[发明专利]一种光伏组件诊断方法、装置、设备及可读存储介质

权利要求书

1.一种光伏组件诊断方法，其特征在于，应用于与光伏组件相连的光伏逆变器，包括：

获取所述光伏组件的发电特性曲线，从所述发电特性曲线中获取发电数据；

将所述发电数据输入到预先构建的识别模型中，得到输出结果；

根据预先建立的输出结果与模式状态间的对应关系，确定与得到的所述输出结果对应的模式状态，并将所述模式状态作为所述光伏组件的诊断结果；

当所述识别模型为基于神经网络的识别模型时，将所述发电数据输入到预先构建的识别模型中，得到输出结果，包括：

利用[α]＝[W]^T·[E]计算所述识别模型中隐藏层神经元输出的结果[α]，并利用[β]＝[Y]^T·[α]得到所述输出结果[β]；

其中，[E]为由所述发电数据构成的n×1矩阵，n为所述发电特性曲线的采样点数，[W]为由所述识别模型中隐藏层的权值构成的n×k矩阵，k为隐藏层神经元的数量，[α]为k×1矩阵，[Y]为由所述识别模型中输出层的权值构成的k×1矩阵。

2.根据权利要求1所述的光伏组件诊断方法，其特征在于，在将所述模式状态作为所述光伏组件的诊断结果之后，还包括：

当所述诊断结果为异常时则将所述诊断结果为异常时的发电数据及输出结果发送至运维平台，当所述诊断结果为正常时则按照预设规则选择所述诊断结果为正常时的发电数据及输出结果并将选中的诊断结果为正常时的发电数据及输出结果发送至所述运维平台，由所述运维平台根据接收的数据计算所述识别模型中的权值；

利用所述运维平台计算出的所述权值对应替换所述识别模型中原有的权值。

3.根据权利要求1所述的光伏组件诊断方法，其特征在于，在利用[β]＝[Y]^T·[α]得到所述输出结果[β]之后，还包括：

若所述输出结果[β]为非整数，则通过四舍五入操作对所述输出结果[β]进行取整。

4.根据权利要求1所述的光伏组件诊断方法，其特征在于，获取所述光伏组件的发电特性曲线，从所述发电特性曲线中获取发电数据，包括：

获取所述光伏组件的IV特性曲线，从所述IV特性曲线中获取所述光伏组件在不同时刻的电压值和对应的电流值；

利用所述光伏组件的电压值和对应的电流值得到所述光伏组件在对应时刻的功率值。

5.根据权利要求1所述的光伏组件诊断方法，其特征在于，获取所述光伏组件的发电特性曲线，从所述发电特性曲线中获取发电数据，包括：

获取所述光伏组件的PV特性曲线，从所述PV特性曲线中获取所述光伏组件在不同时刻的功率值。

6.根据权利要求1所述的光伏组件诊断方法，其特征在于，在将所述发电数据输入到预先构建的识别模型中之前，还包括：

获取所述光伏组件的标准发电数据，并根据所述光伏组件的标准发电数据对所述发电数据进行归一化处理。

7.一种光伏组件诊断装置，其特征在于，应用于与光伏组件相连的光伏逆变器，包括：

获取模块，用于获取所述光伏组件的发电特性曲线，从所述发电特性曲线中获取发电数据；

输入模块，用于将所述发电数据输入到预先构建的识别模型中，得到输出结果；

确定模块，用于根据预先建立的输出结果与模式状态间的对应关系，确定与得到的所述输出结果对应的模式状态，并将所述模式状态作为所述光伏组件的诊断结果；

当所述识别模型为基于神经网络的识别模型时，所述输入模块包括：

计算单元，用于利用[α]＝[W]^T·[E]计算所述识别模型中隐藏层神经元输出的结果[α]，并利用[β]＝[Y]^T·[α]得到所述输出结果[β]；

其中，[E]为由所述发电数据构成的n×1矩阵，n为所述发电特性曲线的采样点数，[W]为由所述识别模型中隐藏层的权值构成的n×k矩阵，k为隐藏层神经元的数量，[α]为k×1矩阵，[Y]为由所述识别模型中输出层的权值构成的k×1矩阵。