[发明专利]一种基于工况辨识的光伏系统性能实时评估方法

说明书

技术领域

本发明涉及光伏发电领域，特别是涉及一种基于工况辨识的光伏系统性能实时评估方法。

背景技术

光伏系统的高可靠性和高能量收益是太阳能发电技术的根本要求，然而辐照度、温度、灰层、湿度等气象条件，以及不完善的运行控制策略和设计安装缺陷导致太阳能发电效率大幅降低，带来较大的能量损失，严重影响了光伏系统的可靠运行。针对上述现象，保障光伏系统高效运行的有效途径是及时对光伏系统的性能进行评估，对故障进行早期预测，并及时排除。

当前，光伏系统性能评估的主流方法是根据IEC的标准，利用系统的性能比(PR)或是设定阈值对系统性能进行了评价。该类方法只能从宏观的角度，判定光伏系统的当前的工作状态，却不能对光伏系统运行过程中的出现故障的内因进行进一步的分析。并且阈值的设定具有不确定性，难以与实际的运行状态完全匹配。因此研究更加科学合理和兼顾光伏发电系统运行环境的多变性与状态信息的复杂性的性能评估方法，对光伏系统的运行状态进行实时的评估，及时地排除故障，具有非常重要的意义。

发明内容

针对现有技术上存在的不足，本发明的目的是基于增加的光伏系统性能评估的可靠性，公开一种基于工况辨识的分布式光伏系统性能实时评估方法。

为了实现上述目的，本发明是通过如下的技术方案来实现：

一种基于工况辨识的光伏系统性能实时评估方法，本发明基于工况辨识的Fisher判别分析理论对光伏系统性能进行实时分析，具体步骤如下：

(a)、离线部分：调用数据库的历史数据进行预处理，利用核主成分分析法对数据进行特征提取，选择不同性能等级的工况，进行训练，将得到的最优的Fisher特征矢量T₀，存入模型库。

(b)、在线部分：将数据采集系统采集的数据进行预处理，利用核主成分分析法对数据进行特征提取，进行工况辨识，若为新工况，则训练新的性能评价模型并存入模型库。

(c)、如果是已有的工况空间，则调用相应的性能评价模型进行性能评估。

i)采用核函数，将待测数据通过非线性核函数映射到高维空间，得到新的数据集。

ii)求取核的类内散度矩阵K_w和核类间散度矩阵K_b和广义的特征方程式，得到最优核判别矢量α_opt。

iii)将数据集向最优核判别矢量α_opt上投影，得到最优的Fisher特征矢量T。

iv)调出已有工况的T₀，计算性能判别系数，判定系统的性能等级。

上述的工况辨识:利用选出的表征光伏系统运行状态的特征参数建立工况特征集X_i(i＝1,2,3,…,i为样本总数)(包括温度、辐照度、直流电压、直流电流、交流功率)。利用空间分割算法f_c(u)将光伏系统的运行工况空间Ω聚类成P个运行工况子空间，即Ω＝(O₁，O₂，…,O_P),则：

C＝f_c(u)＝(C₁,C₂,…,C_P)(1)

其中，C_P＝Member(X∈O_P),为隶属于第P个工况子空间的隶属度。

采用K均值方法，对运行工况的数据进行工况辨识，算法如下：