一种光伏组件异常的检测方法、装置、设备、介质与流程

本申请涉及光伏发电领域，特别是涉及一种光伏组件异常的检测方法、装置、设备、介质。

背景技术：

1、光伏（pv or photovoltaic），是太阳能光伏发电系统(photovoltaic powersystem)的简称，是一种利用太阳电池半导体材料的光伏效应，将太阳光辐射能直接转换为电能的一种新型发电系统，有独立运行和并网运行两种方式。

2、近年来，我国大力发展光伏行业，光伏地面电站的建设快速增加，由于我国大型的光伏电站基本都建设在地广人稀、光照资源丰富的地区，而这种地区往往人员配置较少，且存在高压电危险，所以如何能够高效、便捷、智能地维护光伏组件是本领域技术人员迫切要解决的问题。

3、光伏组件（也称之为太阳能电池板）作为太阳能光伏发电系统中最重要的器件之一，其能否正常工作，对于太阳能光伏发电系统的稳定运行非常重要。目前，光伏组件异常的检测方法主要包括iv曲线检测与组件内参建模两种。所谓的iv曲线检测，其是通过扫描iv曲线，使用深度学习分类算法或者提取特征方法都能高精度的识别出多种类型的缺陷，基本上满足了变电站中缺陷检测的要求，但是该方法在实际操作中，影响发电量，人为扫描iv曲线的维护成本高。所谓的组件内参建模，其是将光伏组件等效电路中的光生电流、二极管反向电流、并联等效电阻、串联等效电阻共四个参数做组件异常辨识，相比iv曲线检测方法，该方法，检测过程繁琐，精度较差。

4、由此可见，上述的两种检测方法均有各自的缺陷，所以对于本领域技术人员来说，探索更合适的检查方法迫在眉睫。

技术实现思路

1、本申请的目的是提供一种光伏组件异常的检测方法、装置、设备、介质，用于解决iv曲线检测与组件内参建模两种检测方法的带来的问题。

2、为解决上述技术问题，本申请提供一种光伏组件异常的检测方法，包括：

3、获取当前时刻的实际辐照度和最大功率点对应的实际最大功率值；

4、通过历史辐照度和最大功率点对应的历史最大功率值的拟合关系得到与所述实际辐照度对应的预测最大功率值；

5、若所述实际最大功率值与所述预测最大功率值的关系满足异常触发条件，则选取包含当前时刻的预设时间范围内的多个最大功率点对应的可疑最大功率值；

6、采用分类算法对选取的多个所述可疑最大功率值进行分类运算得到检测结果。

7、优选地，所述历史辐照度和所述历史最大功率值的拟合关系通过如下方法得到：

8、建立一元线性拟合函数；其中，所述一元线性拟合函数的输入为所述历史辐照度，输出为与所述历史辐照度在同一个时刻下的历史最大功率值；

9、获取多个时刻对应的所述历史辐照度和所述历史最大功率值；

10、采用深度学习算法对多个所述历史辐照度和多个所述历史最大功率值进行训练得到所述一元线性拟合函数的系数。

11、优选地，确定所述实际最大功率值与所述预测最大功率值的关系满足异常触发条件包括：

12、确定所述实际最大功率值与所述预测最大功率值的差值；

13、比较所述实际最大功率值与所述预测最大功率值的差值和预设差值的关系；

14、若以当前采样点为起始点存在连续x个采样点的所述差值均大于所述预设差值，则确定所述实际最大功率值与所述预测最大功率值的关系满足异常触发条件；

15、其中，x为正整数。

16、优选地，选取包含当前时刻的预设时间范围内的多个最大功率点对应的可疑最大功率值包括：

17、选取异常片段之前的m个最大功率点对应的可疑最大功率值；其中，异常片段为满足所述异常触发条件的连续x个采样点构成的片段；

18、选取异常片段之后的n个最大功率点对应的可疑最大功率值；

19、将m+n+x个最大功率点对应的功率值作为所述可疑最大功率值；

20、其中，m和n为正整数。

21、优选地，所述采用分类算法对选取的多个所述可疑最大功率值进行分类运算得到检测结果包括：

22、获取模板库中多种类型的模板数据，其中，一个所述模板数据包括m+n+x个最大功率点对应的参照差值；

23、采用dtw算法计算每个可疑最大功率值对应的差值与每个所述模板数据包括的所述参照差值的距离；

24、从得到的距离中选取最小的距离，并以最小的距离所对应的模板数据的类型作为所述检测结果。

25、优选地，一种类型的所述模板数据有多个。

26、优选地，所述一元线性拟合函数包含正弦函数和余弦函数。

27、为解决上述技术问题，本申请还提供一种光伏组件异常的检测装置，包括：

28、获取模块，用于获取当前时刻的实际辐照度和最大功率点对应的实际最大功率值；

29、确定模块，用于通过历史辐照度和最大功率点对应的历史最大功率值的拟合关系得到与所述实际辐照度对应的预测最大功率值；

30、选取模块，用于若所述实际最大功率值与所述预测最大功率值的关系满足异常触发条件，则选取包含当前时刻的预设时间范围内的多个最大功率点对应的可疑最大功率值；

31、分类模块，用于采用分类算法对选取的多个所述可疑最大功率值进行分类运算得到检测结果。

32、为解决上述技术问题，本申请还提供一种光伏组件异常的检测设备，包括存储器，用于存储计算机程序；

33、处理器，用于执行所述计算机程序时实现如上文所述的光伏组件异常的检测方法的步骤。

34、为解决上述技术问题，本申请提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上文所述的光伏组件异常的检测方法的步骤。

35、本申请所提供的光伏组件异常的检测方法，利用辐照度与电功率具有强相关关系的特点，仅仅采用辐照度和最大功率值这两个参数就能够实现最大功率值的预测，若预测的功率值与实际最大功率值的关系满足异常触发条件，则将当前时刻前后的多个采样点的实际最大功率值采用分类算法进行分类运算，进而得到检测结果。一方面，相对于当前iv曲线检测的方法而言，提取辐照度和最大功率值这两个参数不影响光伏组件的发电量，并且能够通过相应的设备自动提取，维护成本较低，另一方面，相对于组件内参建模的检查方法而言，检查过程简单，并且由于辐照度与电功率具有强相关关系，所以通过二者得到的预测结果相对准确，所以检测方法的准确性也较高。

36、此外，使用一元线性回归算法预测最大功率值，并且创新的加入正弦函数和余弦函数，这两个都是非线性参数，所建立的预测模型更加契合地面电站的场景，即更加接近电信号的周期曲线，从而提高了预测的准确性。

37、最后，本申请所提供的光伏组件异常的检测装置、设备和介质，效果同上。

技术特征：

1.一种光伏组件异常的检测方法，其特征在于，包括：

2.根据权利要求1所述的光伏组件异常的检测方法，其特征在于，所述历史辐照度和所述历史最大功率值的拟合关系通过如下方法得到：

3.根据权利要求1所述的光伏组件异常的检测方法，其特征在于，确定所述实际最大功率值与所述预测最大功率值的关系满足异常触发条件包括：

4.根据权利要求3所述的光伏组件异常的检测方法，其特征在于，选取包含当前时刻的预设时间范围内的多个最大功率点对应的可疑最大功率值包括：

5.根据权利要求4所述的光伏组件异常的检测方法，其特征在于，所述采用分类算法对选取的多个所述可疑最大功率值进行分类运算得到检测结果包括：

6.根据权利要求5所述的光伏组件异常的检测方法，其特征在于，一种类型的所述模板数据有多个。

7.根据权利要求2所述的光伏组件异常的检测方法，其特征在于，所述一元线性拟合函数包含正弦函数和余弦函数。

8.一种光伏组件异常的检测装置，其特征在于，包括：

9.一种光伏组件异常的检测设备，其特征在于，包括存储器，用于存储计算机程序；

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的光伏组件异常的检测方法的步骤。

技术总结
本申请公开了一种光伏组件异常的检测方法、装置、设备、介质，涉及光伏领域，利用辐照度与电功率具有强相关关系的特点，仅仅采用辐照度和最大功率值这两个参数就能够实现最大功率值的预测，若预测的功率值与实际最大功率值的关系满足异常触发条件，则将当前时刻前后的多个采样点的实际最大功率值采用分类算法进行分类运算，进而得到检测结果。一方面，相对于IV曲线检测的方法而言，提取辐照度和最大功率值这两个参数不影响光伏组件的发电量，并且能够通过相应的设备自动提取，维护成本较低，另一方面，相对于组件内参建模的检查方法而言，检查过程简单，并且由于辐照度与电功率具有强相关关系，所以通过二者得到的预测结果相对准确。

技术研发人员：潘磊,张衡,曾维波,费远宇,冯仁伟,朱梓寒
受保护的技术使用者：固德威技术股份有限公司
技术研发日：
技术公布日：2024/8/21