System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 基于多源数据的分布式光伏特性聚类分析方法技术_技高网

基于多源数据的分布式光伏特性聚类分析方法技术

技术编号:43566627 阅读:4 留言:0更新日期:2024-12-06 17:37
本发明专利技术公开了一种基于多源数据的分布式光伏特性聚类分析方法,涉及光伏发电运维管理技术领域,该方法包括以下步骤:针对城市下辖的分布式光伏设备,收集N个晴朗天气内每日不同光伏设备的发电功率曲线,结合光伏设备的特性,对下辖分布式光伏设备进行聚类分析;根据聚类分析后的分布式光伏设备特性,分别建立数据库,收集每日不同数据库中的不同光伏设备的设备发电功率数据,同时基于设备地理位置设置湿度传感器采集湿度数据。本发明专利技术综合应用数据科学技术和能源管理技术,对城市中分布式光伏设备实现精细化、智能化的管理,通过统一变量便于发现分布式光伏设备存在的异常,提高了对城市分布式光伏设备的管理效果与维护效果。

【技术实现步骤摘要】

本专利技术涉及光伏发电运维管理,具体来说,涉及一种基于多源数据的分布式光伏特性聚类分析方法


技术介绍

1、分布式光伏系统是指在用户现场或靠近用电地点部署的光伏发电系统,这种系统通常用于自发自用,能够满足部分或全部的用电需求,通常由太阳能电池板、逆变器、支架、电缆等组成,常安装在城市建筑物屋顶、墙面、地面等场所;

2、然而城市中的环境因素较为复杂,城市中不同地区的扬尘、污染情况各不相同,容易导致外露的光伏板表面出现污垢,从而降低光伏板的光吸收能力,影响发电效率,且由于分布式光伏系统各个光伏设备位置不同且较为分散,管理人员无法及时判定光伏板的异常情况,无法及时对异常光伏设备进行有针对性的维护,存在实用性与功能性低下的问题;

3、针对相关技术中的问题,目前尚未提出有效的解决方案。


技术实现思路

1、针对相关技术中的问题,本专利技术提出一种基于多源数据的分布式光伏特性聚类分析方法,以克服现有相关技术所存在的上述技术问题。

2、为此,本专利技术采用的具体技术方案如下:

3、一种基于多源数据的分布式光伏特性聚类分析方法,该方法包括以下步骤:

4、s1、针对城市下辖的分布式光伏设备,收集n个晴朗天气内每日不同光伏设备的发电功率曲线,结合光伏设备的特性,对下辖分布式光伏设备进行聚类分析;

5、s2、根据聚类分析后的分布式光伏设备特性,分别建立数据库,收集每日不同数据库中的不同光伏设备的设备发电功率数据,同时基于设备地理位置设置湿度传感器采集湿度数据;

6、s3、基于不同数据库中n周期内的不同光伏设备发电功率,对同一数据库中的异常光伏设备进行异常原因判定与分析,包括灰尘积累、湿度影响;

7、s4、对数据库中的异常光伏设备进行标记,同时通过邮件传输异常信息进入相关光伏设备负责人邮箱。

8、作为优选的实施方式,s11、针对城市下辖分布式光伏设备,收集n个晴朗天气中每一天每一小时不同光伏设备的发电功率数据;

9、s12、对同一个光伏设备n个同一小时的发电功率数据进行取均值,基于每小时均值发电功率绘制不同光伏设备的代表性发电功率曲线,其具体的步骤为:

10、;

11、其中,代表第d天的第h小时的发电功率,代表在所有的n天中,当前光伏设备第h小时的平均发电功率,h的取值范围为1至24,d的取值范围为1至n;

12、将当前光伏设备每个小时的依次连接,形成每日发电功率曲线:

13、;

14、其中,即为代表性发电功率曲线;

15、s13、结合各个光伏设备的代表性发电功率曲线以及光伏设备的型号,对下辖分布式光伏设备进行聚类分析分组。

16、作为优选的实施方式,所述s13包括以下子步骤:

17、s131、收集各个光伏设备相关数据,包括代表性发电功率曲线、设备型号,将代表性发电功率曲线作为时间序列特征,提取每日最大发电功率、最小发电功率、平均发电功率、发电曲线斜率;

18、s132、通过光伏设备的型号对下辖光伏设备进行初步分组,将同型号的光伏设备归类为同一个分组下,之后将提取的光伏设备特征组合成一个特征向量,作为每个光伏设备的综合特征表示,其算法公式为:

19、;

20、其中,代表第i个光伏设备的特征向量,分别代表平均功率、最小功率、最大功率、斜率;

21、s133、通过k-means聚类,结合光伏设备的特征向量,对下辖所有光伏设备进行分组,其具体的步骤为:

22、针对不同类型分组下的光伏设备,随机选择k个设备作为初始聚类中心,针对每个设备,计算与k个聚类中心的欧式距离,并根据欧式距离分配至最近的聚类中心中,其算法公式为:

23、;

24、其中,代表将特定数据点分配至第k个聚类的过程,代表数据点至聚类中心的距离;

25、s134、根据分配结果,重新更新计算k个聚类的中心,其算法公式为:

26、;

27、重复分配和更新的步骤,直到聚类中心不再显著变化或者达到最大迭代次数,基于获得的更新的,针对不同初步分组下每个设备的,根据欧式距离分配至更新的最近的聚类中心中,基于聚类中心的数量分别建立二级分组。

28、作为优选的实施方式,所述s2包括以下步骤:

29、s21、针对设备类型获得的一级分组,分别通过mysql建立一级分类数据库,根据一级分组下的二级分组,在一级分类数据库中分别建立二级分类数据库,并将下辖的光伏设备基于二级分组分别归纳进入二级分类数据库中,并单独建立光伏设备档案,档案包括光伏设备编号以及负责人邮箱;

30、s22、采集每日不同二级分类数据库中的光伏设备每小时发电功率数据,将发电功率数据附上时间戳记录在相关光伏设备档案中;

31、s23、基于二级分类下的光伏设备,通过gps获得光伏设备经纬度信息,使用聚类算法对光伏设备的位置信息进行聚类,选择各个聚类的中心点作为代表性位置,在二级分类数据库中建立三级分类数据库,将符合聚类的光伏设备档案划分进入三级分类数据库中;

32、s24、对聚类的中心点设置湿度传感器,实时采集每日每小时的湿度,并记录在三级分类数据库中。

33、作为优选的实施方式,所述s3包括以下步骤:

34、s31、统计n周期内三级分类数据库中光伏设备的发电功率数据,对n周期同一小时的发电功率数据进行横向比对,确定待定异常光伏发电设备;

35、s32、针对待定异常光伏发电设备,结合三级分类数据库中的湿度数据进行异常判定与分析,确定光伏设备异常原因。

36、作为优选的实施方式,所述s31包括以下子步骤:

37、s311、统计n周期内三级分类数据库中光伏设备的发电功率数据,收集下辖三级分类中n周期内每天每一小时的光伏发电功率,计算每个小时内所有设备的发电功率的均值和标准差,其算法公式为:

38、;

39、其中,代表均值,为标准差,m为当前三级分类数据库中的光伏设备总数,代表第j个设备在当前小时的发电功率;

40、s312、对每个设备分别计算n周期内相同天数相同小时下的z-score,基于z-score对于异常进行初次判定,其算法公式为:

41、;

42、基于周期n设置初始化异常判定系数,的初始值为0,当大于阈值时,代表相关设备当前小时光伏发电功率存在异常,将异常判定系数加1,记录异常数值为,对小时分别进行异常初次判定,获得周期异常判定系数,当时,代表相关光伏设备存在异常,标记为待定异常光伏发电设备,h为判定系数,数值为8n。

43、作为优选的实施方式,所述s32包括以下子步骤:

44、s321、收集三级分类数据库中相关异常光伏设备周期n中的异常小时湿度数值s,基于湿度阈值进行判定;

45、设置初始化异常判定系数本文档来自技高网...

【技术保护点】

1.一种基于多源数据的分布式光伏特性聚类分析方法,其特征在于,该方法包括以下步骤:

2.根据权利要求1所述的基于多源数据的分布式光伏特性聚类分析方法,其特征在于,所述S1包括以下子步骤:

3.根据权利要求2所述的基于多源数据的分布式光伏特性聚类分析方法,其特征在于,所述S13包括以下子步骤:

4.根据权利要求1所述的基于多源数据的分布式光伏特性聚类分析方法,其特征在于,所述S2包括以下步骤:

5.根据权利要求1所述的基于多源数据的分布式光伏特性聚类分析方法,其特征在于,所述S3包括以下步骤:

6.根据权利要求5所述的基于多源数据的分布式光伏特性聚类分析方法,其特征在于,所述S31包括以下子步骤:

7.根据权利要求6所述的基于多源数据的分布式光伏特性聚类分析方法,其特征在于,所述S32包括以下子步骤:

8.根据权利要求1所述的基于多源数据的分布式光伏特性聚类分析方法,其特征在于,所述S4包括以下子步骤:

【技术特征摘要】

1.一种基于多源数据的分布式光伏特性聚类分析方法,其特征在于,该方法包括以下步骤:

2.根据权利要求1所述的基于多源数据的分布式光伏特性聚类分析方法,其特征在于,所述s1包括以下子步骤:

3.根据权利要求2所述的基于多源数据的分布式光伏特性聚类分析方法,其特征在于,所述s13包括以下子步骤:

4.根据权利要求1所述的基于多源数据的分布式光伏特性聚类分析方法,其特征在于,所述s2包括以下步骤:

5....

【专利技术属性】
技术研发人员:李鸿奎甄颖踪凯李福建孟楠张新明程昭龙陈波涛牛文惠尤阳阳郭世枭林卫宁郭瑞李若扬
申请(专利权)人:国网山东省电力公司菏泽供电公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1