CN117767873B - 一种光伏电站故障预测方法 - Google Patents
一种光伏电站故障预测方法 Download PDFInfo
- Publication number
- CN117767873B CN117767873B CN202311558510.6A CN202311558510A CN117767873B CN 117767873 B CN117767873 B CN 117767873B CN 202311558510 A CN202311558510 A CN 202311558510A CN 117767873 B CN117767873 B CN 117767873B
- Authority
- CN
- China
- Prior art keywords
- power station
- photovoltaic
- photovoltaic power
- fault
- coefficient
- 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
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000011156 evaluation Methods 0.000 claims abstract description 19
- 238000004458 analytical method Methods 0.000 claims abstract description 14
- 238000010438 heat treatment Methods 0.000 claims abstract description 14
- 238000012545 processing Methods 0.000 claims abstract description 6
- 238000004364 calculation method Methods 0.000 claims description 11
- 238000005286 illumination Methods 0.000 claims description 9
- 238000002834 transmittance Methods 0.000 claims description 9
- 230000007613 environmental effect Effects 0.000 claims description 8
- 238000012544 monitoring process Methods 0.000 claims description 7
- 238000012937 correction Methods 0.000 claims description 6
- 238000001514 detection method Methods 0.000 claims description 4
- 230000000149 penetrating effect Effects 0.000 claims description 3
- 230000003685 thermal hair damage Effects 0.000 claims description 2
- 238000013473 artificial intelligence Methods 0.000 abstract description 2
- 230000009286 beneficial effect Effects 0.000 abstract 1
- 238000010223 real-time analysis Methods 0.000 abstract 1
- 238000011897 real-time detection Methods 0.000 abstract 1
- 238000012423 maintenance Methods 0.000 description 7
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Landscapes
- Photovoltaic Devices (AREA)
Abstract
本发明涉及人工智能领域，且公开了一种光伏电站故障预测方法，通过对光伏电站进行图像采集，再利用传感器设备对电站数据进行采集，并对电站数据进行区域划分，通过对采集到的子区域电站数据进行处理，根据处理后的区域电站数据分析出光伏组件的发热系数、电压波动系数及频率偏离系数，通过对子区域电站数据进行二次分析，得到综合故障评估指数，根据综合故障评估指数对各区域内光伏电站的工作情况进行评估，通过评估出的故障风险结果对存在故障风险区域进行定位，并发出故障风险的提示信息，有利于根据光伏电站的运行环境和条件的变化进行实时检测分析，使对光伏电站的预测分析方法更加的智能和标准，从而让分析的结果更加的准确。
Description
技术领域
本发明涉及人工智能技术领域，更具体地涉及一种光伏电站故障预测方法。
背景技术
随着智能电网技术的快速发展，光伏电站作为可再生能源的重要组成部分，需要实现与电网的高效、稳定、安全的互联互通，光伏电站故障预测是一种利用数据分析和机器学习技术来提前识别光伏电站中可能出现故障的设备或部件的方法，光伏电站通常由众多的太阳能电池板、逆变器等设备组成这些设备往往需要定期的检修和维护，如果能提前预测出设备的故障，就能够及时采取维修措施，降低维护成本；
然而上述过程仍然具备以下缺点：
其一、现有对光伏电站的预测通常是根据历史数据对光伏电站的故障进行预测，无法根据光伏电站的运行环境和条件的变化进行实时检测分析；
其二、对光伏电站的预测仅仅通过监测各项数据的异常值，缺少智能化、标准化的预测分析方法，对检测出的存在故障风险的光伏电站需要耗费人工进行具体分析和处理，无法保证预测的准确性，也增加了对光伏电站的维护时间和成本。
发明内容
为了克服现有技术的上述缺陷，本发明提供了一种光伏电站故障预测方法，以解决上述背景技术中存在的问题。
本发明提供如下技术方案：一种光伏电站故障预测方法，包括：
S1：用于通过在光伏电站安装摄像头设备，监测光伏电站的分布情况，并在电脑端对光伏电站进行图像绘制；
S2：用于通过利用传感器设备对电站数据进行采集，将采集的电站数据按布局形式进行区域划分，并编号1,2,3……n，同时将采集的电站数据传输至步骤S3；
S3：用于对采集到的子区域电站数据进行处理，得到光伏电池温度变化、光伏电站的电流、光伏衰减率及光伏组件的透光率；
S4：用于对处理后的子区域电站数据进行分析，得到光伏组件的发热系数、电压波动系数及频率偏离系数；
S5：用于通过分析后的子区域电站数据进行二次分析，得到综合故障评估指数，根据综合故障评估指数对各区域内光伏电站的工作情况进行评估，若评估出各区域内光伏电站存在故障风险的情况，则将评估的故障风险结果传输至步骤S6；
S6：用于通过评估出的故障风险结果对存在故障风险区域进行定位，生成故障风险检测报告，并对存在故障风险的区域匹配合适的整改方案，同时发出故障风险的提示信息，提醒工作人员及时对存在故障风险的情况进行处理。
优选的，所述步骤S1是通过在各光伏电站安装摄像头设备对光伏电站的运行状态和环境条件进行实时监测，并根据光伏电站的分布情况进行图像采集，将采集的图像按日期顺序存储至数据库中。
优选的，所述步骤S2是通过运用传感器设备与计算机接口相连接的方式，对光伏电站运行过程中的运行状态数据和环境变化数据进行采集，并将采集到的电站数据按所划分的区域进行分类存储。
优选的，所述步骤S3是通过子区域电站数据进行提取和整理，得到影响光伏电站发生故障的各项参数，并对其进行计算，实时检测光伏电站的运行状态；
所述光伏电池温度变化是会对光伏电站运行和性能产生的影响，随着环境温度、光照强度、光伏电池功率等因素的变化而改变，从而光伏电池的输出功率、效率和寿命，计算公式为光伏电池温度变化P表示光伏电池功率，Tc表示光伏电池温度，Ta表示环境温度，i表示光伏电池短路电流，v表示光伏电池开路电压，α表示光伏电池温度系数；
所述光伏电站的电流是指在光伏组件上产生的电流，通常在光照充足的情况下，光伏组件会输出一定的电流，并随着光照强度、组件温度和负载电阻等因素的变化而变化，计算公式为光伏电站的电流a表示负载日耗电量，h表示峰值日照时数，θ表示系统效率系数，Vm表示光伏电站的电压；
所述光伏衰减率是评估光伏组件性能稳定性和寿命的重要指标之一，计算公式为光伏衰减率x1表示光伏电站初始功率，x2表示光伏电站的终止功率，s表示运行年数；
所述光伏组件的透光率是指光线从太阳照射到光伏组件表面后，透过组件并被转化为电能的比例，计算公式为光伏组件的透光率r透表示透射光强度，r入表示入射光强度，n表示n个区域。
优选的，所述光伏组件的发热系数是通过光伏电池温度变化ΔT，光伏组件的运行时间t，进行计算，得出光伏组件的发热系数
所述电压波动系数是由光伏电站的电流Im，光伏衰减率L，进行计算，得出电压波动系数n表示n个区域；
所述频率偏离系数是通过光伏衰减率L，进行计算，得出频率偏离系数
优选的，所述综合故障评估指数是由光伏组件的发热系数y、电压波动系数d、u频率偏离系数及负载力系数j，进行计算，得出根据综合故障评估指数对各区域的光伏电站的运行状态进行监测并评估，当综合故障评估指数时，则表示各区域光伏电站无故障风险的情况存在，当综合故障评估指数时，则表示各区域光伏电站存在故障风险的情况，并立即将评估出的故障风险的结果传输至步骤S6。
优选的，所述步骤S7是通过将接收到的故障风险的结果，定位出故障风险的位置，并对光伏电站存在故障风险的区域匹配合适的整改方案，根据对存在故障风险区域做出适当控制，使光伏电站的运行状态保持在正常的范围内。
本发明的技术效果和优点：
本发明通过在光伏电站安装摄像头设备，对光伏电站进行图像采集，通过利用传感器设备对电站数据进行采集，并对电站数据进行区域划分，通过对采集到的子区域电站数据进行处理，根据处理后的区域电站数据分析出光伏组件的发热系数、电压波动系数及频率偏离系数，通过对子区域电站数据进行二次分析，得到综合故障评估指数，根据综合故障评估指数对各区域内光伏电站的工作情况进行评估，通过评估出的故障风险结果对存在故障风险区域进行定位，生成故障风险检测报告，并对存在故障风险的区域匹配合适的整改方案，同时发出故障风险的提示信息，有利于根据光伏电站的运行环境和条件的变化进行实时检测分析，使对光伏电站的预测分析方法更加的智能和标准，从而让分析的结果更加的准确，降低了对光伏电站的维护时间和成本。
附图说明
图1为本发明的一种光伏电站故障预测方法流程图。
具体实施方式
下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，另外，在以下的实施方式中记载的各结构的形态只不过是例示，本发明所涉及的一种光伏电站故障预测方法并不限定于在以下的实施方式中记载的各结构，在本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施方式都属于本发明保护的范围。
本发明提供了一种光伏电站故障预测方法，包括：
S1：用于通过在光伏电站安装摄像头设备，监测光伏电站的分布情况，并在电脑端对光伏电站进行图像绘制。
本实施例中，所述步骤S1是通过在各光伏电站安装摄像头设备对光伏电站的运行状态和环境条件进行实时监测，并根据光伏电站的分布情况进行图像采集，将采集的图像按日期顺序存储至数据库中。
需要具体说明的是，通过对光伏电站的图像进行采集能方便对光伏电站的运行情况和环境变化进行实时监测，加强对光伏电站的运行状态进行管控，方便对电站数据进行采集，有利于对电站数据进行分析。
S2：用于通过利用传感器设备对电站数据进行采集，将采集的电站数据按布局形式进行区域划分，并编号1,2,3……n，同时将采集的电站数据传输至步骤S3。
本实施例中，所述步骤S2是通过运用传感器设备与计算机接口相连接的方式，对光伏电站运行过程中的运行状态数据和环境变化数据进行采集，并将采集到的电站数据按所划分的区域进行分类存储。
需要具体说明的是，通过传感器设备与计算机接口相连接能实时对电站数据进行采集，避免了对数据采集时，由外界环境的影响导致采集的数据不准确的情况，使采集的数据更加准确，将采集后的数据按区域进行存储，保证了数据在传输过程中的可靠，方便数据的提取。
S3：用于对采集到的子区域电站数据进行处理，得到光伏电池温度变化、光伏电站的电流、光伏衰减率及光伏组件的透光率。
本实施例中，所述步骤S3是通过子区域电站数据进行提取和整理，得到影响光伏电站发生故障的各项参数，并对其进行计算，实时检测光伏电站的运行状态；
所述光伏电池温度变化是会对光伏电站运行和性能产生的影响，随着环境温度、光照强度、光伏电池功率等因素的变化而改变，从而光伏电池的输出功率、效率和寿命，计算公式为光伏电池温度变化P表示光伏电池功率，Tc表示光伏电池温度，Ta表示环境温度，i表示光伏电池短路电流，v表示光伏电池开路电压，α表示光伏电池温度系数；
所述光伏电站的电流是指在光伏组件上产生的电流，通常在光照充足的情况下，光伏组件会输出一定的电流，并随着光照强度、组件温度和负载电阻等因素的变化而变化，计算公式为光伏电站的电流a表示负载日耗电量，h表示峰值日照时数，θ表示系统效率系数，Vm表示光伏电站的电压；
所述光伏衰减率是评估光伏组件性能稳定性和寿命的重要指标之一，计算公式为光伏衰减率x1表示光伏电站初始功率，x2表示光伏电站的终止功率，s表示运行年数；
所述光伏组件的透光率是指光线从太阳照射到光伏组件表面后，透过组件并被转化为电能的比例，计算公式为光伏组件的透光率r透表示透射光强度，r入表示入射光强度，n表示n个区域。
需要具体说明的是，通过对光伏电站数据进行处理和分析，能及时洞察和分析电站的运行情况，识别潜在的故障迹象，预测可能出现的故障问题，同时可以优化维修计划，提高维修效率，减少人力和物力资源的浪费，从而降低光伏电站运行成本。
S4：用于对处理后的子区域电站数据进行分析，得到光伏组件的发热系数、电压波动系数及频率偏离系数。
本实施例中，所述光伏组件的发热系数是通过光伏电池温度变化ΔT，光伏组件的运行时间t，进行计算，得出光伏组件的发热系数
所述电压波动系数是由光伏电站的电流Im，光伏衰减率L，进行计算，得出电压波动系数n表示n个区域；
所述频率偏离系数是通过光伏衰减率L，进行计算，得出频率偏离系数
需要具体说明的是，通过对光伏电站的各项参数进行分析，可以帮助发现光伏系统中存在的性能问题，并发现潜在的安全隐患，如电池组过热、电压异常等，及时采取措施避免事故发生，保障电站的安全运行，同时，有利于帮助制定相应的维修措施。
S5：用于通过分析后的子区域电站数据进行二次分析，得到综合故障评估指数，根据综合故障评估指数对各区域内光伏电站的工作情况进行评估，若评估出各区域内光伏电站存在故障风险的情况，则将评估的故障风险结果传输至步骤S6。
本实施例中，所述综合故障评估指数是由光伏组件的发热系数y、电压波动系数d、u频率偏离系数及负载力系数j，进行计算，得出根据综合故障评估指数对各区域的光伏电站的运行状态进行监测并评估，当综合故障评估指数时，则表示各区域光伏电站无故障风险的情况存在，当综合故障评估指数时，则表示各区域光伏电站存在故障风险的情况，并立即将评估出的故障风险的结果传输至步骤S6。
需要具体说明的是，所述负载力系数j是指光伏电站所承载的电力负荷大小。负载力大小直接影响光伏电站的工作状态和稳定性。当负载力过大时，光伏电站可能无法满足电力需求，导致电站故障或失效，同时，过大的负载力还会加大光伏电站的运行压力，使光伏电池组件发热严重，降低电流输出，甚至引发电池组件的热损坏，通过对负载力系数j进行计算，得出p表示负载功率，t′表示负载工作时间。
S6：用于通过评估出的故障风险结果对存在故障风险区域进行定位，生成故障风险检测报告，并对存在故障风险的区域匹配合适的整改方案，同时发出故障风险的提示信息，提醒工作人员及时对存在故障风险的情况进行处理。
本实施例中，所述步骤S7是通过将接收到的故障风险的结果，定位出故障风险的位置，并对光伏电站存在故障风险的区域匹配合适的整改方案，根据对存在故障风险区域做出适当控制，使光伏电站的运行状态保持在正常的范围内。
最后：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
以上所述，仅为本申请的具体实施方式，但本申请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申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。
Claims (1)
1.一种光伏电站故障预测方法，其特征在于：包括：
S1：用于通过在光伏电站安装摄像头设备，监测光伏电站的分布情况，并在电脑端对光伏电站进行图像绘制；
S2：用于通过利用传感器设备对电站数据进行采集，将采集的电站数据按布局形式进行区域划分，并编号1,2,3……n，同时将采集的电站数据传输至步骤S3；
S3：用于对采集到的子区域电站数据进行处理，得到光伏电池温度变化、光伏电站的电流、光伏衰减率及光伏组件的透光率；
S4：用于对处理后的子区域电站数据进行分析，得到光伏组件的发热系数、电压波动系数及频率偏离系数；
S5：用于通过分析后的子区域电站数据进行二次分析，得到综合故障评估指数，根据综合故障评估指数对各区域内光伏电站的工作情况进行评估，若评估出各区域内光伏电站存在故障风险的情况，则将评估的故障风险结果传输至步骤S6；
S6：用于通过评估出的故障风险结果对存在故障风险区域进行定位，生成故障风险检测报告，并对存在故障风险的区域匹配合适的整改方案，同时发出故障风险的提示信息，提醒工作人员及时对存在故障风险的情况进行处理；
所述S1是通过在各光伏电站安装摄像头设备对光伏电站的运行状态和环境条件进行实时监测，并根据光伏电站的分布情况进行图像采集，将采集的图像按日期顺序存储至数据库中；
所述S2是通过运用传感器设备与计算机接口相连接的方式，对光伏电站运行过程中的运行状态数据和环境变化数据进行采集，并将采集到的电站数据按所划分的区域进行分类存储；
所述S3是通过子区域电站数据进行提取和整理，得到影响光伏电站发生故障的各项参数，并对其进行计算，实时检测光伏电站的运行状态；
所述光伏电池温度变化会对光伏电站的运行和性能产生影响，其随着环境温度、光照强度、光伏电池功率的变化而改变，从而影响光伏电池的输出功率、效率和寿命，计算公式为光伏电池温度变化P表示光伏电池功率，Tc表示光伏电池温度，Ta表示环境温度，i表示光伏电池短路电流，v表示光伏电池开路电压，α表示光伏电池温度系数；
所述光伏电站的电流是指在光伏组件上产生的电流，通常在光照充足的情况下，光伏组件会输出一定的电流，并随着光照强度、组件温度和负载电阻的变化而变化，计算公式为光伏电站的电流a表示负载日耗电量，h表示峰值日照时数，θ表示系统效率系数，Vm表示光伏电站的电压；
所述光伏衰减率是评估光伏组件性能稳定性和寿命的重要指标之一，计算公式为光伏衰减率x1表示光伏电站初始功率，x2表示光伏电站的终止功率，s表示运行年数；
所述光伏组件的透光率是指光线从太阳照射到光伏组件表面后，透过组件并被转化为电能的比例，计算公式为光伏组件的透光率r透表示透射光强度，r入表示入射光强度，n表示n个区域；
所述光伏组件的发热系数是通过光伏电池温度变化ΔT，光伏组件的运行时间t，进行计算，得出光伏组件的发热系数
所述电压波动系数是由光伏电站的电流Im，光伏衰减率L，进行计算，得出电压波动系数n表示n个区域；
所述频率偏离系数是通过光伏衰减率L，进行计算，得出频率偏离系数
所述综合故障评估指数是由光伏组件的发热系数y、电压波动系数d、频率偏离系数u及负载力系数j，进行计算，得出根据综合故障评估指数对各区域的光伏电站的运行状态进行监测并评估，当综合故障评估指数时，则表示各区域光伏电站无故障风险的情况存在，当综合故障评估指数时，则表示各区域光伏电站存在故障风险的情况，并立即将评估出的故障风险的结果传输至步骤S6；
所述步骤S6是通过将接收到的故障风险的结果，定位出故障风险的位置，并对光伏电站存在故障风险的区域匹配合适的整改方案，根据对存在故障风险区域做出适当控制，使光伏电站的运行状态保持在正常的范围内；
所述负载力系数j是指光伏电站所承载的电力负荷大小，负载力大小直接影响光伏电站的工作状态和稳定性，当负载力过大时，光伏电站可能无法满足电力需求，导致电站故障或失效，同时，过大的负载力还会加大光伏电站的运行压力，使光伏电池组件发热严重，降低电流输出，甚至引发电池组件的热损坏，通过对负载力系数j进行计算，得出p表示负载功率，t′表示负载工作时间。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311558510.6A CN117767873B (zh) | 2023-11-21 | 2023-11-21 | 一种光伏电站故障预测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311558510.6A CN117767873B (zh) | 2023-11-21 | 2023-11-21 | 一种光伏电站故障预测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117767873A CN117767873A (zh) | 2024-03-26 |
| CN117767873B true CN117767873B (zh) | 2024-08-27 |
Family
ID=90317185
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311558510.6A Active CN117767873B (zh) | 2023-11-21 | 2023-11-21 | 一种光伏电站故障预测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117767873B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118485622A (zh) * | 2024-04-15 | 2024-08-13 | 江苏鑫业智慧技术有限公司 | 一种基于光伏组件参数实时运算的光伏设备故障诊断方法 |
| CN118249518B (zh) * | 2024-05-27 | 2024-08-09 | 山东宏业发展集团有限公司 | 电力通信线路的故障智能化监控与控制系统 |
| CN118378543B (zh) * | 2024-06-24 | 2024-08-30 | 山东国华时代投资发展有限公司 | 一种新能源场站运行故障智能演化分析方法及系统 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116865669A (zh) * | 2023-07-04 | 2023-10-10 | 湖南华辰悦科技有限公司 | 一种基于分布式光伏故障检测系统 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101535056B1 (ko) * | 2013-12-11 | 2015-07-24 | 한국에너지기술연구원 | 계통연계형 태양광발전 시스템의 고장 검출 진단 장치 및 그 방법 |
| WO2023272479A1 (zh) * | 2021-06-29 | 2023-01-05 | 华为数字能源技术有限公司 | 电站运维系统、电站运维方法及光伏电站 |
| 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 |
| CN116914940A (zh) * | 2023-08-30 | 2023-10-20 | 安徽易皖建筑工程有限公司 | 一种基于建筑工程的光伏变电站的高低压控制监测系统 |
-
2023
- 2023-11-21 CN CN202311558510.6A patent/CN117767873B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116865669A (zh) * | 2023-07-04 | 2023-10-10 | 湖南华辰悦科技有限公司 | 一种基于分布式光伏故障检测系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117767873A (zh) | 2024-03-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN117767873B (zh) | 一种光伏电站故障预测方法 | |
| CN102723394B (zh) | 一种光伏组件接线盒 | |
| KR102084783B1 (ko) | 머신러닝기반 태양광발전운영 관리시스템 | |
| KR20170007625A (ko) | 마이크로그리드 태양광 하베스팅 기반의 에너지 효율화를 위한 에너지 통합 관리 시스템 | |
| CN114337540B (zh) | 光伏状态检测方法、系统及存储介质 | |
| CN116914940A (zh) | 一种基于建筑工程的光伏变电站的高低压控制监测系统 | |
| KR20190083857A (ko) | 낙뢰감지센서를 이용한 전력 자동차단시스템 및 그 방법 | |
| CN116886043A (zh) | 一种自动识别光伏组串系统问题的监测系统 | |
| CN114844467A (zh) | 一种基于新能源集控的光伏运行状态分析方法 | |
| CN111505436A (zh) | 一种基于大数据的电力通讯分析系统 | |
| KR102634956B1 (ko) | Ai 기반 빅 데이터 분석에 의한 태양광 발전설비의 전주기 사후관리 방법 및 그 시스템 | |
| CN118117770A (zh) | 一种光伏储能系统故障监测的保护装置及方法 | |
| CN112505518B (zh) | 一种光伏组串积尘检测方法、装置及系统 | |
| KR102137775B1 (ko) | 원격기능을 포함한 태양광발전 데이터 감시 및 판단 장치와 이를 이용한 태양광발전 데이터 모니터링 시스템 | |
| CN117791872A (zh) | 一种配电箱的智能供电系统及设备 | |
| CN116131755B (zh) | 一种太阳能发电设备智能控制系统及方法 | |
| CN117291317A (zh) | 基于aem的智能电力监控与优化系统 | |
| CN111711414A (zh) | 一种具有最大功率的光伏电站故障检测装置 | |
| KR102521644B1 (ko) | 태양광 발전소 모니터링 시스템 | |
| KR20150063228A (ko) | 태양광 발전기 출력 저하 판단 방법 및 장치 | |
| CN117060849B (zh) | 一种光伏用的箱变设备检测方法及其相关设备 | |
| CN106301213A (zh) | 太阳能装置诊断方法 | |
| CN116418292B (zh) | 一种光伏组件的性能测试方法以及系统 | |
| CN111917375B (zh) | 一种光伏组件检测方法 | |
| CN213661571U (zh) | 一种企业分布式光伏装置监测系统 |
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 |