[发明专利]发电量损失预测方法及装置、电子设备

说明书

本发明公开了一种发电量损失预测方法及装置、电子设备。发电量损失预测方法包括：获取拍摄的光伏组件图片，并获取拍摄时的辐照度和太阳入射角；识别所述光伏组件图片中的待预测组件区域；计算所述待预测组件区域的平均灰度；根据所述待预测组件区域的平均灰度、所述辐照度和所述太阳入射角预测发电量损失。本发明实施例可以提高发电量损失的预测精度，有利于科学制定组件清洗计划。

技术领域

本发明实施例涉及分布式能源技术领域，尤其涉及一种发电量损失预测方法及装置、电子设备。

背景技术

光伏电站的组件容易附着灰尘、鸟粪、积雪等污染物，污染物不仅会影响光伏组件发电效率，造成组件发电量的损失，也会对组件的质量安全造成影响，定期进行组件的清洗是光伏运维的必要工作。如何通过衡量发电量损失与清洗成本，科学的制定清洗计划，做到智能清洗，是目前光伏运维厂商聚焦的问题，积灰组件发电量损失的评估预测则是该问题的核心内容。

目前在光伏电站的运维过程中，组件发电量损失的预测方式包括：根据气象数据和站端记录的历史数据预测与根据当前积灰程度预测两种。其中，根据气象数据和站端历史数据预测需要采集的特征点较多，且气象数据本身为预测数据，其数据精准度受采集设备的精度制约，因此，该方案难以保证发电量损失预测的精度。而对于根据当前积灰程度预测的方案，现有技术通常侧重于如何更准确的判断当前积灰程度，通过积灰程度和发电量损失的关系来进行预测，而不考虑对发电量损失的其他影响因素，因此该方案对发电量损失的预测精度也难以保证。综上所述，现有的组件发电量损失的预测方式存在发电量损失预测精度低的问题，影响组件清洗计划的制定。

发明内容

本发明实施例提供了一种发电量损失预测方法及装置、电子设备，以提高发电量损失的预测精度，有利于科学制定组件清洗计划。

第一方面，本发明实施例提供了一种发电量损失预测方法，包括：

获取拍摄的光伏组件图片，并获取拍摄时的辐照度和太阳入射角；

识别所述光伏组件图片中的待预测组件区域；

计算所述待预测组件区域的平均灰度；

根据所述待预测组件区域的平均灰度、所述辐照度和所述太阳入射角预测发电量损失。

可选地，所述待预测组件区域通过组件识别模型识别；

所述组件识别模型的获取过程包括：

获取光伏组件图片集；其中，所述光伏组件图片集中的部分图片作为训练集，其余图片作为测试集；

训练所述训练集，得到初步识别模型；

根据所述测试集判断所述初步识别模型是否符合指标要求；若是，则将所述初步识别模型作为所述组件识别模型；否则，继续训练所述训练集。

可选地，在训练所述训练集之前，还包括：对所述光伏组件图片集进行预处理；

相应地，在识别所述光伏组件图片中的待预测组件区域之前，还包括：采用相同的处理方法对所述光伏组件图片进行预处理。

可选地，所述预处理包括：图像增强处理、归一化处理和尺度变换中的至少一种。

可选地，采用发电量损失预测模型预测所述发电量损失；

所述发电量损失预测模型的获取过程包括：

获取发电量损失数据集；其中，所述发电量损失数据集包括不同积灰程度下的光伏组件图片、对应的发电量损失数据、对应的辐照度和对应的太阳入射角；

提取所述光伏组件图片中的组件区域，并计算所述组件区域的平均灰度；

根据所述组件区域的平均灰度、所述辐照度、所述太阳入射角和所述发电量损失数据，得到所述发电量损失预测模型。