数据预测模型训练、光伏发电系统的异常预警方法及装置与流程

本发明涉及光伏发电，特别是涉及一种数据预测模型训练、光伏发电系统的异常预警方法及装置。

背景技术：

1、太阳能光伏发电由于具有清洁、环保、可持续的特点，越来越受到重视。随着光伏发电厂越来越多，有效地对光伏发电的设备进行异常预警显得非常关键，光伏发电系统中每个环节均必不可少，设备的健康状态影响着系统整体的安全与稳定，及时且有效地对光伏发电系统的设备的异常进行预警，提前建立应对方案，可以有效确保电网安全稳定地运行。

2、目前，大多的光伏发电系统的异常预警方法都是基于实时监控的状态量进行数据预测，利用预测数据进行异常预警，但是现有的用于光伏发电系统的数据预测模型的训练方法都较为简单，导致了模型的泛化能力较差，很难进行自适应调整权重，进而导致预测数据不够准确，使得光伏发电系统的异常预警也不准确。

技术实现思路

1、本发明的目的是：提供一种数据预测模型训练、光伏发电系统的异常预警方法、装置、计算机设备及存储介质，可以有效地提高模型的泛化能力，且模型训练时能进行自适应调整权重，进而能够有效地提高预测数据的准确率，使得光伏发电系统的异常预警更为准确。

2、为了实现上述目的，第一方面，本发明提供了一种数据预测模型训练方法，包括：

3、获取光伏逆变器的目标历史使用状态量；

4、利用所述目标历史使用状态量对预设的数据预测模型进行训练，得到所述数据预测模型的初始权值；

5、获取所述光伏逆变器的目标实时使用状态量；

6、利用所述目标实时使用状态量及所述数据预测模型，预测得到下一使用状态量；

7、根据所述下一使用状态量及所述目标实时使用状态量，对所述数据预测模型的初始权值进行更新。

8、在本发明较佳的实施方式中，所述获取光伏逆变器的目标历史使用状态量，包括：

9、获取光伏逆变器的初始历史使用状态量；

10、利用预设的数据更新算法对所述初始历史使用状态量中的非标量进行数据更新；

11、利用预设的数据转化算法将更新后的初始历史使用状态量转化为目标历史使用状态量，所述目标历史使用状态量为有监督数据。

12、在本发明较佳的实施方式中，所述获取所述光伏逆变器的目标实时使用状态量，包括：

13、获取所述光伏逆变器的初始实时使用状态量；

14、在检测到所述初始实时使用状态量为标准量时，利用预设的数据转化算法将所述初始实时使用状态量转化为目标实时使用状态量，所述目标实时使用状态量为有监督数据。

15、在本发明较佳的实施方式中，所述获取所述光伏逆变器的目标实时使用状态量，还包括：

16、在检测到所述初始实时使用状态量为非标量时，利用所述数据预测模型，预测得到与所述初始实时使用状态量时间对应的预测使用状态量；

17、获取所述初始实时使用状态量的上一使用状态量，并根据所述上一使用状态量及所述预测使用状态量，得到更新后的初始实时使用状态量；

18、利用预设的数据转化算法将所述更新后的初始实时使用状态量转化为目标实时使用状态量，所述目标实时使用状态量为有监督数据。

19、在本发明较佳的实施方式中，所述数据预测模型的误差函数如下：

20、

21、其中，为所述目标实时使用状态量，为利用t－1时刻及所述数据预测模型对t时刻的使用状态量的预测结果。

22、第二方面，本发明提供了一种光伏发电系统的异常预警方法，包括：

23、获取光伏逆变器的目标实时使用状态量；

24、利用所述目标实时使用状态量及上述的数据预测模型，预测得到下一使用状态量；

25、在所述下一使用状态量大于预设异常预警阈值时，发出异常预警提示。

26、第三方面，本发明提供了一种数据预测模型训练装置，包括：

27、第一获取模块，用于获取光伏逆变器的目标历史使用状态量；

28、训练模块，用于利用所述目标历史使用状态量对预设的数据预测模型进行训练，得到所述数据预测模型的初始权值；

29、第二获取模块，用于获取所述光伏逆变器的目标实时使用状态量；

30、数据预测模块，用于利用所述目标实时使用状态量及所述数据预测模型，预测得到下一使用状态量；

31、在线更新模块，用于根据所述下一使用状态量及所述目标实时使用状态量，对所述数据预测模型的初始权值进行更新。

32、第四方面，本发明提供了一种光伏发电系统的异常预警装置，包括：

33、获取模块，用于获取光伏逆变器的目标实时使用状态量；

34、数据预测模块，用于利用所述目标实时使用状态量及上述的数据预测模型，预测得到下一使用状态量；

35、异常预警模块，用于在所述下一使用状态量大于预设异常预警阈值时，发出异常预警提示。

36、第五方面，本发明提供了一种计算机设备，包括存储器及处理器，所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述计算机设备执行上述的数据预测模型训练方法，或上述的光伏发电系统的异常预警方法。

37、第六方面，本发明提供了一种计算机可读存储介质，其存储有计算机程序，所述计算机程序被处理器执行时实现上述的数据预测模型训练方法，或上述的光伏发电系统的异常预警方法。

38、本发明实施例一种数据预测模型训练、光伏发电系统的异常预警方法、装置、计算机设备及存储介质，与现有技术相比，其有益效果在于：

39、本发明先通过获取的光伏逆变器的目标历史使用状态量，对预设的数据预测模型进行初步训练，得到数据预测模型的初始权值；再通过后续每次获取的光伏逆变器的目标实时使用状态量及数据预测模型，预测得到下一使用状态量，并根据下一使用状态量及目标实时使用状态量，对数据预测模型的初始权值不断进行在线更新，进而可以有效地提高模型的泛化能力，且模型训练时能进行自适应调整权重，从而能够有效地提高预测数据的准确率，使得光伏发电系统的异常预警更为准确。

技术特征：

1.一种数据预测模型训练方法，其特征在于，包括：

2.根据权利要求1所述的数据预测模型训练方法，其特征在于，所述获取光伏逆变器的目标历史使用状态量，包括：

3.根据权利要求1所述的数据预测模型训练方法，其特征在于，所述获取所述光伏逆变器的目标实时使用状态量，包括：

4.根据权利要求3所述的数据预测模型训练方法，其特征在于，所述获取所述光伏逆变器的目标实时使用状态量，还包括：

5.根据权利要求1所述的数据预测模型训练方法，其特征在于，所述数据预测模型的误差函数如下：

6.一种光伏发电系统的异常预警方法，其特征在于，包括：

7.一种数据预测模型训练装置，其特征在于，包括：

8.一种光伏发电系统的异常预警装置，其特征在于，包括：

9.一种计算机设备，其特征在于，包括存储器及处理器，所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述计算机设备执行根据权利要求1至5中任一项所述的数据预测模型训练方法，或权利要求6所述的光伏发电系统的异常预警方法。

10.一种计算机可读存储介质，其特征在于，其存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至5中任一项所述的数据预测模型训练方法，或权利要求6所述的光伏发电系统的异常预警方法。

技术总结
本发明公开了一种数据预测模型训练、光伏发电系统的异常预警方法及装置，数据预测模型训练方法，包括：获取光伏逆变器的目标历史使用状态量；利用目标历史使用状态量对预设的数据预测模型进行训练，得到数据预测模型的初始权值；获取光伏逆变器的目标实时使用状态量；利用目标实时使用状态量及数据预测模型，预测得到下一使用状态量；根据所述下一使用状态量及所述目标实时使用状态量，对所述数据预测模型的初始权值进行更新。本发明数据预测模型训练、光伏发电系统的异常预警方法及装置，可以有效地提高模型的泛化能力，且模型训练时能进行自适应调整权重，进而能够有效地提高预测数据的准确率，使得光伏发电系统的异常预警更为准确。

技术研发人员：曾瑞江,李志勇,刘宇豪,黄缙华,黄曙,卢建刚,余志文,骆洁艺,杨世哲,汪绪先,郑文杰,吴跃隆,陆荟颖
受保护的技术使用者：广东电网有限责任公司
技术研发日：
技术公布日：2024/1/11