【技术实现步骤摘要】
本专利技术涉及光伏板监测，特别是涉及一种光伏板运行状态监测方法及系统。
技术介绍
1、随着可再生能源的快速发展，光伏发电作为清洁能源的重要形式，受到了广泛关注和应用。然而，光伏板在实际运行中受到诸多因素的影响，如光照强度、温度、风速等，这些因素会直接影响光伏板的功率输出和运行状态。因此，对光伏板的运行状态进行实时监测和评估显得尤为重要。
2、但是，传统的光伏板监测方法通常依赖于人工巡检和经验判断，缺乏客观的数据支持，容易受主管人员个人主观意见的影响，导致监测结果不够客观和可靠，同时传统方法的监测周期通常较长，无法实现对光伏板运行状态的及时监测和反馈，难以发现和处理突发的故障和异常情况，而且传统方法需要大量的人力物力进行巡检和监测，成本高且效率低下，尤其在大规模的光伏电站中，监测难度更大，传统方法还难以全面考虑影响光伏板功率输出的多种因素，如光照强度、温度、风速等，难以做出综合的运行状态评估，导致对于光伏板运行状态的监测判断不准确。
技术实现思路
1、为了解决上述技术问题，本专利技术提供了一种光伏板运行状态监测方法及系统，包括：
2、获取光伏板的历史运行监测数据，并对历史运行监测数据进行分析，确定影响光伏板功率输出的监测特征参数；
3、基于监测特征参数和预设神经网络模型构建光伏板的功率输出预测模型，并根据功率输出预测模型进行预测，得到功率输出预测数据；
4、获取光伏板的实时功率输出数据，并将实时功率输出数据与功率输出预测数据进行对比分析
5、基于功率差异情况对光伏板的运行状态进行评估和计算，得到光伏板的运行运行状态评估值；
6、根据运行运行状态评估值确定光伏板的运行运行状态等级，并根据运行运行状态等级判断光伏板的运行状态是否正常。
7、进一步的，所述获取光伏板的历史运行监测数据，并对历史运行监测数据进行分析，确定影响光伏板功率输出的监测特征参数，包括：
8、获取预处理后光伏板的历史运行监测数据，并将历史运行监测数据按照参数类型划分为若干组监测参数数据组；
9、获取光伏板的历史功率输出数据，并分析每组监测参数数据组与历史功率输出数据的相关度；
10、将相关度超出预设阈值的监测参数数据组选取出来，并将选取出来监测参数数据组对应的参数作为监测特征参数。
11、进一步的，所述基于监测特征参数和预设神经网络模型构建光伏板的功率输出预测模型，并根据功率输出预测模型进行预测，得到功率输出预测数据，包括：
12、基于监测特征参数和历史功率输出数据构建数据集，并将数据集输入至预设神经网络模型中，构建功率输出预测初始模型；
13、将数据集按照一定比例划分为训练集和测试集，并将训练集和测试集输入至功率输出预测初始模型中；
14、对功率输出预测初始模型进行训练和测试，直至功率输出预测初始模型满足预设的收敛条件，得到功率输出预测模型；
15、获取光伏板的实时监测特征参数，并将实时监测特征参数输入至功率输出预测模型，由功率输出预测模型进行预测，得到光伏板的功率输出预测数据。
16、进一步的，所述获取光伏板的实时功率输出数据，并将实时功率输出数据与功率输出预测数据进行对比分析，确定功率差异情况，包括：
17、获取光伏板的实时功率输出数据和功率输出预测数据，并将实时功率输出数据和功率输出预测数据进行作差计算，得到功率差异数据；
18、基于功率差异数据绘制时间序列曲线图，得到功率差异曲线，并确定功率差异曲线中大于等于零的曲线段和小于零的曲线段；
19、计算每个曲线段中功率差异数据的平均值，并确定每个曲线段中功率差异数据的最值和超出平均值的数据量。
20、进一步的，所述基于功率差异情况对光伏板的运行状态进行评估和计算，得到光伏板的运行运行状态评估值，包括：
21、获取每个曲线段中功率差异数据的最值，并对每个最值进行评估，得到每个曲线段的差异评估值；
22、获取每个曲线段中功率差异数据超出平均值的数据量和确定功率差异数据的总数据量，并计算每个曲线段中功率差异数据超出平均值的数据量与总数据量的比值，得到每个曲线段的第一比值；
23、获取每个曲线段的时间长度和功率差异曲线的总时间长度，并计算每个曲线段的时间长度与功率差异曲线的总时间长度的比值，得到每个曲线段的第二比值；
24、基于第一比值和第二比值确定每个曲线段的权重系数，并将每个曲线段的差异评估值与对应的权重系数进行加权相加计算，得到光伏板的运行运行状态评估值。
25、进一步的，所述基于第一比值和第二比值确定每个曲线段的权重系数，包括：
26、根据第一比值和第二比值计算每个曲线段的权重系数，每个曲线段的权重系数的计算公式为：
27、q＝α＊x+β＊y，
28、其中，q为每个曲线段的权重系数，α为第一比值的系数，x为第一比值，β为第二比值的系数，y为第二比值。
29、进一步的，所述根据运行运行状态评估值确定光伏板的运行运行状态等级，包括：
30、预先设定运行状态等级－运行状态评估值区间对应关系，运行状态等级－运行状态评估值区间对应关系针对每一运行状态评估值区间，均关联有对应的运行状态等级；
31、获取光伏板的运行状态评估值，并基于该运行状态评估值所属的运行状态评估值区间在运行状态等级－运行状态评估值区间对应关系内的映射关系，选取与运行状态评估值区间对应的运行状态等级。
32、进一步的，所述根据运行运行状态等级判断光伏板的运行状态是否正常，包括：
33、获取预先设定的阈值等级，并基于运行运行状态等级与阈值等级之间的关系判断光伏板的运行状态是否正常；
34、若运行运行状态等级大于阈值等级，则光伏板运行状态非正常；
35、若运行运行状态等级小于等于阈值等级，则光伏板运行状态正常。
36、本专利技术还提供了一种光伏板运行状态监测系统，包括：
37、获取模块，用于获取光伏板的历史运行监测数据，并对历史运行监测数据进行分析，确定影响光伏板功率输出的监测特征参数；
38、预测模块，用于基于监测特征参数和预设神经网络模型构建光伏板的功率输出预测模型，并根据功率输出预测模型进行预测，得到功率输出预测数据；
39、对比模块，用于获取光伏板的实时功率输出数据，并将实时功率输出数据与功率输出预测数据进行对比分析，确定功率差异情况；
40、计算模块，用于基于功率差异情况对光伏板的运行状态进行评估和计算，得到光伏板的运行运行状态评估值；
41、预警模块，用于根据运行运行状态评估值确定光伏板的运行运行状态等级，并根据运行运行状态等级判断光伏板的运行状态是否正常。
42、本专利技术实施例一种光伏板运行状态监测方法及系统与现有技术相比，本文档来自技高网...
【技术保护点】
1.一种光伏板运行状态监测方法，其特征在于，包括：
2.根据权利条件1所述的一种光伏板运行状态监测方法，其特征在于，所述获取光伏板的历史运行监测数据，并对历史运行监测数据进行分析，确定影响光伏板功率输出的监测特征参数，包括：
3.根据权利条件2所述的一种光伏板运行状态监测方法，其特征在于，所述基于监测特征参数和预设神经网络模型构建光伏板的功率输出预测模型，并根据功率输出预测模型进行预测，得到功率输出预测数据，包括：
4.根据权利条件3所述的一种光伏板运行状态监测方法，其特征在于，所述获取光伏板的实时功率输出数据，并将实时功率输出数据与功率输出预测数据进行对比分析，确定功率差异情况，包括：
5.根据权利条件4所述的一种光伏板运行状态监测方法，其特征在于，所述基于功率差异情况对光伏板的运行状态进行评估和计算，得到光伏板的运行运行状态评估值，包括：
6.根据权利条件5所述的一种光伏板运行状态监测方法，其特征在于，所述基于第一比值和第二比值确定每个曲线段的权重系数，包括：
7.根据权利条件5所述的一种光伏板运行状态监
8.根据权利条件7所述的一种光伏板运行状态监测方法，其特征在于，所述根据运行运行状态等级判断光伏板的运行状态是否正常，包括：
9.一种光伏板运行状态监测系统，其特征在于，包括：
...【技术特征摘要】
1.一种光伏板运行状态监测方法，其特征在于，包括：
2.根据权利条件1所述的一种光伏板运行状态监测方法，其特征在于，所述获取光伏板的历史运行监测数据，并对历史运行监测数据进行分析，确定影响光伏板功率输出的监测特征参数，包括：
3.根据权利条件2所述的一种光伏板运行状态监测方法，其特征在于，所述基于监测特征参数和预设神经网络模型构建光伏板的功率输出预测模型，并根据功率输出预测模型进行预测，得到功率输出预测数据，包括：
4.根据权利条件3所述的一种光伏板运行状态监测方法，其特征在于，所述获取光伏板的实时功率输出数据，并将实时功率输出数据与功率输出预测数据进行对比分析，确定功率差异情况，包括：
<...【专利技术属性】
技术研发人员：朱壮华，赵基勇，巩绪先，刘志宏，史学峰，刘建华，张林旭，易伟峰，陈琰俊，彭志忠，秦俊东，
申请(专利权)人：华能榆社扶贫能源有限责任公司，
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。