光伏发电异常预警方法及装置与流程

本发明涉及光伏发电设备监测，尤其涉及一种光伏发电异常预警方法及装置。

背景技术：

1、光伏发电系统主要由光伏组件、控制器、逆变器、蓄电池及其他配件组成。根据是否依赖公共电网，分为离网跟并网两种，其中离网系统是独立运行的、不需要依赖电网。离网光伏系统配备了有储能作用的蓄电池，可保证系统功率稳定，能在光伏系统夜间不发电或阴雨天发电不足等情况下供给负载用电。

2、光伏发电系统组件多，技术含量高，通常设置在户外，具有分布点广、环境条件差的特点。对于光伏发电系统的巡检，具有需要具备的专业技能高，一些潜在隐患不容易发现的特点。

3、一些相关技术中，通过将光伏发电系统的出力曲线离散化生成特征图后，送入到人工神经网络中，对系统的健康状态进行判断。这种判断方式较强的算力，并在应用人工神经网络之前需要大量的建模工作，不适于小规模的户外光伏发电站。

4、基于此，需要开发一种光伏发电异常预警方法。

技术实现思路

1、本发明实施方式提供了一种光伏发电异常预警方法及装置，以解决现有技术中光伏发电系统健康状态判断方法不适于小规模的户外光伏发电站的问题。

2、第一方面，本发明实施方式提供了一种光伏发电异常预警方法，包括：

3、获取光伏发电的发电曲线；

4、提取所述发电曲线中多种标准波形的含有量，并根据所述多种标准波形的含有量构建第一曲线特征向量；

5、将所述第一曲线特征向量加入到标准曲线特征数据库中，通过统计将所述第一曲线特征向量从所述标准曲线特征数据库中搜索出来所需的搜索变量的数量的方式，判断光伏发电的异常程度，其中，所述所需的搜索变量的数量与所述光伏发电的异常程度负相关。

6、在一种可能的实现方式中，所述多种标准波形的获取过程包括：

7、获取多个样本波形；

8、将所述多个样本波形分别离散化，获得多个样本波形数组；

9、对所述多个样本波形数组进行聚类，从而获得多个样本波形类；

10、对所述多个样本波形类的类中心进行两两差异化检测，获得多个差异值；

11、若所述多个差异值中存在超过差异阈值的值，则调整聚类数量的预期，并跳转至所述对所述多个样本波形数组进行聚类，从而获得多个样本波形类的步骤；

12、否则，根据所述多个样本波形类的类中心确定多个目标样本波形数组，提取所述多个目标样本波形数组的模，并根据所述多个目标样本波形数组的模对多个目标样本波形进行幅值缩小，获得所述多种标准波形，其中，目标样本波形数组是与样本波形类的类中心距离最近的样本波形数组，目标样本波形为目标样本波形数组的来源波形。

13、在一种可能的实现方式中，所述对所述多个样本波形类的类中心进行两两差异化检测，获得多个差异值，包括：

14、对于所述多个样本波形类的类中心中的任意两个类中心，通过所述第一公式计算差异值，其中，所述第一公式为：

15、

16、式中，diff(i,j)为第i个类中心与第j个类中心的差异值，cci(cn)为第i个类中心的第cn个数据，ccj(cn)为第j个类中心的第cn个数据，cn_max为样本波形数组中数据的总数量。

17、在一种可能的实现方式中，所述提取所述多个目标样本波形数组的模，包括：

18、对于所述多个目标样本波形中的每个目标样本波形，执行如下步骤：

19、根据第二公式提取目标样本波形数组的模，其中，所述第二公式为：

20、

21、式中，m为目标样本波形数组的模，da(cn)为目标样本波形数组的第cn个数据，cn_max为样本波形数组中数据的总数量。

22、在一种可能的实现方式中，所述提取所述发电曲线中多种标准波形的含有量，包括：

23、从所述多种标准波形中依次提取标准波形，并在每次提取后根据第三公式提取所述发电曲线中标准波形的含有量，其中，所述第三公式为：

24、

25、式中，csw(wn)为发电曲线中含有第wn个标准波形的含有量，gc(t)为发电曲线，swwn(t)为第wn个标准波形，t为标准波形的时间长度。

26、在一种可能的实现方式中，将所述第一曲线特征向量加入到标准曲线特征数据库中，通过统计将所述第一曲线特征向量从所述标准曲线特征数据库中搜索出来所需的搜索变量的数量的方式，判断光伏发电的异常程度，包括：

27、获取第一数量、区间比以及多个特征元素区间，其中，特征元素区间为目标维度在所述标准曲线特征数据库的多个标准曲线中的分布区间；

28、根据所述第一数量，多次随机生成所述第一数量的多个搜索变量，并将每次生成的多个搜索变量构建为搜索向量，从而获得多个搜索向量；

29、根据所述多个搜索向量、所述区间比以及所述多个特征元素区间，对加入有所述第一曲线特征向量的标准曲线特征数据库进行多次搜索，并将所述第一曲线特征向量被搜索到的次数与所述多个搜索向量的比值作为搜索比；

30、若所述搜索比低于搜索比阈值，则降低所述第一数量后跳转至所述根据所述第一数量，多次随机生成所述第一数量的多个搜索变量，并将每次生成的多个搜索变量构建为搜索向量，从而获得多个搜索向量的步骤；

31、否则，根据所述第一数量判断光伏发电的异常程度。

32、在一种可能的实现方式中，所述根据所述多个搜索向量、所述区间比以及所述多个特征元素区间，对加入有所述第一曲线特征向量的标准曲线特征数据库进行多次搜索，包括：

33、对于所述多个搜索向量中的每个搜索向量，分别执行如下步骤：

34、随机指定所述第一数量的多个目标维度；

35、根据搜索向量、所述多个目标维度、所述区间比以及所述多个特征元素区间，生成多个搜索区间；

36、根据所述多个目标维度提取所述第一曲线特征向量的多个待对比元素；

37、检查所述多个待对比元素是否均落在所述多个搜索区间内；

38、若所述多个待对比元素是否均落在所述多个搜索区间内，则增加所述第一曲线特征向量被搜索到的次数。

39、在一种可能的实现方式中，所述根据搜索向量、所述多个目标维度、所述区间比以及所述多个特征元素区间，生成多个搜索区间，包括：

40、对于所述多个目标维度中的每个目标维度，分别执行如下步骤：

41、根据目标维度从搜索向量中提取对应的元素以及从所述多个特征元素区间中提取对应的特征元素区间，获得搜索元素以及目标特征元素区间，其中，搜索向量中每个元素均分布于0和1之间；

42、根据第四公式、所述搜索元素以及所述目标特征元素区间，生成搜索区间，其中，所述第四公式为：

43、

44、式中，schmin为搜索区间的下边界，schelemen2为搜索元素，fitv为目标特征元素区间，schmax为搜索区间的上边界，ritv为区间比。

45、第二方面，本发明实施方式提供了一种光伏发电异常预警装置，用于实现如第一方面任一项所述的光伏发电异常预警方法，所述光伏发电异常预警装置包括：

46、发电曲线获取模块，用于获取光伏发电的发电曲线；

47、波形分析模块，用于提取所述发电曲线中多种标准波形的含有量，并根据所述多种标准波形的含有量构建第一曲线特征向量；

48、以及，

49、异常指示模块，用于将所述第一曲线特征向量加入到标准曲线特征数据库中，通过统计将所述第一曲线特征向量从所述标准曲线特征数据库中搜索出来所需的搜索变量的数量的方式，判断光伏发电的异常程度，其中，所述所需的搜索变量的数量与所述光伏发电的异常程度负相关。

50、在一种可能的实现方式中，所述异常指示模块包括：

51、数据获取模块，用于获取第一数量、区间比以及多个特征元素区间，其中，特征元素区间为目标维度在所述标准曲线特征数据库的多个标准曲线中的分布区间；

52、向量生成模块，用于根据所述第一数量，多次随机生成所述第一数量的多个搜索变量，并将每次生成的多个搜索变量构建为搜索向量，从而获得多个搜索向量；

53、搜索模块，用于根据所述多个搜索向量、所述区间比以及所述多个特征元素区间，对加入有所述第一曲线特征向量的标准曲线特征数据库进行多次搜索，并将所述第一曲线特征向量被搜索到的次数与所述多个搜索向量的比值作为搜索比；

54、第一数量调整模块，用于在所述搜索比低于搜索比阈值时，降低所述第一数量后跳转至所述根据所述第一数量，多次随机生成所述第一数量的多个搜索变量，并将每次生成的多个搜索变量构建为搜索向量，从而获得多个搜索向量的步骤；

55、异常判断模块，用于所述搜索比不低于搜索比阈值时，根据所述第一数量判断光伏发电的异常程度。

56、本发明实施方式相对于现有技术的有益效果：

57、本发明提供了一种光伏发电异常预警方法及装置，其首先获取光伏发电的发电曲线；然后提取所述发电曲线中多种标准波形的含有量，并根据所述多种标准波形的含有量构建第一曲线特征向量；最后将所述第一曲线特征向量加入到标准曲线特征数据库中，通过统计将所述第一曲线特征向量从所述标准曲线特征数据库中搜索出来所需的搜索变量的数量的方式，判断光伏发电的异常程度，其中，所述所需的搜索变量的数量与所述光伏发电的异常程度负相关。本发明实施方式根据发电曲线的特征向量在标准曲线特征库当中进行搜索所需要的搜索变量的数量，分析光伏发电的异常程度，不需要建模过程，也不需要较强的算力，因此，普适性好，可以应用于小规模的户外光伏发电站异常识别。