一种基于预测算法的发电量异常检测系统及方法

技术领域

[0001] 本发明涉及光伏发电技术领域，尤其涉及一种基于预测算法的发电量异常检测系统及方法。

背景技术

[0002] 太阳能光伏发电是一种清洁、可再生、无污染的新型能源，随着新能源发电比重的不断提高，光伏发电逐渐成为主要的能源形式。光伏发电系统的运行状态和所处环境将直接影响其发电效率和能力，进而影响系统安全性和经济效益。考虑到环境的复杂性以及光伏发电系统自身特点，硬件故障、组件老化和光伏板积灰等异常情况时有发生，不仅会导致能源浪费，还会增加维护成本及影响发电效率和稳定性。

[0003] 例如在授权公告号为CN111711417B的中国专利中公开了一种在光伏系统中诊断发电量异常的方法，涉及光伏发电技术领域，该方法在第一时刻采集每个光伏组件的第一电压值和第一输出功率值；第二时刻采集每个光伏组件的第二电压值和第二输出功率值；每个光伏组件的第一和第二输出功率值之间的功率差值与第一和第二电压值之间的电压差值相比，得到一个数据源；所有光伏组件的数据源集合成数据集，从数据集中遴选出不符合预设规则的异常数据源，藉此判断出数据源存在着异常的光伏组件处于发电量异常的状态。

[0004] 而在公开号为CN116015207A的中国专利中公开了一种光伏发电量异常预警装置及预警系统，包括以下模块：光强传感器，与光伏组件设置于同一平面，用于实时监测环境光照强度；温度传感器，用于实时监测光伏组件所处的环境温度；电能检测组件，用于实时监测光伏组件输出的电能信息；寿命管理模块，用于根据光伏组件的历史信息及光伏组件型号信息预测转化率；预警模块，用于根据环境光照强度、环境温度及预测转化率获得预测发电量，将预测发电量与电能检测组件检测的电能信息进行比对，根据比对结果进行预警。

[0005] 以上专利均存在本背景技术提出的问题：现有的发电量异常检测方法通常未考虑光伏组件所在区域的环境参数以及光伏组件的积灰程度，存在特殊天气下发电量异常检测准确率降低的问题。

发明内容

[0006] 为了克服现有技术存在的缺陷与不足，本发明提供一种基于预测算法的发电量异常检测系统及方法，综合考虑光伏组件的运行参数和环境参数对光伏组件的积灰程度进行预测，进一步提高了光伏组件发电量异常检测的准确率。

[0007] 为了达到上述目的，本发明采用以下技术方案：

[0008] 本发明提供一种基于预测算法的发电量异常检测方法，包括下述步骤：

[0009] 获取光伏组件的运行参数和环境参数，运行参数包括电流数据、电压数据、温度数据和实际发电量，环境参数包括天气类型、辐照度数据和空气质量指数；

[0010] 通过运行参数和环境参数预测光伏组件积灰程度；

[0011] 构建发电量预测模型，获取光伏组件的预测发电量；

[0012] 将预测发电量和实际发电量的差值高于预设阈值的光伏组件标记为发电量异常组件，所述预设阈值由本领域技术人员根据大量实验确定。

[0013] 作为优选的技术方案，所述天气类型包括晴、多云、阴、雨、雪、晴转多云、多云转阴、阴转雨和多云转雪。

[0014] 作为优选的技术方案，所述光伏组件积灰程度基于光伏组件I‑V曲线进行预测，具体步骤包括：

[0015] 通过电流数据和电压数据，获取光伏组件的实际运行I‑V曲线；

[0016] 将光伏组件的温度数据、天气类型、辐照度数据和空气质量指数输入光伏组件仿真模型，计算光伏组件的理论参考I‑V曲线；

[0017] 利用导数动态时间规整算法分析实际运行I‑V曲线与理论参考I‑V曲线的差异，获取差异值；

[0018] 利用模糊隶属度函数匹配差异值，计算光伏组件积灰程度。

[0019] 作为优选的技术方案，所述发电量预测模型基于气象条件相似日和相似光伏组件进行发电量预测，具体步骤包括：

[0020] 根据天气类型和空气质量指数匹配气象条件相似日；

[0021] 根据光伏组件积灰程度匹配相似光伏组件；

[0022] 将相似光伏组件在气象条件相似日的发电量作为预测发电量。

[0023] 作为优选的技术方案，所述光伏组件仿真模型用下式表示：

[0024]

[0025] 式中I表示光伏组件输出电流，U表示光伏组件输出电压，Id表示二极管输出电流，Iph表示光生电流，Rsh表示并联电阻，Rs表示串联电阻。

[0026] 作为优选的技术方案，所述导数动态时间规整算法减少了原始电流‑电压序列中的噪声影响，用下式表示：

[0027]

[0028] 式中X表示实际运行I‑V曲线的电流‑电压序列，Y表示理论参考I‑V曲线的电流‑电压序列，C表示动态时间弯曲路径集合，s表示每一条路径中元素的个数，lr表示路径中第r个点的坐标，d(·)表示距离函数，dDDTW(X,Y)表示差异值。

[0029] 作为优选的技术方案，所述模糊隶属度函数为三角隶属度函数、梯形隶属度函数、高斯隶属度函数、广义钟型隶属度函数和S型隶属度函数中的一种。

[0030] 作为优选的技术方案，所述光生电流用下式表示：

[0031]

[0032] 式中ISTC表示标准测试条件下的短路电流，α表示短路电流点的温度系数，G表示辐照度数据，T表示光伏组件的温度数据，A表示空气质量指数，ASTC表示标准测试条件下的空气质量指数，TSTC表示标准测试条件下的参考温度，GSTC标准测试条件下的参考辐照度数据，Iph表示光生电流。

[0033] 本发明还提供一种基于预测算法的发电量异常检测系统，包括：

[0034] 参数获取模块，用于获取光伏组件的运行参数和环境参数，运行参数包括电流数据、电压数据、温度数据和实际发电量，环境参数包括天气类型、辐照度数据和空气质量指数；

[0035] 积灰程度预测模块，用于通过运行参数和环境参数预测光伏组件积灰程度；

[0036] 发电量预测模块，用于构建发电量预测模型，获取光伏组件的预测发电量；

[0037] 异常组件标记模块，用于将预测发电量和实际发电量的差值高于预设阈值的光伏组件标记为发电量异常组件。

[0038] 本发明的一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时，实现一种基于预测算法的发电量异常检测方法。

[0039] 本发明的一种控制器，包括存储器和处理器，所述存储器用于存储计算机程序，所述处理器用于执行所述计算机程序时实现一种基于预测算法的发电量异常检测方法。

[0040] 本发明与现有技术相比，具有如下优点和有益效果：

[0041] (1)本发明通过采集光伏组件的运行参数和环境参数对光伏组件的积灰程度进行预测，并将光伏组件的积灰程度纳入发电量预测的影响因素，提高了光伏组件发电量异常检测的准确率。

[0042] (2)本发明根据天气类型和空气质量指数匹配气象条件相似日，根据光伏组件积灰程度匹配相似光伏组件，将相似光伏组件在气象条件相似日的发电量作为预测发电量，提高了光伏组件发电量预测的准确率。