[发明专利]一种光伏组件过程数据重建方法

权利要求书

1.一种光伏组件过程数据重建方法，包括如下步骤：

S100：采集光伏电站的气象数据和光伏组件的过程数据；

S200：将所采集的气象数据和过程数据均以状态矩阵和数值矩阵的形式进行存储；

S300：检索状态矩阵中表征为0的数据作为缺失数据，并将缺失数据进行归类；

S400：针对不同种类的缺失数据选择不同的重建数据源；

S500：根据所述重建数据源构建缺失数据重建模型；

S600：根据缺失数据重建模型对所述缺失数据重建。

2.根据权利要求1所述的方法，其中，优选的，所述气象数据包括辐照度、大气温度、光伏组件背板温度、大气压力和大气湿度；所述过程数据包括光伏组串的输出电流和输出电压。

3.根据权利要求1所述的方法，其中，所述缺失数据的类型包括如下任一：单汇流箱数据缺失、汇流箱间数据缺失及单组串数据全部缺失。

4.根据权利要求3所述的方法，其中，若缺失数据为单汇流箱数据缺失时，选择同一天内该汇流箱的光伏组串的电流数据、功率数据或其他汇流箱的光伏组串的功率数据作为重建数据源；若缺失数据为汇流箱间数据缺失时，选择同一天内其他汇流箱的光伏组串的功率数据或其他天内该汇流箱的光伏组串的电流数据或功率数据作为重建数据源；若缺失数据为单组串数据全部缺失时，选择其他天内该汇流箱的光伏组串的电流数据、功率数据或其他汇流箱的光伏组串的功率数据作为重建数据源。

5.根据权利要求1所述的方法，其中，所述重建模型包括如下任一：偏最小二乘回归模型、最小二乘回归模型和主成分回归模型。

6.根据权利要求5所述的方法，其中，所述偏最小二乘回归模型通过以下步骤进行构建：

S501：假设自变量矩阵为X，因变量矩阵为Y，分别对X，Y进行中心化处理、归一化处理，计算得到处理后的矩阵：X₀，Y₀；

S502：计算矩阵和矩阵最大特征值对应的特征向量w_n，其中，n＝0；

S503：令：

t_n＝X_nw_n，t_n是自变量X_n的主成分

p_n为自变量X_n的回归系数

r_n＝Y^Tt_n/||t_n||²，r_n为因变量Y的回归系数

X_n+1为自变量X_n的残差矩阵

Y_n+1为自变量Y_n的残差矩阵

S504：令n的值加1，重复步骤S502和步骤S503，直到残差达到设定误差以下，即Y_n的模长小于误差error；

S505：得到回归方程：

其中，Y_n+1为因变量残差；

S506：预测方程可写为：

Y＝X₀B

且

其中，B为自变量X₀和Y₀采用偏最小二乘法建立的回归模型，Π表示阶乘，r_j为第j步提取的因变量Y的回归系数，k_j为第j步提取的成分，I为单位对角矩阵，w_k为矩阵最大特征值对应的特征向量，p_k为提取自变量X_k的回归系数，w_j为矩阵最大特征值对应的特征向量。

7.根据权利要求1所述的方法，其中，对所述缺失数据重建通过以下方式：

X_v＝(X_v，1，X_v，2，…，X_v，k)

Y_v＝(y_v，loss)

Y_v＝X_vB

其中，X_v为自变量矩阵，X_v，1，X_v，2，...，X_v，k分别为1号、2号、…、k号传感器在v时刻采集的数据，Y_v为因变量矩阵，y_v，loss为编号为loss的传感器在v时刻重建获得的数据集，1、2、…、k为未缺失数据的传感器序号，loss为存在缺失数据的传感器序号，v为时刻集合。