两个人的电影免费视频_国产精品久久久久久久久成人_97视频在线观看播放_久久这里只有精品777_亚洲熟女少妇二三区_4438x8成人网亚洲av_内谢国产内射夫妻免费视频_人妻精品久久久久中国字幕

基于I-V曲線和深度學習的光伏遮擋類型和程度診斷方法

文檔序號:40651615發(fā)布日期:2025-01-10 18:58閱讀:5來源:國知局
基于I-V曲線和深度學習的光伏遮擋類型和程度診斷方法

本發(fā)明涉及一種基于i-v曲線和深度學習的光伏遮擋類型和程度診斷方法,屬于新能源領域。


背景技術:

1、遮擋是光伏系統(tǒng)運行過程中常見的異常之一,會造成光伏系統(tǒng)的功率損失和熱斑效應。目前,常見的遮擋檢測方法主要分為基于圖像的方法,基于串電流、電壓和功率數(shù)據(jù)的方法,以及基于i-v曲線的方法。基于圖像的方法能夠直觀反映遮擋情況,適合大范圍監(jiān)控,但需要額外的圖像采集設備和復雜的圖像處理算法,且易受環(huán)境光線影響?;诖娏?、電壓和功率數(shù)據(jù)的方法通過分析光伏串的電氣參數(shù)變化,如電流、電壓或功率的異常檢測遮擋。這類方法適合實時監(jiān)測,成本較低,但精度依賴于數(shù)據(jù)采集的頻率和數(shù)據(jù)處理的算法復雜度,可能對小范圍遮擋不敏感?;趇-v曲線的方法通過分析光伏陣列的i-v曲線形狀變化檢測遮擋,能詳細反映電氣性能的變化,適合診斷復雜遮擋故障。然而,目前的遮擋檢測方法僅僅能實現(xiàn)遮擋的發(fā)生,但是無法對光伏系統(tǒng)實際運行中的具體遮擋類型進行診斷和嚴重程度估計,而且很難實現(xiàn)微小遮擋的準確檢測。


技術實現(xiàn)思路

1、為解決以上問題,本發(fā)明提供了一種基于i-v曲線和深度學習的光伏遮擋類型和程度診斷方法,該方法診斷性能較高,并且能實現(xiàn)具體遮擋類型的診斷和嚴重程度估計,具有一定的魯棒性。

2、為實現(xiàn)上述目的,本發(fā)明采用的技術方案為:基于i-v曲線和深度學習的光伏遮擋類型和程度診斷方法,包括以下步驟:

3、步驟1:采集光伏組串的i-v曲線數(shù)據(jù);

4、步驟2:對i-v曲線進行預處理和圖像化;

5、步驟3:構建雙流深度神經(jīng)網(wǎng)絡對光伏遮擋類型進行診斷;

6、步驟4:結合遮擋類型診斷結果和機理模型進行遮擋嚴重程度估計。

7、進一步的,所述步驟1的具體方法為:通過集成于逆變器中或者額外安裝的i-v曲線掃描設備采集光伏組串的i-v曲線。

8、進一步的,所述步驟2具體包括以下步驟:

9、步驟2.1:對采集的i-v曲線進行去噪處理,去除曲線上的毛刺點;

10、步驟2.2:將實際運行狀態(tài)下的i-v曲線,通過以下公式轉換到標準狀態(tài)(stc),輻照度為1000w/m2,溫度為25℃:

11、

12、其中,g和t分別為實際狀態(tài)下的輻照度和溫度,βi為短路電流溫度系數(shù),βv為開路電壓溫度系數(shù),kg為電壓的輻照度校正因子,istc和vstc為stc狀態(tài)下的電流和電壓,iout和vout為實際狀態(tài)下的電流和電壓,gstc和tstc分別為stc狀態(tài)下的輻照度和溫度。

13、步驟2.3:將經(jīng)過stc變換后的i-v曲線,進行插值處理,從不同分辨率重采樣到相同的分辨率,共402個采樣點,且電壓值的間隔相同。

14、步驟2.4:將預處理后的i-v曲線進行圖像編碼,以增強光伏遮擋特征。對于一個電流序列c=(c1,c2,...,cn),先進行歸一化處理,公式如下:

15、

16、其中,ci為電流序列的采樣點,為歸一化后電流序列的采樣點;

17、然后,將歸一化后的序列從笛卡爾坐標系轉換為極坐標系,極坐標角和圖像編碼的公式可以分別表示為:

18、

19、其中,θi為極坐標角,image為i-v曲線的圖像編碼,可以用rgb圖像表示。

20、進一步的,所述步驟3具體包括以下步驟:

21、步驟3.1:設計lstm模塊,提取i-v曲線序列數(shù)據(jù)所體現(xiàn)出的各種遮擋特征。雙流深度神經(jīng)網(wǎng)絡中的lstm層個數(shù)為2,第一層的輸入尺度為1,隱藏層大小為128,輸出尺度為512,第二層的隱藏層和輸出尺度分別為128和512。

22、步驟3.2:設計2d-cnn模塊,在最大池化層后分別添加兩個卷積注意力模塊,提高對編碼圖像的特征提取能力。同時,引入全局最大池化模塊,減少模型的參數(shù),提高訓練速度。

23、步驟3.3:將lstm和2d-cnn分別提取的特征整合,融合i-v曲線時序特征和編碼圖像的特征,結合softmax模塊,實現(xiàn)對遮擋類型的準確分類。

24、進一步的,所述步驟4具體包括以下步驟:

25、步驟4.1:根據(jù)實際采集的正常情況下的i-v曲線數(shù)據(jù),計算老化現(xiàn)象造成的功率損失率sraging,消除老化功率損失對遮擋嚴重程度估計的影響。

26、步驟4.2:根據(jù)步驟3得到的遮擋診斷結果,分別計算每種情況下的平均遮擋率,來衡量總體的遮擋嚴重程度,計算公式如下:

27、

28、其中,pshading為遮擋狀態(tài)下的功率,pnormal為正常狀態(tài)下的功率;

29、步驟4.3:結合每種遮擋的機理模型和i-v曲線,計算不同遮擋情況下受影響的光伏模塊或者子模塊數(shù)目以及積灰率,分別用以下公式計算得到:

30、

31、其中,nmodule為光伏組串的模塊數(shù),voc,module為正常模塊在標準條件下的開路電壓,voc,submodule正常子模塊在標準條件下的開路電壓,nmodule,shaded為被遮擋的模塊數(shù),nsubmodule,shaded被遮擋的子模塊數(shù),vlpp為i-v曲線的第一個極值點電壓,k為表征系數(shù),考慮老化影響后的取值為0.75,srdust為積灰率,isc,dust為積灰狀態(tài)下短路電流,isc為正常狀態(tài)下的組串的短路電流。

32、與現(xiàn)有技術相比,本發(fā)明具有如下有益效果:

33、(1)本發(fā)明基于融合lstm和2d-cnn的雙流深度神經(jīng)網(wǎng)絡,充分利用原始的i-v曲線和變換后的圖像信息,深入挖掘不同遮擋類型的特性,對光伏遮擋類型進行精確診斷。

34、(2)本發(fā)明根據(jù)光伏機理模型和i-v曲線的關鍵點信息,進一步評估了每種遮光類型的嚴重程度,為設計不同遮光條件下光伏系統(tǒng)的功率優(yōu)化方法和制定運維計劃提供了可靠的指導。



技術特征:

1.基于i-v曲線和深度學習的光伏遮擋類型和程度診斷方法,其特征在于:包括以下步驟:

2.根據(jù)權利要求1所述的基于i-v曲線和深度學習的光伏遮擋類型和程度診斷方法,其特征在于:所述步驟2具體包括以下步驟:

3.根據(jù)權利要求1所述的基于i-v曲線和深度學習的光伏遮擋類型和程度診斷方法,其特征在于:所述步驟3具體包括以下步驟:

4.根據(jù)權利要求1所述的基于i-v曲線和深度學習的光伏遮擋類型和程度診斷方法,其特征在于:所述步驟4具體包括以下步驟:


技術總結
本發(fā)明公開了一種基于I?V曲線和深度學習的光伏遮擋類型和程度診斷方法,實現(xiàn)步驟為:(1)采集光伏組串的I?V曲線數(shù)據(jù);(2)對采集的I?V曲線數(shù)據(jù)進行預處理和圖像編碼;(3)采用雙流深度神經(jīng)網(wǎng)絡實現(xiàn)對光伏遮擋類型的診斷;(4)結合光伏遮擋診斷結果和機理模型對遮擋嚴重程度進行估計。本發(fā)明能夠用于解決光伏遮擋檢測無法對具體的類型和程度進行診斷的問題,有利于采取有效的功率優(yōu)化方法和運維策略。

技術研發(fā)人員:何增祥,張侃健,陳泓材,方仕雄,魏海坤
受保護的技術使用者:東南大學深圳研究院
技術研發(fā)日:
技術公布日:2025/1/9
網(wǎng)友詢問留言 已有0條留言
  • 還沒有人留言評論。精彩留言會獲得點贊!
1
西峡县| 邢台市| 印江| 瑞安市| 巴马| 张家港市| 肥西县| 开原市| 湟中县| 富顺县| 辰溪县| 清镇市| 绩溪县| 吉木萨尔县| 化隆| 盈江县| 余干县| 青海省| 嘉定区| 竹溪县| 腾冲县| 崇明县| 谷城县| 新乐市| 昭苏县| 嘉荫县| 眉山市| 曲松县| 桃源县| 阜阳市| 凤阳县| 政和县| 沈丘县| 临城县| 平安县| 邓州市| 鹤山市| 昌乐县| 江山市| 永仁县| 陆良县|