[发明专利]一种光伏组件的异常预警方法及系统

说明书

本发明公开了一种光伏组件的异常预警方法及系统，所述方法包括：获取当前时刻的气象数据和上一时刻的实测功率数据；将当前时刻的气象数据输入训练好的回归模型中，得到当前时刻的预测功率；在有效预警时段内基于预测功率序列、实测功率序列和辐照曲线特征得到偏差特征向量，所述有效预警时段包括当前时刻以及当前时刻之前一段时间；将所述偏差特征向量输入训练好的异常预警分类模型中，对所述偏差特征序列进行异常预警分类；基于分类结果向监测平台发送预警信息。本发明能够较好地适应各种天气类型下的光伏组件异常预警任务。

技术领域

本发明涉及太阳能利用技术领域，具体涉及一种光伏组件的异常预警方法及系统。

背景技术

随着能源危机的日渐深入，需要不断提高可再生能源的利用率来满足人们对电力的迫切需求，近年来各国的光伏发电产业得以快速发展，然而由于光伏发电受天气影响严重，具有明显的不确定性，间歇性，导致大量光伏发电站在并网过程中对电网的安全稳定运行造成影响。及时发现光伏发电站的异常对保护电网安全具有重大意义，目前通过功率预测技术可以降低光伏输出功率的不确定性影响，但单靠超短期功率预测无法实现异常预警问题，所以亟需提供一种光伏组件异常预警方法。

发明内容

为了解决现有技术中所存在的上述不足，本发明提供了一种光伏组件的异常预警方法及系统，由回归模型对实时采样的气象数据进行光伏功率预测，继而由分类模型对“预测功率与实测功率的偏差值”结合“辐照度曲线特征”进行再分类，实现光伏组件的短期异常预警。

本发明提供的一种光伏组件的异常预警方法，包括：

获取当前时刻的气象数据和上一时刻的实测功率数据；

将当前时刻的气象数据输入训练好的回归模型中，得到当前时刻的预测功率；

在有效预警时段内基于预测功率序列、实测功率序列和辐照曲线特征得到偏差特征向量，所述有效预警时段包括当前时刻以及当前时刻之前一段时间；

将所述偏差特征向量输入训练好的异常预警分类模型中，对所述偏差特征序列进行异常预警分类；

基于分类结果向监测平台发送预警信息。

优选的，所述回归模型的训练包括：

获取光伏电站的光伏数据和对应的气象数据，并对所述光伏数据和气象数据进行时间戳对齐和归一化处理，得到样本数据；

将所述样本数据分为训练集和测试集，将所述训练集输入预先构建的回归模型进行训练，得到所述回归模型各层的参数矩阵的维数和偏置向量的值；

将所述测试集输入训练后的回归模型中进行验证；

其中，所述气象数据包括：组件背板温度、太阳辐照度、空气相对湿度、风速和风向。

优选的，所述回归模型如下式所示：

H₁＝W₁X+b₁

S₁＝sigmoid(H₁)

H₂＝W₂S₁+b₂

S₂＝sigmoid(H₂)

P_predict＝W₃S₂+b₃

其中，X为模型的输入数据，W为模型各层的参数矩阵，b为偏置向量，H与S为模型中间变量，sigmoid(x)＝1/1+e-x，为非线性激活函数，P_predict为回归模型由气象数据预测得到的预测功率值。