 매체의 작동 상태를 인식하는 방법 및 장치 | |
| KR102338515B1 (ko) | 인공지능 기반 태양광 발전량 예측 시스템 | |
| CN116054417B (zh) | 一种变电站用的监控系统及方法 | |
| CN112653393B (zh) | 一种光伏系统iv诊断的控制方法及装置 | |
| US20170124694A1 (en) | Prediction system for short-term solar irradiance and method for operating the same | |
| CN114037918A (zh) | 一种基于无人机巡检和图像处理的光伏热斑检测方法 | |
| CN115642877A (zh) | 一种基于深度学习的光伏组件异常遮挡检测方法及系统 | |
| CN114529537A (zh) | 光伏板的异常目标检测方法、系统、设备及介质 | |
| CN114679133A (zh) | 基于发电预测的光伏阵列异常判断方法、介质和设备 | |
| CN117631701A (zh) | 一种光伏板智能控制方法、系统、设备和介质 | |
| CN114091524A (zh) | 一种逆变器故障预警系统及方法 | |
| CN117689360A (zh) | 一种风机智慧巡检一体化平台制作方法 | |
| CN110555460B (zh) | 一种基于图像切片的移动端输电线路鸟类检测方法 | |
| CN116094458A (zh) | 一种光伏电站综合巡检方法和系统 | |
| CN111401689B (zh) | 光伏场站降雪日期的确定方法、装置、设备及存储介质 | |
| Tsafarakis et al. | A density‐based time‐series data analysis methodology for shadow detection in rooftop photovoltaic systems | |
| CN118410445B (zh) | 分布式光伏异常数据检测方法、系统、电子设备及存储介质 | |
| CN117929861B (zh) | 一种风电场的雷电检测方法、装置、设备及存储介质 | |
| CN116232222B (zh) | 一种分布式光伏系统云边协同积灰程度监测方法及系统 | |
| NL2033883B1 (en) | A Wind Power Forecasting Method, System and Medium for Extremely Windy Weather | |
| KR102580965B1 (ko) | 3d 공간 모델링 기반의 태양광 설비 시뮬레이션 시스템 | |
| KR200435829Y1 (ko) | 태양 에너지 계통 관리 장치 |
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 |