CN117807546A - 一种用于光伏协议转换器的数据高效存储方法及系统 - Google Patents

一种用于光伏协议转换器的数据高效存储方法及系统 Download PDF

Info

Publication number
CN117807546A
CN117807546A CN202410223564.5A CN202410223564A CN117807546A CN 117807546 A CN117807546 A CN 117807546A CN 202410223564 A CN202410223564 A CN 202410223564A CN 117807546 A CN117807546 A CN 117807546A
Authority
CN
China
Prior art keywords
direct current
current data
data
sequence
revolving door
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
Application number
CN202410223564.5A
Other languages
English (en)
Other versions
CN117807546B (zh
Inventor
马文栋
梁春芝
郭鹏程
张坤
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shandong Deyuan Electric Power Technology Co ltd
Original Assignee
Shandong Deyuan Electric Power Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shandong Deyuan Electric Power Technology Co ltd filed Critical Shandong Deyuan Electric Power Technology Co ltd
Priority to CN202410223564.5A priority Critical patent/CN117807546B/zh
Publication of CN117807546A publication Critical patent/CN117807546A/zh
Application granted granted Critical
Publication of CN117807546B publication Critical patent/CN117807546B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/048—Activation functions
    • 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
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02S—GENERATION OF ELECTRIC POWER BY CONVERSION OF INFRARED RADIATION, VISIBLE LIGHT OR ULTRAVIOLET LIGHT, e.g. USING PHOTOVOLTAIC [PV] MODULES
    • H02S40/00—Components or accessories in combination with PV modules, not provided for in groups H02S10/00 - H02S30/00
    • H02S40/30—Electrical components
    • H02S40/32—Electrical components comprising DC/AC inverter means associated with the PV module itself, e.g. AC modules
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/02—Preprocessing
    • G06F2218/04—Denoising
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/08—Feature extraction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/12—Classification; Matching

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Strategic Management (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Primary Health Care (AREA)
  • Human Resources & Organizations (AREA)
  • Water Supply & Treatment (AREA)
  • Public Health (AREA)
  • Control Of Electrical Variables (AREA)

Abstract

本发明涉及数据压缩技术领域，尤其涉及一种用于光伏协议转换器的数据高效存储方法及系统，该方法获取光伏协议转换器在预设时间段采集的任一光伏板的直流电流数据序列；获取直流电流数据序列的序差和以及每个直流电流数据的特异性程度；针对直流电流数据序列中的任一直流电流数据，根据直流电流数据序列的序差和以及直流电流数据的特异性程度获取直流电流数据的优化参数，根据直流电流数据的优化参数，获取直流电流数据的自适应旋转门的大小；根据直流电流数据序列中的每个直流电流数据对应的自适应旋转门的大小，使用旋转门算法对直流电流数据序列进行数据压缩存储，提高了直流电流数据序列中波动电流数据的保存精度。

Description

一种用于光伏协议转换器的数据高效存储方法及系统
技术领域
本发明涉及数据压缩技术领域，尤其涉及一种用于光伏协议转换器的数据高效存储方法及系统。
背景技术
在光伏发电中光伏协议转换器是其中一个重要设备，其用于将光伏板产生的直流电转化为交流电，同时还需要最大化调节光伏板的工作效率、监控系统性能以及收集各个部位的传感器数据。在光伏协议转化器的运行中，将读取的各种具有时序特征的传感器数据经过压缩处理保存在本地或者云端，以便后续进行数据特征挖掘、异常检测与记录、数据可视化汇报等操作。由于采集的传感器数据具有时序特征并且数量巨大，且都是同种设备工作下产生的数据，使得采集到的传感器数据的相似度较高，因此，现有技术中，通常使用旋转门算法对采集的传感器数据进行数据压缩处理，其特点是效率高、压缩比高、误差可调等。
旋转门算法是一种用于时序数据的压缩技术，目前广泛应用于工业中。旋转门算法的目的是在保持数据精度的同时尽可能减少存储的数据点量，旋转门算法中的每一段都相当于一个线性拟合。旋转门算法在实际使用中，需要设定一个门来确定数据点的重要性，相当于定义了数据点可以偏离趋势线的最大范围，超过设定范围的数据点就会被记录下来，在设定范围内的数据点会被忽略掉。以最初的数据点为中心建立两扇门，每一扇门一经打开无法被关闭，利用每一扇门去连接新的数据点，直到两扇门的内角和大于或等于180度，将此数据点作为关键点储存并以此数据点作为新的起始点重复开门过程。
在旋转门算法的实际应用中根据使用场景设定好固定的门大小，相当于所有数据都有一样的压缩比率，这种固定门的压缩存在突变数据点的保存精度低的问题。而在光伏发电的光伏协议转换器收集光伏板直流端的电流传感器的直流电流数据时，由于伏板是一个受光照强度影响十分敏感的器件，光伏板受污渍、云层变化、建筑物和树木等的遮挡会产生一些波动电流数据，而这些波动电流数据对于光伏板的性能研究十分重要，因此，使用固定门的旋转门算法对直流电流数据进行数据压缩时，会损失波动电流数据的保存精度。
故，如何在使用旋转门算法对直流电流数据进行数据压缩时，提高波动电流数据的保存精度成为亟需解决的问题。
发明内容
有鉴于此，本发明实施例提供了一种用于光伏协议转换器的数据高效存储方法及系统，以解决如何在使用旋转门算法对直流电流数据进行数据压缩时，提高波动电流数据的保存精度的问题。
第一方面，本发明实施例中提供了一种用于光伏协议转换器的数据高效存储方法，该数据高效存储方法包括：
获取光伏协议转换器在预设时间段采集的任一光伏板的直流电流数据序列；
根据所述直流电流数据序列中的每个直流电流数据，获取所述直流电流数据序列的序差和以及所述每个直流电流数据的特异性程度；
针对所述直流电流数据序列中的任一直流电流数据，根据所述直流电流数据序列的序差和以及所述直流电流数据的特异性程度和Sigmoid函数中的关键参数，获取所述直流电流数据的优化参数，根据所述直流电流数据的优化参数，获取利用旋转门算法对所述直流电流数据序列进行数据压缩时所述直流电流数据的自适应旋转门的大小；
根据所述直流电流数据序列中的每个直流电流数据对应的自适应旋转门的大小，使用所述旋转门算法对所述直流电流数据序列进行数据压缩存储。
优选的，所述根据所述直流电流数据序列中的每个直流电流数据，获取所述直流电流数据序列的序差和以及所述每个直流电流数据的特异性程度，包括：
将所述直流电流数据序列中的每个直流电流数据按照从大到小的顺序排序，得到所述直流电流数据序列中的每个直流电流数据的排序值；
根据所述直流电流数据序列中的每个直流电流数据的排序值，获取平均排序值，针对所述直流电流数据序列中的任一直流电流数据，获取所述直流电流数据的排序值与所述平均排序值之间的差值绝对值，将所述差值绝对值作为所述直流电流数据的特异性程度；
将所述直流电流数据序列中的每个直流电流数据的特异性程度进行相加，得到的相加结果作为所述直流电流数据序列的序差和。
优选的，所述Sigmoid函数中的关键参数包括用于控制Sigmoid函数曲线的陡峭程度的K参数，则所述根据所述直流电流数据序列的序差和以及所述直流电流数据的特异性程度和Sigmoid函数中的关键参数，获取所述直流电流数据的优化参数，包括：
根据所述直流电流数据序列的序差和以及所述直流电流数据序列中所包含的直流电流数据的数量，获取平均特异性程度；
根据所述平均特异性程度、所述K参数以及所述直流电流数据的特异性程度，获取所述直流电流数据的优化因子，将所述直流电流数据的优化因子作为Sigmoid函数的自变量，对应的得到的结果作为所述直流电流数据的优化参数。
优选的，所述根据所述平均特异性程度、所述K参数以及所述直流电流数据的特异性程度，获取所述直流电流数据的优化因子，包括：
获取所述平均特异性程度与所述直流电流数据的特异性程度之间的差值，将所述差值与所述K参数之间的乘积作为所述直流电流数据的优化因子。
优选的，所述根据所述直流电流数据的优化参数，获取利用旋转门算法对所述直流电流数据序列进行数据压缩时所述直流电流数据的自适应旋转门的大小，包括：
获取旋转门算法中的旋转门的预设最大值，将预设比例的所述直流电流数据作为所述旋转门算法中的旋转门的最小值；
获取所述预设最大值和所述最小值之间的相减结果，获取所述直流电流数据的优化参数与所述相减结果之间的相乘结果，将所述预设最大值减去所述相乘结果的结果作为利用旋转门算法对所述直流电流数据序列进行数据压缩时所述直流电流数据的自适应旋转门的大小。
第二方面，本发明实施例中提供了一种用于光伏协议转换器的数据高效存储系统，该数据高效存储系统包括：
数据采集模块，用于获取光伏协议转换器在预设时间段采集的任一光伏板的直流电流数据序列；
数据分析模块，用于根据所述直流电流数据序列中的每个直流电流数据，获取所述直流电流数据序列的序差和以及所述每个直流电流数据的特异性程度；
参数获取模块，用于针对所述直流电流数据序列中的任一直流电流数据，根据所述直流电流数据序列的序差和以及所述直流电流数据的特异性程度和Sigmoid函数中的关键参数，获取所述直流电流数据的优化参数，根据所述直流电流数据的优化参数，获取利用旋转门算法对所述直流电流数据序列进行数据压缩时所述直流电流数据的自适应旋转门的大小；
数据压缩模块，用于根据所述直流电流数据序列中的每个直流电流数据对应的自适应旋转门的大小，使用所述旋转门算法对所述直流电流数据序列进行数据压缩存储。
优选的，所述数据分析模块包括：
数据排序单元，用于将所述直流电流数据序列中的每个直流电流数据按照从大到小的顺序排序，得到所述直流电流数据序列中的每个直流电流数据的排序值；
第一分析单元，用于根据所述直流电流数据序列中的每个直流电流数据的排序值，获取平均排序值，针对所述直流电流数据序列中的任一直流电流数据，获取所述直流电流数据的排序值与所述平均排序值之间的差值绝对值，将所述差值绝对值作为所述直流电流数据的特异性程度；
第二分析单元，用于将所述直流电流数据序列中的每个直流电流数据的特异性程度进行相加，得到的相加结果作为所述直流电流数据序列的序差和。
优选的，所述Sigmoid函数中的关键参数包括用于控制Sigmoid函数曲线的陡峭程度的K参数，则所述参数获取模块，包括：
均值化单元，用于根据所述直流电流数据序列的序差和以及所述直流电流数据序列中所包含的直流电流数据的数量，获取平均特异性程度；
数据处理单元，用于根据所述平均特异性程度、所述K参数以及所述直流电流数据的特异性程度，获取所述直流电流数据的优化因子，将所述直流电流数据的优化因子作为Sigmoid函数的自变量，对应的得到的结果作为所述直流电流数据的优化参数。
优选的，所述数据处理单元中根据所述平均特异性程度、所述K参数以及所述直流电流数据的特异性程度，获取所述直流电流数据的优化因子，包括：
获取所述平均特异性程度与所述直流电流数据的特异性程度之间的差值，将所述差值与所述K参数之间的乘积作为所述直流电流数据的优化因子。
优选的，所述参数获取模块，包括：
上下限获取单元，用于获取旋转门算法中的旋转门的预设最大值，将预设比例的所述直流电流数据作为所述旋转门算法中的旋转门的最小值；
数据融合单元，用于获取所述预设最大值和所述最小值之间的相减结果，获取所述直流电流数据的优化参数与所述相减结果之间的相乘结果，将所述预设最大值减去所述相乘结果的结果作为利用旋转门算法对所述直流电流数据序列进行数据压缩时所述直流电流数据的自适应旋转门的大小。
本发明实施例与现有技术相比存在的有益效果是：
本发明获取光伏协议转换器在预设时间段采集的任一光伏板的直流电流数据序列；根据所述直流电流数据序列中的每个直流电流数据，获取所述直流电流数据序列的序差和以及所述每个直流电流数据的特异性程度；针对所述直流电流数据序列中的任一直流电流数据，根据所述直流电流数据序列的序差和以及所述直流电流数据的特异性程度和Sigmoid函数中的关键参数，获取所述直流电流数据的优化参数，根据所述直流电流数据的优化参数，获取利用旋转门算法对所述直流电流数据序列进行数据压缩时所述直流电流数据的自适应旋转门的大小；根据所述直流电流数据序列中的每个直流电流数据对应的自适应旋转门的大小，使用所述旋转门算法对所述直流电流数据序列进行数据压缩存储。其中，在利用旋转门算法对光伏板的直流电流数据序列进行数据压缩过程中，通过直流电流数据序列中的各个直流电流数据的特异性程度，动态获取每个直流电流数据对应的自适应旋转门的大小，以避免利用固定大小的旋转门对直流电流数据序列进行数据压缩时导致的特异性数据损失，从而在对直流电流数据序列进行数据压缩的同时还保留了特异性数据的精度，提高了直流电流数据序列中波动电流数据的保存精度。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中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性的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例一提供的一种用于光伏协议转换器的数据高效存储方法的方法流程图；
图2是本发明实施例二提供的一种用于光伏协议转换器的数据高效存储系统的结构框图。
具体实施方式
下面详细描述本公开的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本公开，而不能理解为对本公开的限制。
需要说明的是，本公开的说明书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本公开的实施例能够以除了在这里图示或描述的那些以外的顺序实施。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与本公开的一些方面相一致的装置和方法的例子。
为了说明本发明的技术方案，下面通过具体实施例来进行说明。
本发明所针对的具体场景为：在光伏协议转换器参与的光伏发电中，光伏协议转换器收集各个传感器产生的传感器数据，由于光伏板的直流电流数据具有时序数据特征且数据量大，需要压缩后保存，因此，利用旋转门算法对任一光伏板的直流电流数据进行数据压缩处理。
参见图1，是本发明实施例一提供的一种用于光伏协议转换器的数据高效存储方法的方法流程图，如图1所示，该数据高效存储方法可以包括：
步骤S101，获取光伏协议转换器在预设时间段采集的任一光伏板的直流电流数据序列。
本发明实施例中，获取光伏协议转换器通过光伏板上的电流传感器采集的各个光伏板的直流电流数据。由于云层变化，太阳角度改变引起的部分遮阴以及部分光伏板存在污渍等情况，都会对各个光伏板的输出电流范围存在影响，以目前普遍使用的光伏板组件为例，光照强度改变10W/m2，对应光伏板的直流电流变化0.125A，因此，为了避免光照强度的变化对光伏板输出的直流电流数据的影响，针对任一光伏板，获取光伏协议转换器在预设时间段采集的该光伏板的直流电流数据序列，使得直流电流数据序列在同一光照强度（同一光照强度是指光照强度变化影响不大所对应的范围）下采集得到的。例如：假设8点-9点的光照强度的变化幅度较小，默认其8点-9点的光照强度相同，则可以采集8点-9点时间范围内的任一光伏板的直流电流数据序列。
需要说明的是，根据不同的地域、不同的设备选择不同时间段所对应的各个光伏板的直流电流数据序列。
步骤S102，根据直流电流数据序列中的每个直流电流数据，获取直流电流数据序列的序差和以及每个直流电流数据的特异性程度。
本发明的目的是为了在利用旋转门算法对直流电流数据序列进行数据压缩时，能够通过动态调整旋转门算法中的旋转门大小，从而提高直流电流数据序列中的波动电流数据的压缩精度，因此，本发明实施例中，需要先对直流电流数据序列中的各个直流电流数据进行异常分析。
对于同一光照强度下采集的直流电流数据序列，如果光伏板出现了污渍遮挡的情况，其输出的直流电流的大小和正常工作时的直流电流的大小存在较大差异，则根据直流电流数据序列中的每个直流电流数据，获取直流电流数据序列的序差和以及每个直流电流数据的特异性程度，用于表征直流电流数据序列中的直流电流数据之间的差异，因此，根据直流电流数据序列中的每个直流电流数据，获取直流电流数据序列的序差和以及每个直流电流数据的特异性程度，包括：
将所述直流电流数据序列中的每个直流电流数据按照从大到小的顺序排序，得到所述直流电流数据序列中的每个直流电流数据的排序值；
根据所述直流电流数据序列中的每个直流电流数据的排序值，获取平均排序值，针对所述直流电流数据序列中的任一直流电流数据，获取所述直流电流数据的排序值与所述平均排序值之间的差值绝对值，将所述差值绝对值作为所述直流电流数据的特异性程度；
将所述直流电流数据序列中的每个直流电流数据的特异性程度进行相加，得到的相加结果作为所述直流电流数据序列的序差和。
在一实施方式中，首先根据直流电流数据序列中的各个直流电流数据的大小，将直流电流数据序列中的每个直流电流数据按照从大到小的顺序排序，得到每个直流电流数据在直流电流数据序列中的排名，记为排序值R，然后，利用公式获取直流电流数据序列中的平均排序值，其中，/>表示平均排序值，n表示直流电流数据序列中包含的直流电流数据的数量，/>表示直流电流数据序列中的第j个直流电流数据的排序值。
在得到直流电流数据序列中的平均排序值之后，针对直流电流数据序列中的第j个直流电流数据，根据第j个直流电流数据的排序值与平均排序值之间的差异，获取第j个直流电流数据的特异性程度，则特异性程度的计算表达式为：
其中，表示第j个直流电流数据的特异性程度，/>表示第j个直流电流数据的排序值，/>表示平均排序值，| |表示绝对值符号。
需要说明的是，直流电流数据序列中的第j个直流电流数据的排名与平均排名的差值绝对值越大，说明第j个直流电流数据的特异性越强，对应第j个直流电流数据的特异性程度越大。
进一步的，在得到直流电流数据序列中的每个直流电流数据的特异性程度之后，根据直流电流数据序列中的每个直流电流数据的特异性程度，获取直流电流数据序列的序差和，用于表征该直流电流数据序列的整体特异性程度，则直流电流数据序列的序差和的计算表达式为：
其中，SRD表示直流电流数据序列的序差和，表示第j个直流电流数据的特异性程度。
需要说明的是，光伏板的污渍对光伏板的影响与云层、建筑遮阴不同，在没有人为干预的情况下有污渍的光伏板的直流电流数据特异性一定较正常工作的光伏板要大，且此数据特征长期存在，不因光照强度变化出现或者消失，当直流电流数据序列的序差和SRD长期处于较大值状态时，证明此光伏板存在污渍；当直流电流数据序列的序差和SRD偶尔处于较大值状态时，说明是此光伏板受云层、建筑等遮阴的影响。
步骤S103，针对直流电流数据序列中的任一直流电流数据，根据直流电流数据序列的序差和以及直流电流数据的特异性程度和Sigmoid函数中的关键参数，获取直流电流数据的优化参数，根据直流电流数据的优化参数，获取利用旋转门算法对直流电流数据序列进行数据压缩时直流电流数据的自适应旋转门的大小。
在旋转门算法的使用过程中，如果起始点是较大的旋转门，而下一个数据点的特异性程度大，则需要减小旋转门的大小，此时相当于出现了特异性数据点或发生特异性事件，该数据点开始的数据点应该减小压缩比率，进而应当直接中断当前的旋转门，并从该数据点开始重新计算；如果起始点是较小的旋转门，而下一个数据点的特异性程度较小时，则继续执行当前的旋转门压缩。因此，本发明实施例中，考虑到直流电流数据序列中的每个直流电流数据的特异性程度存在差异，则可以根据每个直流电流数据的特异性程度自适应调整旋转门算法中的旋转门的大小，这样可以保留特异性数据周围一段距离的数据特征。
考虑到特异性数据点的出现是有一个渐变过程，对其过程数据的保留也是很重要的，如果仅根据直流电流数据序列中的每个直流电流数据的特异性程度决定旋转门算法中的旋转门的小大，会使压缩比率在段与段之间的跳跃较大，为后续的数据挖掘造成不便，因此，本发明实施例中，根据直流电流数据序列的序差和、直流电流数据序列中的每个直流电流数据的特异性程度和Sigmoid函数中的关键参数，分别获取直流电流数据序列中的每个直流电流数据的优化参数，以控制直流电流数据序列的非线性调整，进而灵活控制直流电流数据序列的压缩比率。其中，Sigmoid函数中的关键参数包括用于控制Sigmoid函数曲线的陡峭程度的K参数，故，针对直流电流数据序列中的任一直流电流数据，根据所述直流电流数据序列的序差和以及所述直流电流数据的特异性程度和Sigmoid函数中的关键参数，获取所述直流电流数据的优化参数，包括：
根据所述直流电流数据序列的序差和以及所述直流电流数据序列中所包含的直流电流数据的数量，获取平均特异性程度；
根据所述平均特异性程度、所述K参数以及所述直流电流数据的特异性程度，获取所述直流电流数据的优化因子，将所述直流电流数据的优化因子作为Sigmoid函数的自变量，对应的得到的结果作为所述直流电流数据的优化参数。
在一实施方式中，以直流电流数据序列中的第j个直流电流数据为例，由于Sigmoid函数中的K参数用于控制曲线的陡峭程度，K值越大，曲线的中间部分越陡峭，因此，调整K值得大小可以调控压缩比率得变化范围，让直流电流数据序列中的部分直流电流数据尽可能详细的保留，部分直流电流数据充分压缩以节约空间，优选的，设置K参数为2，可根据需求调整。
根据直流电流数据序列的序差和以及直流电流数据序列中所包含的直流电流数据的数量，获取平均特异性程度，其中，平均特异性程度的计算公式为：，其中，SRD表示直流电流数据序列的序差和，n表示直流电流数据序列中包含的直流电流数据的数量，/>表示平均特异性程度。
由于控制着Sigmoid函数曲线的中心点位置，用于表征直流电流数据序列的整体特异性程度，有污渍遮挡的光伏板相较于无遮挡的光伏板的整体特异性程度的差异较大，但有污渍遮挡的光伏板的直流电流数据也不应该全都因为特异性相比正常光伏板的大，就全部高精度保留，在整体较为异常的情况下更希望保留那些具有显著特征的直流电流数据，整体异常现象并不因压缩率的增大而消失，这种情况同样适用于正常工作的光伏板受云层遮阴的情况，不因为直流电流数据序列中存在大部分正常的直流电流数据就增大压缩比率，则需要根据光伏板的直流电流数据序列的平均特异性程度/>确定Sigmoid函数曲线的中心点，并合理的设置直流电流数据序列的压缩范围。
因此，在得到直流电流数据序列的平均特异性程度之后，根据平均特异性程度、K参数以及第j个直流电流数据的特异性程度，获取第j个直流电流数据的优化因子。在得到第j个直流电流数据的优化因子之后，利用第j个直流电流数据的优化因子对Sigmoid函数进行优化，以获取第j个直流电流数据的优化参数，则第j个直流电流数据的优化参数的计算表达式为：
其中，表示直流电流数据序列中的第j个直流电流数据/>的优化参数，e表示自然常数，/>表示直流电流数据序列中的第j个直流电流数据的优化因子。
需要说明的是，Sigmoid函数曲线的陡峭程度是根据设定的K值固定的，利用第j个直流电流数据的优化因子调整Sigmoid函数曲线的陡峭程度，提升了对压缩比率的控制能力和对直流电流数据序列中的特异性数据的保留，可以根据直流电流数据序列中每个直流电流数据的特异性程度灵活获取自身的优化参数，以在利用旋转门算法对直流电流数据序列进行数据压缩时保留不同精度、不同范围的直流电流数据，加强了利用光伏板输出的直流电流对于污渍遮挡的识别能力，并且无需复杂的迭代算法就可以实现对于光伏阵列中的任一光伏板的污渍检测功能，同时，保留的特异性数据中还保留如云层变化引起的直流电流数据的变化特征的数据精度，为后续的数据挖掘提供方便。
至此，利用直流电流数据序列中的第j个直流电流数据的优化参数的获取方法，能够分别获取直流电流数据序列中的每个直流电流数据的优化参数。
其中，根据所述平均特异性程度、所述K参数以及所述直流电流数据的特异性程度，获取所述直流电流数据的优化因子，包括：
获取所述平均特异性程度与所述直流电流数据的特异性程度之间的差值，将所述差值与所述K参数之间的乘积作为所述直流电流数据的优化因子。
在一实施方式中，以直流电流数据序列中的第j个直流电流数据为例，则第j个直流电流数据的优化因子的计算表达式为：
其中，表示直流电流数据序列中的第j个直流电流数据的优化因子，K表示Sigmoid函数中的K参数，/>表示直流电流数据序列中的第j个直流电流数据的特异性程度，表示平均特异性程度。
进一步的，在得到直流电流数据序列中的所述直流电流数据的优化参数之后，即可利用优化参数获取利用旋转门算法对直流电流数据序列进行数据压缩时所述直流电流数据的自适应旋转门的大小，则根据所述直流电流数据的优化参数，获取利用旋转门算法对直流电流数据序列进行数据压缩时所述直流电流数据的自适应旋转门的大小，包括：
获取旋转门算法中的旋转门的预设最大值，将预设比例的所述直流电流数据作为所述旋转门算法中的旋转门的最小值；
获取所述预设最大值和所述最小值之间的相减结果，获取所述直流电流数据的优化参数与所述相减结果之间的相乘结果，将所述预设最大值减去所述相乘结果的结果作为利用旋转门算法对所述直流电流数据序列进行数据压缩时所述直流电流数据的自适应旋转门的大小。
在一实施方式中，由于光伏板输出的直流电流波动受光照强度影响很大，例如：云层变化、太阳角度改变引起的部分遮阴以及个别光伏板存在污渍等情况，会影响各个光伏板输出的直流电流数据，也即是光照强度的变化会影响光伏板实际输出的直流电流数据，因此，利用旋转门算法对直流电流数据序列进行数据压缩时，需要根据光伏系统环境设置旋转门算法中的旋转门的大小范围，把范围内的正常直流电流数据进行数据压缩，超出范围的特异性直流电流数据保留细节，故，本发明实施例中，以目前普遍使用的光伏板组件为例，根据光照强度的变化设置旋转门算法中的旋转门的最大值，光照强度每提升10W/m2，对应光伏板输出的直流电流数据的变化为0.125A，则以光照强度变化下的直流电流数据变化的一半设定旋转门算法中的旋转门的最大值，以型号JKM610N-78HL4为例，当光照强度从800W/m2变化到810W/m2时，设置旋转门算法中的旋转门的最大值=0.0625A。
由于光伏系统的噪声所影响的直流电流波动小于0.5%，温度变化对于光伏系统效率的影响在0.3%左右，因此根据光伏系统产生的噪声及温度变化对于光伏板工作效率的影响设置旋转门算法中的旋转门的最小值，则设置旋转门的最小值为任一直流电流数据0.5%，这样选择的最小值在压缩数据的同事可以消除噪声的影响，相当于给压缩的数据进行了一次滤波处理。
进一步的，针对直流电流数据序列中的第j个直流电流数据，获取第j个直流电流数据对应的旋转门的大小范围，其中/>，则根据第j个直流电流数据对应的旋转门的大小范围以及第j个直流电流数据的优化参数，获取利用旋转门算法对直流电流数据序列进行数据压缩时第j个直流电流数据的自适应旋转门的大小，则第j个直流电流数据的自适应旋转门的大小的计算表达式为：
其中，表示第j个直流电流数据的自适应旋转门的大小，/>表示第j个直流电流数据的优化参数，/>表示第j个直流电流数据对应的旋转门的大小范围内的最大值，/>表示第j个直流电流数据对应的旋转门的大小范围内的最小值。
至此，根据第j个直流电流数据的自适应旋转门的大小的获取方法，分别获取直流电流数据序列中的每个直流电流数据的自适应旋转门的大小。
步骤S104，根据直流电流数据序列中的每个直流电流数据对应的自适应旋转门的大小，使用旋转门算法对直流电流数据序列进行数据压缩存储。
在上述步骤S103中能够得到直流电流数据序列中的每个直流电流数据对应的自适应旋转门的大小，进而根据直流电流数据序列中的每个直流电流数据对应的自适应旋转门的大小，使用旋转门算法对直流电流数据序列进行数据压缩存储，具体的：在直流电流数据序列中，根据初始点的值选择对应的自适应旋转门的大小，并与下一数据点的自适应旋转门的大小作比较，如果下一数据点的自适应旋转门的大小小于初始点的自适应旋转门的大小，则连接这两个点，并以新数据点为起点重新开门；如果下一数据点的自适应旋转门的大小大于上一个数据点的自适应旋转门的大小，则继续执行压缩算法，直到出现自适应旋转门的大小缩小或者出现下门斜率大于或等于上门的情况，连接初始点和终点，并以终点为起始点重新开启新门，不断重复上述算法以完成对直流电流数据序列的压缩存储。
值得说明的是，旋转门算法属于现有技术，此处不再详细赘述。
综上所述，本发明实施例获取光伏协议转换器在预设时间段采集的任一光伏板的直流电流数据序列；根据所述直流电流数据序列中的每个直流电流数据，获取所述直流电流数据序列的序差和以及所述每个直流电流数据的特异性程度；针对所述直流电流数据序列中的任一直流电流数据，根据所述直流电流数据序列的序差和以及所述直流电流数据的特异性程度和Sigmoid函数中的关键参数，获取所述直流电流数据的优化参数，根据所述直流电流数据的优化参数，获取利用旋转门算法对所述直流电流数据序列进行数据压缩时所述直流电流数据的自适应旋转门的大小；根据所述直流电流数据序列中的每个直流电流数据对应的自适应旋转门的大小，使用所述旋转门算法对所述直流电流数据序列进行数据压缩存储。其中，在利用旋转门算法对光伏板的直流电流数据序列进行数据压缩过程中，通过直流电流数据序列中的各个直流电流数据的特异性程度，动态获取每个直流电流数据对应的自适应旋转门的大小，以避免利用固定大小的旋转门对直流电流数据序列进行数据压缩时导致的特异性数据损失，从而在对直流电流数据序列进行数据压缩的同时还保留了特异性数据的精度，提高了直流电流数据序列中波动电流数据的保存精度。
基于与上述方法相同的发明构思，本发明实施例还提供了一种用于光伏协议转换器的数据高效存储系统，参照图2，为本发明实施例所提供的一种用于光伏协议转换器的数据高效存储系统的结构框图，如图2所示，该数据高效存储系统包括：
数据采集模块21，用于获取光伏协议转换器在预设时间段采集的任一光伏板的直流电流数据序列；
数据分析模块22，用于根据所述直流电流数据序列中的每个直流电流数据，获取所述直流电流数据序列的序差和以及所述每个直流电流数据的特异性程度；
参数获取模块23，用于针对所述直流电流数据序列中的任一直流电流数据，根据所述直流电流数据序列的序差和以及所述直流电流数据的特异性程度和Sigmoid函数中的关键参数，获取所述直流电流数据的优化参数，根据所述直流电流数据的优化参数，获取利用旋转门算法对所述直流电流数据序列进行数据压缩时所述直流电流数据的自适应旋转门的大小；
数据压缩模块24，用于根据所述直流电流数据序列中的每个直流电流数据对应的自适应旋转门的大小，使用所述旋转门算法对所述直流电流数据序列进行数据压缩存储。
优选的，数据分析模块22包括：
数据排序单元，用于将所述直流电流数据序列中的每个直流电流数据按照从大到小的顺序排序，得到所述直流电流数据序列中的每个直流电流数据的排序值；
第一分析单元，用于根据所述直流电流数据序列中的每个直流电流数据的排序值，获取平均排序值，针对所述直流电流数据序列中的任一直流电流数据，获取所述直流电流数据的排序值与所述平均排序值之间的差值绝对值，将所述差值绝对值作为所述直流电流数据的特异性程度；
第二分析单元，用于将所述直流电流数据序列中的每个直流电流数据的特异性程度进行相加，得到的相加结果作为所述直流电流数据序列的序差和。
优选的，所述Sigmoid函数中的关键参数包括用于控制Sigmoid函数曲线的陡峭程度的K参数，则参数获取模块23，包括：
均值化单元，用于根据所述直流电流数据序列的序差和以及所述直流电流数据序列中所包含的直流电流数据的数量，获取平均特异性程度；
数据处理单元，用于根据所述平均特异性程度、所述K参数以及所述直流电流数据的特异性程度，获取所述直流电流数据的优化因子，将所述直流电流数据的优化因子作为Sigmoid函数的自变量，对应的得到的结果作为所述直流电流数据的优化参数。
优选的，数据处理单元中根据所述平均特异性程度、所述K参数以及所述直流电流数据的特异性程度，获取所述直流电流数据的优化因子，包括：
获取所述平均特异性程度与所述直流电流数据的特异性程度之间的差值，将所述差值与所述K参数之间的乘积作为所述直流电流数据的优化因子。
优选的，参数获取模块23，包括：
上下限获取单元，用于获取旋转门算法中的旋转门的预设最大值，将预设比例的所述直流电流数据作为所述旋转门算法中的旋转门的最小值；
数据融合单元，用于获取所述预设最大值和所述最小值之间的相减结果，获取所述直流电流数据的优化参数与所述相减结果之间的相乘结果，将所述预设最大值减去所述相乘结果的结果作为利用旋转门算法对所述直流电流数据序列进行数据压缩时所述直流电流数据的自适应旋转门的大小。
以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。

Claims (10)

1.一种用于光伏协议转换器的数据高效存储方法，其特征在于，所述一种用于光伏协议转换器的数据高效存储方法包括：
获取光伏协议转换器在预设时间段采集的任一光伏板的直流电流数据序列；
根据所述直流电流数据序列中的每个直流电流数据，获取所述直流电流数据序列的序差和以及所述每个直流电流数据的特异性程度；
针对所述直流电流数据序列中的任一直流电流数据，根据所述直流电流数据序列的序差和以及所述直流电流数据的特异性程度和Sigmoid函数中的关键参数，获取所述直流电流数据的优化参数，根据所述直流电流数据的优化参数，获取利用旋转门算法对所述直流电流数据序列进行数据压缩时所述直流电流数据的自适应旋转门的大小；
根据所述直流电流数据序列中的每个直流电流数据对应的自适应旋转门的大小，使用所述旋转门算法对所述直流电流数据序列进行数据压缩存储。
2.根据权利要求1所述的一种用于光伏协议转换器的数据高效存储方法，其特征在于，所述根据所述直流电流数据序列中的每个直流电流数据，获取所述直流电流数据序列的序差和以及所述每个直流电流数据的特异性程度，包括：
将所述直流电流数据序列中的每个直流电流数据按照从大到小的顺序排序，得到所述直流电流数据序列中的每个直流电流数据的排序值；
根据所述直流电流数据序列中的每个直流电流数据的排序值，获取平均排序值，针对所述直流电流数据序列中的任一直流电流数据，获取所述直流电流数据的排序值与所述平均排序值之间的差值绝对值，将所述差值绝对值作为所述直流电流数据的特异性程度；
将所述直流电流数据序列中的每个直流电流数据的特异性程度进行相加，得到的相加结果作为所述直流电流数据序列的序差和。
3.根据权利要求1所述的一种用于光伏协议转换器的数据高效存储方法，其特征在于，所述Sigmoid函数中的关键参数包括用于控制Sigmoid函数曲线的陡峭程度的K参数，则所述根据所述直流电流数据序列的序差和以及所述直流电流数据的特异性程度和Sigmoid函数中的关键参数，获取所述直流电流数据的优化参数，包括：
根据所述直流电流数据序列的序差和以及所述直流电流数据序列中所包含的直流电流数据的数量，获取平均特异性程度；
根据所述平均特异性程度、所述K参数以及所述直流电流数据的特异性程度，获取所述直流电流数据的优化因子，将所述直流电流数据的优化因子作为Sigmoid函数的自变量，对应的得到的结果作为所述直流电流数据的优化参数。
4.根据权利要求3所述的一种用于光伏协议转换器的数据高效存储方法，其特征在于，所述根据所述平均特异性程度、所述K参数以及所述直流电流数据的特异性程度，获取所述直流电流数据的优化因子，包括：
获取所述平均特异性程度与所述直流电流数据的特异性程度之间的差值，将所述差值与所述K参数之间的乘积作为所述直流电流数据的优化因子。
5.根据权利要求1所述的一种用于光伏协议转换器的数据高效存储方法，其特征在于，所述根据所述直流电流数据的优化参数，获取利用旋转门算法对所述直流电流数据序列进行数据压缩时所述直流电流数据的自适应旋转门的大小，包括：
获取旋转门算法中的旋转门的预设最大值，将预设比例的所述直流电流数据作为所述旋转门算法中的旋转门的最小值；
获取所述预设最大值和所述最小值之间的相减结果，获取所述直流电流数据的优化参数与所述相减结果之间的相乘结果，将所述预设最大值减去所述相乘结果的结果作为利用旋转门算法对所述直流电流数据序列进行数据压缩时所述直流电流数据的自适应旋转门的大小。
6.一种用于光伏协议转换器的数据高效存储系统，其特征在于，所述一种用于光伏协议转换器的数据高效存储系统，包括：
数据采集模块，用于获取光伏协议转换器在预设时间段采集的任一光伏板的直流电流数据序列；
数据分析模块，用于根据所述直流电流数据序列中的每个直流电流数据，获取所述直流电流数据序列的序差和以及所述每个直流电流数据的特异性程度；
参数获取模块，用于针对所述直流电流数据序列中的任一直流电流数据，根据所述直流电流数据序列的序差和以及所述直流电流数据的特异性程度和Sigmoid函数中的关键参数，获取所述直流电流数据的优化参数，根据所述直流电流数据的优化参数，获取利用旋转门算法对所述直流电流数据序列进行数据压缩时所述直流电流数据的自适应旋转门的大小；
数据压缩模块，用于根据所述直流电流数据序列中的每个直流电流数据对应的自适应旋转门的大小，使用所述旋转门算法对所述直流电流数据序列进行数据压缩存储。
7.根据权利要求6所述的一种用于光伏协议转换器的数据高效存储系统，其特征在于，所述数据分析模块包括：
数据排序单元，用于将所述直流电流数据序列中的每个直流电流数据按照从大到小的顺序排序，得到所述直流电流数据序列中的每个直流电流数据的排序值；
第一分析单元，用于根据所述直流电流数据序列中的每个直流电流数据的排序值，获取平均排序值，针对所述直流电流数据序列中的任一直流电流数据，获取所述直流电流数据的排序值与所述平均排序值之间的差值绝对值，将所述差值绝对值作为所述直流电流数据的特异性程度；
第二分析单元，用于将所述直流电流数据序列中的每个直流电流数据的特异性程度进行相加，得到的相加结果作为所述直流电流数据序列的序差和。
8.根据权利要求6所述的一种用于光伏协议转换器的数据高效存储系统，其特征在于，所述Sigmoid函数中的关键参数包括用于控制Sigmoid函数曲线的陡峭程度的K参数，则所述参数获取模块，包括：
均值化单元，用于根据所述直流电流数据序列的序差和以及所述直流电流数据序列中所包含的直流电流数据的数量，获取平均特异性程度；
数据处理单元，用于根据所述平均特异性程度、所述K参数以及所述直流电流数据的特异性程度，获取所述直流电流数据的优化因子，将所述直流电流数据的优化因子作为Sigmoid函数的自变量，对应的得到的结果作为所述直流电流数据的优化参数。
9.根据权利要求8所述的一种用于光伏协议转换器的数据高效存储系统，其特征在于，所述数据处理单元中根据所述平均特异性程度、所述K参数以及所述直流电流数据的特异性程度，获取所述直流电流数据的优化因子，包括：
获取所述平均特异性程度与所述直流电流数据的特异性程度之间的差值，将所述差值与所述K参数之间的乘积作为所述直流电流数据的优化因子。
10.根据权利要求6所述的一种用于光伏协议转换器的数据高效存储系统，其特征在于，所述参数获取模块，包括：
上下限获取单元，用于获取旋转门算法中的旋转门的预设最大值，将预设比例的所述直流电流数据作为所述旋转门算法中的旋转门的最小值；
数据融合单元，用于获取所述预设最大值和所述最小值之间的相减结果，获取所述直流电流数据的优化参数与所述相减结果之间的相乘结果，将所述预设最大值减去所述相乘结果的结果作为利用旋转门算法对所述直流电流数据序列进行数据压缩时所述直流电流数据的自适应旋转门的大小。
CN202410223564.5A 2024-02-29 2024-02-29 一种用于光伏协议转换器的数据高效存储方法及系统 Active CN117807546B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202410223564.5A CN117807546B (zh) 2024-02-29 2024-02-29 一种用于光伏协议转换器的数据高效存储方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202410223564.5A CN117807546B (zh) 2024-02-29 2024-02-29 一种用于光伏协议转换器的数据高效存储方法及系统

Publications (2)

Publication Number Publication Date
CN117807546A true CN117807546A (zh) 2024-04-02
CN117807546B CN117807546B (zh) 2024-04-30

Family

ID=90430323

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202410223564.5A Active CN117807546B (zh) 2024-02-29 2024-02-29 一种用于光伏协议转换器的数据高效存储方法及系统

Country Status (1)

Country Link
CN (1) CN117807546B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB685996A (en) * 1949-06-10 1953-01-14 Standard Telephones Cables Ltd Improvements in or relating to valve voltmeters
CN108490284A (zh) * 2018-02-12 2018-09-04 国网山东省电力公司电力科学研究院 面向多应用场景的新能源数据采集装置、系统及方法
US20210337219A1 (en) * 2020-04-28 2021-10-28 Honeywell Federal Manufacturing & Technologies, Llc Electronic device and method for compressing video data
CN115495505A (zh) * 2022-10-11 2022-12-20 国网甘肃省电力公司电力科学研究院 一种基于新能源机场群数据关联分析方法
CN116452042A (zh) * 2023-04-04 2023-07-18 上海时觉物联网科技有限公司 一种光伏电站智能物联安全监管的方法及系统
CN116674411A (zh) * 2023-06-06 2023-09-01 福州大学 基于充能决策预测的电-氢复合充能站优化调度策略
CN117131035A (zh) * 2023-10-24 2023-11-28 山东尚儒弘毅精细化工有限公司 一种化工染料生产数据智能储存方法及系统
CN117608499A (zh) * 2024-01-23 2024-02-27 山东华夏高科信息股份有限公司 一种基于物联网的智慧交通数据优化存储方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB685996A (en) * 1949-06-10 1953-01-14 Standard Telephones Cables Ltd Improvements in or relating to valve voltmeters
CN108490284A (zh) * 2018-02-12 2018-09-04 国网山东省电力公司电力科学研究院 面向多应用场景的新能源数据采集装置、系统及方法
US20210337219A1 (en) * 2020-04-28 2021-10-28 Honeywell Federal Manufacturing & Technologies, Llc Electronic device and method for compressing video data
CN115495505A (zh) * 2022-10-11 2022-12-20 国网甘肃省电力公司电力科学研究院 一种基于新能源机场群数据关联分析方法
CN116452042A (zh) * 2023-04-04 2023-07-18 上海时觉物联网科技有限公司 一种光伏电站智能物联安全监管的方法及系统
CN116674411A (zh) * 2023-06-06 2023-09-01 福州大学 基于充能决策预测的电-氢复合充能站优化调度策略
CN117131035A (zh) * 2023-10-24 2023-11-28 山东尚儒弘毅精细化工有限公司 一种化工染料生产数据智能储存方法及系统
CN117608499A (zh) * 2024-01-23 2024-02-27 山东华夏高科信息股份有限公司 一种基于物联网的智慧交通数据优化存储方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
杨佳葳;闫正兵;李剑锋;张正江;戴瑜兴;: "基于序差和的光伏阵列故障分类方法", 控制工程, no. 08, 20 August 2020 (2020-08-20) *
王洋洋;: "基于旋转门算法的数据压缩在煤矿安全监控系统中的应用", 煤矿安全, no. 01, 20 January 2020 (2020-01-20) *

Also Published As

Publication number Publication date
CN117807546B (zh) 2024-04-30

Similar Documents

Publication Publication Date Title
CN112215406B (zh) 一种基于时间卷积神经网络的非侵入式居民用电负荷分解方法
CN118114816A (zh) 一种建筑能耗快速预测方法
CN117498521A (zh) 光伏储能系统的充电控制方法及系统
CN117220597B (zh) 一种光伏电站快速频率响应速率监测系统
CN114548756A (zh) 基于主成分分析的综合能源项目综合效益评价方法及装置
CN107578164A (zh) 一种太阳能电池板清洁预警方法和装置
CN117574061A (zh) 一种pm2.5和臭氧污染协同防控的预测方法及系统
CN117218425A (zh) 一种用于光伏电站的发电损失分析方法及系统
CN117992738B (zh) 一种节电柜电能自动化节电监测方法及系统
CN117807546B (zh) 一种用于光伏协议转换器的数据高效存储方法及系统
CN117118063A (zh) 一种基于云边融合的新能源监控方法及系统
CN116596139A (zh) 一种基于Elman神经网络的短期负荷预测方法及系统
CN114781720A (zh) 地区碳排放量预测方法、装置及终端设备
AU2017435881A1 (en) Decoupled modeling methods and systems
CN114818827A (zh) 基于seq2point网络的非侵入式负荷分解方法
CN117193500A (zh) 基于lstm的服务器动态管理方法、系统、终端及存储介质
CN117175595A (zh) 一种基于多级数据的电网调控方法及系统
CN116760033A (zh) 一种基于人工智能的实时电力需求预测系统
CN116050579A (zh) 基于深度特征融合网络的建筑能耗预测方法及系统
CN114091782B (zh) 中长期电力负荷预测方法
CN115237163A (zh) 光伏跟踪系统遮挡判断方法、装置、系统与可读存储介质
CN118265276B (zh) 一种适应性节能的变频器散热控制方法及变频器
Zhang et al. Research of General Threshold Model for Pumped Storage Power Station Equipment Based on Normal Distribution
CN117555373A (zh) 一种水冷装置流量智能调节的算法及系统
Jiang Design of Learning Algorithm Engineering Electrical Control System based on Fuzzy Neural Network

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