光伏阵列状态评价方法、系统、设备及计算机可读存储介质

1.本发明属于光伏发电技术领域，具体涉及一种光伏阵列状态评价方法、系统、设备及计算机可读存储介质。


背景技术：

2.近年来，光伏发电发展迅猛，给光伏电站的运行和规划带来巨大的挑战。作为光伏电站核心关键部件，光伏电站故障主要集中在直流侧，据统计光伏阵列、组件故障占电站故障总数的80％左右。因此，及时、准确地对光伏阵列的状态进行分析和评估，是保障光伏电站的安全、稳定、经济运行的基础，也是光伏电站智能化转型的最为重要的环节。然而，光伏阵列输出具有明显的波动性，海量具有波动性和相似性特征的数据难以直接应用于光伏阵列运行状态的分析，光伏阵列状态特征信息被淹没于运行数据中，状态分析算法难以有效实施，约束了光伏电站智能化运行水平的提高。


技术实现要素：

3.针对现有技术的不足，本发明提供了一种光伏阵列状态评价方法，可以用于光伏阵列的性能分析和异常状态识别。
4.较为具体地，本发明第一方面提供了一种光伏阵列状态评价方法，包括以下步骤：
5.步骤s1、获取光伏阵列历史运行数据以及历史气象数据；
6.步骤s2、计算并修正光伏阵列效率指标，得到修正效率指标pr
revised
；
7.步骤s3、对光伏阵列效率指标的分布进行建模；
8.步骤s4、基于概率分布模型划分光伏阵列状态。
9.作为第一方面方法的进一步优化方案，本发明具体限定了所述步骤s1的具体方法为：采集光伏阵列历史运行数据中的输出功率以及历史气象数据中的辐照度和温度，删除辐照度低于30w/m2时的辐照度数据、所对应的功率、所对应的温度数据。
10.作为第一方面方法的进一步优化方案，本发明具体限定了所述步骤s2的具体方法为：
11.步骤s201、计算同一时刻的光伏阵列实际发电量与理论发电量的比值作为光伏阵列效率指标，计算公式：
12.u＝∫pdt
13.u
t
＝p
installed
·ht
[0014][0015]
实际发电量u为功率在t时间段的积分；理论发电量u
t
为t时间段内stc条件下的阵列发电量，即光伏阵列装机的标称容量p
installed
与t时间段内阵列峰值日照时数h
t
的乘积；
[0016]
步骤s202、修正光伏阵列效率指标
[0017]
考虑到温度对光伏阵列效率的影响，对光伏阵列效率指标进行修正，得到修正效
率指标pr
revised
，计算公式为：
[0018]
k＝1+δ[t+(t
n-t
a,n
)(g
t
/gn)-t
stc
]
[0019][0020]
其中，k为温度修正系数；t为环境温度；g
t
为光伏电池单位面积所接受的辐照度；gn为光伏电池在标称工作温度条件下的辐照度；tn为光伏电池的标称工作温度；t
a,n
为光伏电池在标称工作温度条件下的环境温度；t
stc
为标准测试条件下的温度；δ为光伏电池的功率温度系数。
[0021]
作为第一方面方法的进一步优化方案，本发明具体限定了所述步骤s3中对光伏阵列效率指标的分布进行建模的具体方法为：
[0022][0023]
获取设定pr
revised
为x时第i个光伏阵列所对应的统计性建模结果其中π为常数；exp表示以自然常数e为底的指数函数；σi为第i个光伏阵列对应的修正效率指标pr
revised
的标准差；μi为第i个光伏阵列对应的修正效率指标pr
revised
的标准差；当x变化时，光伏阵列所对应的建模结果跟随变化。
[0024]
作为第一方面方法的进一步优化方案，本发明具体限定了所述步骤s4的具体方法为：
[0025]
s401、根据s3得到的建模结果对模型峰值pi进行提取，计算公式为：
[0026][0027]
获取设定pr
revised
为x时第i个光伏阵列所对应的统计性建模峰值结果pi作为光伏阵列状态位置特征；
[0028]
s402、确定阈值
[0029][0030][0031]
式中，vi为第i个峰值pi所对应的残差；σ
p
为标准偏差估计；
[0032]
s403、阵列状态等级划分
[0033]
对阵列状态等级划分，定义四个等级，分别记为优秀、正常、低效、问题阵列；
[0034]
其中，|vi|》3σ
p
记为优秀阵列，-σ
p
《|vi|≤3σ
p
记为正常阵列，-3σ
p
《|vi|≤-σ
p
记为低效阵列，|vi|≤-3σ
p
记为问题阵列。
[0035]
较为具体地，本发明第二方面提供了一种光伏阵列状态评价系统，包括
[0036]
获取模块，用于获取光伏阵列历史运行数据以及历史气象数据；
[0037]
计算模块，用于计算并修正光伏阵列效率pr
revised
；
[0038]
建模模块，用于对光伏阵列效率指标的分布进行建模；
[0039]
状态等级划分模块，通过基于概率分布模型划分光伏阵列状态。
[0040]
作为第二方面产品的进一步优化方案，本发明具体限定了所述计算模块包括
[0041]
光伏阵列效率指标计算单元，通过对同一时刻的光伏阵列实际发电量与理论发电量的比值来计算光伏阵列效率指标；
[0042]
修正单元，通过如下修正公式对光伏阵列效率指标进行修正；
[0043]
k＝1+δ[t+(t
n-t
a,n
)(g
t
/gn)-t
stc
]
[0044][0045]
作为第二方面产品的进一步优化方案，本发明具体限定了所述状态等级划分模块包括
[0046]
提取单元，获取设定pr
revised
为x时第i个光伏阵列所对应的统计性建模峰值结果pi作为光伏阵列状态位置特征；
[0047]
阈值确定单元，通过如下公式获得阈值；
[0048]
通过如下公式获得阈值，
[0049][0050][0051]
划分单元，通过阈值的确定将阵列状态等级划分为优秀、正常、低效、问题阵列。
[0052]
较为具体地，本发明第三方面提供了一种电子设备，包括处理器和存储器，其特征在于，存储器上存储有计算机指令，处理器用于运行存储器上存储的计算机指令，以实现如权利要求1-5中任一项光伏阵列状态评价方法的步骤。
[0053]
较为具体地，本发明第四方面提供了一种存储有计算机指令的计算机可读存储介质，其特征在于，所述计算机指令用于使所述计算机执行如权利要求1-5中任一项光伏阵列状态评价方法。
[0054]
综上所述，本发明主要具有以下有益效果：
[0055]
1、本方法考虑了温度对光伏阵列效率计算的影响，构建了能够反映光伏阵列综合状态的指标，考虑到光伏阵列的出力不稳定(光伏发电出力具有随机波动性导致性能指标pr直接使用划分误差大)的特点建立状态指标的概率密度分布模型，并通过模型峰值确定阵列运行状态。
[0056]
2、所建立的效率指标考虑到光伏阵列中功率的分布特性与辐照度的分布特性相似，并有效缩小了数据的变化率。
[0057]
3、基于数据本身特点设置等级划分阈值，避免了主观因素对阵列运行状态评价的影响。
[0058]
4、等级划分能够直观反映阵列运行状态，并能够发现异常状态的阵列，可用于预警和相关行为的执行。
附图说明
[0059]
图1为本方法的流程图；
[0060]
图2为实施例中某光伏阵列连续31天的修正效率指标pr
revised
的分布情况；
[0061]
图3为实施例中全站阵列pr
revised
建模结果分布图；
[0062]
图4为实施例中对全站阵列等级划分结果分布图。
具体实施方式
[0063]
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0064]
如图1所示，该光伏阵列状态评价方法包括以下步骤：
[0065]
s1、获取光伏阵列历史运行数据以及历史气象数据；
[0066]
s2、计算并修正光伏阵列效率pr
revised
；
[0067]
s3、对光伏阵列效率指标的分布进行建模；
[0068]
s4、基于概率分布模型划分光伏阵列状态。
[0069]
步骤s1的具体方法为：采集光伏阵列运行数据中的输出功率以及气象站的辐照度和温度，删除辐照度低于30w/m2时的辐照度数据、所对应的功率、所对应的温度数据。
[0070]
步骤s2的具体方法为：对同一时刻的光伏阵列实际发电量与理论发电量的比值作为光伏阵列效率计算指标，计算公式：
[0071]
u＝∫pdt
[0072]ut
＝p
installed
·ht
[0073][0074]
实际发电量u为功率在t时间段的积分；理论发电量u
t
为t时间段内stc条件下的阵列发电量，即光伏阵列装机的标称容量p
installed
与t时间段内阵列峰值日照时数h
t
的乘积。
[0075]
考虑到温度对光伏阵列效率的影响，对光伏阵列pr进行修正，得到修正效率指标pr
revised
，计算公式为：
[0076]
k＝1+δ[t+(t
n-t
a,n
)(g
t
/gn)-t
stc
]
[0077][0078]
其中，k为温度修正系数；t为环境温度；g
t
为光伏电池单位面积所接受的辐照度；gn为光伏电池在标称工作温度条件下的辐照度；tn为光伏电池的标称工作温度；t
a,n
为光伏电池在标称工作温度条件下的环境温度；t
stc
为标准测试条件下的温度；δ为光伏电池的功率温度系数。
[0079]
步骤s3中对光伏阵列效率指标的分布进行建模的具体方法为：根据公式：
[0080][0081]
获取设定pr
revised
为x时第i个光伏阵列所对应的统计性建模结果其中π为常数；exp表示以自然常数e为底的指数函数；σi为第i个光伏阵列对应的修正效率指标pr
revised
的标准差；μi为第i个光伏阵列对应的修正效率指标pr
revised
的标准差；当x变化时，光伏阵列所对应的建模结果跟随变化。
[0082]
步骤s4的具体方法包括以下子步骤：
[0083]
s4-1、根据s3得到的建模结果对模型峰值pi进行提取，计算公式为：
[0084][0085]
获取设定pr
revised
为x时第i个光伏阵列所对应的统计性建模峰值结果pi作为光伏阵列状态位置特征；
[0086]
s4-2、阈值计算公式为：
[0087][0088][0089]
式中vi为第i个峰值pi所对应的残差；σ
p
为标准偏差估计；
[0090]
s4-3、对阵列状态等级划分，定义四个等级，分别记为优秀、正常、低效、问题阵列。其中，|vi|》3σ
p
记为优秀阵列，-σ
p
《|vi|≤3σ
p
记为正常阵列，-3σ
p
《|vi|≤-σ
p
记为低效阵列，|vi|≤-3σ
p
记为问题阵列。
[0091]
实施例
[0092]
所用数据来源于中国某平原电站，共有74个集中式逆变器和553个阵列，系统每10分钟采集一次光伏阵列的功率数据，配有气象站，可用于采集辐照度、温度、风速等气象数据。选定时间周期为1个月，对光伏阵列的历史运行数据进行清洗，删除夜间以及白天里的辐照度低于30w/m2时功率、温度、辐照度数据，计算经修正的光伏电站全站阵列31天的效率指标pr
revised
，如图2所示为随机选取的一个阵列pr
revised
分布，从图中可以看出，光伏阵列pr
revised
随时间的变化不断波动，且具有不规律性和波动异常点，直接应用容易造成误判。因此，采用统计手段对光伏阵列pr
revised
进行建模，得到图3所示的光伏阵列效率分布图，对比不同阵列的建模结果可知，阵列pr
revised
集中在一定的区间内，但不同阵列的峰值差距较大。
[0093]
基于峰值本身分布特点，通过计算峰值阈值实现光伏阵列的等级划分，划分结果如图4所示。由图可知，该电站正常阵列占绝大多数，有少量表现优秀和低效的阵列，没有问题阵列。
[0094]
综上所述，方法同时考虑到光伏阵列的综合效率以及运行数据的波动性，建立基于温度修正的光伏阵列综合效率指标pr
revised
，通过建立pr
revised
的概率模型，提取模型峰值作为光伏阵列的状态指标，根据数据本身分布特点设置阈值直观反映阵列运行状态，并能够发现异常状态的阵列，可用于预警和相关行为的执行。
[0095]
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。