【技术实现步骤摘要】
所属的技术人员知道，本专利技术可以实现为系统、方法或计算机程序产品。因此，本公开可以具体实现为以下形式，即：可以是完全的硬件、也可以是完全的软件(包括固件、驻留软件、微代码等)，还可以是硬件和软件结合的形式，本文一般称为“电路”、“模块”或“系统”。此外，在一些实施例中，本专利技术还可以实现为在一个或多个计算机可读介质中的计算机程序产品的形式，该计算机可读介质中包含计算机可读的程序代码。可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(ram)，只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。尽管上面已经示出和描述了本专利技术的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本专利技术的限制，本领域的普通技术人员在本专利技术的范围内可以对上述实施例进行变化、修改、替换和变型。
技术介绍
1、太阳能光伏发电是一种清洁、可再生、无污染的新型能源，随着新能源发电比重的不断提高，光伏发电逐渐成为主要的能
2、例如在授权公告号为cn111711417b的中国专利中公开了一种在光伏系统中诊断发电量异常的方法，涉及光伏发电
，该方法在第一时刻采集每个光伏组件的第一电压值和第一输出功率值；第二时刻采集每个光伏组件的第二电压值和第二输出功率值；每个光伏组件的第一和第二输出功率值之间的功率差值与第一和第二电压值之间的电压差值相比，得到一个数据源；所有光伏组件的数据源集合成数据集，从数据集中遴选出不符合预设规则的异常数据源，藉此判断出数据源存在着异常的光伏组件处于发电量异常的状态。
3、而在公开号为cn116015207a的中国专利中公开了一种光伏发电量异常预警装置及预警系统，包括以下模块：光强传感器，与光伏组件设置于同一平面，用于实时监测环境光照强度；温度传感器，用于实时监测光伏组件所处的环境温度；电能检测组件，用于实时监测光伏组件输出的电能信息；寿命管理模块，用于根据光伏组件的历史信息及光伏组件型号信息预测转化率；预警模块，用于根据环境光照强度、环境温度及预测转化率获得预测发电量，将预测发电量与电能检测组件检测的电能信息进行比对，根据比对结果进行预警。
4、以上专利均存在本
技术介绍
提出的问题：现有的发电量异常检测方法通常未考虑光伏组件所在区域的环境参数以及光伏组件的积灰程度，存在特殊天气下发电量异常检测准确率降低的问题。
技术实现思路
1、为了克服现有技术存在的缺陷与不足，本专利技术提供一种基于预测算法的发电量异常检测系统及方法，综合考虑光伏组件的运行参数和环境参数对光伏组件的积灰程度进行预测，进一步提高了光伏组件发电量异常检测的准确率。
2、为了达到上述目的，本专利技术采用以下技术方案：
3、本专利技术提供一种基于预测算法的发电量异常检测方法，包括下述步骤：
4、获取光伏组件的运行参数和环境参数，运行参数包括电流数据、电压数据、温度数据和实际发电量，环境参数包括天气类型、辐照度数据和空气质量指数；
5、通过运行参数和环境参数预测光伏组件积灰程度；
6、构建发电量预测模型，获取光伏组件的预测发电量；
7、将预测发电量和实际发电量的差值高于预设阈值的光伏组件标记为发电量异常组件，所述预设阈值由本领域技术人员根据大量实验确定。
8、作为优选的技术方案，所述天气类型包括晴、多云、阴、雨、雪、晴转多云、多云转阴、阴转雨和多云转雪。
9、作为优选的技术方案，所述光伏组件积灰程度基于光伏组件i-v曲线进行预测，具体步骤包括：
10、通过电流数据和电压数据，获取光伏组件的实际运行i-v曲线；
11、将光伏组件的温度数据、天气类型、辐照度数据和空气质量指数输入光伏组件仿真模型，计算光伏组件的理论参考i-v曲线；
12、利用导数动态时间规整算法分析实际运行i-v曲线与理论参考i-v曲线的差异，获取差异值；
13、利用模糊隶属度函数匹配差异值，计算光伏组件积灰程度。
14、作为优选的技术方案，所述发电量预测模型基于气象条件相似日和相似光伏组件进行发电量预测，具体步骤包括：
15、根据天气类型和空气质量指数匹配气象条件相似日；
16、根据光伏组件积灰程度匹配相似光伏组件；
17、将相似光伏组件在气象条件相似日的发电量作为预测发电量。
18、作为优选的技术方案，所述光伏组件仿真模型用下式表示：
19、
20、式中i表示光伏组件输出电流，u表示光伏组件输出电压，id表示二极管输出电流，iph表示光生电流，rsh表示并联电阻，rs表示串联电阻。
21、作为优选的技术方案，所述导数动态时间规整算法减少了原始电流-电压序列中的噪声影响，用下式表示：
22、
23、式中x表示实际运行i-v曲线的电流-电压序列，y表示理论参考i-v曲线的电流-电压序列，c表示动态时间弯曲路径集合，s表示每一条路径中元素的个数，lr表示路径中第r个点的坐标，d(·)表示距离函数，dddtw(x,y)表示差异值。
24、作为优选的技术方案，所述模糊隶属度函数为三角隶属度函数、梯形隶属度函数、高斯隶属度函数、广义钟型隶属度函数和s型隶属度函数中的一种。
25、作为优选的技术方案，所述光生电流用下式表示：
26、
27、式中istc表示标准测试条件下的短路电流，α表示短路电流点的温度系数，g表示辐照度数据，t表示光伏组件的温度数据，a表示空气质量指数，astc表示标准测试条件下的空气质量指数，tstc表示标准测试条件下的参考温度，gstc标准测试条件下的参考辐照度数据，iph表示光生电流。
28、本专利技术还提供一种基于预测算法的发电量异常检测系统，包括：
29、参数获取模块，用于获取光伏组件的运行参数和环境参数，运行参数包括电流数据、电压数据、温度数据和实际发电量，环境参数包括天气类型、辐照度数据和空气质量指数；
30、积灰程度预测模块，用于通过运行参数和本文档来自技高网...
【技术保护点】
1.一种基于预测算法的发电量异常检测方法，其特征在于，包括下述步骤：
2.根据权利要求1所述的一种基于预测算法的发电量异常检测方法，其特征在于，所述光伏组件积灰程度基于光伏组件I-V曲线进行预测，具体步骤包括：
3.根据权利要求1所述的一种基于预测算法的发电量异常检测方法，其特征在于，所述发电量预测模型基于气象条件相似日和相似光伏组件进行发电量预测，具体步骤包括：
4.根据权利要求2所述的一种基于预测算法的发电量异常检测方法，其特征在于，所述光伏组件仿真模型用下式表示：
5.根据权利要求2所述的一种基于预测算法的发电量异常检测方法，其特征在于，所述导数动态时间规整算法用下式表示：
6.根据权利要求2所述的一种基于预测算法的发电量异常检测方法，其特征在于，所述模糊隶属度函数为三角隶属度函数、梯形隶属度函数、高斯隶属度函数、广义钟型隶属度函数和S型隶属度函数中的一种。
7.根据权利要求4所述的一种基于预测算法的发电量异常检测方法，其特征在于，所述光生电流用下式表示：
8.一种基于预测算法的发电量异常检
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时，实现权利要求1-7中任一项所述的一种基于预测算法的发电量异常检测方法。
10.一种控制器，包括存储器和处理器，所述存储器用于存储计算机程序，其特征在于，所述处理器用于执行所述计算机程序时实现权利要求1-7中任一项所述的一种基于预测算法的发电量异常检测方法。
...【技术特征摘要】
1.一种基于预测算法的发电量异常检测方法，其特征在于，包括下述步骤：
2.根据权利要求1所述的一种基于预测算法的发电量异常检测方法，其特征在于，所述光伏组件积灰程度基于光伏组件i-v曲线进行预测，具体步骤包括：
3.根据权利要求1所述的一种基于预测算法的发电量异常检测方法，其特征在于，所述发电量预测模型基于气象条件相似日和相似光伏组件进行发电量预测，具体步骤包括：
4.根据权利要求2所述的一种基于预测算法的发电量异常检测方法，其特征在于，所述光伏组件仿真模型用下式表示：
5.根据权利要求2所述的一种基于预测算法的发电量异常检测方法，其特征在于，所述导数动态时间规整算法用下式表示：
6.根据权利要求2所述的一种基于预测算法的发电量异常检测方法，其特征在于，所述模糊隶属度函...
【专利技术属性】
技术研发人员：吴林河，王会武，李锦，张永丽，晋颖，
申请(专利权)人：西安中创新能网络科技有限责任公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。