[发明专利]一种基于电站运行数据的阴影识别方法

说明书

本发明公开了一种基于电站运行数据的阴影识别方法，主要包括数据准备、计算准备检查、按每组串每日为单位进行计算和统计与结果四个部分，数据准备后计算准备检查，计算准备检查后按每组串每日为单位进行计算，按每组串每日为单位进行计算后统计与结果。与现有技术相比，本发明的有益效果如下：1.中短期阴影效应的准确识别；2.障碍物方位的准确估计，快速定位有影响的障碍物；3.阴影损失的准确计算，辅助分析电站运行效率根因；4.可以给出阴影损失的未来趋势，可以参照障碍物的处理成本进行决策是否需要移除障碍物。

技术领域

本发明涉及太阳能电站技术领域，具体是一种基于电站运行数据的阴影识别方法。

背景技术

阴影效应是一种常见的光伏系统功率损失模式。部分电站由于前期场址规划失误，加上后期人为或自然的因素，会在光伏组件表面规律的或短时间内持续的产生阴影，使得被遮挡部分组件无法正常发电，从而降低发电效率。因此，阴影的有效识别，理论上能够极大的提高光伏电站的运维质量。

中国专利CN107742171B基于移动阴影图像识别的光伏电站发电功率预测方法，阴影的识别方法主要依靠灰度值和特定算法，基于光照区域与阴影区域的灰度值不同这一特征，提出光伏阵列阴影识别算法，识别光伏阵列图像中的阴影区域。存在不足的地方是：太依赖辅助硬件，辅助硬件需要定期维护，建设成本高，维护成本更高，无法及时实时测量和调整光伏板角度。

现有技术中还存在如下不足：仪器：1.仪器使用复杂，结果不直观；2.使用仪器测量成本高，同时增加了人工成本；3.只能测算实时阴影覆盖状态，通常还需要借助仿真软件二次分析，对历史及未来阴影损失估计不准确。直流离散率：1.适用场景受限，仅适用于设备较多，安装规范的大型电站；2.识别精度低，损失估计不准确；IV曲线特征：1.需要逆变器支持IV曲线功能；2.IV曲线测量影响设备运行，造成不必要的损失；3.仅能实现识别，无法定位阴影时刻。

发明内容

本发明的目的在于提供一种基于电站运行数据的阴影识别方法，主要解决背景技术中存在的技术问题。

本发明提出了一种基于电站运行数据的阴影识别方法，可以对电站运行期间的阴影进行有效识别，可以精确的定位阴影时刻，并推算阴影障碍物方位，计算实际阴影损失，同时可以给出如果不处理该障碍物，未来一年可能的阴影损失，识别精度可以识别到组串。

为实现上述目的，本发明提供如下技术方案：一种基于电站运行数据的阴影识别方法，主要包括数据准备、计算准备检查、按每组串每日为单位进行计算和统计与结果四个部分，数据准备后计算准备检查，计算准备检查后按每组串每日为单位进行计算，按每组串每日为单位进行计算后统计与结果；各组成部分是，

数据准备：选择合适的电站，晴天标准KT大于设定值；

计算准备检查：电站是否已经运行超过晴天数量设定值，电站运行超过晴天数量设定值则判断是否填写可靠的倾角数据，获取电站至少一个晴天运行数据；填写了可靠的倾角数据则获得电站倾角数据，同时判断是否填写可靠的经纬度数据，填写了可靠的经纬度数据则获得电站经纬度数据；是否已经进行方位角识别，已经进行方位角识别则获得电站方位角数据，否则判断是否填写可靠的方位角数据，填写了可靠的方位角数据则获得电站方位角数据；如电站运行未超过晴天数量设定值或未填写可靠的倾角数据或未填写可靠的经纬度数据或未填写可靠的方位角数据，则返回重新选择合适电站；

按每组串每日为单位进行计算：获取电站至少一个晴天运行数据后，获得组串当日直流功率曲线，然后获得实际辐照曲线，组串当日直流功率曲线与实际辐照曲线生成偏差特征；组串直流电流、组串直流电压、交流线电压、太阳方位角、样本数据、未训练的分类模型和偏差特征共同生成训练好的分类模型；训练好的分类模型分析得出该组串当日可能的阴影时刻，然后得到该组串当日小时级阴影标签；