本发明属于光伏发电技术领域，尤其涉及一种基于数据挖掘的光伏发电系统异常检测系统及方法。
背景技术：
在能源危机形势下，太阳能光伏发电作为可再生清洁能源得到了广泛发展和应用。由于能量直接来自太阳光，所以太阳能光伏发电设备主要装配在建筑物顶层或者荒漠无人区。受外部环境和自身使用寿命的影响，太阳能光伏电池板通常出现碎裂，老化等故障现象。太阳能电池板的故障会影响整个发电系统的效率，严重时会法发生火灾等。
目前，太阳能光伏发电系统的设备故障检测主要有基于红外图像的故障诊断方法和电气测量故障诊断方法。其中基于红外图像的检测方法成本较高，受外界环境影响较大；电气检测方法不能实现实时检测，并且检测结构在大规模光伏阵列应用中难以推广。近些年来，人工智能被广泛应用到太阳能光伏发电系统的故障诊断中，实现了实时在线检测。但是这些方法大多没有考虑太阳能光伏电池板老化和外部环境因素对光伏发电系统异常检测的影响。
技术实现要素：
本发明的目的在于：为解决光伏发电装备老化和外部环境因素导致光伏发电设备发电异常问题，提供了一种基于数据挖掘的光伏发电系统异常检测系统及方法。
本发明采用的技术方案如下：
一种基于数据挖掘的光伏发电系统异常检测系统，包括：
数据采集子系统，包括发电量采集模块、光照强度采集模块和温度及湿度采集模块，发电量采集模块与光伏发电设备连接；
数据处理子系统，包括关联规则提取模块和关联规则匹配模块，关联规则提取模块提取数据采集子系统中的数据进行处理，并构建关联规则集；
数据存储子系统，包括先验规则存储模块和监测数据模块，先验规则存储模块存储光伏发电设备的先验规则集，监测数据模块存储数据采集子系统获取的监测数据；
设备状态显示子系统，包括故障报警模块和设备状态显示模块，故障报警模块用于发出故障信号，设备状态显示模块用于将故障位置和故障原因显示于界面上。
一种基于数据挖掘的光伏发电系统异常检测方法，其特征在于，包括以下步骤：
S1.在光伏发电设备正常运行状态下，发电量采集模块、光照强度采集模块和温度及湿度采集模块以特定的时间间隔分别获取光伏发电设备一天中特定时刻的发电量W、太阳光强度G、设备周围环境的温度T和湿度S，并将获取到的数据输入到数据处理子系统中。
S2.关联规则提取模块提取步骤S1中所得的数据作为先验数据，通过先验数据构建先验规则F1、F2和F3，将先验规则F1、F2和F3整合形成先验规则集F{F1，F2，F3}，将先验规则集F{F1，F2，F3}存储到先验规则存储模块中。
S3.在光伏发电设备实际运行过程中，当发电量W异常时，监测数据模块将数据采集子系统获取的监测数据带入关联规则提取模块中，通过步骤S2构建的先验规则得到实时规则集K{K1，K2，K3}。
S4.将步骤S3中的实时规则集K{K1，K2，K3}与步骤S2中的先验规则集F{F1，F2，F3}进行序列比对。
S5.设备显示子系统根据步骤S4得到的序列比对结果进行处理，若序列比对结果表示光伏发电设备正常，设备状态显示模块将光伏发电设备发电正常信息显示在界面上；若序列比对结果表示光伏发电设备异常，故障报警模块发出故障报警信号，设备状态显示模块将异常原因显示在界面上。
进一步地，所述步骤S2采用apriori算法构建先验规则集，具体步骤如下：
S2.1.关联规则提取模块提取正常情况下光伏发电设备的发电量W、太阳光强度G、设备周围环境的温度T和湿度S，将项集集合D＝{D1，D2，...，Dn-1，Dn}(n>2)输入到数据处理子系统中，并确定项集集合D最小支持阈值，其中Di＝{Gi，Ti，Si，Wi}(0<i<≤n)；
S2.2.统计项集集合D中不同的项集Di出现的频率，根据频率找出大于apriori算法中最小支持度的项集，即为一维最大项集；
S2.3.根据步骤S2.2中得到的k-1(k≥2)维最大项集产生k维候选项集，从项集集合D中获取候选项集的项集支持度，并与步骤S2.2中的最小支持度进行比较，得到k维最大项集；
S2.4.循环处理步骤S2.3，直至没有最大项集生成，最终得到k'维最大项集；
S2.5.通过步骤S2.4中的k'维最大项集得到项集集合D的先验规则集F{F1，F2，F3}，其中，F1表示光伏发电设备发电量W与光照强度G的关系，F2表示光伏发电设备发电量W与外部温度T的关系，F3表示光伏发电设备发电量W与外部湿度S的关系。
进一步地，判断发电量W的异常的方式为：通过步骤S2中的先验数据中的发电量确定一个阈值U，将步骤S1中构建先验规则选取的特定时刻采集的发电量w1与光伏发电设备实际运行状态时相同时刻的发电量w2进行比较，若w1与w2之间的差值不超过阈值U，则视为发电量正常；若w1与w2之间的差值超过阈值U，则视为发电量异常。
进一步地，步骤S4中所述的序列比对步骤如下：
S4.1.判断实时规则K1是否满足关联规则F1，若实时规则K1不满足关联规则F1，则光伏发电设备异常，且光伏发电设备产生异常原因为光照强度G的变化引起发电量W变化，序列比对结束；若实时规则K1满足关联规则F1，进入下一步；
S4.2.判断实时规则K2是否满足关联规则F2，若实时规则K2不满足关联规则F2，则光伏发电设备异常，且光伏发电设备产生异常原因为外部温度T的变化引起发电量W变化，序列比对结束；若实时规则K2满足关联规则F2，进入下一步；
S4.3.判断实时规则K3是否满足关联规则F3，若实时规则K3不满足关联规则F3，则光伏发电设备异常，且光伏发电设备产生异常原因为外部湿度S的变化引起发电量W变化，序列比对结束；若实时规则K3满足关联规则F3，进入下一步；
S4.4.光伏发电设备正常。
综上所述，由于采用了上述技术方案，本发明的有益效果是：
1、本发明中，通过光伏发电系统实现对光伏发电设备运行状态的自动监测和诊断，减少了人力和物力成本，实用性高。
2、本发明中，利用数据挖掘的方法对光伏板组件故障进行诊断、排查，能有效、快速地检测出光伏板故障源及故障原因，提高了对光伏板组件故障的诊断效率。
3、本发明中，该方法不仅针对光伏板的电路故障进行诊断，同时包括了对光伏板老化情况下发电率不高的异常进行诊断，实用性高。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
实施例1
一种基于数据挖掘的光伏发电系统异常检测系统及方法，系统包括数据采集子系统、数据处理子系统、数据存储子系统和设备状态显示子系统。数据采集子系统包括发电量采集模块、光照强度采集模块和温度及湿度采集模块，发电量采集模块与光伏发电设备连接。数据处理子系统包括关联规则提取模块和关联规则匹配模块，关联规则提取模块用于提取数据采集子系统中的数据进行处理，并构建关联规则集；关联规则匹配模块用于将实时检测数据的实时规则与数据存储库中的先验规则进行比较，并进行异常判断。数据存储子系统包括先验规则存储模块和监测数据模块，先验规则存储模块用于存储光伏发电设备的先验规则；监测数据模块用于存储数据采集子系统获取的监测数据。设备状态显示子系统包括故障报警模块和设备状态显示模块，故障报警模块用于在数据处理子系统获取故障信息后发出故障信号，设备状态显示模块用于将故障位置和故障原因显示于界面上，供用户查看。异常检测方法实现步骤如下：
S1.在光伏发电设备正常运行状态下，发电量采集模块、光照强度采集模块和温度及湿度采集模块以特定的时间间隔分别获取光伏发电设备一天中特定时刻的发电量W、太阳光强度G、设备周围环境的温度T和湿度S，并将获取到的数据输入到数据处理子系统中；
S2.关联规则提取模块提取步骤S1中所得的数据作为先验数据，通过先验数据构建先验规则F1、F2和F3，将先验规则F1、F2和F3整合形成先验规则集F{F1，F2，F3}，将先验规则集F{F1，F2，F3}存储到先验规则存储模块中。本发明采用apriori算法构建先验规则集，其具体步骤如下：
S2.1.关联规则提取模块提取正常情况下光伏发电设备的发电量W、太阳光强度G、设备周围环境的温度T和湿度S，将项集集合D＝{D1，D2，...，Dn-1，Dn}(n>2)输入到数据处理子系统中，并确定项集集合D最小支持阈值，其中Di＝{Gi，Ti，Si，Wi}(0<i<≤n)；
S2.2.统计项集集合D中不同的项集Di出现的频率，根据频率找出大于apriori算法中最小支持度的项集，即为一维最大项集；
S2.3.根据步骤S2.2中得到的k-1(k≥2)维最大项集产生k维候选项集，从项集集合D中获取候选项集的项集支持度，并与步骤S2.2中的最小支持度进行比较，得到k维最大项集；
S2.4.循环处理步骤S2.3，直至没有最大项集生成，最终得到k'维最大项集；
S2.5.通过步骤S2.4中的k'维最大项集得到项集集合D的先验规则集F{F1，F2，F3}，其中，F1表示光伏发电设备发电量W与光照强度G的关系，F2表示光伏发电设备发电量W与外部温度T的关系，F3表示光伏发电设备发电量W与外部湿度S的关系。
S3.在光伏发电设备实际运行过程中，当发电量W异常时，监测数据模块将数据采集子系统获取的监测数据带入关联规则提取模块中，通过步骤S2构建的先验规则得到实时规则集K{K1，K2，K3}。其中，判断发电量W的异常的方式为：通过步骤S2中的先验数据中的发电量确定一个阈值U，将步骤S1中构建先验规则选取的特定时刻采集的发电量w1与光伏发电设备实际运行状态时相同时刻的发电量w2进行比较，若w1与w2之间的差值不超过阈值U，则视为发电量正常；若w1与w2之间的差值超过阈值U，则视为发电量异常。
S4.将步骤S3中的实时规则集K{K1，K2，K3}与步骤S2中的先验规则集F{F1，F2，F3}进行序列比对，序列比对步骤如下：
S4.1.判断实时规则K1是否满足关联规则F1，若实时规则K1不满足关联规则F1，则光伏发电设备异常，且光伏发电设备产生异常原因为光照强度G的变化引起发电量W变化，序列比对结束；若实时规则K1满足关联规则F1，进入下一步；
S4.2.判断实时规则K2是否满足关联规则F2，若实时规则K2不满足关联规则F2，则光伏发电设备异常，且光伏发电设备产生异常原因为外部温度T的变化引起发电量W变化，序列比对结束；若实时规则K2满足关联规则F2，进入下一步；
S4.3.判断实时规则K3是否满足关联规则F3，若实时规则K3不满足关联规则F3，则光伏发电设备异常，且光伏发电设备产生异常原因为外部湿度S的变化引起发电量W变化，序列比对结束；若实时规则K3满足关联规则F3，进入下一步；
S4.4.光伏发电设备正常。
其中，步骤S4.1、S4.2和S4.3的顺序可任意调整。
S5.设备显示子系统根据步骤S4得到的序列比对结果进行处理，若序列比对结果表示光伏发电设备正常，设备状态显示模块将光伏发电设备发电正常信息显示在界面上；若序列比对结果表示光伏发电设备异常，故障报警模块发出故障报警信号，设备状态显示模块将异常原因和异常位置显示在界面上。其中，本申请中的异常位置的判断方法采用与本申请同日递交的名称为“一种基于开关矩阵的光伏板故障定位系统及方法”的专利申请中的故障定位方法。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。