基于深度孪生网络的异常光伏组件的定位方法及系统与流程

本发明涉及发电，具体地涉及一种基于深度孪生网络的异常光伏组件的定位方法以及一种基于深度孪生网络的异常光伏组件的定位系统。

背景技术：

1、近年来，我国光伏发电装机容量迅速增加，但智能化程度较低，光伏电站的运维局限于从汇流箱或逆变器获取的电压、电流等组串级数据，可以判断异常组串的位置和异常类别，但无法定位到组件。

2、现有光伏电站实时监控系统一般只能通过组串的电流电压等数据分析，确定异常组串的位置和异常类别，但无法定位到具体组件，若在每一块光伏组件上安装监测装置，则可以实现组件级监测，但系统建设成本过高，推广难度很大。

技术实现思路

1、本发明实施例的目的是提供一种基于深度孪生网络的异常光伏组件的定位方法及系统，以解决上述技术问题。

2、为了实现上述目的，本发明实施例提供一种基于深度孪生网络的异常光伏组件的定位方法，用于确定光伏组件组串中异常光伏组件的位置，所述方法包括：

3、将所述光伏组件组串分为多个光伏组件集合；其中，每一光伏组件集合包括两个光伏组件子集合，且两个光伏组件子集合之间具有重叠区域，所述重叠区域包含该光伏组件集合中一个以上的光伏组件；

4、分别采集光伏组件集合的两个光伏组件子集合的电压数据和温度数据，得到光伏组件集合的两组温度数据和两组电压数据；

5、基于光伏组件集合的两组电压数据，判断该光伏组件集合的状态是否为异常；

6、根据异常光伏组件集合的两组电压数据确定出异常光伏组件集合内的异常光伏组件区域；其中，所述异常光伏组件集合为状态异常的光伏组件集合；

7、将异常光伏组件区域内光伏组件的温度数据输入至深度孪生网络中，确定出异常光伏组件区域中异常光伏组件的位置。

8、可选地，所述基于所述光伏组件集合的两组电压数据，判断该光伏组件集合的状态是否为异常，包括：

9、根据光伏组件集合的两组电压数据计算得到电压相对差值；

10、判断所述电压相对差值是否超出预设电压阈值；

11、若所述电压相对差值超出所述预设电压阈值，则判定该光伏组件集合的状态为异常。

12、可选地，所述根据光伏组件集合的两组电压数据计算得到电压相对差值，包括：

13、利用式(1)，计算得到所述电压相对差值：

14、

15、式(1)中，为第j个汇流箱或逆变器下第i个电压采集器测得的电压在时刻t的电压相对差值，normj(vt)为第j个汇流箱或逆变器下电压采集器在时刻t测得的正常运行电压，为第j个汇流箱或逆变器下电压采集器在时刻t测得的实际运行电压。

16、可选地，所述根据异常光伏组件集合的两组电压数据确定出异常光伏组件集合内的异常光伏组件区域，包括：

17、判断异常光伏组件集合中的两个光伏组件子集合的状态是否均为异常；

18、若两个光伏组件子集合的状态均为异常，则利用式(2)，计算得到异常光伏组件集合的两组电压数据在同一时段内的相关系数：

19、

20、式(2)中，via为电压采集器a在i时刻测得的电压，vib为电压采集器b在i时刻测得的电压，rab为电压采集器a和电压采集器b在i时刻的相关系数；

21、根据所述相关系数以及预设相关系数阈值，确定出异常光伏组件集合内的异常光伏组件区域。

22、可选地，若两个光伏组件子集合中仅有一个光伏组件子集合的状态为异常，则将状态为异常的光伏组件子集合的重叠区域外的区域确定为异常光伏组件区域。

23、可选地，所述将异常光伏组件区域内光伏组件的温度数据输入至深度孪生网络中，确定出异常光伏组件区域中异常光伏组件的位置，包括：

24、根据光伏组件集合的两组温度数据，得到正常光伏组件的温度数据和异常光伏组件区域内光伏组件的温度数据；其中，每一组温度数据分别采集自光伏组件子集合中的重叠区域内和重叠区域外的光伏组件，所述正常光伏组件为电压数据正常的光伏组件；

25、将正常光伏组件的温度数据和异常光伏组件区域内光伏组件的温度数据输入至深度孪生网络模型，得到异常光伏组件区域内光伏组件的目标标量；

26、判断所述目标标量是否超出预设标量阈值；

27、若所述目标标量未超出所述预设标量阈值，则判定异常光伏组件区域内的光伏组件为异常光伏组件。

28、可选地，还包括，生成深度孪生网络模型，包括：

29、获取预设时间段内正常光伏组件的温度数据，并将所述正常光伏组件的温度数据作为第一样本；所述正常光伏组件为电压正常的光伏组件；

30、获取所述预设时间段内异常光伏组件的温度数据，并将所述异常光伏组件的温度数据作为第二样本；所述异常光伏组件为电压异常的光伏组件；

31、根据所述第一样本和所述第二样本进行训练，得到所述深度孪生网络模型。

32、在本发明实施方式的第二方面，提供一种基于深度孪生网络的异常光伏组件的定位系统，所述光伏组件组串包括多个光伏组件集合，一个光伏组件集合包括两个光伏组件子集合，所述系统包括：

33、数据处理装置和多个数据采集装置；每两个数据采集装置为一采集组，每一采集组对应一个光伏组件集合，每一数据采集装置对应一个光伏组件子集合，每一光伏组件集合的两个光伏组件子集合之间具有重叠区域，所述重叠区域包含该光伏组件集合中一个以上的光伏组件；

34、每一采集组用于采集对应的光伏组件集合的温度数据和电压数据，得到两组温度数据和两组电压数据；

35、所述数据处理装置用于基于每一光伏组件集合的两组电压数据判断该光伏组件子集合的状态是否为异常；

36、所述数据处理装置还用于根据异常光伏组件集合的两组电压数据确定出异常光伏组件集合内的异常光伏组件区域，将异常光伏组件区域内光伏组件的温度数据输入至深度孪生网络模型中，确定出异常光伏组件区域中异常光伏组件的位置；其中，所述异常光伏组件集合为状态异常的光伏组件集合。

37、可选地，每一数据采集装置包括一个电压采集器和两个温度传感器；所述电压采集器与对应的光伏组件子集合并联，用于采集对应的光伏组件子集合的电压数据；

38、两个温度传感器分别设置于对应的光伏组件子集合中的重叠区域内和重叠区域外，两个温度传感器中，一个温度传感器用于采集重叠区域内的光伏组件的温度数据，另一温度传感器用于采集重叠区域外的光伏组件的温度数据。

39、可选地，所述系统还包括：数据集中装置；

40、所述数据集中装置用于将数据采集装置采集的电压数据和温度数据集中后发送至所述数据处理装置。

41、本发明实施例通过将光伏组件组串分为多个光伏组件集合，且每一个光伏组件集合包括了两个光伏组件子集合，两个光伏组件子集合之间具有重叠区域，再采集每一光伏组件集合的两组电压数据，以确定该光伏组件集合内各光伏组件子集合的状态是否为异常，再根据异常光伏组件集合的两组电压数据确定该异常光伏组件集合内的异常光伏组件区域，将该异常光伏组件区域内光伏组件的温度数据输入至深度孪生网络模型中，确定出异常光伏组件区域中异常光伏组件的位置。即本发明实施例通过利用深度孪生网络模型对光伏组件进行异常判定，实现了在异常判定粒度较大，且样本和标签数据较少的情况下，对异常光伏组件的定位，解决了现有光伏电站实时监控系统无法定位异常光伏组件的问题。

42、本发明实施例的其它特征和优点将在随后的具体实施方式部分予以详细说明。