CN112465404B - 用于多时间窗口的光伏发电***运行状态评估方法及*** - Google Patents

用于多时间窗口的光伏发电***运行状态评估方法及*** Download PDF

Info

Publication number
CN112465404B
CN112465404B CN202011531562.0A CN202011531562A CN112465404B CN 112465404 B CN112465404 B CN 112465404B CN 202011531562 A CN202011531562 A CN 202011531562A CN 112465404 B CN112465404 B CN 112465404B
Authority
CN
China
Prior art keywords
time
data
index
fitting
power generation
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.)
Active
Application number
CN202011531562.0A
Other languages
English (en)
Other versions
CN112465404A (zh
Inventor
李广磊
王玥娇
孙树敏
徐征
袁森
程艳
张兴友
于芃
王士柏
滕玮
魏大钧
王楠
邢家维
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
State Grid Corp of China SGCC
Electric Power Research Institute of State Grid Shandong Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
Electric Power Research Institute of State Grid Shandong Electric Power Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by State Grid Corp of China SGCC, Electric Power Research Institute of State Grid Shandong Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN202011531562.0A priority Critical patent/CN112465404B/zh
Publication of CN112465404A publication Critical patent/CN112465404A/zh
Application granted granted Critical
Publication of CN112465404B publication Critical patent/CN112465404B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • 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)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Health & Medical Sciences (AREA)
  • Educational Administration (AREA)
  • Marketing (AREA)
  • Development Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Public Health (AREA)
  • Primary Health Care (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Photovoltaic Devices (AREA)

Abstract

本公开提出了用于多时间窗口的光伏发电***运行状态评估方法，包括：获取现场传感器采集的信号并进行特征数据提取；采用基于时间窗口的双数据队列算法将提取的特征数据统一到同一时间断面上；统一量纲，建立实时数据集合；构建多维指标评估体系，采用关联系数法对实时数据集合进行光伏发电***运行状态在线评估。对全面掌握分布式光伏发电***运行状态，提高分布式光伏发电***调度优化与协同控制水平，保障分布式发电***并网的安全稳定具有重要意义。

Description

用于多时间窗口的光伏发电***运行状态评估方法及***
技术领域
本公开属于光伏发电技术领域，尤其涉及用于多时间窗口的光伏发电***运行状态评估方法及***。
背景技术
本部分的陈述仅仅是提供了与本公开相关的背景技术信息，不必然构成在先技术。
能源是国家经济发展的基础，随着全球经济的持续发展，石油、天然气、煤炭等常规的能源已不能满足日益增长的需要。新能源不断开发利用，使得可再生能源越来越受到重视，在众多可再生能源中，太阳能资源以其无限、清洁及可持续性等优点，成为可再生能源中开发利用最高的新能源之一。光伏发电***作为太阳能资源的主要消化方式，在全国范围内得到广泛应用，目前光伏发电主要的出力形式有集中式发电和分布式发电，其中分布式光伏发电***以小规模、分散式、可独立或并网输出电能的等优点，总装机容量的占比逐渐提高。
集中式光伏发电***由于其规模大，配备比较完备的监控***，所以能够准确的掌握其运行状态。分布式光伏发电***存在着规模小、设备精度参差不齐、设备采样周期各不相同以及某些监测设备不具备校时功能等问题，使得集中式光伏发电***的运行状态评估方法不适用于分布式光伏发电***。不能准确掌握分布式光伏发电***的运行状态，就不能及时发现***故障、合理调度***运行，从而降低了分布式光伏发电***的整体效率，影响了分布式光伏发电***并网安全稳定性与供电可靠性。
发明内容
为克服上述现有技术的不足，本公开提供了用于多时间窗口的光伏发电***运行状态评估方法，实现光伏发电***运行状态的全方面、精准评估。更加全面准确的了解光伏发电***的运行状态。
为实现上述目的，本公开的一个或多个实施例提供了如下技术方案：
第一方面，公开了用于多时间窗口的光伏发电***运行状态评估方法，包括：
获取现场传感器采集的信号并进行特征数据提取；
采用基于时间窗口的双数据队列算法将提取的特征数据统一到同一时间断面上；
统一量纲，建立实时数据集合；
构建多维指标评估体系，采用关联系数法对实时数据集合进行光伏发电***运行状态在线评估。
进一步的技术方案，基于时间窗口的双数据队列算法将提取的特征数据统一到同一时间断面上时，建立在线数据处理缓冲区数组，将特征数据接入在线数据处理缓冲区，整个在线数据处理缓冲区分为在线数据处理队列和在线数据缓冲队列；
定义在线数据处理队列的队头指针指向队列的首元素，队尾指针指向队列尾元素的下一个位置；
最初，在线数据处理队列和在线数据缓冲队列均为空，随着特征数据的不断接入，将在线数据缓冲队列的数据全部传送至在线数据处理队列；
进行数据拟合，生成时间窗口长度均为L的拟合数据，发送在线数据处理队列中计算的第一个分段的拟合数据，将对应的特征数据清除出在线数据处理队列。
进一步的技术方案，整个在线数据处理缓冲区分为在线数据处理队列和在线数据缓冲队列后，建立在线数据处理队列的时间窗口长度L，时间窗口长度L代表经在线数据处理队列转换后的特征数据采样周期。
进一步的技术方案，数据拟合时，将在线数据处理队列时间窗口长度L划分为N个时间段，对每个时间段的数据段yi进行拟合得到
Figure BDA0002852243260000021
两两拟合，将两个数据段yi和yi+1拟合成一个数据段，合并的新数据段代替原来的两个段。
进一步的技术方案，所述多维指标评估体系分为两层，各指标的权重求解采用分层求解法，一层指标权重采用客观求解法，二层指标权重采用主观求解法。
进一步的技术方案，所述关联系数法为：用所述多维指标评估体系中的各项指标对光伏发电***运行状态进行评估，将光伏发电***状态划分为不同的状态，得到状态评估集。
进一步的技术方案，各单项指标在限制范围内进行平均划分，得到并网光伏电站评价指标标准矩阵；利用标准矩阵、实时数据各对应项的差值建立绝对差矩阵，得到不同状态下的各项指标的关联系数。
第二方面，公开了用于多时间窗口的光伏发电***运行状态评估***，包括：
特征数据提取模块，用于获取现场传感器采集的信号并进行特征数据提取；
多时间窗口数据处理模块，用于采用基于时间窗口的双数据队列算法将提取的特征数据统一到同一时间断面上；
统一量纲，建立实时数据集合；
运行状态在线评估模块，用于构建多维指标评估体系，采用关联系数法对实时数据集合进行光伏发电***运行状态在线评估。
以上一个或多个技术方案存在以下有益效果：
本公开技术方案提出一种适用于分布式光伏发电***运行状态的在线评估方法，对全面掌握分布式光伏发电***运行状态，提高分布式光伏发电***调度优化与协同控制水平，保障分布式发电***并网的安全稳定具有重要意义。
本公开技术方案适用于分布式光伏发电***运行状态在线评估。采用基于时间窗口的双数据队列算法解决了分布式光伏发电***中由设备质量参差不齐导致的监测数据多时间尺度问题；构建了适用于分布式光伏发电***的多维指标评估体系，提出了相应指标权重的计算方法，能够更加全面、准确、真实的概括分布式光伏发电***的主要指标；在此基础上将分布式光伏发电***运行状态分为“良好”、“合格”、“较差”、“严重”四个状态，通过关联系数法对运行状态进行在线评估，实时、准确反映分布式光伏发电***运行状态；根据评估结果出具报表，可为运维人员检修、调度等提供参考。
本发明附加方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
构成本公开的一部分的说明书附图用来提供对本公开的进一步理解，本公开的示意性实施例及其说明用于解释本公开，并不构成对本公开的不当限定。
图1为本公开实施例适用于多时间窗口的分布式光伏发电***运行状态在线评估方法流程图；
图2为本公开实施例在线数据处理缓冲区数组Buffer示意图。
具体实施方式
应该指出，以下详细说明都是示例性的，旨在对本公开提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本公开所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本公开的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。
实施例一
本实施例公开了用于多时间窗口的光伏发电***运行状态评估方法，解决实现光伏发电***运行状态的全方面、精准评估。更加全面准确的了解光伏发电***的运行状态。
参见附图1所示，上述方法包括在线数据处理流程和在线评估流程。在线数据处理流程包括特征量提取、多时间窗口归一化、统一量纲建立实时数据集合等步骤；在线评估流程包括开始评估、运行状态在线评估、多维指标评估体系、评估方法、评估结果、生成报表等步骤。
在线数据处理流程的步骤为：
步骤1：特征数据提取。采用FFT变换、小波变换等信号分析处理方法对来自现场传感器采集的信号进行特征数据提取。原因是传感器在信息采集过程中可能存在不确定的干扰因素，提取特征数据在有效体现所采集信号特征的基础上，还可以排除干扰因素，有利于后续的评估。
此处现场传感器采集的信号主要是电压电流等电气量数据以及一次开关状态，特征指的是幅值、相位、频率等数据。
步骤2：多时间窗口归一化。采用基于时间窗口的双数据队列算法将数据统一到同一时间断面上。原因是现有的状态评估方法往往假设数据基于统一时间断面，而实际上光伏发电***中由于采样周期不同，使得信息数据不在统一时间断面上，若采用这一不能真实反映***状态真实情况的数据进行运行状态评估，其得到的评估结果也将不准确。
时间窗口归一化采用基于时间窗口的双数据队列算法将数据统一到同一时间断面上，解决了光伏发电***中数据的多时间尺度问题。
采集信号提取特征值，然后对特征值运用下述算法。
所述基于时间窗口的双数据队列算法的步骤是：
参见附图2所示，S1：建立在线数据处理缓冲区数组Buffer，Buffer的大小为size，将所有特征数据接入在线数据处理缓冲区，整个在线数据处理缓冲区分为在线数据处理队列和在线数据缓冲队列，根据历史数据和专家经验建立在线数据处理队列的时间窗口长度L，时间窗口长度L代表经在线数据处理队列转换后的特征数据采样周期。
S2：定义在线数据处理队列的队头指针指向队列的首元素，队尾指针指向队列尾元素的下一个位置，其中以fir为队头指针、mid为队尾指针。在进行数据处理时，由于数据会不断接入，所以以mid为队头指针，las为队尾指针建立缓冲队列。最初，在线数据处理队列和在线数据缓冲队列均为空，可由两个队列的队头指针等于队尾指针来进行判断，即firs＝mid＝las。
S3：随着特征数据的不断接入，在线数据缓冲队列的队尾指针las会不断后移，当在线数据缓冲队列内的数据达到size/4个数据后，将las赋值给mid，相当于将在线数据缓冲队列的数据全部传送至在线数据处理队列。
S4：将在线数据处理队列时间窗口长度L划分为N个时间段，对每个时间段的数据段yi进行拟合得到
Figure BDA0002852243260000061
根据公式
Figure BDA0002852243260000062
计算每个时间段
Figure BDA0002852243260000063
Figure BDA0002852243260000064
内数据段yi的拟合直线
Figure BDA0002852243260000065
其中
Figure BDA0002852243260000066
Figure BDA0002852243260000067
其中，yi为第i个时间段的采集数据；
Figure BDA0002852243260000068
为拟合后的采集数据；k为斜率；t为时间点；b为截距；i为当前时间段；
Figure BDA0002852243260000069
为第i个时间段的起始时间点，
Figure BDA00028522432600000610
第i个时间段的的终止时间点；
Figure BDA00028522432600000611
为时间平均值；
Figure BDA00028522432600000612
为采集数据平均值；g为调整参数。
S5：进行两两拟合，将两个数据段yi和yi+1拟合成一个数据段
Figure BDA00028522432600000613
合并的新数据段代替原来的两个段。其拟合公式为：
Figure BDA00028522432600000614
其中
Figure BDA0002852243260000071
其中，
Figure BDA0002852243260000072
为将第i个时间段和第i+1个时间段的数据拟合后的数据；K为两两拟合后的斜率；T为两两拟合后的时间点；B为两两拟合后的斜率；
Figure BDA0002852243260000073
为第i个时间段的起始时间点；
Figure BDA0002852243260000074
为第i+1个时间段的起始时间点；
Figure BDA0002852243260000075
第i个时间段的的终止时间点；
Figure BDA0002852243260000076
为第i+1个时间段的的终止时间点；
Figure BDA0002852243260000077
为两两拟合后的时间平均值；
Figure BDA0002852243260000078
为两两拟合后的采集数据平均值；G为两两拟合后的调整参数。
S6：N个时间段的数据全部拟合完成后，生成时间窗口长度均为L的拟合数据。
S7：在线数据缓冲队列继续存储新的数据，如果(las+1)mod size＝fir，说明整个数组空间已满，强制转步骤S8。
S8：发送在线数据处理队列中计算的第一个分段的拟合数据，将对应的特征数据清除出在线数据处理队列。在保证在线数据处理队列长队不超过size/2的条件向将在线数据缓冲队列中尽可能多的数据纳入到在线数据处理队列。
S9：如果在线数据处理队列小于size/4，转到步骤S3，重复以上步骤S3、S4、S5、S6、S7、S8。
上述步骤改进在S 4、5，通过S 4、5的处理无论之前数据采集频率是多少，通过拟合后得到频率相同的数据，即将数据处理到相同的时间尺度上，这种做法的好处是一方面可以弥补一些漏采数据，提高状态评估的准确性，另一方面有利于后续数据的分析处理。
步骤3：统一量纲，建立实时数据集合，包括温度、风速、辐照度、电压、电流。由拟合公式可得到特征数据的实时数据集合Xi＝{x1,x2,x3...xn}，xi代表样本集合的第i个数据，根据公式
Figure BDA0002852243260000081
对实时数据集合的数据统一量纲，得到统一量纲后的实时数据集合
Figure BDA0002852243260000082
其作用在于方便后续评估计算。
在线评估流程的步骤为:
步骤1：开始评估。接收实时数据集合准备评估。
步骤2：运行状态在线评估。进入运行状态在线评估流程。
步骤3：构建多维指标评估体系，采用关联系数法对实时数据集合进行评估。
所述多维指标评估体系分为两层，一层指标包括效率指标、环境指标、发电量指标、可靠性指标、电能质量指标。效率指标下的二层指标包括光伏阵列效率、逆变器效率、汇流箱效率、变压器效率；环境指标下的二层指标包括温度、辐照度、风速；发电量指标下的二层指标包括光伏阵列日发电量、光伏***日输出电量；可靠性指标下的二层指标包括光伏阵列平均无故障运行时间；电能质量指标下的二层指标包括电压偏差、电压波动、频率偏差、谐波畸变、电压电流不平衡度。
这些指标是根据实时数据计算出来的，环境指标可直接采用实时数据；其他指标是根据实时数据中的电压电流计算出来的。
所述多维指标评估体系中的可靠性指标主要指光伏阵列平均无故障运行时间。计算公式为：
Figure BDA0002852243260000083
其中τ为统计时间内光伏阵列的平均无故障运行时间；S为统计时长；SL为统计时长内因例行维护造成的停机时间；SN为统计时间内因电网故障、不可抗力等导致的停机时间；T1为统计时间长度内因设备自身原因导致的可远程复位故障次数；T2为统计时间长度内因设备自身原因导致的不可远程复位故障次数。其作用在于排除例行检修、不可抗力、电网故障等因素导致的停机，只考虑设备在统计时间内因自身原因导致的故障次数，使光伏阵列的可靠性更加准确、科学。
所述多维指标评估体系的效率指标主要包括光伏阵列效率、逆变器效率、汇流箱效率、变压器效率。采用以下公式进行计算：光伏阵列效率
Figure BDA0002852243260000091
其中P1为光伏阵列直流输出功率，G为光照辐照度，A为考虑光伏组件倾斜角的有效辐射面积，2％代表光伏组件功率损耗；逆变器效率
Figure BDA0002852243260000092
其中P2_out为逆变器输出功率，P2_in为逆变器输入功率，2％为逆变器功率损耗；汇流箱效率
Figure BDA0002852243260000093
其中P3_out为汇流箱输出功率，P3_in为汇流箱输入功率，1％为逆变器功率损耗；变压器效率
Figure BDA0002852243260000094
其中P4_out为变压器输出功率，P4_in为变压器输入功率，2％为变压器功率损耗。其作用在于计算时将功率损耗考虑进去，可保证效率指标更加贴近实际情况，其中功率损耗的百分比是根据历史经验得出的。
所述多维指标评估体系中各指标的权重求解采用分层求解法，一层指标权重采用客观求解法，二层指标权重采用主观求解法。原因是一层指标客观性较强，采用客观赋值法更为准确；各个一层指标所属的二层指标，由于其指标属性相对一致，采用主观赋值法准确度更高。
所述分层求解法中的客观求解法为：根据公式
Figure BDA0002852243260000095
计算一层指标
Figure BDA0002852243260000096
的权重ζi，其中
Figure BDA0002852243260000097
统一量纲后的实时数据，m为一层指标的个数。
所述分层求解法中的主观求解法为：
S1：由相关专家对二层指标的每一个指标相对于一层指标的重要性进行两两比较打分，构建判定矩阵，其中n为每个一层指标下二层指标的个数。
S2：利用幂法计算判定矩阵的特征值λ和特征向量α。
S3：利用公式
Figure BDA0002852243260000101
验证各项打分的合理性。若h小于0.1则专家打分合理，则根据公式Dα＝λζj求解二层指标中的各指标权重ζj(1≤j≤n)，若h大于0.1则专家打分不合理，转至S1，重复以上步骤S1、S2、S3。
所述关联系数法为：用所述多维指标评估体系中的各项指标对光伏发电***运行状态进行评估，将光伏发电***状态划分为“良好”、“合格”、“较差”、“严重”四个状态，即状态评估集MI＝{M1，M2，M3，M4}；结合电能质量国家标准进行分级处理，各单项指标在限制范围内进行平均划分，得到并网光伏电站评价指标标准矩阵；利用标准矩阵、实时数据各对应项的差值建立绝对差矩阵Δ，以Δp,q表示矩阵中的各项数据；根据公式
Figure BDA0002852243260000102
得到MI状态下的各项指标的关联系数。
步骤4：评估结果。对关联系数r进行分析，数值越大，关联越紧密，选取数值最大一项对应的光伏电站状态MI，即为当前光伏电站整体的运行状态。
步骤5：根据评估结果出具报告。根据评估结果进行检修。
需要说明的是，预测指的是不同时间尺度内的预测，比如预测10分钟内的发电量、预测半小时内的发电量。本公开技术方案的所时间尺度指的是底层的采集数据有的是1分钟采一次，有的是1分钟采十次，采集频率慢的必然导致数据有漏采，在这种数据基础上进行状态评估必然导致运行状态不准，所以本公开技术方案的多时间尺度状态评估指的是无论是1分钟采一次还是1分钟采十次，经过本公开技术方案的算法都能够处理成一样的时间尺度。
实施例二
本实施例的目的是提供一种计算装置,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述实施例子一中的方法的步骤。
实施例三
本实施例的目的是提供一种计算机可读存储介质。
一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时上述实施例子一中的方法的步骤。
实施例四
本实施例的目的是提供用于多时间窗口的光伏发电***运行状态评估***，包括：
特征数据提取模块，用于获取现场传感器采集的信号并进行特征数据提取；
多时间窗口数据处理模块，用于采用基于时间窗口的双数据队列算法将提取的特征数据统一到同一时间断面上；
统一量纲，建立实时数据集合；
运行状态在线评估模块，用于构建多维指标评估体系，采用关联系数法对实时数据集合进行光伏发电***运行状态在线评估。
以上实施例二、三和四的装置中涉及的各步骤与方法实施例一相对应，具体实施方式可参见实施例一的相关说明部分。术语“计算机可读存储介质”应该理解为包括一个或多个指令集的单个介质或多个介质；还应当被理解为包括任何介质，所述任何介质能够存储、编码或承载用于由处理器执行的指令集并使处理器执行本公开中的任一方法。
本领域技术人员应该明白，上述本公开的各模块或各步骤可以用通用的计算机装置来实现，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。本公开不限制于任何特定的硬件和软件的结合。
以上所述仅为本公开的优选实施例而已，并不用于限制本公开，对于本领域的技术人员来说，本公开可以有各种更改和变化。凡在本公开的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本公开的保护范围之内。
上述虽然结合附图对本公开的具体实施方式进行了描述，但并非对本公开保护范围的限制，所属领域技术人员应该明白，在本公开的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本公开的保护范围以内。

Claims (8)

1.用于多时间窗口的光伏发电***运行状态评估方法，其特征是，包括：
获取现场传感器采集的信号并进行特征数据提取；
采用基于时间窗口的双数据队列算法将提取的特征数据统一到同一时间断面上；其中包括，将在线数据处理队列时间窗口长度L划分为N个时间段，对每个时间段的数据段yi进行拟合得到
Figure FDA0003985877280000011
根据公式
Figure FDA0003985877280000012
计算每个时间段
Figure FDA0003985877280000013
内数据段yi的拟合直线
Figure FDA0003985877280000014
其中
Figure FDA0003985877280000015
Figure FDA0003985877280000016
其中，yi为第i个时间段的采集数据；
Figure FDA0003985877280000017
为拟合后的采集数据；k为斜率；t为时间点；b为截距；i为当前时间段；
Figure FDA0003985877280000018
为第i个时间段的起始时间点，
Figure FDA0003985877280000019
第i个时间段的的终止时间点；
Figure FDA00039858772800000110
为时间平均值；
Figure FDA00039858772800000111
为采集数据平均值；g为调整参数；
进行两两拟合，将两个数据段yi和yi+1拟合成一个数据段
Figure FDA00039858772800000112
合并的新数据段代替原来的两个段，拟合公式为：
Figure FDA00039858772800000113
其中
Figure FDA00039858772800000114
Figure FDA00039858772800000115
其中，
Figure FDA00039858772800000116
为将第i个时间段和第i+1个时间段的数据拟合后的数据；K为两两拟合后的斜率；T为两两拟合后的时间点；B为两两拟合后的斜率；
Figure FDA00039858772800000117
为第i个时间段的起始时间点；
Figure FDA00039858772800000118
为第i+1个时间段的起始时间点；
Figure FDA00039858772800000119
第i个时间段的的终止时间点；
Figure FDA00039858772800000120
为第i+1个时间段的的终止时间点；
Figure FDA00039858772800000121
为两两拟合后的时间平均值；
Figure FDA0003985877280000021
为两两拟合后的采集数据平均值；G为两两拟合后的调整参数；
统一量纲，建立实时数据集合；
构建多维指标评估体系，采用关联系数法对实时数据集合进行光伏发电***运行状态在线评估；
所述多维指标评估体系分为两层，一层指标包括效率指标、环境指标、发电量指标、可靠性指标、电能质量指标；效率指标下的二层指标包括光伏阵列效率、逆变器效率、汇流箱效率、变压器效率；环境指标下的二层指标包括温度、辐照度、风速；发电量指标下的二层指标包括光伏阵列日发电量、光伏***日输出电量；可靠性指标下的二层指标包括光伏阵列平均无故障运行时间；电能质量指标下的二层指标包括电压偏差、电压波动、频率偏差、谐波畸变、电压电流不平衡度；
其中，所述多维指标评估体系中的可靠性指标主要指光伏阵列平均无故障运行时间，计算公式为：
Figure FDA0003985877280000022
其中τ为统计时间内光伏阵列的平均无故障运行时间；S为统计时长；SL为统计时长内因例行维护造成的停机时间；SN为统计时间内因电网故障、不可抗力等导致的停机时间；T1为统计时间长度内因设备自身原因导致的可远程复位故障次数；T2为统计时间长度内因设备自身原因导致的不可远程复位故障次数；
所述多维指标评估体系分为两层，各指标的权重求解采用分层求解法，一层指标权重采用客观求解法，二层指标权重采用主观求解法。
2.如权利要求1所述的用于多时间窗口的光伏发电***运行状态评估方法，其特征是，基于时间窗口的双数据队列算法将提取的特征数据统一到同一时间断面上时，建立在线数据处理缓冲区数组，将特征数据接入在线数据处理缓冲区，整个在线数据处理缓冲区分为在线数据处理队列和在线数据缓冲队列；
定义在线数据处理队列的队头指针指向队列的首元素，队尾指针指向队列尾元素的下一个位置；
最初，在线数据处理队列和在线数据缓冲队列均为空，随着特征数据的不断接入，将在线数据缓冲队列的数据全部传送至在线数据处理队列；
进行数据拟合，生成时间窗口长度均为L的拟合数据，发送在线数据处理队列中计算的第一个分段的拟合数据，将对应的特征数据清除出在线数据处理队列。
3.如权利要求2所述的用于多时间窗口的光伏发电***运行状态评估方法，其特征是，整个在线数据处理缓冲区分为在线数据处理队列和在线数据缓冲队列后，建立在线数据处理队列的时间窗口长度L，时间窗口长度L代表经在线数据处理队列转换后的特征数据采样周期。
4.如权利要求1所述的用于多时间窗口的光伏发电***运行状态评估方法，其特征是，所述关联系数法为：用所述多维指标评估体系中的各项指标对光伏发电***运行状态进行评估，将光伏发电***状态划分为不同的状态，得到状态评估集。
5.如权利要求1所述的用于多时间窗口的光伏发电***运行状态评估方法，其特征是，各单项指标在限制范围内进行平均划分，得到并网光伏电站评价指标标准矩阵；利用标准矩阵、实时数据各对应项的差值建立绝对差矩阵，得到不同状态下的各项指标的关联系数。
6.用于多时间窗口的光伏发电***运行状态评估***，其特征是，包括：
特征数据提取模块，用于获取现场传感器采集的信号并进行特征数据提取；
多时间窗口数据处理模块，用于采用基于时间窗口的双数据队列算法将提取的特征数据统一到同一时间断面上；其中包括，将在线数据处理队列时间窗口长度L划分为N个时间段，对每个时间段的数据段yi进行拟合得到
Figure FDA0003985877280000041
根据公式
Figure FDA0003985877280000042
计算每个时间段
Figure FDA0003985877280000043
内数据段yi的拟合直线
Figure FDA0003985877280000044
其中
Figure FDA0003985877280000045
Figure FDA0003985877280000046
其中，yi为第i个时间段的采集数据；
Figure FDA0003985877280000047
为拟合后的采集数据；k为斜率；t为时间点；b为截距；i为当前时间段；
Figure FDA0003985877280000048
为第i个时间段的起始时间点，
Figure FDA0003985877280000049
第i个时间段的的终止时间点；
Figure FDA00039858772800000410
为时间平均值；
Figure FDA00039858772800000411
为采集数据平均值；g为调整参数；
进行两两拟合，将两个数据段yi和yi+1拟合成一个数据段
Figure FDA00039858772800000412
合并的新数据段代替原来的两个段，拟合公式为：
Figure FDA00039858772800000413
其中
Figure FDA00039858772800000414
Figure FDA00039858772800000415
其中，
Figure FDA00039858772800000416
为将第i个时间段和第i+1个时间段的数据拟合后的数据；K为两两拟合后的斜率；T为两两拟合后的时间点；B为两两拟合后的斜率；
Figure FDA00039858772800000417
为第i个时间段的起始时间点；
Figure FDA00039858772800000418
为第i+1个时间段的起始时间点；
Figure FDA00039858772800000419
第i个时间段的的终止时间点；
Figure FDA0003985877280000051
为第i+1个时间段的的终止时间点；
Figure FDA0003985877280000052
为两两拟合后的时间平均值；
Figure FDA0003985877280000053
为两两拟合后的采集数据平均值；G为两两拟合后的调整参数；
统一量纲，建立实时数据集合；
运行状态在线评估模块，用于构建多维指标评估体系，采用关联系数法对实时数据集合进行光伏发电***运行状态在线评估；所述多维指标评估体系分为两层，一层指标包括效率指标、环境指标、发电量指标、可靠性指标、电能质量指标；效率指标下的二层指标包括光伏阵列效率、逆变器效率、汇流箱效率、变压器效率；环境指标下的二层指标包括温度、辐照度、风速；发电量指标下的二层指标包括光伏阵列日发电量、光伏***日输出电量；可靠性指标下的二层指标包括光伏阵列平均无故障运行时间；电能质量指标下的二层指标包括电压偏差、电压波动、频率偏差、谐波畸变、电压电流不平衡度；
其中，所述多维指标评估体系中的可靠性指标主要指光伏阵列平均无故障运行时间，计算公式为：
Figure FDA0003985877280000054
其中τ为统计时间内光伏阵列的平均无故障运行时间；S为统计时长；SL为统计时长内因例行维护造成的停机时间；SN为统计时间内因电网故障、不可抗力等导致的停机时间；T1为统计时间长度内因设备自身原因导致的可远程复位故障次数；T2为统计时间长度内因设备自身原因导致的不可远程复位故障次数；
所述多维指标评估体系分为两层，各指标的权重求解采用分层求解法，一层指标权重采用客观求解法，二层指标权重采用主观求解法。
7.一种计算装置,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征是，所述处理器执行所述程序时实现上述权利要求1-5任一所述的方法的步骤。
8.一种计算机可读存储介质，其上存储有计算机程序，其特征是，该程序被处理器执行上述权利要求1-5任一所述的方法的步骤。
CN202011531562.0A 2020-12-22 2020-12-22 用于多时间窗口的光伏发电***运行状态评估方法及*** Active CN112465404B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011531562.0A CN112465404B (zh) 2020-12-22 2020-12-22 用于多时间窗口的光伏发电***运行状态评估方法及***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011531562.0A CN112465404B (zh) 2020-12-22 2020-12-22 用于多时间窗口的光伏发电***运行状态评估方法及***

Publications (2)

Publication Number Publication Date
CN112465404A CN112465404A (zh) 2021-03-09
CN112465404B true CN112465404B (zh) 2023-04-07

Family

ID=74803299

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011531562.0A Active CN112465404B (zh) 2020-12-22 2020-12-22 用于多时间窗口的光伏发电***运行状态评估方法及***

Country Status (1)

Country Link
CN (1) CN112465404B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102279327A (zh) * 2011-05-06 2011-12-14 重庆大学 光伏并网发电在线监测与状态评估***
CN105186514A (zh) * 2015-10-20 2015-12-23 南京南瑞集团公司 一种大规模分布式光伏并网对配网安全评价及预警方法
CN106469421A (zh) * 2016-09-23 2017-03-01 国家电网公司 一种风电/光伏发电功率汇集拓扑的评估方法及***
CN108491357A (zh) * 2018-03-29 2018-09-04 润电能源科学技术有限公司 一种稳态检测的方法以及相关设备
CN108960541A (zh) * 2017-05-17 2018-12-07 国网辽宁省电力有限公司鞍山供电公司 基于云数据分析的分布式光伏***效率评估方法及装置
CN108988782A (zh) * 2018-05-29 2018-12-11 浙江大学 一种基于变权层次分析法的光伏发电***健康状态评估方法
CN110082345A (zh) * 2019-04-18 2019-08-02 迈克医疗电子有限公司 吸光度变化率确定方法和装置、分析仪器和存储介质

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102279327A (zh) * 2011-05-06 2011-12-14 重庆大学 光伏并网发电在线监测与状态评估***
CN105186514A (zh) * 2015-10-20 2015-12-23 南京南瑞集团公司 一种大规模分布式光伏并网对配网安全评价及预警方法
CN106469421A (zh) * 2016-09-23 2017-03-01 国家电网公司 一种风电/光伏发电功率汇集拓扑的评估方法及***
CN108960541A (zh) * 2017-05-17 2018-12-07 国网辽宁省电力有限公司鞍山供电公司 基于云数据分析的分布式光伏***效率评估方法及装置
CN108491357A (zh) * 2018-03-29 2018-09-04 润电能源科学技术有限公司 一种稳态检测的方法以及相关设备
CN108988782A (zh) * 2018-05-29 2018-12-11 浙江大学 一种基于变权层次分析法的光伏发电***健康状态评估方法
CN110082345A (zh) * 2019-04-18 2019-08-02 迈克医疗电子有限公司 吸光度变化率确定方法和装置、分析仪器和存储介质

Also Published As

Publication number Publication date
CN112465404A (zh) 2021-03-09

Similar Documents

Publication Publication Date Title
CN107179503B (zh) 基于随机森林的风电机组故障智能诊断预警的方法
CN111275367B (zh) 一种区域综合能源***能效状态评价方法
CN111582551B (zh) 风电场短期风速预测方法、***及电子设备
CN108388962B (zh) 一种风电功率预测***及方法
CN110766200A (zh) 一种基于K-means均值聚类的风电机组发电功率预测方法
CN108847682B (zh) 一种基于运行数据的光伏发电站并网性能评估方法及***
CN111178587A (zh) 一种基于spark框架的短期电力负荷快速预测方法
CN107657110A (zh) 大型风力机叶片的疲劳损伤评价方法
CN111488896A (zh) 一种基于多源数据挖掘的配电线路时变故障概率计算方法
CN112989693A (zh) 一种基于ssa-gru-msar的风电功率预测方法
CN111091223A (zh) 一种基于物联网智能感知技术的配变短期负荷预测方法
CN112465404B (zh) 用于多时间窗口的光伏发电***运行状态评估方法及***
CN110414776B (zh) 分行业用电特性快速响应分析***
CN116578833A (zh) 基于优化随机森林模型的igbt模块老化故障诊断***
CN116914719A (zh) 一种基于时空图网络的光伏发电站功率预测方法
CN108345996B (zh) 一种降低风电功率考核电量的***及方法
CN116401545A (zh) 一种多模型融合的水轮机振摆分析方法
CN113705885B (zh) 一种融合VMD、XGBoost及TCN的配电网电压预测方法及***
CN114139408A (zh) 一种电力变压器健康状态评估方法
CN115598459A (zh) 一种配电网10kV馈线故障停电预测方法
Cui et al. Data-Driven Physics Based Ultra-short-term Wind Power Prediction Model: A VMD-LSTM and WRF Based Approach
CN113872200B (zh) 一种中压配网停电事件诊断识别方法、***及存储介质
Zhang et al. Reliability Assessment of Power Generation System Using an Optimized State Enumeration Method
CN114243695B (zh) 一种基于双向长短时记忆神经网络的电力负荷预测方法
Wang et al. Research on Prediction of Dynamic Load Complementarity Based on Big Data

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant