一种分布式光伏电站智能运维系统和方法 |
|||||||
申请号 | CN201511014091.5 | 申请日 | 2015-12-31 | 公开(公告)号 | CN105656197A | 公开(公告)日 | 2016-06-08 |
申请人 | 石家庄科林电气股份有限公司; | 发明人 | 袁玉宝; 陈洪雨; 常生强; 赵宏杰; 赵鹏; 陈贺; 屈国旺; 杜晓刚; 郝磊; 范嘉煜; 强建龙; 李晓楠; 侯志卫; 安志国; 屈爱艳; 魏东; 平凯; 曹晓光; 陈龙; | ||||
摘要 | 本 发明 提供了一种分布式光伏电站智能运维系统和方法,属于光伏电站技术领域,采用的技术方案是,一种分布式光伏电站智能运维系统,包括信息采集终端和运维中心,运维中心包括采集认证 服务器 和历史 数据库 服务器、互联网发布服务器及远程终端,关键在于,运维中心中还包括智能运维服务器,智能运维服务器中存储各光伏电站的地理 位置 信息并设置诊断单元,诊断单元根据接收到的数据诊断光伏电站是否存在故障及判断故障类型,如果存在故障,将故障数据发送给远程终端。本发明的有益效果是:能及时、准确的发现设备故障、诊断故障类型并及时通知业主,减少了电站业主的运维成本,提高了运维效率;提高了业主的发电效率,为业主创造了利润。 | ||||||
权利要求 | 1.一种分布式光伏电站智能运维系统,包括用于采集各光伏电站运行数据的信息采集终端、用于接收并处理电站运行数据的运维中心,运维中心包括借助互联网收集信息采集终端数据的采集认证服务器和与采集认证服务器连接的历史数据库服务器、互联网发布服务器、通过网络与互联网发布服务器连接的远程终端,其特征在于,所述运维中心中还包括智能运维服务器,智能运维服务器中存储各光伏电站的地理位置信息并设置诊断单元。 |
||||||
说明书全文 | 一种分布式光伏电站智能运维系统和方法技术领域[0001] 本发明属于光伏电站技术领域,具体涉及一种分布式光伏电站智能运维系统和方法,用于分布式的光伏电站的集中管理。 背景技术[0002] 近年来,家用屋顶电站、商业屋顶电站等分布式光伏电站的装机数量呈爆发式增长,据相关数据显示,至2015年6月底,我国光伏累计装机已达到3500万千瓦,目前,大多数分布式光伏装机规模较小、一般建在建筑物屋顶、没有专业运维队伍,对于分布式光伏电站的运维,大多都是业主根据个人经验进行简单巡视或无人运维,然而,业主一般不具备相关专业知识,常常不能及时发现和解决问题,从而大大影响了发电效率;也有业主使用一些监控系统作为运维使用,但监控信息只是简单的采集与呈现,数据综合分析能力差,并且都是针对本地监视,无法实现多电站分布式管理,且业主需要购买许多监控硬件设备,成本较高。因此,如何对分布式光伏电站进行更有效的运维管理和效率提升,是分布式光伏行业亟待解决的难点。 [0003] 随着通信技术的不断发展,分布式光伏电站通过互联网接入统一的运维平台成为了可能,统一的运维平台可以将位于全球不同位置的电站进行管理,基于云计算平台,理论上可管理的电站数量是无限的,从而为新电站的扩展接入打下了基础。通过磁盘阵列,支持数千TB的数据存储,从而保证电站全生命周期、全生产环节的监控和管理。通过可视化监控,可以对电站、逆变器甚至组件的生产运营状态进行直观监控和浏览,大大提高了运维效率。通过集中接入,可以汇总同一地区或相同环境中多个电站的生产数据,通过大数据分析评估电站的运营情况、健康状态,快速找出落后电站,给出优化建议,实现精细化运维、预防性运维(比如建议组件清洗、检查保险等)。通过专业化的运维队伍,可在线帮助用户快速解决问题。 [0004] 在较长的运营周期内,对于如何通过维护运营来提高光伏电站的发电效率、降低运维成本,以及如何确保光伏电站的收益最大化,已成为电站业主们最为关心的问题。 发明内容[0005] 本发明为解决目前光伏电站缺乏专业运维队伍、电站运行中故障发现不及时、发电效率低、运营成本高的技术问题,本发明提供一种分布式光伏电站智能运维系统和方法,通过建立包括信息采集终端、智能运维中心和远程终端的自动巡检系统,并基于系统配套的提供智能运维方法各步骤及数学模型,实现了多个分布式光伏电站的集中、智能化运维,便于及时发现故障,同时配备了专业维修工程师便于及时维修,减少了电站业主的运维成本,提高了运维效率,提高了业主的发电效率,为业主创造了利润。 [0006] 本发明为实现上述目的,采用的技术方案1是,提供一种分布式光伏电站智能运维系统,包括用于采集各光伏电站运行数据的信息采集终端、用于接收并处理电站运行数据的运维中心,运维中心包括借助互联网收集信息采集终端数据的采集认证服务器和与采集认证服务器连接的历史数据库服务器、互联网发布服务器、通过网络与互联网发布服务器连接的远程终端,关键在于,系统中还包括智能运维服务器,智能运维服务器中存储各光伏电站的地理位置信息并设置诊断单元。 [0007] 本发明还提供一种分布式光伏电站智能运维方法,基于分布式光伏电站智能运维的系统实现,关键在于,智能运维服务器定时启动信息采集终端采集光伏电站的运行数据,接收并存储信息采集终端采集的运行数据,诊断单元根据接收到的数据诊断光伏电站是否存在故障及判断故障类型,如果存在故障,将故障数据发送给远程终端;诊断单元的诊断过程包括以下步骤: A、根据光伏电站的运行数据计算其在测定时间的额定发电数据A1,分别计算所采集的运行数据中的发电数据A与额定发电数据A1、周边数据平均值A2、历史预测数据A3的误差Q1=(A-A1)/A1、Q2=(A-A2)/A2和Q3=[ A-(A3-额定损耗)] /(A3-额定损耗),其中Q1、Q2、Q3大于0时取值为0,小于0时取绝对值,设定上述三种算法中所允许的误差最大值分别为Q1'、Q2'和Q3',若Q1≥Q1'或Q2≥Q2'或Q3≥Q3',则认为该电站存在故障,进入步骤B,其中,Q1'≤30%,Q2'≤20%、Q3'≤15%;否则结束; B、根据模糊推理算法诊断故障类型。 [0009] 以所述采集的运行数据中的发电数据A为光伏电站的输出功率P为例,所计算的额定发电数据A1为额定输出功率P1,P1= G0×(Tb +Td)×Area×K0×K1×K2×K3×K4×K5×(1-K6)Tn,上式P1的计算如下:太阳常数G=1353W/m2,以T表示当前时间,n为从元旦算起的天数,由T的年月日得到; (1)太阳赤纬角δ=23.45°sin[360×(284+n)/365]; (2)地球绕太阳公转时运动和转速变化而产生的时差Ex=( 9.87sin2B-7.53cosB- 1.5sinB)/60,B=360×(n-81)/364,单位为小时; (3)当前的真太阳时H = T1 + Ex–4×(E1–E)/60,T1为当前时间,单位为小时,根据T的小时得到; (4)太阳时角ω=15°×(H - 12); (5) 当日大气层外的太阳辐射 G1 = G ×[1 + 0.033×cos(360°× n/365)] (6)太阳高度角θ可表示如下:cosθ=cosω×cosδ×cosφ+sinδ×sinφ; (7)当前时刻大气层外切平面上的瞬时太阳辐射G0 = G1×cosθ; (8) 太阳直射透明系数Tb = a0+a1×exp(-ak/ cosθ), 2 式中,a0 = R0×[0.4237-0.00821×( 6-AL)], a1=R1×[0.5055 - 0.00595×( 6.5- AL)2], ak = Rk ×[0. 2711- 0. 01858×( 2.5- AL)2], 气候类型修正列表如下: (9)太阳散射透明系数Td = 0.2710 - 0.293×Tb; (10)采集时刻的额定输出功率P1=G0×(Tb +Td)×Area×K0×K1×K2×K3×K4×K5× (1-K6)Tn ,当P1小于0时(表示日落),P1取值为0, 上式中,电池组件转换效率K0,K1、K2、K3、K4为经验值常量,光电电池长期运行性能修正系数K1= 0.86,灰尘引起的性能修正系数K2= 0.9,光电电池升温导致功率下降修正系数K3= 0.9,导电损耗修正系数K4= 0.95,K5表示额定逆变效率,K6表示年逆变效率损耗修正系数,Tn表示光伏设备投运时间,单位为年;K0、K5、K6为电站的固有属性,为出厂时自带数据,存储于运维中心。 [0010] 进一步的,进行故障推理时所述模糊推理算法过程如下:(1)定义模糊推理的模型:S、R、、、、U S = {S1,S2,Si…,Sn}为故障类型的有穷集合,既是输入也是输出; R = {R1,R2,Rj…,Rm}为规则的有穷集合; ={ },i=1,…,n,j=1,…,m, ∈{0,1},为逻辑量,当Si是Rj的输入时, =1;当Si不是Rj的输入时, =0; ={ },i=1,…,n,j=1,…,m, ∈{0,1},为逻辑量,当Si是Rj的输出时, =1;当Si不是Rj的输出时, =0; =( , ,…, )T, ∈[0,1],为模拟量,T为迭代次数,i=1,…,n; 为故障类型Si的初始逻辑状态,表示故障类型Si为真的程度,根据故障类型Si对应的发电数据误差量化值F计算,= Q1/Q1'或Q2/Q2'或Q3/Q3',在0~1之间取值; U=( , ,…, ), ∈[0,1],为模拟量,i=1,…,m,为规则Ri的可信度; (2)模糊推理的算法公式: 公式<1> pet = - = ,式中, 为元素全为1的m维向量,k为推理步数,pet 为n维向量,其元素值表示故障类型 为假的可信度; 公式<2> = (pet )= ,式中, 为m维向量,表示规则 的前提为假的可信度; 公式<3> = pet = pet ( (pet ))= = ,式中, 为m维向量,表示规则 的前提为真的可信度; 公式<4> ,式中, 表示命题 的下一步状态; 公式项说明: :取矩阵项最大值,例如:a b=c,a,b,c分别是n维向量,则ci=max(ai, bi) :取矩阵计算最大值,例如:a b=d,a为 维向量,b为m维向量,d为n维向量,则di= max1≤k≤m(aik×bk); (3)模糊推理步骤: 步骤1: 初始化推理步数k=0; 步骤2:根据公式(1)、(2)、(3)、(4), 由 求得 ; 步骤3:若 ,则令k = k+1,重复步骤2;若 ,则结束,中最大值项所对 应的不可测定的故障类型Si为模糊推理的结果输出项。 [0011] 上述技术方案中,分布式光伏电站智能运维系统,包括信息采集终端和运维中心,运维中心基于云计算管理,包括采集认证服务器、历史数据库服务器、互联网发布服务器及远程终端,信息采集终端安装于各光伏电站现场,通过有线如串口RS485、RS232、RJ45或无线多种采集方式获取各光伏电站的运行数据,将采集到的数据信息存入到本地数据库,并通过有线或无线方式传输至运维中心的采集认证服务器并存储于历史数据库服务器,信息采集终端向采集认证服务器发送数据信息时使用MMS通信协议,为了保证信息通信的安全性,每次通信过程都会进行加密认证;采集认证服务器通过以太网进行网络互联,负责对各分布式光伏电站的信息认证和采集,优选的采用采集认证服务器集群以提高系统的稳定性和数据处理能力;历史数据库服务器负责数据的永久存储,通过磁盘阵列,支持数千TB的数据存储,从而保证光伏电站全生命周期、全生产环节数据信息的监控和存储管理;互联网发布服务器主要负责各种信息的展示、推送等功能;远程终端便于客户通过网页图形界面或手机客户端APP在线查看信息采集终端采集的光伏电站设备的运行状态、运行数据及健康状况,同时远程终端的设置便于在出现故障时下发维修单,将故障推送给专业化的运维队伍,运维队伍抢单进行维修,帮助用户快速解决问题。作为本发明的关键,运维中心还包括智能运维服务器,智能运维服务器中存储各光伏电站的地理位置信息并设置诊断单元,智能运维服务器主要负责各种业务处理和对采集的光伏电站的运行数据进行分析,诊断单元基于云计算平台,理论上可管理的电站数量是无限的,从而为新电站的扩展接入打下了基础,通过诊断单元,可以对多个光伏电站集中管理,可以汇总同一地区或相同环境中多个电站的生产数据,分析评估各光伏电站的运营情况、健康状态,快速找出落后电站,给出优化建议,实现精细化运维、预防性运维(比如建议组件清洗、检查保险等。 [0012] 本发明还提供了一种分布式光伏电站智能运维方法,基于分布式光伏电站智能运维系统实现,对多个光伏电站同时并行检测,根据预定的巡检周期或巡检时间,智能运维服务器定时启动信息采集终端同时工作以采集光伏电站的运行数据,接收并存储运行数据,诊断单元根据接收到的运行数据分别诊断各光伏电站是否存在故障及判断故障类型,对存在故障的光伏电站,将故障数据发送给远程终端;若不存在故障,则结束;其中诊断单元的具体诊断过程包括以下步骤:A、根据光伏电站的运行数据计算其在测定时间的额定发电数据A1,采集的运行数据包括逆变器输出功率、逆变器直流电压、逆变器直流电流、光伏组件表面温度、当日上网电量及发电数据等;在光伏发电过程中,太阳辐照度对发电量的多少起着决定作用,对于大气层外垂直方向的太阳辐照度被称为太阳常数G,在晴天模式下(排除云层影响),在地球表面指定区域、指定时间点上所接收的太阳辐照度是可理论计算的,然后再根据光伏板的理论发电效率,理论年损耗,即可得到光伏板及光伏电站在指定时间所产生的额定发电数据A1,如额定输出功率、额定发电量等;而信息采集终端对各光伏电站测定时间的发电数据A,如输出功率、发电量等也有测定值,根据测定值与额定值,即可计算误差Q1;周边数据平均值A2指与被监测光伏电站处于相同地理位置的周边光伏电站的运行数据平均值,,尤其是发电数据的平均值,根据实际采集的发电数据A和周边数据平均值A2计算误差Q2=(A-A2)/A2,历史预测数据A3指根据被监测光伏电站去年与测定时间相同天气环境时的历史运行数据所预测的测定时间的运行数据,考虑到电站运行中存在损耗,故误差Q3=[ A-(A3-额定损耗)] /(A3-额定损耗),额定损耗为每个光伏板、光伏电站的固有属性,数据可由出厂数据获得; 同时方法中设定了每种算法中所允许的误差最大值分别为Q1'、Q2'和Q3',若Q1≥Q1'或Q2≥Q2'或Q3≥Q3',则认为该电站存在故障,进入步骤B,否则结束;其中,Q1'≤30%,Q2'≤ 20%,Q3'≤15%,根据经验值,一般设定Q1'=20%、Q2'=15%、Q3'=10%; B、进行模糊推理计算,诊断故障类型。 [0013] 进一步的,运维中心将故障类型的信息发送至业主的远程终端,提示业主;还同时根据业主对故障的推送要求,判断是否将故障进行推送,若业主要求发现故障时自动推送并维修,则将故障类型发送至专业维修人员的远程终端,维修人员通过抢单进行接收运维任务,并实际维修解决问题,更为完善的是本发明的系统中还设有客服回访模块,当维修人员将维修任务已完成的信息输入系统时,自动进行业主回访。 [0014] 本发明的有益效果是:(1)本发明提供的分布式光伏电站智能运维的系统及方法能及时、准确的发现设备故障、诊断故障类型并及时通知业主,减少了电站业主的运维成本,提高了运维效率;(2)多种算法结合,通过对光伏电站设备的运行、操作和异常情况进行分析,可提供相应防范措施,做到预防性运维,减少了设备的故障率(;3)通过汇总同一地区或同一环境多个发电数据,评估电站的运营情况、健康状态,快速找出落后电站,给出优化建议,提高了业主的发电效率,为业主创造了利润。 [0016] 图1为本发明的分布式光伏电站智能运维的系统的框图示意图。 具体实施方式[0017] 实施例1本发明提供一种分布式光伏电站智能运维系统,参见图1,包括信息采集终端和运维中心,运维中心包括借助采集认证服务器、历史数据库服务器、互联网发布服务器及远程终端,信息采集终端安装于各光伏电站现场,通过RS485、RS232、RJ45、WIFI等多种采集方式获取各光伏电站的运行数据,将采集到的数据信息存入到本地数据库,并通过有线或无线方式传输至运维中心的采集认证服务器并存储于历史数据库服务器,信息采集终端向采集认证服务器发送数据信息时使用MMS通信协议,为了保证信息通信的安全性,每次通信过程都会进行加密认证;采集认证服务器通过以太网进行网络互联,负责对各分布式光伏电站的信息认证和采集,优选的采用采集认证服务器集群以提高系统的稳定性和数据处理能力; 历史数据库服务器负责数据的永久存储,通过磁盘阵列,支持数千TB的数据存储,从而保证光伏电站全生命周期、全生产环节数据信息的监控和存储管理;互联网发布服务器主要负责各种信息的展示、推送等功能;远程终端便于客户通过网页图形界面或手机客户端APP在线查看信息采集终端采集的光伏电站设备的运行状态、运行数据及健康状况,同时远程终端便于联系专业化的运维队伍,可在线帮助用户快速解决问题。;作为本发明的关键,运维中心还包括智能运维服务器,智能运维服务器中存储各光伏电站的地理位置信息并设置诊断单元,智能运维服务器主要负责各种业务处理和对采集的光伏电站的运行数据进行分析,诊断单元基于云计算平台,理论上可管理的电站数量是无限的,从而为新电站的扩展接入打下了基础,通过诊断单元,可以对多个光伏电站集中管理,可以汇总同一地区或相同环境中多个电站的生产数据,分析评估各光伏电站的运营情况、健康状态,快速找出落后电站,给出优化建议,实现精细化运维、预防性运维(比如建议组件清洗、检查保险等)。 [0018] 为准确判断光伏电站运行数据及发电数据是否处于当前环境下的合理范围,所述信息采集终端还采集光伏电站现场的气象信息。 [0019] 所述光伏电站的地理位置信息包括各光伏电站的经度E、纬度φ、海拔高度AL、每千瓦装机容量对应面积Area,上述数据在光伏电站接入系统时即录入系统,便于计算光伏电站所接受的太阳辐照度及发电数据,同时便于对处于相同经纬度的光伏电站进行运行数据进行的比较。 [0020] 为便于对各光伏电站在相同环境时的运行数据进行推测及比较,所述历史数据库服务器存储有各光伏电站的历史运行数据及气象信息。 [0021] 实施例2本发明的分布式光伏电站智能运维方法,基于分布式光伏电站智能运维系统实现,关键在于,智能运维服务器定时启动信息采集终端采集光伏电站的运行数据,接收并存储信息采集终端采集的运行数据,诊断单元根据接收到的数据诊断光伏电站是否存在故障及判断故障类型,如果存在故障,将故障数据发送给远程终端;其中,诊断单元在诊断过程中的额定发电数据的计算过程如下: 太阳辐照度对在光伏发电过程中的发电量多少起决定性作用,大气层外垂直方向的太阳辐照度被称为太阳常数G,G为常数,为1353W/m2,在晴天模式下(排除云层影响),在地球表面指定区域(指定经纬度),指定时间点上所接收的太阳辐照度可理论计算,再根据光伏板的理论发电效率、理论年损耗(固有属性,由出厂数据得到),即可得到光伏板、光伏电站在指定时间的额定发电数据,如额定输出功率、额定发电量等,具体计算公式如下: 根据系统预存的光伏电站的地理位置信息,如光伏电站所在经度E(东经为正,西经为负),光伏所在纬度φ(北纬为正,南纬为负),光伏所在海拔高度AL(Km),每千瓦装机容量对应面积Area(m2),当前北京时间T,北京所在经度E1= 116°23′,电池组件转换效率K0,光电电池长期运行性能修正系数K1=0.86,灰尘引起的性能修正系数K2=0.9,光电电池升温导致功率下降修正系数K3=0.9,导电损耗修正系数K4=0.95,额定逆变效率K5,光伏设备投运时间Tn(年),年逆变效率损耗修正系数K6,其中K1、K2、K3、K4为经验值常量。 [0022] (1)地球中心与太阳中心的连线同地球赤道平面的夹角,称为太阳赤纬角δ,δ=23.45°×sin[360×(284+n)/365],式中,n为从元旦算起的天数,可根据T的年月日得到;(2)地球绕太阳公转时运动和转速变化而产生的时差Ex,单位为小时, Ex=( 9.87sin2B-7.53cosB-1.5sinB)/60,B=360×(n-81)/364; (3)当前的真太阳时H = T1 + Ex–4×(E1–E)/60,T1为当前时间,单位为小时,根据T的小时得到; (4)太阳时角ω=15°×(H - 12); (5) 当日大气层外的太阳辐射 G1 = G ×[1 + 0.033×cos(360°× n/365)] 太阳高度角θ可表示如下:cosθ=cosω×cosδ×cosφ+sinδ×sinφ; (6)当前时刻大气层外切平面上的瞬时太阳辐射G0 = G1×cosθ; (7)太阳直射透明系数Tb = a0+a1×exp(-ak/ cosθ), 2 式中,a0 = R0×[0.4237-0.00821×( 6-AL)], a1=R1×[0.5055 - 0.00595×( 6.5- AL)2], ak = Rk ×[0. 2711- 0. 01858×( 2.5- AL)2], 气候类型修正列表如下: (8)太阳散射透明系数Td = 0.2710 - 0.293×Tb; (9)采集时刻的额定输出功率P1=G0×(Tb +Td)×Area×K0×K1×K2×K3×K4×K5× (1-K6)Tn ,当P1小于0时(表示日落),P1取值为0, 上式中,电池组件转换效率K0,K1、K2、K3、K4为经验值常量,光电电池长期运行性能修正系数K1= 0.86,灰尘引起的性能修正系数K2= 0.9,光电电池升温导致功率下降修正系数K3= 0.9,导电损耗修正系数K4= 0.95,K5表示额定逆变效率,K6表示年逆变效率损耗修正系数,Tn表示光伏设备投运时间,单位为年;K0、K5、K6为电站的固有属性,为出厂时自带数据,存储于运维中心,一般多晶硅电池组件的转换效率K0在16%~17%之间,单晶硅电池组件的转换效率K0在16.5%~18%之间。 [0023] 以石家庄某地区的光伏电站为例,说明测定时间的额定输出功率的计算:光伏电站所在经度E= 114.498°,所在纬度φ=38.042°,海拔高度AL=0.05 km,光伏每千瓦面积Area=10m2,北京所在经度E1= 116.383°,电池组件转换效率K0= 0.14073,电池性能修正系数K1=0.86,灰尘透明度修正系数K2=0.9,电池升温修正系数K3=0.9,导电损耗修正系数K4=0.95,额定逆变效率K5=0.95,年效率损耗修正系数K6= 0.03,当前北京时间(年月日小时)T为2015年12月14日13时,T1为13时,该光伏电站已投入运行时间Tn为 1年,太阳常数G=1353W/m2, 则,n=343(2015年从元旦算起至当前2015年12月14日13时的天数为343), (1)太阳赤纬角δ(度)= 23.45°×sin[360×(284+n)/365]=22.97194107° (2) B=360×(343-81)/364=259.1208791,地球绕太阳公转时运动和转速变化而产生的时差Ex=(9.87sin2B-7.53cosB-1.5sinB)/60 =0.109215933 h (3)当前的真太阳时H = T1 + Ex–4×(E1–E)/60=13+0.109215933-4×(116.383°- 114.498°)/60=12.98, (4)太阳时角ω=15°×(H - 12)=14.753239; (5) 当日大气层外的太阳辐射 G1 = G ×(1 + 0.033×cos(360°× n/365))= 1394.485235 (6) 太阳高度角θ可表示如下:cosθ=cosω×cosδ×cosφ+sinδ×sinφ= 0.460691279; (7)当前时刻大气层外切平面上的瞬时太阳辐射G0 = G1×cosθ=1394.485235× 0.460691279=642.4271864; (8) 当前季节为冬季,气候类型修正因子R0=1.03,R0=1.01,Rk=1,a0= R0×[0.4237- 0.00821×( 6-AL)2]=0.137036839 A1 =R1×[0.5055 - 0.00595×( 6.5- AL)2]= 0.260544776,ak= Rk ×[0. 2711- 0. 01858×( 2.5- AL)2]= 0.15957355, 太阳直射透明系数Tb = a0+a1×exp(-ak/ cosθ)= 0.321305765, (9)太阳散射透明系数Td = 0.2710 - 0.293×Tb= 0.176857411 (10)额定输出功率P1= G0×(Tb +Td)×Area×K0×K1×K2×K3×K4×K5×(1-K6)Tn= 274.653182 W/m2= 0.274653182 (Kw/千瓦面积) 实施例3 本发明的方法中若诊断到某光伏电站存在故障,则进入步骤B,计算光伏电站三种误差的量化值F=Q1/Q1'或Q2/Q2'或Q3/Q3',进一步根据模糊推理算法诊断故障类型,下面以分布式光伏电站的部分故障诊断规则为例说明模糊推理算法。 [0024] (1)定义模糊推理的模型:S、R、、、、US = {S1,S2,Si…,Sn}为故障类型的有穷集合,既是输入也是输出; R = {R1,R2,Rj…,Rm}为规则的有穷集合; ={ },i=1,…,n,j=1,…,m, ∈{0,1},为逻辑量,当Si是Rj的输入时, =1;当Si不是Rj的输入时, =0; ={ },i=1,…,n,j=1,…,m, ∈{0,1},为逻辑量,当Si是Rj的输出时, =1;当Si不是Rj的输出时, =0; =( , ,…, )T, ∈[0,1],为模拟量,T为迭代次数,i=1,…,n; 为故障类型Si的初始逻辑状态,表示故障类型Si为真的程度,根据故障类型Si对应的发电数据误差量化值F计算,= Q1/Q1'或Q2/Q2'或Q3/Q3',在0~1之间取值; U=( , ,…, ), ∈[0,1],为模拟量,i=1,…,m;为规则Ri的可信度; 本实施例中,通过专家总结的部分故障类型如下: 通过专家总结的部分规则如下: 根据以上规则可得下述公式: ,由公式可见,是 的输入,因此 ; ,由公式可见,不是 的输出,因此 ; U = (0.8,0.8,1.0,0.9),式中,为规则 的可信度,因此 ; (2)根据实际采集数据,并通过量化值计算、比较后得到: 初始状态 ,公式中, = ,表示故障 类型S1为真的程度,由上表可知,S1为“逆变器输出功率过低”, =1,表示该故障类型发生的概率为100%,其计算依据为根据采集的逆变器输出功率与所计算的额定逆变器输出功率所得的量化值为1.0,采集的逆变器输出功率小于所计算的额定逆变器输出功率,、 、、为不可采集项,故初始状态时其故障类型为真的概率为0,此处,量化值选择哪种误差量化值为根据用户意愿或测定先后顺序选择F=Q1/Q1'或Q2/Q2'或Q3/Q3',但就一次推理过程中为都选择额定误差量化值Q1/Q1'或都选择周边数据平均值的误差量化值Q2/Q2'或都选择历史预测数据的误差量化值Q3/Q3'。 [0025] (3)由公式<1>、<2>、<3>、<4>可得:pet , , , 同理可得: , , 因为 ,推理结束;由此可知,的故障概率为0.16,的故障概率为0.64,的 故障概率为0.144,所以可以推理出当前光伏电站的光伏组件表面灰尘较多。 [0026] 运维中心将故障类型为表面灰尘较多的信息发送至业主的远程终端,提示业主进行及时清理,给出优化建议,做到预防性运维,提高了业主的发电效率,为业主创造了利润;同时根据业主对故障的推送要求,若业主要求发现故障时自动推送并维修,则将故障类型发送至专业维修人员的远程终端,维修人员通过抢单进行接收运维任务,并实际维修解决问题,作为优选的,本发明的系统中还设有客服回访模块,当维修人员将维修任务已完成的信息输入系统时,自动进行业主回访。 |