[發明專利]一種光伏組件的異常預警方法及系統

在審

• 申請號: 202010145979.7
• 申請日: 2020-03-05
• 公開（公告）號: CN113361737A
• 公開（公告）日: 2021-09-07
• 發明（設計）人: 沈致遠;劉奕男;李紅濤;張軍軍;丁明昌;董瑋;居蓉蓉
• 申請（專利權）人: 中國電力科學研究院有限公司;國家電網有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/06;G06Q50/06;G06K9/62
• 代理公司: 北京安博達知識產權代理有限公司 11271
• 代理人: 徐國文

1.一種光伏組件的異常預警方法，其特征在于，包括：

獲取當前時刻的氣象數據和上一時刻的實測功率數據；

將當前時刻的氣象數據輸入訓練好的回歸模型中，得到當前時刻的預測功率；

在有效預警時段內基于預測功率序列、實測功率序列和輻照曲線特征得到偏差特征向量，所述有效預警時段包括當前時刻以及當前時刻之前一段時間；

將所述偏差特征向量輸入訓練好的異常預警分類模型中，對所述偏差特征序列進行異常預警分類；

基于分類結果向監測平臺發送預警信息。

2.如權利要求1所述的方法，其特征在于，所述回歸模型的訓練包括：

獲取光伏電站的光伏數據和對應的氣象數據，并對所述光伏數據和氣象數據進行時間戳對齊和歸一化處理，得到樣本數據；

將所述樣本數據分為訓練集和測試集，將所述訓練集輸入預先構建的回歸模型進行訓練，得到所述回歸模型各層的參數矩陣的維數和偏置向量的值；

將所述測試集輸入訓練后的回歸模型中進行驗證；

其中，所述氣象數據包括：組件背板溫度、太陽輻照度、空氣相對濕度、風速和風向。

3.如權利要求2所述的方法，其特征在于，所述回歸模型如下式所示：

H₁＝W₁X+b₁

S₁＝sigmoid(H₁)

H₂＝W₂S₁+b₂

S₂＝sigmoid(H₂)

P_predict＝W₃S₂+b₃

其中，X為模型的輸入數據，W為模型各層的參數矩陣，b為偏置向量，H與S為模型中間變量，sigmoid(x)＝1/1+e^-x,為非線性激活函數，P_predict為回歸模型由氣象數據預測得到的預測功率值。

4.如權利要求2所述的方法，其特征在于，所述得到所述回歸模型各層的參數矩陣和偏置向量的值之前，還包括：

通過格搜索法確定所述回歸模型的超參數。

5.如權利要求2所述的方法，其特征在于，所述異常預警分類模型的訓練包括：

將SVM分類器作為異常預警分類模型；

在有效預警時段內基于回歸模型的預測功率序列、實測功率序列和輻照曲線特征得到偏差特征向量；

基于所述偏差特征向量和標記的異常分類標簽，通過參數優化迭代訓練，獲得最優的異常預警分類模型的模型參數。

6.如權利要求5所述的方法，其特征在于，所述基于回歸模型的預測功率序列、實測功率序列和輻照曲線特征得到偏差特征向量，包括：

基于預測功率序列與實測功率序列的偏差生成偏差序列；

獲取所述偏差序列對應時序的輻照度序列；

基于所述輻照度序列獲得輻照曲線特征；

將所述偏差序列和輻照曲線特征相融合，得到偏差特征向量；

所述輻照曲線特征包括所述時序內輻照度的最大值、最小值、平均值和標準差。

7.如權利要求1所述的方法，其特征在于，所述有效預警時段為15個采樣時刻。

8.如權利要求2所述的方法，其特征在于，所述將當前時刻的氣象數據輸入訓練好的回歸模型之前，還包括：

對所述氣象數據進行歸一化處理。