[發明專利]一種光伏組件積灰程度遠程智能診斷方法

有效

• 申請號: 201710993819.6
• 申請日: 2017-10-23
• 公開（公告）號: CN107818410B
• 公開（公告）日: 2021-12-14
• 發明（設計）人: 姜飛;吳震宇;涂春鳴;李印宜;李浩;劉振磊;王大朔
• 申請（專利權）人: 長沙理工大學
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06Q10/04;G06Q10/00;G06Q50/06;G06N3/04
• 代理公司: 長沙星耀專利事務所(普通合伙) 43205
• 代理人: 寧星耀

1.一種光伏組件積灰程度遠程智能診斷方法，其特征在于，包括以下步驟：

步驟1：針對不同季節下不同天氣類型歷史樣本，分別建立清潔狀態下基于模糊神經網絡的光伏出力預估模型，根據模型計算出光伏面板清潔狀態下理論出力值；

步驟2：將上次清洗到當前時刻清潔狀態預估值P_st與通過光伏發電站的遙測系統實時采集光伏組串實際出力值P_out比較，計算光伏衰減發電量Q_sh；

步驟3：判斷積灰導致的經濟損失是否達到單次清洗成本E，滿足則記從上次清洗到當前時刻為T1，且統計T1周期內日發電衰退量，擬合日發電量衰退函數F(x)；根據發電量衰退函數計算出T1刻開始達到ɑ倍積灰成本，這段時間，記為T2；再根據天氣預報降雨量，T2時刻內降雨量是否滿足積灰沖刷閾值，滿足則放棄此次清洗，等待降雨除塵，不滿足則需立即組織清洗工作；步驟3具體為：

判斷積灰導致的經濟損失是否達到單次清洗成本E，

其中，c為光伏上網電價；E為單次除塵成本；

滿足則記從上次清洗到當前時刻為T1；分別統計T1周期內日發電衰退量，擬合日發電量衰退函數F(x)，擬合步驟如下：

1)統計從上次人工清洗開始到當前時刻每日光伏積塵導致發電衰減量；

2)判斷T1周期內是否存在降雨，存在降雨則從最近一次降雨時刻到當時刻發電量衰退量進行擬合，得出后面一段時間積灰發展趨勢；

根據發電量衰退函數計算T2：

根據發電量衰退函數計算出T1刻開始達到ɑ倍積灰成本；再根據天氣預報預報降雨量，判斷T2時刻內降雨量是否滿足積灰沖刷閾值，滿足則放棄此次清洗，等待降雨除塵，不滿足則需立即組織清洗工作；

診斷周期T1段：

預測周期T2段：

其中，c為光伏上網電價；E為單次除塵成本；

算法運行所處的時間角度：T1：站在第i天的角度上計算過去第1,2，…，i天的光伏發電累計損失量；T2：站在T1時刻計算未來1,2，…，i天的光伏發電預計損失量。

2.根據權利要求1所述的光伏組件積灰程度遠程智能診斷方法，其特征在于，步驟1具體為：

首先，分別針對光伏電站清潔發電功率歷史數據和氣象站提供的太陽輻照度、大氣溫度、相對濕度，分成不同季節下晴天、陰天、雨天的多種天氣類型建立訓練樣本數據庫，采用模糊神經網絡建立光伏面板清潔狀態理論發電模型；最后，采用不同類別下的預估模型對光伏清潔狀態發電功率進行預估，輸入樣本x_l＝[x₁^l........x_i^l]^T,依次為溫度、濕度、輻照度、歷史清潔數據，網絡誤差函數E設為：

其中，y＝[y₁......y_l]^T表示神經網絡的實際輸出；d＝[d₁.......d_l]^T表示神經網絡的期望輸出；||*||₂表示向量的2范數；

為了降低神經網絡學習算法的復雜度，將隸屬度函數變為

將神經網絡的輸出函數變為：

得出清潔狀態下理論出力值。

3.根據權利要求1所述的光伏組件積灰程度遠程智能診斷方法，其特征在于，步驟2中，計算光伏衰減發電量Q_sh；

其中，P_st為清潔狀態理論預估值；P_out為實際出力值。