CN104574221A - 一种基于损失电量特征参数的光伏电站运行状态辨识方法 - Google Patents
一种基于损失电量特征参数的光伏电站运行状态辨识方法 Download PDFInfo
- Publication number
- CN104574221A CN104574221A CN201510049730.5A CN201510049730A CN104574221A CN 104574221 A CN104574221 A CN 104574221A CN 201510049730 A CN201510049730 A CN 201510049730A CN 104574221 A CN104574221 A CN 104574221A
- Authority
- CN
- China
- Prior art keywords
- running status
- generation unit
- photovoltaic
- photovoltaic generation
- model
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 22
- 238000012706 support-vector machine Methods 0.000 claims abstract description 22
- 238000004364 calculation method Methods 0.000 claims abstract description 9
- 238000013507 mapping Methods 0.000 claims abstract description 3
- 230000005611 electricity Effects 0.000 claims description 31
- 238000005070 sampling Methods 0.000 claims description 19
- 238000012850 discrimination method Methods 0.000 claims description 11
- 238000012549 training Methods 0.000 claims description 9
- 230000001186 cumulative effect Effects 0.000 claims description 4
- 238000010606 normalization Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 claims description 2
- 238000013178 mathematical model Methods 0.000 claims description 2
- 238000012795 verification Methods 0.000 claims description 2
- 238000012423 maintenance Methods 0.000 abstract description 3
- 238000012544 monitoring process Methods 0.000 abstract description 3
- 210000004027 cell Anatomy 0.000 description 12
- 239000000428 dust Substances 0.000 description 12
- 238000013517 stratification Methods 0.000 description 12
- 238000012360 testing method Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000007257 malfunction Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000001172 regenerating effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Photovoltaic Devices (AREA)
Abstract
一种基于损失电量特征参数的光伏电站运行状态辨识方法,所述方法首先利用光伏电站能量管理***(EMS)的历史数据计算得到光伏电站各发电单元的损失电量信息,然后通过支持向量机方法建立各光伏发电单元的运行状态辨识模型,拟合损失电量信息特征参数与运行状态之间的映射关系,最后利用这些运行状态辨识模型对各光伏发电单元的运行状态进行识别,进而得到整个光伏电站的运行状态集合。本发明可减少光伏发电单元监测的工作量,帮助运行人员及时发现组件和***故障,为光伏电站的运行和维护提供了重要的科学依据。
Description
技术领域
本发明涉及一种用于准确辨识光伏电站运行状态的方法,属于发电技术领域。
背景技术
光伏发电作为可再生能源的重要组成部分近年来得到了快速发展,并网型光伏电站是目前光伏发电的主要利用形式。一般地,一个光伏电站由若干个光伏发电单元组成,一个光伏发电单元又由若干个光伏组件串并联而成。在实际运行过程中,除受到外界环境因素影响外,光伏电站的发电效率也与光伏发电单元、逆变器的运行状态有着密切关系。受到逆变器故障、发电单元故障及单元表面积灰等因素的影响,光伏电站的实际出力总是小于其理论出力,这部分本可以发出却未发出的电量定义为损失电量。
光伏电站的运行状态主要指的是逆变器及光伏发电单元的运行状态集合。对于光伏电站的逆变器来说,运行状态只有两种,即正常态和故障态。而对于光伏电站的光伏发电单元来说,运行状态一般分为如下几种:
正常态,即发电单元完好无损且单元表面清洁无积灰。发电单元出现故障而单元表面清洁无积灰。发电单元完好无损而单元表面污染有积灰。发电单元出现故障且单元表面污染有积灰。科学准确地对光伏电站进行状态辨识,不仅可帮助电站人员及时发现并处理故障,防止故障进一步蔓延而造成更加严重的事故,将电站的损失降到最小,而且有利于实现光伏电站的稳定、可靠运行,对促进光伏发电的规模化发展具有重要意义。
目前,光伏电站大都采用人工巡检的方式对分散的光伏发电单元进行监测,这种传统监测方式不仅工作量巨大且实时性很差,难以及时发现***故障,无法保证光伏电站的稳定、可靠运行。
发明内容
本发明的目的在于针对现有技术之弊端,提供一种基于损失电量特征参数的光伏电站运行状态辨识方法,以及时发现***故障,为光伏电站的运营维护提供科学依据。
本发明所述问题是以下述技术方案解决的:
一种基于损失电量特征参数的光伏电站运行状态辨识方法,所述方法首先利用光伏电站能量管理***(Energy
Management System, EMS)的历史数据计算得到光伏电站各发电单元的损失电量信息,然后通过支持向量机(Support
Vector Machine, SVM)方法建立各发电单元的运行状态辨识模型,拟合该单元损失电量特征参数与运行状态之间的映射关系,最后利用这些运行状态辨识模型对各发电单元的运行状态进行识别,进而得到整个光伏电站的运行状态集合,具体步骤为:
计算损失系数
a.对于每个光伏电站,按照气象条件划分成若干个区,在每个区安装一个标准组件;所述标准组件的安装方式、规格型号及物理特性均与同区内其他组件相同;此外,电站工作人员需经常对标准组件进行维护,确保其表面清洁且工作正常,从而保证其出力始终为理论出力,并将其功率出力采集记录到EMS***中;通过发电单元的归一化出力(即将发电单元的出力换算成与标准光伏组件个数相同下的出力)与同区内标准光伏组件出力之比是否大于给定的阈值来判断该单元的出力是否为理论出力;
所述气象条件是指太阳辐照度、环境温度、组件温度、风速、风向、气压、湿度在内的气象环境数据;
其中,判定阈值一般取为0.8,其调整范围为0.7-0.9,调整的原则是:若判定阈值为0.8时筛选得到的理论出力数据较少,不能使b中的理论出力计算模型得到充分训练,则适当减小该判定阈值,反之则适当增大该判定阈值;
b、通过EMS***的历史数据库获取各发电单元包括太阳辐照度、环境温度、组件温度、风速、风向、气压、湿度等在内的气象环境数据,与各发电单元输出功率数据。通过a中所述方法,从历史数据中筛选出理论出力建模所需的功率数据。以筛选得到的功率数据作为输出,对应时刻的气象环境数据作为输入,利用统计建模方法建立反映发电单元输入变量与输出功率之间关系映射的数学模型,该模型即为理论出力计算模型;
c.以光伏电站实时运行条件信息作为输入、包括太阳辐照度、环境温度、组件温度、风速、风向、气压和湿度,利用理论出力的计算模型计算得到每一采样时刻各光伏发电单元的理论出力数值;
d.从EMS***获取各光伏发电单元在每一采样时刻的实际出力并计算理论出力与实际出力值之差,然后分别将每个光伏发电单元在某一指定时间段内的各采样点的理论出力与实际出力值之差乘以采样周期后累加,得到每个光伏发电单元在该时间段内的损失电量,同时将每个光伏发电单元在该时间段内各采样点的理论出力乘以采样周期后累加,得到每个光伏发电单元在该时间段内的理论电量;
e.用每个光伏发电单元在该时间段的损失电量分别除以对应的理论电量,得到每个光伏发电单元在该时间段的损失系数;
确定光伏组件运行状态辨识参数指标集
表征光伏发电单元运行状态的特征参数包括常规特征参数和自定义特征参数:
、常规特征参数
表征光伏发电单元运行状态变化规律的常规特征参数包括:光伏发电单元在指定时间段内的损失系数的最大值、最小值、平均值、和方差;
、自定义特征参数
表征光伏发电单元运行状态信息的自定义特征参数包括相关系数和离散差,
一个光伏发电单元在某指定时间段内的相关系数定义为:
,
其中,为第个采样周期的理论电量,即第个采样点的理论出力与采样周期的乘积;为第个采样周期的损失电量,即第个采样点的理论出力与实际出力值之差与采样周期的乘积,为采样点的个数;
离散差LS定义为:
,
建立支持向量机运行状态辨识模型
将步骤确定的光伏发电单元运行状态识别参数指标集中的变量作为支持向量机模型的输入,光伏发电单元的运行状态信息作为支持向量机模型的理想输出,对每一光伏发电单元建立基于支持向量机的运行状态辨识模型;
训练和验证支持向量机运行状态辨识模型
针对已知光伏发电单元运行状态的历史数据,分别计算运行状态辨识参数指标集中的各项特征参数,然后选择其中的一部分数据作为支持向量机辨识模型的训练样本,训练该模型,其余部分作为验证数据,对模型的辨识效果进行校验;
辨识光伏电站的运行状态
针对待识别的时间段,分别计算每个光伏发电单元的运行状态辨识参数指标集中的各项特征参数,然后将上述参数序列输入步骤训练好的支持向量机辨识模型,得到该时间段内各个发电单元的运行状态,从而得到整个光伏电站的运行状态集合。
上述基于损失电量特征参数的运行状态辨识方法,所述光伏电站的运行状态还包括逆变器的运行状态,逆变器的运行状态通过EMS***读取。
上述基于损失电量特征参数的运行状态辨识方法,在支持向量机运行状态辨识模型的训练和验证过程以及实际光伏电站运行状态辨识过程中,应对计算得到的运行状态辨识参数指标集中的损失电量特征参数进行归一化处理。
上述基于损失电量特征参数的光伏电站运行状态辨识方法,为了提高光伏电站运行状态辨识结果的准确性,需对光伏电站各个发电单元的理论出力计算模型与运行状态辨识模型进行在线更新。
本发明利用损失电量特征参数对光伏电站的运行状态进行在线识别,大大减少了光伏发电单元的监测工作量,而且可帮助值班人员及时发现并***故障,为电站的运行和维护提供了科学重要的依据。
附图说明
图1为损失电量的计算步骤流程图;
图2为运行状态辨识流程图。
文中各符号表示为:为相关系数;为离散差;为第个采样周期的理论电量;为第个采样周期的损失电量;为采样点的个数;为理论电量均值;为损失电量均值。
具体实施方式
以下结合附图对本发明的原理和特征进行描述,所举实例只是用于解释本发明,并非用于限定本发明的保护范围。
以某光伏电站中某区内5个光伏发电单元(依次编号为#1-#5)作为研究对象,通过EMS***获取其2011年的历史运行数据,数据采样间隔为1分钟。分别以2011年9月3日10:00-14:00一号发电单元(#1),2011年10月18日13:00-16:00五号发电单元(#5),2011年11月7日9:13-11:00二号发电单元(#2)以及2011年12月24日12:00-14:00四号发电单元(#4)的实际运行状态为测试样本集。
所述辨识方法包括以下步骤:
步骤1:从EMS***中获取该区标准组件前8个月的输出功率数据。若相同时刻其他光伏发电单元的归一化出力与同区内标准组件单元出力之比大于所设定的判定阈值,则认为是理论出力。以此筛选出理论出力建模所需的功率数据。判定阈值一般取为0.8,其调整范围为0.7-0.9,调整的原则是:计算当判定阈值为0.8时,筛选得到理论出力数据,若得到的理论出力数据较少,不能使SVM理论出力计算模型得到充分训练,则可适当减小该判定阈值,反之则适当增大该判定阈值。
步骤2:利用上述方法筛选出5个发电单元的功率出力,将其作为SVM的输出,将相应时刻每个发电单元的辐照度、环境温度、相对湿度、风速、气压等气象环境参数作为SVM的输入,以前8个月的数据作为训练样本,分别建立理论出力的SVM计算模型。
步骤3:分别计算各光伏发电单元的损失电量和理论电量,用损失电量分别除以理论电量,得到各光伏发电单元的损失系数。
步骤4:根据该光伏电站的实际情况选择合适的损失电量特征参数,确定运行状态辨识参数指标集。这里选择{ 损失系数最大值,损失系数平均值,损失系数最小值,损失系数方差,相关系数,离散差},共6维变量,作为运行状态辨识参数指标集。
步骤5:将运行状态辨识参数指标集中的变量作为支持向量机模型的输入,信息完备的运行状态信息作为模型的理想输出,建立支持向量机运行状态辨识模型。需要辨识的运行状态主要是光伏组件的4类运行状态(正常态,即发电单元完好无损且单元表面清洁无积灰。发电单元出现故障而单元表面清洁无积灰。发电单元完好无损而单元表面污染有积灰。发电单元出现故障且单元表面污染有积灰)。作为辨识模型输出使用时,分别用整数1、2、3 、4代表它们。
步骤6:将前8个月运行信息完整的历史数据数作为支持向量机辨识模型的训练样本,训练该模型。分别计算运行状态信息完整的历史数据对应运行状态辨识参数指标集的各损失电量特征参数,并对其进行归一化处理,用于支持向量机辨识模型的训练。
步骤7:读取9月3日10:00-14:00时间段内一号发电单元逆变器的运行状态,结果显示正常。同时分别计算该时间段内1号光伏组件运行状态类型辨识参数指标集的各损失电量特征参数,实际计算结果:#1-#5这5个发电单元损失系数分别为0.78,0.14,0.11,0.08,0.16,损失系数的最大值为0.78,最小值为0.08,平均值为0.254,方差为0.0874,各发电单元的相关系数分别为0.26,0.79,0.82,0.88,0.83,离散差分别为3.55,11.49,18.98,15.65,16.44。进行归一化处理后将其输入支持向量机辨识模型,SVM输出2,转换为对应时间段内光伏发电单元的运行状态为发电单元出现故障而单元表面清洁无积灰,经实际检查测试后发现确为发电单元出现故障而表面处于清洁状态,识别结果正确。
步骤8: 同理分别计算测试样本集中其他样本
对于2011年10月18日13:00-16:00五号发电单元,逆变器处于正常态,#1-#5这5个发电单元损失系数分别为0.1,0.12,0.11,0.15,0.12,损失系数的最大值为0.15,最小值为0.1,平均值为0.12,方差为0.00035,各发电单元的相关系数分别为0.85,0.82,0.82,0.88,0.83,离散差分别为12.55,13.69,15.98,18.65,16.44。进行归一化处理后将其输入支持向量机辨识模型,SVM输出1,转换为对应时间段内光伏发电单元的运行状态为正常态,即发电单元完好无损且单元表面清洁无积灰,经实际测试,发电单元确实处于正常状态,识别结果正确。
对于2011年11月7日9:13-11:00二号发电单元,逆变器处于故障状态,光伏发电单元处于正常态,经测试识别结果正确。
对于2011年12月24日12:00-14:00四号发电单元(#4),逆变器处于正常状态,#1-#5这5个发电单元损失系数分别为0.45,0.4,0.42,0.46,0.39,损失系数的最大值为0.46,最小值为0.39,平均值为0.424,方差为0.00093,各发电单元的相关系数分别为0.65,0.69,0.67,0.62,0.7,离散差分别为6.66,8.89,7.58,6.32,9.56。进行归一化处理后将其输入支持向量机辨识模型,SVM输出3,转换为对应时间段内光伏发电单元的运行状态为发电单元完好无损而单元表面污染有积灰,经实际测试,识别结果正确。
上述具体实施方案仅为本发明的优选实施方案,并不用于限制本发明。任何熟悉本领域的技术人员可轻易想到的变化和替换方法,均应涵盖在本发明的保护范围之内。
Claims (4)
1.一种基于损失电量特征参数的光伏电站运行状态辨识方法,其特征是,所述方法首先利用光伏电站能量管理***(EMS)的历史数据计算得到电站各发电单元的损失电量信息,然后通过支持向量机方法建立各发电单元的运行状态辨识模型,拟合该单元损失电量特征参数与运行状态之间的映射关系,最后利用这些运行状态辨识模型对各发电单元的运行状态进行识别,进而得到整个光伏电站的运行状态集合,具体步骤为:
计算损失系数
a、对于每个光伏电站,按照气象条件划分成若干个区,在每个区安装一个标准组件,并将其功率出力采集记录到EMS***中;通过各个发电单元的归一化出力与同区内标准光伏组件出力之比是否大于设定的阈值来判断该单元的出力是否为理论出力;
b、通过EMS***的历史数据库获取各发电单元包括太阳辐照度、环境温度、组件温度、风速、风向、气压、湿度在内的气象环境数据与各发电单元的输出功率数据;通过步骤a中所述方法,从历史数据中筛选出理论出力建模所需的功率数据;以筛选得到的功率数据作为输出,对应时刻的气象环境数据作为输入,利用统计建模方法建立反映发电单元输入变量与输出功率之间关系映射的数学模型,该模型即为理论出力计算模型;
c、以光伏电站实时运行条件信息作为输入,利用理论出力的计算模型计算得到每一采样时刻各光伏发电单元的理论出力数值;
d、从EMS***获取各光伏发电单元在每一采样时刻的实际出力并计算理论出力与实际出力值之差,然后分别将每个光伏发电单元在某一指定时间段内的各采样点的理论出力与实际出力值之差乘以采样周期后累加,得到每个光伏发电单元在该时间段的损失电量,同时将每个光伏发电单元在该时间段内各采样点的理论出力乘以采样周期后累加,得到每个光伏发电单元在该时间段内的理论电量;
e、用每个光伏发电单元在该时间段的损失电量分别除以对应的理论电量,得到每个光伏发电单元在该时间段的损失系数;
确定光伏发电单元的运行状态辨识参数指标集
表征光伏发电单元运行状态的特征参数包括常规特征参数和自定义特征参数:
、常规特征参数
表征光伏发电单元运行状态变化规律的常规特征参数包括:光伏发电单元在指定时间段内的损失系数的最大值、最小值、平均值、方差和累计值;
、定义特征参数
表征光伏发电单元运行状态信息的自定义特征参数包括相关系数和离散差,
一个光伏发电单元在某指定时间段内的相关系数定义为:
,
其中,为第个采样周期的理论电量,即第个采样点的理论出力与采样周期的乘积;为第个采样周期的损失电量,即第个采样点的理论出力与实际出力值之差与采样周期的乘积,为采样点的个数;
离散差LS定义为:
,
建立支持向量机运行状态辨识模型
将步骤确定的光伏发电单元运行状态识别参数指标集中的变量作为支持向量机模型的输入,光伏发电单元的运行状态信息作为支持向量机模型的理想输出,对每一个光伏发电单元建立基于支持向量机的运行状态辨识模型;
训练和验证支持向量机运行状态辨识模型
针对已知光伏光伏发电单元运行状态的历史数据,分别计算运行状态辨识参数指标集中的各项特征参数,然后选择其中的一部分数据作为支持向量机辨识模型的训练样本,训练该模型,其余部分作为验证数据,对模型的辨识效果进行校验;
辨识光伏电站的运行状态集合
针对待识别的时间段,分别计算每个光伏发电单元的运行状态辨识参数指标集中的各项特征参数,然后将上述参数序列输入步骤训练好的支持向量机辨识模型,得到该时间段内各个发电单元的运行状态,从而得到整个光伏电站的运行状态集合。
2.根据权利要求1所述的基于损失电量特征参数的光伏电站运行状态辨识方法,其特征是,所述光伏电站的运行状态还包括逆变器的运行状态,逆变器的运行状态通过EMS***读取。
3.根据权利要求2所述的基于损失电量特征参数的光伏电站运行状态辨识方法,其特征是,在支持向量机运行状态辨识模型的训练和验证过程以及实际光伏电站运行状态辨识过程中,对计算得到的运行状态辨识参数指标集中的损失电量特征参数进行归一化处理。
4.根据权利要求3所述的基于损失电量特征参数的光伏电站运行状态辨识方法,其特征是,对光伏电站各个发电单元的理论出力计算模型和运行状态辨识模型进行在线更新。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510049730.5A CN104574221B9 (zh) | 2015-01-30 | 2015-01-30 | 一种基于损失电量特征参数的光伏电站运行状态辨识方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510049730.5A CN104574221B9 (zh) | 2015-01-30 | 2015-01-30 | 一种基于损失电量特征参数的光伏电站运行状态辨识方法 |
Publications (3)
Publication Number | Publication Date |
---|---|
CN104574221A true CN104574221A (zh) | 2015-04-29 |
CN104574221B CN104574221B (zh) | 2017-10-24 |
CN104574221B9 CN104574221B9 (zh) | 2017-12-22 |
Family
ID=53090211
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510049730.5A Active CN104574221B9 (zh) | 2015-01-30 | 2015-01-30 | 一种基于损失电量特征参数的光伏电站运行状态辨识方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104574221B9 (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105141255A (zh) * | 2015-08-12 | 2015-12-09 | 河海大学常州校区 | 一种光伏阵列故障诊断方法 |
CN105787810A (zh) * | 2016-03-14 | 2016-07-20 | 上海电气集团股份有限公司 | 一种评估风力发电机发电能力的方法 |
CN106353584A (zh) * | 2016-08-31 | 2017-01-25 | 常州旷达阳光能源有限公司 | 一种测试光伏组件衰减值的方法 |
CN108649892A (zh) * | 2018-04-23 | 2018-10-12 | 华北电力科学研究院有限责任公司 | 光伏电站的缺陷诊断方法及装置 |
CN117764223A (zh) * | 2023-11-28 | 2024-03-26 | 北京潞电电力建设有限公司 | 一种光伏运行方法及*** |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102594215A (zh) * | 2012-03-16 | 2012-07-18 | 云南电力试验研究院(集团)有限公司电力研究院 | 一种光伏电站模型参数辨识方法 |
CN202649353U (zh) * | 2012-06-26 | 2013-01-02 | 英利能源(中国)有限公司 | 一种智能光伏电站监测*** |
CN103675524A (zh) * | 2013-11-14 | 2014-03-26 | 国家电网公司 | 一种光伏发电***模型参数辨识测试方法 |
US20140188410A1 (en) * | 2012-12-28 | 2014-07-03 | Locus Energy, Llc | Methods for Photovoltaic Performance Disaggregation |
-
2015
- 2015-01-30 CN CN201510049730.5A patent/CN104574221B9/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102594215A (zh) * | 2012-03-16 | 2012-07-18 | 云南电力试验研究院(集团)有限公司电力研究院 | 一种光伏电站模型参数辨识方法 |
CN202649353U (zh) * | 2012-06-26 | 2013-01-02 | 英利能源(中国)有限公司 | 一种智能光伏电站监测*** |
US20140188410A1 (en) * | 2012-12-28 | 2014-07-03 | Locus Energy, Llc | Methods for Photovoltaic Performance Disaggregation |
CN103675524A (zh) * | 2013-11-14 | 2014-03-26 | 国家电网公司 | 一种光伏发电***模型参数辨识测试方法 |
Non-Patent Citations (3)
Title |
---|
A. CHOUDER 等: "Automatic supervision and fault detection of PV systems based on power losses analysis", 《ENERGY CONVERSION AND MANAGEMENT》 * |
KEN KURODA 等: "An Approach of Distribution Systems Stabilization for a Large-scale PV Systems Installation Environment", 《2013 4TH IEEE PES INNOVATIVE SMART GRID TECHNOLOGIES EUROPE》 * |
王培珍: "光伏阵列故障状态的识别研究", 《中国博士学位论文全文数据库 工程科技Ⅱ辑》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105141255A (zh) * | 2015-08-12 | 2015-12-09 | 河海大学常州校区 | 一种光伏阵列故障诊断方法 |
CN105787810A (zh) * | 2016-03-14 | 2016-07-20 | 上海电气集团股份有限公司 | 一种评估风力发电机发电能力的方法 |
CN106353584A (zh) * | 2016-08-31 | 2017-01-25 | 常州旷达阳光能源有限公司 | 一种测试光伏组件衰减值的方法 |
CN108649892A (zh) * | 2018-04-23 | 2018-10-12 | 华北电力科学研究院有限责任公司 | 光伏电站的缺陷诊断方法及装置 |
CN108649892B (zh) * | 2018-04-23 | 2020-08-04 | 华北电力科学研究院有限责任公司 | 光伏电站的缺陷诊断方法及装置 |
CN117764223A (zh) * | 2023-11-28 | 2024-03-26 | 北京潞电电力建设有限公司 | 一种光伏运行方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN104574221B (zh) | 2017-10-24 |
CN104574221B9 (zh) | 2017-12-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104270091B (zh) | 一种基于监控***的光伏发电设备故障诊断方法 | |
CN107330056B (zh) | 基于大数据云计算平台的风电场scada***及其运行方法 | |
CN104574221A (zh) | 一种基于损失电量特征参数的光伏电站运行状态辨识方法 | |
CN110233877B (zh) | 一种智能光伏发电故障综合预警*** | |
CN106100579B (zh) | 一种基于数据分析的光伏电站故障诊断方法 | |
CN103400302A (zh) | 一种风电基地连锁故障风险感知预警方法及其*** | |
CN104504607A (zh) | 一种基于模糊聚类算法的光伏电站故障诊断方法 | |
CN103235981A (zh) | 一种风电电能质量趋势预测方法 | |
CN104978608A (zh) | 一种风电功率预测装置及预测方法 | |
CN110224673A (zh) | 一种基于深度学习的太阳能光伏电池板故障检测方法 | |
CN105184392A (zh) | 一种基于最小二乘支持向量机的光伏电站故障诊断方法 | |
CN103258103A (zh) | 基于偏最小二乘回归的戴维南等值参数辨识方法 | |
CN103488864A (zh) | 一种风光储联合发电***风险的评估方法 | |
CN107229817B (zh) | 光伏电站灰尘遮挡损失分析方法 | |
CN111598376A (zh) | 一种基于信息驱动的对电网大数据进行辅助决策的方法及*** | |
CN106526347A (zh) | 一种基于数模混合仿真的光伏逆变器低电压穿越评估方法 | |
CN103995948A (zh) | 一种基于多项式模型的振荡中心电压预测方法 | |
CN115757569A (zh) | 基于国产化结构的新能源多类型数据调配方法及*** | |
CN102325168A (zh) | 风电场远程无线实时监控变拓扑结构组网方法 | |
CN103399219A (zh) | 光伏发电站性能实时监测方法 | |
Ju et al. | The use of edge computing-based internet of things big data in the design of power intelligent management and control platform | |
CN103632314A (zh) | 基于概率统计的广义节点特征建模方法 | |
CN103942620A (zh) | 采用复合数据源基于径向基核函数支持向量机的风电功率短期预测方法 | |
CN105939014A (zh) | 一种风电场站相关性指标获取方法 | |
CN202721499U (zh) | 一种基于无线网络的风电场远程监控*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CI03 | Correction of invention patent | ||
CI03 | Correction of invention patent |
Correction item: Description|Claims Correct: Zheng Que False: Cuo Wu Number: 43-01 Page: Quan Wen Volume: 33 |