一种光伏运行方法及系统与流程

本发明属于光伏运行控制，具体涉及一种光伏运行方法及系统。

背景技术：

1、电能是用途最广泛的能源之一。光伏发电有着太阳能取之不尽用之不竭、安全无公害、受地域限制小、建设周期短和成本较低等得天独厚的优势。随着使用年限的增加，光伏阵列发生故障的概率有增加的趋势。光伏阵列的故障类型多，各种故障会不同程度地导致发电量的降低，使光伏电站的效率受到较大影响。故障如果不能被及时处置，可能加快光伏阵列的老化并降低其寿命，甚至可能导致严重的安全事故。为了保证光伏的正常运行，常常需要安排工作人员进行巡检，不仅费时费力，还存在巡检不到位的情况发生。

技术实现思路

1、本发明提供一种光伏运行方法及系统，用以解决现有技术中存在的技术问题。

2、第一方面，本发明提供一种光伏运行方法，包括：

3、获取历史光伏运行数据以及历史光伏运行数据对应的故障编码，得到用于机器学习的训练样本数据；

4、基于注意力机制、上下文提取机制以及深度学习策略，构建光伏运行状态解析模型，并采用训练样本数据对光伏运行状态解析模型进行优化，获取具备光伏运行状态识别能力的光伏运行状态解析模型；

5、获取实时光伏运行数据，并采用具备光伏运行状态识别能力的光伏运行状态解析模型对实时光伏运行数据进行识别，得到光伏运行状态解析结果；

6、根据所述光伏运行状态解析结果，执行预先设定的与光伏运行状态解析结果所对应的目标控制策略，完成光伏运行流程。

7、进一步地，所述历史光伏运行数据至少包括多个连续时间点上的辐照度、组件温度、组件电压以及组件电流。

8、进一步地，基于注意力机制、上下文提取机制以及深度学习策略，构建光伏运行状态解析模型，包括：

9、构建顺次连接的输入层、第一卷积层、第一池化层、卷积注意力机制模块、第二卷积层、第二池化层、上下文特征提取模块以及softmax输出层。

10、进一步地，所述卷积注意力机制模块包括通道注意力单元以及空间注意力单元，所述通道注意力单元的输入作为卷积注意力机制模块的输入，所述通道注意力单元的输出数据与其输入数据求取第一克罗内克积，并将第一克罗内克积作为空间注意力单元的输入；所述空间注意力单元的输出数据与其输入数据求取第二克罗内克积，并将第二克罗内克积作为卷积注意力机制模块的输出；

11、所述上下文特征提取模块包括第一卷积单元、第二卷积单元、第三卷积单元、第四卷积单元以及concat层；所述第一卷积单元的输入作为上下文特征提取模块的输入，所述第一卷积单元的输出分别作为第二卷积单元的输入以及第三卷积单元的输入，所述第二卷积单元的输出作为第四卷积单元的输入，所述第三卷积单元的输出以及第四卷积单元的输出共同作为concat层的输入，所述concat层的输出作为上下文特征提取模块的输出。

12、进一步地，采用训练样本数据对光伏运行状态解析模型进行优化，获取具备光伏运行状态识别能力的光伏运行状态解析模型，包括：

13、初始化训练参数，所述训练参数包括种群规模m、最大训练次数iter、超参数上限向量以及超参数下限向量；

14、根据超参数上限向量以及超参数下限向量，采用混沌映射策略随机生成2m个超参数个体；

15、根据训练样本数据，获取每个超参数个体的适应度值，并将2m个超参数个体按照适应度值从大到小的顺序排序，并取出前m个超参数个体作为第一目标个体，将剩余的后m个超参数个体作为第二目标个体；

16、建立第一目标个体与第二目标个体之间的关联关系，所述关联关系为每个第二目标个体唯一跟随一个第一目标个体；

17、判断第一目标个体的数量是否小于m，若是，则获取第一目标个体在本轮训练中的数量m'，保持前m'个第二目标个体的关联关系不变，令第m'个之后的第二目标个体跟随第m'个第一目标个体，以更新第一目标个体与第二目标个体之间的关联关系，否则保持第一目标个体与第二目标个体之间的关联关系不变；

18、根据第一目标个体与第二目标个体之间的关联关系以及第二目标个体，采用螺旋搜索策略对第二目标个体进行更新，得到更新后的第二目标个体；

19、采用信息融合策略以及贪心算法对更新后的第二目标个体进行二次更新，得到二次更新后的第二目标个体；

20、判断当前训练次数是否等于或者大于最大训练次数iter，若是，则从二次更新后的第二目标个体以及第一目标个体中取出适应度值最大的个体，得到光伏运行状态解析模型的最终超参数，即得到具备光伏运行状态识别能力的光伏运行状态解析模型，否则更新第一目标个体的目标数量m”，并以第一目标个体的目标数量m”为基础，在二次更新后的第二目标个体以及第一目标个体中取出适应度值最大的m”个目标个体对第一目标个体进行更新，得到更新后的第一目标个体，并返回第一目标个体数量的判断步骤。

21、进一步地，根据训练样本数据，获取每个超参数个体的适应度值，包括：

22、将超参数个体应用至光伏运行状态解析模型中，并以训练样本数据中的历史光伏运行数据作为光伏运行状态解析模型的输入数据，获取光伏运行状态解析模型的实际输出数据；

23、以训练样本数据中历史光伏运行数据对应的故障编码构建光伏运行状态解析模型的期望输出数据，并根据期望输出数据以及实际输出数据获取光伏运行状态解析模型的误差函数值；

24、根据误差函数值，获取适应度值为1/(误差函数值+a)，a表示常数；

25、遍历所有超参数个体，得到每个超参数个体的适应度值。

26、进一步地，根据第一目标个体与第二目标个体之间的关联关系以及第二目标个体，采用螺旋搜索策略对第二目标个体进行更新，得到更新后的第二目标个体为：

27、x2i'＝d2i*ebr*cos(2πr)+x2ig

28、其中，i＝1,2,…,m，d2i表示第i个第二目标个体x2i与其跟随的第一目标个体之间的欧式距离，x2ig表示第i个第二目标个体x2i跟随的第一目标个体，e表示自然常数，b表示控制系数，且b设置为常数，r表示[-1,1]之间的随机数，π表示圆周率。

29、进一步地，采用信息融合策略以及贪心算法对更新后的第二目标个体进行二次更新，得到二次更新后的第二目标个体，包括：

30、获取更新后的第二目标个体的适应度值，并从更新后的第二目标个体中取出适应度值前三的最优个体、第一次优个体以及第二次优个体；

31、根据最优个体、第一次优个体以及第二次优个体，获取融合个体中每一位超参数为：

32、

33、其中，表示融合个体中第d维超参数，d＝1,2,…,damx，damx表示光伏运行状态解析模型的超参数总数，g1d表示最优个体中第d维超参数，f(g1)表示最优个体g1的适应度值，g2d表示第一次优个体中第d维超参数，f(g2)表示第一次优个体g2的适应度值，g3d表示第二次优个体中第d维超参数，f(g3)表示第二次优个体g3的适应度值；

34、从更新后的第二目标个体中取出适应度值最小的个体，得到最劣个体；

35、判断融合个体的适应度值是否大于最劣个体的适应度值，若是，则采用融合个体替换最劣个体，其他第二目标个体不变，得到二次更新后的第二目标个体，否则不对最列个体进行更新，直接将更新后的第二目标个体作为二次更新后的第二目标个体。

36、进一步地，更新第一目标个体的目标数量m”为：

37、

38、其中，round表示取整函数，m表示种群规模，t表示当前训练次数，tmax表示最大训练次数。

39、另一方面，本发明提供一种光伏运行系统，包括数据获取模块、训练模块、解析模块以及运行控制模块；

40、所述数据获取模块，用于获取历史光伏运行数据以及历史光伏运行数据对应的故障编码，得到用于机器学习的训练样本数据；

41、所述训练模块，用于基于注意力机制、上下文提取机制以及深度学习策略，构建光伏运行状态解析模型，并采用训练样本数据对光伏运行状态解析模型进行优化，获取具备光伏运行状态识别能力的光伏运行状态解析模型；

42、所述解析模块，用于获取实时光伏运行数据，并采用具备光伏运行状态识别能力的光伏运行状态解析模型对实时光伏运行数据进行识别，得到光伏运行状态解析结果；

43、所述运行控制模块，用于根据所述光伏运行状态解析结果，执行预先设定的与光伏运行状态解析结果所对应的目标控制策略，完成光伏运行流程。

44、本发明提供的一种光伏运行方法及系统，通过获取历史数据以及构建光伏运行状态解析模型，并根据历史数据对光伏运行状态解析模型进行训练，可以得到具备光伏运行状态识别能力的光伏运行状态解析模型，从而可以采用光伏运行状态解析模型对光伏运行数据解析，实现光伏运行状态的监控，并且可以根据监控结果启用不同的预设策略，不仅可以实现光伏运行状态的监测，还可以实现光伏的自动运行管理。