光伏发电的异常诊断方法、装置、计算机设备及存储介质与流程

本发明涉及光伏发电，具体涉及一种光伏发电的异常诊断方法、装置、计算机设备及存储介质。

背景技术：

1、随着能源清洁化转型的发展，未来以光伏为代表的新能源将替代传统火力发电成为主力能源。随着越来越多的光伏场站投产运行，如何做好精益运行、提升发电效率将成为生产管理重点关注问题。

2、但是，目前各场站基于人工巡检的运维方式，难以及时准确地掌握设备生产运行情况，部分设备维护操作的不及时会造成运行效率下降。

技术实现思路

1、为解决上述技术问题，本发明提供一种光伏发电的异常诊断方法、装置、计算机设备及存储介质，通过生产数据采集、运行指标计算和诊断规则匹配，解决传统人工巡检运维方式无法及时准确掌握生产运行情况的缺陷；并有针对性地给出设备维护建议，提升场站运行效率。

2、本发明采取的技术方案为：

3、第一方面，本发明提供了一种光伏发电的异常诊断方法，包括以下步骤：

4、步骤1：获取光伏场站的运行数据，基于光伏场站的运行数据对预设神经网络进行训练，生成光伏发电量预测模型；

5、步骤2：利用光伏发电量预测模型对多个光伏场站分别进行日发电量波动评估和发电效率评估，确定异常光伏场站；

6、步骤3：将异常光伏场站对应的运行数据与异常条件进行比较，生成光伏发电的异常诊断结果。

7、所述步骤1中，光伏场站的运行数据包括日均辐照度数据、电池温度数据和天气数据。

8、所述步骤1中，光伏发电量预测模型的生成，包括以下步骤：

9、a1：对日均辐照度数据进行过滤，生成过滤后的日均辐照度数据；

10、a2：基于过滤后的日均辐照度数据和电池温度数据，确定光伏场站修正系数；

11、a3：基于光伏场站修正系数和天气数据，对预设神经网络进行训练，生成功率温度修正系数；

12、a4：基于过滤后的日均辐照度数据、光伏场站修正系数和功率温度修正系数，生成光伏发电量预测模型。

13、所述a1包括以下步骤：

14、a1：获取日均辐照度数据对应的发电量数据，对大于预设阈值的日均辐照度数据和发电量数据进行筛选，确定场站日发电量和场站日均辐照度；

15、a2：基于场站日发电量和场站日均辐照度识别辐照度异常点，并过滤辐照度异常点；

16、a3：基于过滤辐照度异常点后的辐照度数据，对预设神经网络进行模型预训练，生成预训练结果；

17、a4：基于预训练结果，确定过滤辐照度异常点后的辐照度数据中的离群点，删除所述离群点，生成过滤后的日均辐照度数据。

18、所述a2包括以下步骤：

19、a2.1：将场站日发电量划分为多个发电量区间，并将场站日均辐照度映射至多个发电量区间中，生成各发电量区间内的辐照度；

20、a2.2：基于各发电量区间内的辐照度确定分段箱线图，并基于分段箱线图识别并过滤辐照度异常点。

21、所述a2中，基于过滤后的日均辐照度数据和电池温度数据，利用线性回归法生成光伏场站修正系数。

22、所述a3中，光伏发电量预测模型的表达式如下所示：

23、；

24、上式中， ped表示光伏场站当日预测发电量， k表示光伏场站修正系数， ppredtarg表示光伏组件在目标环境条件下的发电量， gmeas表示光伏组件同平面单位面积辐照度， gtrc表示光伏组件在目标环境条件下的发电量对应的日均辐照度，表示功率温度修正系数， tc表示光伏组件电池温度实测值， ttrc表示光伏组件在目标环境条件下的发电量对应的电池温度值。

25、所述步骤2包括以下步骤：

26、b1：获取光伏场站当日和上一日发电量，基于光伏场站当日和上一日发电量计算日发电量波动值；

27、b2：采集光伏场站实时运行数据，将光伏场站实时运行数据输入光伏发电量预测模型，生成光伏场站当日预测发电量；

28、b3：基于光伏场站当日预测发电量与光伏场站当日实时发电量，计算光伏场站发电效率；

29、b4：基于日发电量波动值与光伏场站发电效率，识别异常光伏场站。

30、所述步骤3包括以下步骤：

31、c1：基于异常光伏场站对应的运行数据，计算光伏场站业务指标值；

32、c2：将光伏场站业务指标值与异常条件进行比较，生成光伏发电的异常诊断结果。

33、所述c1中，光伏场站业务指标值包括资源变化值、损失电量值和逆变器运行状态统计值；基于异常光伏场站对应的运行数据计算光伏场站业务指标值，包括：

34、c1：基于异常光伏场站对应的运行数据，确定异常光伏场站的当日日均辐照度和上一日日均辐照度，并基于当日日均辐照度和上一日日均辐照度，计算资源环比变化率；

35、c2：基于异常光伏场站对应的运行数据，确定场站当日和上一日损失电量；

36、c3：基于异常光伏场站对应的运行数据，确定场站逆变器数量和场站逆变器的机组状态数据，并基于场站逆变器数量和场站逆变器的机组状态数据，计算逆变器当日和上一日运行状态统计值。

37、所述光伏场站业务指标值还包括逆变器输出功率离散率、光伏方阵能量转换效率、逆变器损耗率和逆变器停运情况；基于异常光伏场站对应的运行数据计算光伏场站业务指标值，还包括：

38、c4：基于异常光伏场站对应的运行数据，确定场站逆变器的输出功率，并基于场站各台逆变器的输出功率，计算全场逆变器输出功率离散率；

39、c5：基于异常光伏场站对应的运行数据，确定场站逆变器的直流电量、光伏方阵有效面积和倾斜面总辐射量，并基于场站逆变器的直流电量、光伏方阵有效面积和倾斜面总辐射量，计算光伏方阵能量转换效率；

40、c6：基于异常光伏场站对应的运行数据，确定逆变器直流侧功率和逆变器交流侧功率，并基于逆变器直流侧功率和逆变器交流侧功率，计算逆变器损耗率；

41、c7：基于异常光伏场站对应的运行数据，确定场站逆变器的日发电量，并基于场站逆变器的日发电量，确定逆变器停运情况。

42、c4中，基于场站逆变器的输出功率和场站逆变器数量，确定场站逆变器输出功率的标准差和平均值，并基于场站逆变器输出功率的标准差和平均值，计算全场逆变器输出功率离散率。

43、所述c2包括以下步骤：

44、c2.1：将资源环比变化率与预设资源阈值进行比较，当资源环比变化率大于预设资源阈值时，则光伏发电的异常诊断结果为资源波动造成；

45、c2.2：基于当日及上一日损失电量值和场站发电量值，确定故障损失电量、检修损失电量、限电损失电量和陪停损失电量所占比例和环比；

46、c2.3：基于逆变器运行状态统计值确定故障停机时长环比、正常停机时长环比、限电运行和停机时长环比与外因停机时长环比；

47、c2.4：当故障损失电量占比大于预设阈值，或故障停机时长占比或环比大于预设停机时长阈值时，则光伏发电异常的诊断结果为设备故障造成；

48、当检修损失电量占比大于预设损失电量阈值，或正常停机时长占比或环比大于预设停机时长阈值时，则光伏发电异常的诊断结果为检修造成；

49、当限电损失电量占比大于预设损失电量阈值，或限电运行和停机时长占比或环比大于预设停机时长阈值时，则光伏发电异常的诊断结果为限电造成；

50、当陪停损失电量占比大于预设损失电量阈值，或外因停机时长占比或环比大于预设停机时长阈值时，则光伏发电异常的诊断结果为陪停造成。

51、第二方面，本发明提供了一种光伏发电的异常诊断装置，所述装置包括：

52、训练模块，用于获取光伏场站的运行数据，基于光伏场站的运行数据，对预设神经网络进行训练，生成光伏发电量预测模型，并给出场站预测发电量；

53、评估模块，用于利用光伏发电量预测结果，对多个光伏场站分别进行日发电量波动评估和发电效率评估，确定存在发电量异常情况的光伏场站；

54、异常诊断模块，用于将存在发电量异常情况的光伏场站对应的运行数据与诊断判定条件进行比较，生成光伏发电的异常诊断结果。

55、第三方面，本发明提供了一种计算机设备，包括：

56、存储器和处理器，所述存储器和所述处理器之间互相通信连接，所述存储器中存储有计算机指令，所述处理器通过执行所述计算机指令，从而执行光伏发电的异常诊断方法。

57、第四方面，本发明提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机指令，所述计算机指令用于使计算机执行光伏发电的异常诊断方法。

58、本发明一种光伏发电的异常诊断方法、装置、计算机设备及存储介质，技术效果如下：

59、1）本发明提供的光伏发电的异常诊断方法，利用光伏发电量预测模型对多个光伏场站分别进行日发电量波动评估和发电效率评估，确定存在发电量异常的光伏场站，进而将异常光伏场站对应的运行指标与诊断判定条件进行比较，生成光伏发电的异常诊断结果，实现了对光伏发电运行情况的精准评估和对光伏发电量异常原因的准确判断，为提升光伏发电运行效率提供参考意见。

60、2）本发明提供的光伏发电量预测模型，通过对日均辐照度数据的过滤，以及光伏场站修正系数和功率温度修正系数的确定，使得生成光伏发电量预测模型更加精准，提高了光伏发电量预测值的准确度。

61、3）本发明提供的光伏发电的异常诊断方法，通过对预设机器学习模型进行模型预训练，并且基于预训练结果的柯克距离确定过滤辐照度异常点后的辐照度数据中的离群点，实现了对离群点的准确识别，提高了光伏发电量预测模型训练过程中训练数据的准确度。

62、4）本发明提供的光伏发电的异常诊断方法，利用分段箱线图实现了直观且准确地对辐照度异常点的识别，使得训练数据更加精准。

63、5）本发明提供的光伏发电的异常诊断方法，考虑到线性回归对训练数据量的要求不太高，且线性回归对异常点比较敏感，异常点会直接影响到光伏场站修正系数的变化，所以针对日报数据，线性回归能够实现光伏场站修正系数的准确计算，而预设神经网络对异常点的包容性更强，少量异常点不会影响到训练效果，利用线性回归与预设神经网络，使得光伏发电量预测模型更加精准稳定。

64、6）本发明提供的光伏发电的异常诊断方法，通过对日发电量波动值与光伏场站发电效率的计算，能够及时了解各光伏场站发电效率情况和日发电量波动情况，及时识别发电效率偏低、发电量下降明显的场站，实现从整体上识别每日需重点关注的场站清单，定位重点关注对象。

65、7）本发明提供的光伏发电的异常诊断方法，结合光伏场站业务指标值，初步找到发电效率偏低、发电量下降明显的原因，支撑业务部门从管理上建立起“发现问题、反馈问题、整改问题”的机制，整体上提升光伏发电运行效率。

66、8）本发明提供的光伏发电的异常诊断方法，从逆变器运行状态、输出功率离散率、损耗情况和停运情况等光伏场站业务指标值出发，实现了对光伏场站发电量环比下降或显著低于预测值的具体原因的进一步诊断。

67、9）本发明提供的光伏发电的异常诊断方法，将光伏场站业务指标值与异常条件进行比较，实现了对光伏发电的异常的针对性诊断，提高了光伏发电的异常诊断结果的准确性，为后续光伏发电运行效率的提升奠定了基础。