【技術(shù)實現(xiàn)步驟摘要】
本專利技術(shù)涉及分布式光復(fù)運行維護，特別涉及一種基于模型下沉的光伏陣列積灰監(jiān)測方法和系統(tǒng)。
技術(shù)介紹
1、本部分的陳述僅僅是提供了與本專利技術(shù)相關(guān)的
技術(shù)介紹
信息，不必然構(gòu)成在先技術(shù)。
2、近年來，分布式光伏發(fā)電呈現(xiàn)爆炸式增長，光伏陣列發(fā)電效率受到越來越多的關(guān)注。
3、由于分布式光伏系統(tǒng)通常屬于不同業(yè)主所有，而且規(guī)模相對較小，缺乏合理的清潔與運維。這不可避免的造成了眾多長期暴露在室外的光伏陣列長期受到灰塵影響。積灰導(dǎo)致光伏陣列受到的輻照度顯著降低，不能按照預(yù)期規(guī)劃發(fā)電，影響了業(yè)主的收益。據(jù)調(diào)查，積灰可使發(fā)電效率降低20％以上，甚至高達80％。及時有效的清潔能夠顯著提高光伏陣列發(fā)電效率，提高所有者收益。
4、現(xiàn)有的光伏陣列積灰程度監(jiān)測大致分為以下三類：第一類是直接對光伏陣列進行稱重，通過重量變化測定灰塵累積程度，但這需要在建設(shè)初期安裝精密的稱重儀器；第二類是采用各種攝影攝像設(shè)備對光伏陣列成像，通過圖像處理和分析判斷積灰程度，但這需要購置成像設(shè)備甚至是無人機；第三類是基于數(shù)據(jù)驅(qū)動的光伏陣列積灰監(jiān)測方案，通過分析光伏陣列運行數(shù)據(jù)分析光伏陣列積灰程度。
5、雖然第三種方案被認為是經(jīng)濟可行的，但在實際操作中仍存在以下困難：第一點是光伏陣列數(shù)據(jù)需要高頻、高速上傳到云端進行分析處理才能對其積灰程度進行有效監(jiān)測，這產(chǎn)生了大量的流量費用；第二點是數(shù)據(jù)分析依賴的人工智能模型需要大量的有標簽樣本進行訓(xùn)練，而獲取有標簽樣本存在困難，尤其是對于分屬于不同業(yè)主的分布式光伏陣列更是難以實施。
1、本專利技術(shù)的目的是克服現(xiàn)有技術(shù)缺陷，提供一種基于模型下沉的光伏陣列積灰監(jiān)測方法和系統(tǒng)，該方法在原有基于數(shù)據(jù)驅(qū)動的光伏陣列積灰監(jiān)測方案基礎(chǔ)上，通過模型下沉的方式，將訓(xùn)練好的門控循環(huán)單元(gru)人工智能模型由云端轉(zhuǎn)移到邊緣端，通過集成在逆變器內(nèi)部的處理芯片實現(xiàn)特征提取，進而降低通訊頻率和速度，節(jié)省流量費用。
2、本專利技術(shù)的目的一方面是這樣實現(xiàn)的：一種基于模型下沉的光伏陣列積灰監(jiān)測方法，包括：
3、1)獲取分布式光伏系統(tǒng)的邊緣端光伏陣列輸出數(shù)據(jù)；
4、2)對步驟1)中獲得的數(shù)據(jù)進行數(shù)據(jù)的篩選，并提取有效數(shù)據(jù)；
5、3)使用改進的差分編碼對采樣數(shù)據(jù)進行壓縮編碼；
6、4)上傳壓縮后的數(shù)據(jù)，并在云端訓(xùn)練用于數(shù)據(jù)壓縮的人工智能模型和用于光伏陣列積灰監(jiān)測的模型；
7、5)將訓(xùn)練好的用于數(shù)據(jù)壓縮的人工智能模型加載到與光伏陣列電氣相連的逆變器的控制器中；
8、6)逆變器的控制器運行用于數(shù)據(jù)壓縮的人工智能模型，并將壓縮后數(shù)據(jù)上傳至云端；
9、7)云端通過半監(jiān)督k-means模型分析數(shù)據(jù)，判斷光伏陣列是否需要清洗；
10、8)對于需要清洗的光伏陣列，通知其業(yè)主。
11、作為本專利技術(shù)的進一步限定，步驟1)中所述分布式光伏系統(tǒng)邊緣端為與分布式光伏陣列直接連接的逆變器；所述分布式光伏系統(tǒng)邊緣端與云端處理器通訊連接；所述光伏陣列輸出數(shù)據(jù)包括光伏陣列的輸出電流和輸出電壓。
12、作為本專利技術(shù)的進一步限定，所述步驟2)具體包括：在獲取光伏陣列輸出數(shù)據(jù)之后，進行數(shù)據(jù)的篩選，剔除由于邊緣端未處于正常運行狀態(tài)的無效數(shù)據(jù)或由于邊緣端未追蹤到分布式光伏陣列最大功率的無效數(shù)據(jù)；
13、剔除由于邊緣端未處于正常運行狀態(tài)的無效數(shù)據(jù)；逆變器處于故障或待機狀態(tài)時的采樣數(shù)據(jù)是無效的，被篩除；
14、篩除掉由于逆變器未處于最大功率點處運行導(dǎo)致的無效數(shù)據(jù)；當(dāng)某一時段內(nèi)電壓的最大波動范圍超過閾值時采樣數(shù)據(jù)是無效的，被篩除。
15、作為本專利技術(shù)的進一步限定，所述步驟3)具體包括：使用改進差分編碼進行數(shù)據(jù)降噪和壓縮編碼，數(shù)據(jù)保存格式為[與上一數(shù)值的差值，持續(xù)時間]；數(shù)據(jù)降噪通過選擇合適的閾值，將處于同一區(qū)間內(nèi)的數(shù)據(jù)用一個數(shù)值表示；將降噪處理后的數(shù)據(jù)差分重編碼格式為[與上一數(shù)值的差值，持續(xù)時間]。
16、作為本專利技術(shù)的進一步限定，所述步驟4)具體包括：對上傳數(shù)據(jù)劃定標簽，將數(shù)據(jù)分為有標簽數(shù)據(jù)和無標簽數(shù)據(jù)；有標簽數(shù)據(jù)分為“干凈”和“臟”；認定清洗后光伏陣列在一段時間內(nèi)是干凈的，為這一段時間內(nèi)采集到的數(shù)據(jù)標定“干凈”標簽；認定清洗前光伏陣列在一段時間內(nèi)是臟的，為這一段時間內(nèi)采集到的數(shù)據(jù)標定“臟”標簽；
17、搭建由gru和k-means組成的模型并訓(xùn)練，利用每次清洗前后新數(shù)據(jù)對k-means模型進行更新；其中g(shù)ru模型部署于逆變器用于進行數(shù)據(jù)壓縮，k-means模型部署于云端，用于積灰狀態(tài)監(jiān)測。
18、作為本專利技術(shù)的進一步限定，所述搭建由gru和k-means組成的模型并訓(xùn)練具體包括：gru模型的輸入數(shù)據(jù)為逆變器上傳至云端的被壓縮和重編碼后的有標簽數(shù)據(jù)，gru輸出的是確定維度的特征值，每個gru模型與光伏陣列一一對應(yīng)；k-means模型的輸入是多個gru模型的輸出，k-means模型的輸出是積灰狀態(tài)監(jiān)測結(jié)果；模型訓(xùn)練過程中的目標是使具有相同標簽的特征值在k空間內(nèi)距離正確聚類中心更近；其中聚類中心和特征值到聚類中心的距離表示為
19、其中，ci,p表示第p個類別的聚類中心cp的第i維坐標值，n表示所有標簽為p的數(shù)據(jù)的數(shù)量，ki,p,n表示第n個標簽為p的數(shù)據(jù)在第i維坐標的數(shù)值，dq,p,n表示第p個類別中第n個數(shù)據(jù)距離第q個分類中心的距離，i表示特征值的數(shù)據(jù)維度；
20、模型訓(xùn)練結(jié)束條件包括：所有有標簽數(shù)據(jù)特征值在k空間內(nèi)到正確的聚類中心距離小于到所有錯誤的聚類中心距離，即滿足dp,p,n＜dq,p,n?q≠p，其中dp,p,n和dq,p,n表示標簽為p的第n個數(shù)據(jù)到標簽為p和標簽為q的聚類中心的距離；或達到最大迭代次數(shù)。
21、作為本專利技術(shù)的進一步限定，所述k-means模型的訓(xùn)練過程為：
22、a)根據(jù)實際情況選擇分類個數(shù)根據(jù)實際情況選擇分類個數(shù)；
23、b)有標簽數(shù)據(jù)根據(jù)標簽分類并計算聚類中心；
24、c)有標簽數(shù)據(jù)計算到各聚類中心的距離；
25、d)當(dāng)所有有標簽數(shù)據(jù)都滿足有標簽數(shù)據(jù)特征值在k空間內(nèi)到正確的聚類中心距離小于到所有錯誤的聚類中心距離時，或達到最大迭代次數(shù)時退出訓(xùn)練，否則更新gru模型并重新執(zhí)行b)-d)；
26、e)將無標簽數(shù)據(jù)加入k空間并繼續(xù)更新模型；
27、f)計算每個無標簽數(shù)據(jù)距離各聚類中心的距離；
28、g)將無標簽數(shù)據(jù)歸入距離它最近的聚類中心所在的類；
29、h)重新計算聚類中心；
30、i)重復(fù)f)-h)直到聚類中心不再改變。
31、作為本專利技術(shù)的進一步限定，所述利用每次清洗前后新數(shù)據(jù)對k-means模型進行更新，更新準則為：
32、
33、其中cp,t-1和cp,t表示本次和上一次標簽為p的數(shù)據(jù)的聚類中心，kp,t,n表示本次中有標簽數(shù)據(jù)中分類為p的第n個，nt是本次分類為p的本文檔來自技高網(wǎng)...
【技術(shù)保護點】
1.一種基于模型下沉的光伏陣列積灰監(jiān)測方法，其特征在于，包括：
2.根據(jù)權(quán)利要求1所述的一種基于模型下沉的光伏陣列積灰監(jiān)測方法，其特征在于，步驟1)中所述分布式光伏系統(tǒng)邊緣端為與分布式光伏陣列直接連接的逆變器；所述分布式光伏系統(tǒng)邊緣端與云端處理器通訊連接；所述光伏陣列輸出數(shù)據(jù)包括光伏陣列的輸出電流和輸出電壓。
3.根據(jù)權(quán)利要求1所述的一種基于模型下沉的光伏陣列積灰監(jiān)測方法，其特征在于，所述步驟2)具體包括：在獲取光伏陣列輸出數(shù)據(jù)之后，進行數(shù)據(jù)的篩選，剔除由于邊緣端未處于正常運行狀態(tài)的無效數(shù)據(jù)或由于邊緣端未追蹤到分布式光伏陣列最大功率的無效數(shù)據(jù)；
4.根據(jù)權(quán)利要求1所述的一種基于模型下沉的光伏陣列積灰監(jiān)測方法，其特征在于，所述步驟3)具體包括：使用改進差分編碼進行數(shù)據(jù)降噪和壓縮編碼，數(shù)據(jù)保存格式為[與上一數(shù)值的差值，持續(xù)時間]；數(shù)據(jù)降噪通過選擇合適的閾值，將處于同一區(qū)間內(nèi)的數(shù)據(jù)用一個數(shù)值表示；將降噪處理后的數(shù)據(jù)差分重編碼格式為[與上一數(shù)值的差值，持續(xù)時間]。
5.根據(jù)權(quán)利要求1所述的一種基于模型下沉的光伏陣列積灰監(jiān)測方法，其特征在于，
6.根據(jù)權(quán)利要求5所述的一種基于模型下沉的光伏陣列積灰監(jiān)測方法，其特征在于，所述搭建由GRU和K-means組成的模型并訓(xùn)練具體包括：GRU模型的輸入數(shù)據(jù)為逆變器上傳至云端的被壓縮和重編碼后的有標簽數(shù)據(jù)，GRU輸出的是確定維度的特征值，每個GRU模型與光伏陣列一一對應(yīng)；K-means模型的輸入是多個GRU模型的輸出，K-means模型的輸出是積灰狀態(tài)監(jiān)測結(jié)果；模型訓(xùn)練過程中的目標是使具有相同標簽的特征值在K空間內(nèi)距離正確聚類中心更近；其中聚類中心和特征值到聚類中心的距離表示為
7.根據(jù)權(quán)利要求6所述的一種基于模型下沉的光伏陣列積灰監(jiān)測方法，其特征在于，所述K-means模型的訓(xùn)練過程為：
8.根據(jù)權(quán)利要求5所述的一種基于模型下沉的光伏陣列積灰監(jiān)測方法，其特征在于，所述利用每次清洗前后新數(shù)據(jù)對K-means模型進行更新，更新準則為：
9.根據(jù)權(quán)利要求1所述的一種基于模型下沉的光伏陣列積灰監(jiān)測方法，其特征在于，所述云端為服務(wù)器、數(shù)據(jù)中心、個人電腦或者是集成在某臺逆變器內(nèi)部的控制器中。
10.一種基于模型下沉的光伏陣列積灰監(jiān)測方系統(tǒng)，其特征在于，包括有效數(shù)據(jù)獲取模塊、數(shù)據(jù)壓縮模塊、特征提取模塊、數(shù)據(jù)上傳模塊、積灰程度判斷模塊和報告通知模塊；
...【技術(shù)特征摘要】
1.一種基于模型下沉的光伏陣列積灰監(jiān)測方法，其特征在于，包括：
2.根據(jù)權(quán)利要求1所述的一種基于模型下沉的光伏陣列積灰監(jiān)測方法，其特征在于，步驟1)中所述分布式光伏系統(tǒng)邊緣端為與分布式光伏陣列直接連接的逆變器；所述分布式光伏系統(tǒng)邊緣端與云端處理器通訊連接；所述光伏陣列輸出數(shù)據(jù)包括光伏陣列的輸出電流和輸出電壓。
3.根據(jù)權(quán)利要求1所述的一種基于模型下沉的光伏陣列積灰監(jiān)測方法，其特征在于，所述步驟2)具體包括：在獲取光伏陣列輸出數(shù)據(jù)之后，進行數(shù)據(jù)的篩選，剔除由于邊緣端未處于正常運行狀態(tài)的無效數(shù)據(jù)或由于邊緣端未追蹤到分布式光伏陣列最大功率的無效數(shù)據(jù)；
4.根據(jù)權(quán)利要求1所述的一種基于模型下沉的光伏陣列積灰監(jiān)測方法，其特征在于，所述步驟3)具體包括：使用改進差分編碼進行數(shù)據(jù)降噪和壓縮編碼，數(shù)據(jù)保存格式為[與上一數(shù)值的差值，持續(xù)時間]；數(shù)據(jù)降噪通過選擇合適的閾值，將處于同一區(qū)間內(nèi)的數(shù)據(jù)用一個數(shù)值表示；將降噪處理后的數(shù)據(jù)差分重編碼格式為[與上一數(shù)值的差值，持續(xù)時間]。
5.根據(jù)權(quán)利要求1所述的一種基于模型下沉的光伏陣列積灰監(jiān)測方法，其特征在于，所述步驟4)具體包括：對上傳數(shù)據(jù)劃定標簽，將數(shù)據(jù)分為有標簽數(shù)據(jù)和無標簽數(shù)據(jù)；有標簽數(shù)據(jù)分為“干凈”和“臟”；認定清洗后光伏陣列在一段時間內(nèi)是干凈的，為這一段時間內(nèi)采集到的數(shù)據(jù)標定“干凈”標簽；認定...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：周鑫，高雄鷹，高峰，周康佳，
申請(專利權(quán))人：揚州華鼎電器有限公司，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。