一种分布式光伏智能监测方法、系统、设备及介质与流程

本发明属于光伏电力运维大数据分析管理，具体涉及一种分布式光伏智能监测方法、系统、设备及介质。

背景技术：

1、随着电力行业不断智能化、高效化的发展，分布式光伏发电领域技术的快速普及引发了对光伏设备状态监测、出力预测和故障告警诊断的迫切需求。光伏电站的可靠运行，需要光伏组件、逆变器等设备在无故障状态下运行，对光伏设备的状态监测十分重要。当前分布式光伏监测相关软件往往面临实时性、准确性等方面的挑战。现有的分布式光伏发电预测模型在面对波动性数据时可能会产生较大误差，导致光伏发电功率预测准确性降低；同时预测模型中的参数如果选取不当，可能导致求解陷入局部最优，直接影响预测的效果以及预测效率。

技术实现思路

1、本发明的目的在于提供一种分布式光伏智能监测方法、系统、设备及介质，以解决现有的光伏监测方法对光伏发电功率预测的效率以及准确性不高的问题。

2、为了解决上述技术问题，本发明采用如下技术方案：

3、第一方面，本发明提供一种分布式光伏智能监测方法，包括以下步骤：

4、获取气象数据与预处理过的光伏运行数据，所述预处理过的光伏运行数据包括光伏运行的发电功率和组件温度；

5、将气象数据、光伏运行的发电功率和组件温度输入预先训练好的预测模型中，获得光伏发电功率预测值；

6、其中，所述预先训练好的预测模型是基于fa算法和gat算法得到的。

7、基于上述技术方案，进一步地，所述预处理过的光伏运行数据通过以下步骤获得：

8、获取光伏运行数据；

9、对光伏运行数据进行异常值处理、缺失值填充和数据格式归一化处理，获得预处理过的光伏运行数据。

10、基于上述技术方案，进一步地，所述预先训练好的预测模型通过以下步骤获得：

11、将光伏出力预测的损失函数mse定义为目标函数；

12、设置fa算法参数，包括：火苗数量、移动步长、光吸收系数；

13、将gat算法的图中节点定义为火苗，计算火苗的光强以及火苗之间的吸引力；

14、在gat算法的每次迭代中，根据图中火苗之间的吸引力以及火苗光强，图中火苗将进行移动，根据火苗的移动更新gat算法的参数，当光伏出力预测的损失函数mse小于设定阈值时，得到最优的超参数组合，获得预测模型；

15、获取训练集数据并对预测模型进行训练，获得预先训练好的预测模型。

16、基于上述技术方案，进一步地，所述将gat算法的图中节点定义为火苗，计算火苗的光强以及火苗之间的吸引力的步骤具体包括：

17、将gat算法的图中节点定义为火苗，使用欧几里得距离表示图中两个火苗之间的距离，公式如下：

18、

19、其中：xa,k为图中火苗a在维度k上的坐标；xb,k为图中火苗b在维度k上的坐标；n为维度数量；

20、定义火苗a对于火苗b的相对光强如下：

21、

22、其中：brightnessa为火苗a的绝对光强；γ为光吸收系数；distanceab为火苗a与火苗b之间的距离；

23、火苗a和火苗b之间的吸引力公式如下：

24、

25、其中：attraction0为两个火苗之间距离为0时的吸引力。

26、基于上述技术方案，进一步地，所述在gat算法的每次迭代中，根据图中火苗之间的吸引力以及火苗光强，图中火苗将进行移动，根据火苗的移动更新gat算法的参数的步骤，具体包括：

27、每个火苗代表gat算法的一组超参数配置，根据图中火苗之间的吸引力以及火苗光强，两个火苗中，光强小的火苗将向着光强大的火苗的位置移动，火苗的位置更新公式如下：

28、

29、其中：分别代表在t时刻火苗a和火苗b的位置；表示t+1时刻火苗a的位置；α为移动步长，用于控制火苗移动的步长大小；rand为[0,1]范围内的随机数；

30、火苗位置更新后，gat算法的参数对应更新。

31、基于上述技术方案，进一步地，还包括：

32、所述预处理过的光伏运行数据还包括光伏运行的发电量；

33、获取光伏运行的发电量和光伏额定最大发电量，计算光伏运行的发电量占光伏额定最大发电量的比例，获得光伏运行发电量占比；

34、根据光伏运行发电量占比获得光伏发电判别结果，根据光伏发电判别结果发出告警通知。

35、基于上述技术方案，进一步地，所述根据光伏运行发电量占比获得光伏发电判别结果，根据光伏发电判别结果发出告警通知的步骤，具体包括：

36、光伏运行发电量占比为大于等于90％且小于等于100％时，光伏发电判别结果为组件正常，此时不发出告警通知；

37、光伏运行发电量占比为大于等于70％且小于90％时，光伏发电判别结果为组件积灰，告警等级为1级；

38、光伏运行发电量占比为大于等于40％且小于70％时，光伏发电判别结果为组件遮挡，告警等级为2级；

39、光伏运行发电量占比为小于40％时，光伏发电判别结果为组件故障，告警等级为3级；

40、所述告警通知包括告警等级和光伏发电判别结果。

41、第二方面，本发明提供一种分布式光伏智能监测系统，包括：

42、数据获取模块，用于获取气象数据与预处理过的光伏运行数据，所述预处理过的光伏运行数据包括光伏运行的发电功率和组件温度；

43、发电预测模块，用于将气象数据、光伏运行的发电功率和组件温度输入预先训练好的预测模型中，获得光伏发电功率预测值；

44、其中，所述预先训练好的预测模型是基于fa算法和gat算法得到的。

45、第三方面，本发明提供一种电子设备，包括处理器和存储器，所述处理器用于执行存储器中存储的计算机程序以实现所述的一种分布式光伏智能监测方法。

46、第四方面，本发明提供一种计算机可读存储介质，所述计算机可读存储介质存储有至少一个指令，所述至少一个指令被处理器执行时实现所述的一种分布式光伏智能监测方法。

47、与现有技术相比，本发明具有以下有益效果：

48、本发明提供一种分布式光伏智能监测方法、系统、设备及介质，所述方法包括：

49、获取气象数据与预处理过的光伏运行数据，所述预处理过的光伏运行数据包括光伏运行的发电功率和组件温度；

50、将气象数据、光伏运行的发电功率和组件温度输入预先训练好的预测模型中，获得光伏发电功率预测值；

51、其中，所述预先训练好的预测模型是基于fa算法和gat算法得到的。

52、本发明方法考虑了光伏运行的发电功率和组件温度在内的光伏运行数据，结合实时气象数据对光伏发电功率进行预测，提高了对光伏发电功率预测的准确性；通过结合高效的fa算法和准确性高的gat算法，进一步提高了发电预测的高效性和准确性；因此，本发明能够实时、准确且高效地预测光伏设备的发电功率。