一种台风下基于贝叶斯理论的光伏板脆弱性建模方法与流程

本发明涉及光伏领域，具体为一种台风下基于贝叶斯理论的光伏板脆弱性建模方法。

背景技术：

1、随着光伏机组的装机容量增加，电力系统发电设施在极端天气下的恢复能力也在发生变化。光伏机组必须放置在室外并直接暴露在极端天气下，传统核能与水电的机组位于保护性的基础设施内，受极端灾害的影响小。随着太阳能发电成为我们能源生产的重要来源，我们需要更好了解光伏机组抵御自然灾害的能力，以及在极端灾害下提供电力的可能性。

2、光伏组件脆弱性函数描述了极端灾害下光伏组件损坏的可能性。光伏组件的脆弱性函数建模对于了解极端灾害对光伏组件的损害程度非常重要，goodman通过在风洞实验室中对光伏组件进行不同风速下的实验，得到了光伏组件在大风载荷作用下的屈服特性，由光伏组件的结构强度分析出实验环境下光伏组件脆弱性的简化数值结构评估函数。

技术实现思路

1、鉴于上述存在的问题，提出了本发明。

2、因此，本发明解决的技术问题是：本发明采用在台风灾害下光伏组件的受灾数据集来更新goodman的光伏组件脆弱性函数，以获得比基于数值评估更加合理的脆弱性函数估计，用于分析台风灾害下光伏机组的运行状况。

3、为解决上述技术问题，本发明提供如下技术方案：对光伏组件故障进行分析，得出故障原因和受灾数据；基于风速的先验分布与光伏组件故障的似然函数建立贝叶斯公式的更新模型；由蒙特卡洛马尔可夫算法生成后验分布的样本，得到后验分布的概率密度函数，通过积分得到更新后的脆弱性函数。

4、作为本发明所述一种台风下基于贝叶斯理论的光伏板脆弱性建模方法的一种优选方案，其中：所述光伏组件故障包括，光伏组件在台风灾害下造成损伤，所述光伏损伤包括夹子失效、机架断裂、连接故障和碎片撞击而受损，夹子失效与机架断裂主要反映台风对光伏结构的影响，发生夹子失效与机架断裂故障时光伏会倾覆与翻转，失去发电能力，当光伏发生连接故障时，光伏本身的发电能力未受影响，向汇流器传输电能的能力丧失，碎片对光伏造成的破坏是由于受损面板后产生的碎片导致未受损面板产生了级联故障。

5、作为本发明所述一种台风下基于贝叶斯理论的光伏板脆弱性建模方法的一种优选方案，其中：所述先验分布包括，建立风速先验分布模型，风速先验分布建模中风速是随机变量，不是确定值，且风速v只能为正数，结合光伏故障地区的台风风速观测情况，选择对数正态分布来模拟风速的先验分布，p(v)的概率密度函数具体如下所示：

6、

7、其中，μ和σ分别是风速v的对数平均值和标准差。

8、作为本发明所述一种台风下基于贝叶斯理论的光伏板脆弱性建模方法的一种优选方案，其中：所述似然函数包括，建立光伏组件失效的似然函数，光伏组件的失效遵循伯努利分布，假设概率q是关于风速的脆性函数f(v)，不同地点光伏组件的故障是独立的，则n个地点的观测到的是否故障的似然函数具体如下：

9、

10、其中，xi是表示光伏组件是否失效的变量，光伏组件失效，则xi为1，否则为0。

11、作为本发明所述一种台风下基于贝叶斯理论的光伏板脆弱性建模方法的一种优选方案，其中：所述贝叶斯公式的更新模型包括，基于goodman的指数型脆弱性函数，模拟台风对光伏组件的破坏，脆弱性函数f(v)具体如下所示：

12、f(v)＝0.9192*exp(-((v-93.71)/35.55)2)

13、贝叶斯方法允许以多种数据来源的组合改善脆弱性函数，减少数据量较少对脆弱性曲线更新带来的影响，将goodman脆弱性函数与光伏组件失效故障结合进行脆弱性函数更新，得到贝叶斯公式中的后验分布，后验分布p(v|x)具体如下：

14、

15、其中，x＝{x1,x2,…xn}为包含各地点光伏组件故障信息的向量，光伏未故障时xn∈{0,1}＝0，光伏故障则为1，p(x|v)是光伏组件故障的似然函数，p(v)是风速v的先验分布。

16、作为本发明所述一种台风下基于贝叶斯理论的光伏板脆弱性建模方法的一种优选方案，其中：所述蒙特卡洛马尔可夫算法包括，在建立贝叶斯公式的更新模型时，分子时似然函数与先验分布的乘积，分母时是所述乘积对风速的积分，分母部分的积分很复杂，因此采用蒙特卡洛马尔可夫算法求解贝叶斯更新的后验分布；

17、采用蒙特卡洛马尔可夫算法更新脆弱性函数处理后验分布中的积分，通过相对概率密度消除分母的积分，设后验分布为：

18、

19、其中，为贝叶斯公式后验分布中分母的积分，通过计算风速v的两个具体值va与vb的相对概率密度来消除c，具体计算公式如下：

20、

21、其中，γ为va与vb的相对概率密度，蒙特卡洛马尔可夫算法利用相对概率密度进行抽样，在大样本的情况下γ为大样本中va个数与vb个数的比值如下：

22、

23、其中，s(va)和s(vb)分别是大样本中va与vb的个数；

24、若一组样本{v1,…vn}中有a个等于va，b个等于vb，随机抽取一个新的风速数据vnew，当vnew＝va时，若va的占比过大导致s(va)/s(vb)>γ时，不选择取这个数，反之s(va)/s(vb)<γ时，将这个数收入样本中，构造序列{v1…,vn,vnew}，使得s(va)/s(vb)更加逼近γ，得到理想情况下的抽样方案。

25、作为本发明所述一种台风下基于贝叶斯理论的光伏板脆弱性建模方法的一种优选方案，其中：所述蒙特卡洛马尔可夫算法还包括，

26、基于分布类型，利用vlast抽样得到vnew；

27、通过比较决定新的样本vn+1的值；

28、循环进行上述步骤，直到样本量符合预期；

29、通过构造的分布结合马尔可夫链的最后一个数据vlast得到新数据vnew，需要构造的分布称为建议分布，建议分布需要满足对称的原则；风速值都是正数，无法选择正态分布作为建议分布，且均匀分布作为建议分布更加简洁，抽样率更高，因此选择均匀分布作为建议分布；

30、所述更新后的脆弱性函数包括，由后验分布，更新的光伏组件失效概率的脆弱性函数具体如下：

31、

32、其中，e[f(v)]是贝叶斯更新后的平均光伏脆弱性函数。

33、本发明的另一个目的是提供一种台风下基于贝叶斯理论的光伏板脆弱性建模系统，其能通过构建光伏板脆弱性建模系统，得出光伏脆弱性函数估计，用于对台风灾害下光伏机组的运行状况进行分析。

34、作为本发明所述一种台风下基于贝叶斯理论的光伏板脆弱性建模系统的一种优选方案，其中：所述系统包括数据分析模块、采集模块、贝叶斯更新模块以及蒙特卡洛马尔可夫算法模块；所述分析模块，用于分析光伏组件的故障原因和受灾情况；所述数据采集模块，基于分析模块分析出的故障原因和受灾情况，用于收集光伏组件的故障数据以及受灾数据；所述贝叶斯更新模块包括，用于将数据采集模块的中采集的数据进行处理，建立风速的先验分布和光伏组件故障的似然函数，基于风速的先验分布和光伏组件故障的似然函数建立贝叶斯更新模型；所述蒙特卡洛马尔可夫算法模块，用于生成贝叶斯更新模型中后验分布的样本，得到后验分布的概率密度函数，通过积分计算出更新后的脆弱性函数。

35、本发明还提供一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现所述的一种台风下基于贝叶斯理论的光伏板脆弱性建模方法的步骤。

36、本发明还提供一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现所述的一种台风下基于贝叶斯理论的光伏板脆弱性建模方法的步骤。

37、本发明的有益效果：本发明通过更新goodman的光伏组件脆弱性函数，获得比基于数值评估更加合理的脆弱性函数估计，用于构建不同地域受台风影响的光伏组件风险指标，解决台风灾害下光伏机组的运行状况的分析问题。