CN118013450B - 一种基于太阳总辐射计算的光伏优化系统 - Google Patents

Abstract

本发明公开了一种基于太阳总辐射计算的光伏优化系统，涉及光伏优化技术领域，包括数据采集频率设定模块、数据采集环境划分模块、数据采集异常分析模块、光伏优化过程智能分析模块以及误差累积风险等级划分模块；根据系统的性能需求和太阳辐射的变化特性，设定太阳总辐射数据采集时在固定时长窗口下的正常数据采集频率范围。本发明通过对太阳总辐射数据采集频率的监测与分析，通过对数据采集环境进行划分，及时识别和处理非正常采集环境，有效降低了误差累积的风险，在正常采集环境下，运用数据分析模型对采集光伏板进行光伏优化时的过程进行智能分析，有助于系统识别光伏优化过程中的误差累积现象，进而提高光伏优化过程的准确性和性能。

Description

一种基于太阳总辐射计算的光伏优化系统

技术领域

本发明涉及光伏优化技术领域，具体涉及一种基于太阳总辐射计算的光伏优化系统。

背景技术

基于太阳总辐射计算的光伏优化系统是一种利用太阳辐射数据来优化光伏发电系统性能的技术。首先，该系统通过测量、记录和分析太阳总辐射数据，包括直射辐射、散射辐射和反射辐射等，以了解太阳能源的强度和分布。其次，基于这些数据，系统能够精确计算出光伏组件接收到的有效太阳能量，进而优化光伏发电系统的布局、倾角和方向，以最大程度地提高光伏发电效率。其次，这种系统还可以通过实时监测太阳总辐射数据的变化，对光伏系统进行动态调整和优化。例如，系统可以根据天气预报和季节变化调整光伏板的角度和方向，以确保光伏组件始终以最佳角度接收太阳辐射，从而实现更高的能源转换效率。

基于太阳总辐射计算的光伏优化系统中的误差累积指的是系统运行过程中所引入的逐渐累积的误差，随着时间的推移，这些误差会逐渐积累并影响系统的准确性和性能。特别是在长期运行中，即使初始误差很小，但由于误差的持续积累，最终可能导致系统的预测与实际情况偏离较大，从而降低光伏发电系统的效率和稳定性，进而可能导致光伏发电系统的输出与电网需求之间存在不匹配，从而引发电网的不稳定性问题，如频率波动和电压波动，甚至可能导致电网故障和停电等严重后果。

因此，目前亟须对基于太阳总辐射计算的光伏优化系统进行优化改进，以克服上述问题。

在所述背景技术部分公开的上述信息仅用于加强对本公开的背景的理解，因此它可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

本发明的目的是提供一种基于太阳总辐射计算的光伏优化系统，通过对太阳总辐射数据采集频率的监测与分析，建立了实时监测与预警机制，通过对数据采集环境进行划分，及时识别和处理非正常采集环境，有效降低了误差累积的风险，在正常采集环境下，对异常分析处理后生成的发电量偏差指数、直流转化交流负增益指数以及不同区域发电量差异指数进行综合分析，生成误差累积评估系数，通过误差累积评估系数对光伏板进行光伏优化时的误差累积进行量化评估，有助于系统识别光伏优化过程中的误差累积现象，进而提高光伏优化过程的准确性和性能，以解决上述背景技术中的问题。

为了实现上述目的，本发明提供如下技术方案：一种基于太阳总辐射计算的光伏优化系统，包括数据采集频率设定模块、数据采集环境划分模块、数据采集异常分析模块、光伏优化过程智能分析模块以及误差累积风险等级划分模块；

根据系统的性能需求和太阳辐射的变化特性，设定太阳总辐射数据采集时在固定时长窗口下的正常数据采集频率范围；

按照时间序列，获取若干个固定时长窗口下太阳总辐射数据采集时的实际数据采集频率建立分析集合，对分析集合内的实际数据采集频率进行综合分析后，将数据采集环境划分为正常采集环境和非正常采集环境；

对非正常采集环境下的数据采集过程进一步分析，便于相关管理人员知悉，针对性维护管理；

在正常采集环境下，运用数据分析模型对采集光伏板进行光伏优化时的过程进行智能分析，识别光伏优化过程中出现的误差累积现象；

当监测到误差累积情况时，对误差累积进行风险等级划分，将误差累积划分为高风险误差累积、中风险误差累积以及低风险误差累积，根据不同风险等级对光伏板采取不同的维护管理措施。

优选的，按照时间序列，获取若干个固定时长窗口下太阳总辐射数据采集时的实际数据采集频率建立分析集合，并将分析集合标定为R，则，其中/>表示实际数据采集频率，v表示实际数据采集频率的数量编号；

通过分析集合内的实际数据采集频率计算出数据采集频率平均值与数据采集频率离散值，并将数据采集频率平均值和数据采集频率离散值分别与预先设定的数据采集频率参考阈值和离散参考阈值进行比对分析，将数据采集环境划分为正常采集环境和非正常采集环境，划分结果如下：

若满足数据采集频率平均值大于等于数据采集频率参考阈值并且数据采集频率离散值小于离散参考阈值，则将该固定时长窗口下的数据采集环境标定为正常采集环境；

若不满足数据采集频率平均值大于等于数据采集频率参考阈值并且数据采集频率离散值小于离散参考阈值，则将该固定时长窗口下的数据采集环境标定为非正常采集环境。

优选的，对于非正常采集环境，对数据采集过程进一步分析，分析的过程如下：

若数据采集频率平均值小于数据采集频率参考阈值并且数据采集频率离散值小于离散参考阈值，则将该固定时长窗口下的数据采集环境标定为持续型异常；

若数据采集频率平均值大于等于数据采集频率参考阈值并且数据采集频率离散值大于等于离散参考阈值，或者数据采集频率平均值小于数据采集频率参考阈值并且数据采集频率离散值大于等于离散参考阈值，则将该固定时长窗口下的数据采集环境标定为不稳定型异常。

优选的，获取光伏板进行光伏优化时的性能指标信息和空间发电信息，其中，性能指标信息包括发电量偏差和直流转化交流负增益，空间发电信息包括不同区域发电量差异，对发电量偏差、直流转化交流负增益以及不同区域发电量差异进行异常分析处理后，分别生成发电量偏差指数、直流转化交流负增益指数以及不同区域发电量差异指数。

优选的，发电量偏差指数的获取逻辑如下：

收集历史光伏板发电量数据，并按照固定的时间间隔进行采样，形成时间序列数据，光伏发电量数据包括光伏板的发电量以及对应的时间戳；

选择自回归积分移动平均模型作为时间序列模型，时间序列模型表示为：，其中，/>是第t个时间点的发电量，/>是过去p个时间点的发电量，是残差项，f是时间序列模型的函数关系，w表示残差项的总数量；

在固定时长窗口内，利用已建立的时间序列模型对未来的发电量进行预测，预测的发电量值记为；

将预测值与实际值/>进行比较，计算每个时间点的发电量偏差/>，则发电量偏差/>的计算表达式为：/>，发电量偏差代表了模型预测与实际观测值之间的差异；

计算发电量偏差指数，计算的表达式为：，其中，/>表示发电量偏差指数，/>表示第i个时间点的发电量偏差，即光伏板实际发电量与预测发电量之间的差值，n表示总的时间点数量。

优选的，直流转化交流负增益指数获取的逻辑如下：

收集光伏板在固定时长窗口内直流到交流转换器的性能数据，包括电压和电流之间的相位角，并将电压和电流之间的相位角标定为；

在固定时长窗口内，计算每个时间点的功率因子PF，功率因子作为交流电路中用来描述电压和电流之间相位关系的指标，用余弦值表示，计算公式如下：；

在功率因子计算的基础上，定义负增益指数来评估直流到交流转换的效率，负增益指数通过计算功率因子的变化率得出，即每个时间点的功率因子与上一个时间点功率因子的差值，再除以上一个时间点功率因子，计算公式如下：，其中，/>为第j个时间点的负增益指数，/>为第j个时间点的功率因子，/>是第j-1个时间点的功率因子；

通过时间点的负增益指数计算直流转化交流负增益指数，计算的表达式为：，式中，/>表示直流转化交流负增益指数，N表示时间点的总数量。

优选的，不同区域发电量差异指数获取的逻辑如下：

将光伏板划分为若干个子区域，使每个子区域的面积相等，再收集各个区域的太阳总辐射数据和光伏板的发电量数据；

需要说明的是，使用太阳能辐射计或气象站等设备，在每个光伏板的子区域设置太阳总辐射测量仪器，可测量并记录太阳总辐射数据，在每个光伏板的子区域安装电能表或功率仪，可实时记录和监测各个区域的发电量数据。

选择K均值聚类算法确定最优的聚类数K；

对每个聚类中的样本计算其中心点，表示该区域典型的太阳总辐射和发电量，计算聚类中心公式：，其中，/>是第k个聚类的中心点，/>是第k个聚类的样本数，/>是第k个聚类中的第l个样本；

将每个子区域的发电量与其所属聚类的中心点进行比较，计算不同子区域发电量差异指数，不同子区域发电量差异指数的计算公式为：，其中，/>是第c个区域的发电量差异指数，/>是第c个区域的第u个特征，/>是第u个聚类的中心点，m是特征数；

将所有子区域获取的发电量差异指数建立数据集合，将数据集合内的发电量差异指数按照顺序排序，筛选出最大的发电量差异指数标记为，通过发电量差异指数得出不同区域发电量差异指数，得出的公式为：/>，其中，/>表示不同区域发电量差异指数。

优选的，获取到光伏板进行光伏优化时在固定时长窗口内生成的发电量偏差指数、直流转化交流负增益指数/>以及不同区域发电量差异指数/>后，将发电量偏差指数/>、直流转化交流负增益指数/>以及不同区域发电量差异指数/>进行综合分析，生成误差累积评估系数/>，通过误差累积评估系数/>对光伏板进行光伏优化时的误差累积进行量化评估；

将光伏板进行光伏优化时在固定时长窗口内生成的误差累积评估系数与预先设定的误差累积评估系数参考阈值进行比对分析，若误差累积评估系数大于等于误差累积评估系数参考阈值，则生成误差信号，若误差累积评估系数小于误差累积评估系数参考阈值，则生成高效信号。

优选的，当光伏板进行光伏优化时在固定时长窗口内生成误差信号时，对后续生成的若干个误差累积评估系数建立分析集合，并将获取的若干个误差累积评估系数与预先设定的第一误差累积评估系数梯度参考阈值和第二误差累积评估系数梯度参考阈值进行比对分析，其中，第一误差累积评估系数梯度参考阈值大于第二误差累积评估系数梯度参考阈值，第二误差累积评估系数梯度参考阈值大于误差累积评估系数参考阈值，将大于等于第一误差累积评估系数梯度参考阈值的误差累积评估系数的数量标记为，将大于等于第二误差累积评估系数梯度参考阈值并且小于第一误差累积评估系数梯度参考阈值的误差累积评估系数的数量标记为/>，将大于等于误差累积评估系数参考阈值并且小于第二误差累积评估系数梯度参考阈值的误差累积评估系数的数量标记为/>；

将、/>以及/>进行公式化分析，生成误差累积风险考量值/>，依据的公式为：/>，式中，/>、/>、/>分别为/>、/>、/>的预设比例系数，且/>、/>、/>均大于0。

优选的，将生成的误差累积风险考量值与预先设定的第一误差累积风险参考阈值和第二误差累积风险参考阈值进行比对分析，其中，第一误差累积风险参考阈值小于第二误差累积风险参考阈值，比对分析的结果如下：

若误差累积风险考量值大于等于第二误差累积风险参考阈值，则将隐患划分为高风险误差累积；

若误差累积风险考量值小于第二误差累积风险参考阈值并且大于等于第一误差累积风险参考阈值，则将隐患划分为中风险误差累积；

若误差累积风险考量值小于第一误差累积风险参考阈值，则将隐患划分为低风险误差累积。

在上述技术方案中，本发明提供的技术效果和优点：

本发明通过对太阳总辐射数据采集频率的监测与分析，建立了实时监测与预警机制，能够及时发现数据采集频率异常，防止误差逐渐累积，通过对数据采集环境进行划分，及时识别和处理非正常采集环境，有效降低了误差累积的风险。

本发明在正常采集环境下，对异常分析处理后生成的发电量偏差指数、直流转化交流负增益指数以及不同区域发电量差异指数进行综合分析，生成误差累积评估系数，通过误差累积评估系数对光伏板进行光伏优化时的误差累积进行量化评估，有助于系统识别光伏优化过程中的误差累积现象，进而提高光伏优化过程的准确性和性能。

本发明在监测到误差累积的情况时，通过将误差累积风险分级为高、中、低三个等级，并针对不同风险等级采取相应的维护管理措施，系统能够实现针对性的维护与风险预防，这有助于优化维护资源的分配和利用，提高维护效率，降低系统运行风险，从而确保光伏系统的长期稳定运行和发电效率。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单的介绍，显而易见的，下面描述中的附图仅仅是本发明中记载的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。

图1为本发明一种基于太阳总辐射计算的光伏优化系统的模块示意图。

具体实施方式

现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些示例实施方式使得本公开的描述将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。

本发明提供了如图1所示的一种基于太阳总辐射计算的光伏优化系统，包括数据采集频率设定模块、数据采集环境划分模块、数据采集异常分析模块、光伏优化过程智能分析模块以及误差累积风险等级划分模块；

数据采集频率设定模块，根据系统的性能需求和太阳辐射的变化特性，设定太阳总辐射数据采集时在固定时长窗口下的正常数据采集频率范围；

固定时长窗口指的是：

将太阳总辐射数据采集过程划分为若干个窗口，每个窗口内的时长相等，即将每个窗口都称之为固定时长窗口；

设定正常数据采集频率范围意味着根据系统性能需求和太阳辐射的变化特性，确定一定的数据采集频率范围，以确保系统能够准确地捕捉太阳辐射的变化，并在可接受的范围内进行实时监测和调整。

光伏优化系统的性能需求包括系统对太阳辐射数据采集频率的最低要求以及对数据实时性和准确性的要求等，太阳辐射特性的分析，包括太阳辐射的周期性变化、日变化规律、季节变化规律等。根据太阳辐射的变化特性，确定系统需要监测的最小变化时间间隔，以保证数据采集的准确性。

正常数据采集频率范围的设定可根据实地测试的结果和系统性能需求，进行反馈和调整，确定最终的正常数据采集频率范围。这可能需要多次试验和调整，以确保系统采集的数据能够满足实际需求并保持稳定性。因此，正常数据采集频率范围的设定在此不做具体的限定，可根据实际需求进行调整。

数据采集环境划分模块，按照时间序列，获取若干个固定时长窗口下太阳总辐射数据采集时的实际数据采集频率建立分析集合，对分析集合内的实际数据采集频率进行综合分析后，将数据采集环境划分为正常采集环境和非正常采集环境；

按照时间序列，获取若干个固定时长窗口下太阳总辐射数据采集时的实际数据采集频率建立分析集合，并将分析集合标定为R，则，其中/>表示实际数据采集频率，v表示实际数据采集频率的数量编号；

通过分析集合内的实际数据采集频率计算出数据采集频率平均值与数据采集频率离散值，并将数据采集频率平均值和数据采集频率离散值分别与预先设定的数据采集频率参考阈值（这里的数据采集频率参考阈值即正常数据采集频率范围的最小值，如果数据采集频率过低，低于正常数据采集频率范围的最小值，即采集的数据点稀疏，系统可能无法捕捉到太阳辐射的瞬时变化。这样会导致系统在短时间内无法及时响应太阳辐射的变化，从而影响光伏系统的实时调整和优化，导致误差逐渐累积）和离散参考阈值进行比对分析，将数据采集环境划分为正常采集环境和非正常采集环境，划分结果如下：

若满足数据采集频率平均值大于等于数据采集频率参考阈值并且数据采集频率离散值小于离散参考阈值，则将该固定时长窗口下的数据采集环境标定为正常采集环境；

若不满足数据采集频率平均值大于等于数据采集频率参考阈值并且数据采集频率离散值小于离散参考阈值，则将该固定时长窗口下的数据采集环境标定为非正常采集环境。

需要说明的是，数据采集频率离散值可用分析集合内实际数据采集频率计算得出的标准差进行表示，将数据采集频率离散值标定为，则：/>，式中，/>为分析集合内实际数据采集频率的均值，即数据采集频率平均值，q表示分析集合内的实际数据采集频率的总数量。

数据采集异常分析模块，对非正常采集环境下的数据采集过程进一步分析，便于相关管理人员知悉，针对性维护管理；

对于非正常采集环境，对数据采集过程进一步分析，分析的过程如下：

若数据采集频率平均值小于数据采集频率参考阈值并且数据采集频率离散值小于离散参考阈值，则将该固定时长窗口下的数据采集环境标定为持续型异常；

若数据采集频率平均值大于等于数据采集频率参考阈值并且数据采集频率离散值大于等于离散参考阈值，或者数据采集频率平均值小于数据采集频率参考阈值并且数据采集频率离散值大于等于离散参考阈值，则将该固定时长窗口下的数据采集环境标定为不稳定型异常。

光伏优化过程智能分析模块，在正常采集环境下，运用数据分析模型对采集光伏板进行光伏优化时的过程进行智能分析，识别光伏优化过程中出现的误差累积现象；

获取光伏板进行光伏优化时的性能指标信息和空间发电信息，其中，性能指标信息包括发电量偏差和直流转化交流负增益，空间发电信息包括不同区域发电量差异，对发电量偏差、直流转化交流负增益以及不同区域发电量差异进行异常分析处理后，分别生成发电量偏差指数、直流转化交流负增益指数以及不同区域发电量差异指数。

发电量偏差，指系统预测的光伏发电量与实际发电量之间存在较大的差异，当基于太阳总辐射计算的光伏优化系统预测的光伏发电量与实际发电量之间存在较大的差异时，会导致光伏优化过程中存在误差累积。这是因为系统的优化决策是基于预测的发电量来制定的，如果预测值与实际值存在较大的差异，那么系统采取的优化措施可能无法达到预期的效果，反而会引入额外的误差。随着时间的推移，这些误差可能会逐渐累积，影响系统的稳定性和性能表现。

发电量偏差指数的获取逻辑如下：

收集历史光伏板发电量数据，并按照固定的时间间隔进行采样，形成时间序列数据，光伏发电量数据包括光伏板的发电量以及对应的时间戳；

选择自回归积分移动平均模型作为时间序列模型，时间序列模型表示为：，其中，/>是第t个时间点的发电量，/>是过去p个时间点的发电量，是残差项，f是时间序列模型的函数关系，w表示残差项的总数量；

在固定时长窗口内，利用已建立的时间序列模型对未来的发电量进行预测，预测的发电量值记为；

将预测值与实际值/>进行比较，计算每个时间点的发电量偏差/>，则发电量偏差/>的计算表达式为：/>，发电量偏差代表了模型预测与实际观测值之间的差异；

计算发电量偏差指数，计算的表达式为：，其中，/>表示发电量偏差指数，/>表示第i个时间点的发电量偏差，即光伏板实际发电量与预测发电量之间的差值，n表示总的时间点数量。

由发电量偏差指数的计算表达式可知，光伏板进行光伏优化时在固定时长窗口内生成的发电量偏差指数的表现值越大，表明光伏优化过程中出现误差累积现象的隐患越大，反之则表明光伏优化过程中出现误差累积现象的隐患越小。

光伏板在进行光伏优化时，直流转换为交流的过程中的效率较低，会导致光伏优化时存在误差累积。这是因为在直流转换为交流的过程中，通常需要使用逆变器来完成这一转换过程。逆变器的效率通常受到多种因素的影响，包括器件质量、设计结构、工作温度等。而光伏系统中的逆变器往往会面临着温度升高、电压波动等问题，这些都可能影响到逆变器的工作效率。因此，如果逆变器的效率较低，转换过程中会有一部分能量损失，导致实际的交流电输出功率与预期值之间存在差异，进而造成光伏优化时的误差累积。

直流转化交流负增益指数获取的逻辑如下：

收集光伏板在固定时长窗口内直流到交流转换器的性能数据，包括电压和电流之间的相位角，并将电压和电流之间的相位角标定为；

需要说明的是，功率仪器通常能够实时测量电路中的电流和电压，并计算出相位角。这些功率仪器包括功率因数仪、数字电力计等。通过内置的传感器或外部连接的电流互感器和电压互感器来测量电流和电压的实时数值，并通过内部算法计算出相位角。

在固定时长窗口内，计算每个时间点的功率因子PF，功率因子作为交流电路中用来描述电压和电流之间相位关系的指标，用余弦值表示，计算公式如下：；

在功率因子计算的基础上，定义负增益指数来评估直流到交流转换的效率，负增益指数通过计算功率因子的变化率得出，即每个时间点的功率因子与上一个时间点功率因子的差值，再除以上一个时间点功率因子，计算公式如下：，其中，/>为第j个时间点的负增益指数，/>为第j个时间点的功率因子，/>是第j-1个时间点的功率因子；

通过时间点的负增益指数计算直流转化交流负增益指数，计算的表达式为：，式中，/>表示直流转化交流负增益指数，N表示时间点的总数量。

由直流转化交流负增益指数的计算表达式可知，光伏板进行光伏优化时在固定时长窗口内生成的直流转化交流负增益指数的表现值越大，表明光伏优化过程中出现误差累积现象的隐患越大，反之则表明光伏优化过程中出现误差累积现象的隐患越小。

光伏板在不同区域的发电量存在差异较大时，确实会导致光伏优化时存在误差累积。这是因为不同区域的日照条件、天气状况、地理环境等因素会直接影响光伏板接收到的太阳总辐射量和发电效率。例如，一些地区可能常年阳光充足，而另一些地区可能受到季节性天气变化或地形阻挡，导致光伏板的发电效率有明显差异。如果在光伏优化过程中忽略了这些差异，系统的预测与实际发电情况之间就可能存在较大偏差，从而引起误差累积。

不同区域发电量差异指数获取的逻辑如下：

将光伏板划分为若干个子区域，使每个子区域的面积相等，再收集各个区域的太阳总辐射数据和光伏板的发电量数据；

需要说明的是，使用太阳能辐射计或气象站等设备，在每个光伏板的子区域设置太阳总辐射测量仪器，可测量并记录太阳总辐射数据，在每个光伏板的子区域安装电能表或功率仪，可实时记录和监测各个区域的发电量数据。

选择K均值聚类算法确定最优的聚类数K；

确定最优的聚类数K常用的方法为如肘部法则、轮廓系数等。

对每个聚类中的样本计算其中心点，表示该区域典型的太阳总辐射和发电量，计算聚类中心公式：，其中，/>是第k个聚类的中心点，/>是第k个聚类的样本数，/>是第k个聚类中的第l个样本；

将每个子区域的发电量与其所属聚类的中心点进行比较，计算不同子区域发电量差异指数，不同子区域发电量差异指数的计算公式为：，其中，/>是第c个区域的发电量差异指数，/>是第c个区域的第u个特征（这里指发电量），/>是第u个聚类的中心点，m是特征数；

将所有子区域获取的发电量差异指数建立数据集合，将数据集合内的发电量差异指数按照顺序排序，筛选出最大的发电量差异指数标记为，通过发电量差异指数得出不同区域发电量差异指数，得出的公式为：/>，其中，/>表示不同区域发电量差异指数。

由不同区域发电量差异指数的计算表达式可知，光伏板进行光伏优化时在固定时长窗口内生成的不同区域发电量差异指数的表现值越大，表明光伏优化过程中出现误差累积现象的隐患越大，反之则表明光伏优化过程中出现误差累积现象的隐患越小。

获取到光伏板进行光伏优化时在固定时长窗口内生成的发电量偏差指数、直流转化交流负增益指数/>以及不同区域发电量差异指数/>后，将发电量偏差指数/>、直流转化交流负增益指数/>以及不同区域发电量差异指数/>进行综合分析，生成误差累积评估系数/>，通过误差累积评估系数/>对光伏板进行光伏优化时的误差累积进行量化评估。

上述综合分析的具体实现方式在此不做具体的限定，能实现将发电量偏差指数、直流转化交流负增益指数/>以及不同区域发电量差异指数/>进行综合分析的方式均可，为了实现本发明的技术方案，本发明提供一种具体的实现方式；

误差累积评估系数生成的计算公式为：，式中，/>、/>、/>分别为发电量偏差指数/>、直流转化交流负增益指数/>、不同区域发电量差异指数/>的预设比例系数，且/>、/>、/>。

由计算公式可知，光伏板进行光伏优化时在固定时长窗口内生成的发电量偏差指数的表现值越大、直流转化交流负增益指数的表现值越大、不同区域发电量差异指数的表现值越大，即光伏板进行光伏优化时在固定时长窗口内生成的误差累积评估系数的表现值越大，表明光伏优化过程中出现误差累积现象的隐患越大，反之则表明光伏优化过程中出现误差累积现象的隐患越小。

误差累积风险等级划分模块，当监测到误差累积情况时，对误差累积进行风险等级划分，将误差累积划分为高风险误差累积、中风险误差累积以及低风险误差累积，根据不同风险等级对光伏板采取不同的维护管理措施；

将光伏板进行光伏优化时在固定时长窗口内生成的误差累积评估系数与预先设定的误差累积评估系数参考阈值进行比对分析，若误差累积评估系数大于等于误差累积评估系数参考阈值，则生成误差信号，若误差累积评估系数小于误差累积评估系数参考阈值，则生成高效信号。

当光伏板进行光伏优化时在固定时长窗口内生成误差信号时，表明光伏优化过程中出现误差累积现象的隐患较大，表明光伏优化过程中可能存在误差累积现象，当光伏板进行光伏优化时在固定时长窗口内生成高效信号时，表明光伏优化过程可高效地进行。

当光伏板进行光伏优化时在固定时长窗口内生成误差信号时，对后续生成的若干个误差累积评估系数建立分析集合，并将获取的若干个误差累积评估系数与预先设定的第一误差累积评估系数梯度参考阈值和第二误差累积评估系数梯度参考阈值进行比对分析，其中，第一误差累积评估系数梯度参考阈值大于第二误差累积评估系数梯度参考阈值，第二误差累积评估系数梯度参考阈值大于误差累积评估系数参考阈值，将大于等于第一误差累积评估系数梯度参考阈值的误差累积评估系数的数量标记为，将大于等于第二误差累积评估系数梯度参考阈值并且小于第一误差累积评估系数梯度参考阈值的误差累积评估系数的数量标记为/>，将大于等于误差累积评估系数参考阈值并且小于第二误差累积评估系数梯度参考阈值的误差累积评估系数的数量标记为/>；

将、/>以及/>进行公式化分析，生成误差累积风险考量值/>，依据的公式为：/>，式中，/>、/>、/>分别为/>、/>、/>的预设比例系数，且/>、/>、/>均大于0。

由误差累积风险考量值的计算表达式可知，误差累积风险考量值的表现值越大，表明光伏板进行光伏优化时出现误差累积的风险越大，反之则表明光伏板进行光伏优化时出现误差累积的风险越大。

将生成的误差累积风险考量值与预先设定的第一误差累积风险参考阈值和第二误差累积风险参考阈值进行比对分析，其中，第一误差累积风险参考阈值小于第二误差累积风险参考阈值，比对分析的结果如下：

若误差累积风险考量值大于等于第二误差累积风险参考阈值，则将隐患划分为高风险误差累积；

若误差累积风险考量值小于第二误差累积风险参考阈值并且大于等于第一误差累积风险参考阈值，则将隐患划分为中风险误差累积；

若误差累积风险考量值小于第一误差累积风险参考阈值，则将隐患划分为低风险误差累积。

当监测到光伏板进行光伏优化存在误差累积时，对误差累积进行风险等级划分是至关重要的，便于根据不同风险等级对光伏板采取不同的维护管理措施：

对于高风险误差累积，需要立即采取紧急的维护措施以防止进一步损坏或性能下降。这可能包括：

进行现场检查和诊断，以确定问题的根本原因。

对受影响的光伏板或系统组件进行修复或更换。

加强监测和报警系统，以及定期巡检，以及密切监控系统性能变化。

对于风险误差累积，需要采取适当的维护措施来预防潜在的问题进一步发展。这可能包括：

加强监测频率，确保及时发现潜在问题。

进行定期维护和检查，以确保系统运行正常。

更新系统软件或调整参数以提高性能和稳定性。

对于低风险误差累积，可以采取预防性维护措施以确保系统长期稳定运行。这可能包括：

定期清洁光伏板表面，以确保最大的太阳能吸收。

进行定期的性能评估和校准，以确保系统正常运行。

定期培训和更新操作人员的技能，以提高维护效率和准确性。

本发明通过对太阳总辐射数据采集频率的监测与分析，建立了实时监测与预警机制，能够及时发现数据采集频率异常，防止误差逐渐累积，通过对数据采集环境进行划分，及时识别和处理非正常采集环境，有效降低了误差累积的风险。

本发明在正常采集环境下，对异常分析处理后生成的发电量偏差指数、直流转化交流负增益指数以及不同区域发电量差异指数进行综合分析，生成误差累积评估系数，通过误差累积评估系数对光伏板进行光伏优化时的误差累积进行量化评估，有助于系统识别光伏优化过程中的误差累积现象，进而提高光伏优化过程的准确性和性能。

本发明在监测到误差累积的情况时，通过将误差累积风险分级为高、中、低三个等级，并针对不同风险等级采取相应的维护管理措施，系统能够实现针对性的维护与风险预防，这有助于优化维护资源的分配和利用，提高维护效率，降低系统运行风险，从而确保光伏系统的长期稳定运行和发电效率。

上述公式均是去量纲取其数值计算，公式是由采集大量数据进行软件模拟得到最近真实情况的一个公式，公式中的预设参数以及阈值选取由本领域的技术人员根据实际情况进行设置。

以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。

最后：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (5)

1.一种基于太阳总辐射计算的光伏优化系统，其特征在于，包括数据采集频率设定模块、数据采集环境划分模块、数据采集异常分析模块、光伏优化过程智能分析模块以及误差累积风险等级划分模块；

根据系统的性能需求和太阳辐射的变化特性，设定太阳总辐射数据采集时在固定时长窗口下的正常数据采集频率范围；

按照时间序列，获取若干个固定时长窗口下太阳总辐射数据采集时的实际数据采集频率建立分析集合，对分析集合内的实际数据采集频率进行综合分析后，将数据采集环境划分为正常采集环境和非正常采集环境；

按照时间序列，获取若干个固定时长窗口下太阳总辐射数据采集时的实际数据采集频率建立分析集合，并将分析集合标定为R，则，其中/>表示实际数据采集频率，v表示实际数据采集频率的数量编号；

通过分析集合内的实际数据采集频率计算出数据采集频率平均值与数据采集频率离散值，并将数据采集频率平均值和数据采集频率离散值分别与预先设定的数据采集频率参考阈值和离散参考阈值进行比对分析，将数据采集环境划分为正常采集环境和非正常采集环境，划分结果如下：

若满足数据采集频率平均值大于等于数据采集频率参考阈值并且数据采集频率离散值小于离散参考阈值，则将该固定时长窗口下的数据采集环境标定为正常采集环境；

若不满足数据采集频率平均值大于等于数据采集频率参考阈值并且数据采集频率离散值小于离散参考阈值，则将该固定时长窗口下的数据采集环境标定为非正常采集环境；

对非正常采集环境下的数据采集过程进一步分析，便于相关管理人员知悉，针对性维护管理；

对于非正常采集环境，对数据采集过程进一步分析，分析的过程如下：

若数据采集频率平均值小于数据采集频率参考阈值并且数据采集频率离散值小于离散参考阈值，则将该固定时长窗口下的数据采集环境标定为持续型异常；

若数据采集频率平均值大于等于数据采集频率参考阈值并且数据采集频率离散值大于等于离散参考阈值，或者数据采集频率平均值小于数据采集频率参考阈值并且数据采集频率离散值大于等于离散参考阈值，则将该固定时长窗口下的数据采集环境标定为不稳定型异常；

在正常采集环境下，运用数据分析模型对采集光伏板进行光伏优化时的过程进行智能分析，识别光伏优化过程中出现的误差累积现象；

获取光伏板进行光伏优化时的性能指标信息和空间发电信息，其中，性能指标信息包括发电量偏差和直流转化交流负增益，空间发电信息包括不同区域发电量差异，对发电量偏差、直流转化交流负增益以及不同区域发电量差异进行异常分析处理后，分别生成发电量偏差指数、直流转化交流负增益指数以及不同区域发电量差异指数；

获取到光伏板进行光伏优化时在固定时长窗口内生成的发电量偏差指数、直流转化交流负增益指数/>以及不同区域发电量差异指数/>后，将发电量偏差指数、直流转化交流负增益指数/>以及不同区域发电量差异指数/>进行综合分析，生成误差累积评估系数/>，通过误差累积评估系数/>对光伏板进行光伏优化时的误差累积进行量化评估；

将光伏板进行光伏优化时在固定时长窗口内生成的误差累积评估系数与预先设定的误差累积评估系数参考阈值进行比对分析，若误差累积评估系数大于等于误差累积评估系数参考阈值，则生成误差信号，若误差累积评估系数小于误差累积评估系数参考阈值，则生成高效信号；

当监测到误差累积情况时，对误差累积进行风险等级划分，将误差累积划分为高风险误差累积、中风险误差累积以及低风险误差累积，根据不同风险等级对光伏板采取不同的维护管理措施；

当光伏板进行光伏优化时在固定时长窗口内生成误差信号时，对后续生成的若干个误差累积评估系数建立分析集合，并将获取的若干个误差累积评估系数与预先设定的第一误差累积评估系数梯度参考阈值和第二误差累积评估系数梯度参考阈值进行比对分析，其中，第一误差累积评估系数梯度参考阈值大于第二误差累积评估系数梯度参考阈值，第二误差累积评估系数梯度参考阈值大于误差累积评估系数参考阈值，将大于等于第一误差累积评估系数梯度参考阈值的误差累积评估系数的数量标记为，将大于等于第二误差累积评估系数梯度参考阈值并且小于第一误差累积评估系数梯度参考阈值的误差累积评估系数的数量标记为/>，将大于等于误差累积评估系数参考阈值并且小于第二误差累积评估系数梯度参考阈值的误差累积评估系数的数量标记为/>；

将、/>以及/>进行公式化分析，生成误差累积风险考量值/>，依据的公式为：，式中，/>、/>、/>分别为/>、/>、/>的预设比例系数，且/>、/>、/>均大于0。

2.根据权利要求1所述的一种基于太阳总辐射计算的光伏优化系统，其特征在于，发电量偏差指数的获取逻辑如下：

收集历史光伏板发电量数据，并按照固定的时间间隔进行采样，形成时间序列数据，光伏发电量数据包括光伏板的发电量以及对应的时间戳；

选择自回归积分移动平均模型作为时间序列模型，时间序列模型表示为：，其中，/>是第t个时间点的发电量，/>是过去p个时间点的发电量，是残差项，f是时间序列模型的函数关系，w表示残差项的总数量；

在固定时长窗口内，利用已建立的时间序列模型对未来的发电量进行预测，预测的发电量值记为；

将预测值与实际值/>进行比较，计算每个时间点的发电量偏差/>，则发电量偏差/>的计算表达式为：/>，发电量偏差代表了模型预测与实际观测值之间的差异；

计算发电量偏差指数，计算的表达式为：，其中，/>表示发电量偏差指数，/>表示第i个时间点的发电量偏差，即光伏板实际发电量与预测发电量之间的差值，n表示总的时间点数量。

3.根据权利要求1所述的一种基于太阳总辐射计算的光伏优化系统，其特征在于，直流转化交流负增益指数获取的逻辑如下：

收集光伏板在固定时长窗口内直流到交流转换器的性能数据，包括电压和电流之间的相位角，并将电压和电流之间的相位角标定为；

在固定时长窗口内，计算每个时间点的功率因子PF，功率因子作为交流电路中用来描述电压和电流之间相位关系的指标，用余弦值表示，计算公式如下：；

在功率因子计算的基础上，定义负增益指数来评估直流到交流转换的效率，负增益指数通过计算功率因子的变化率得出，即每个时间点的功率因子与上一个时间点功率因子的差值，再除以上一个时间点功率因子，计算公式如下：，其中，/>为第j个时间点的负增益指数，/>为第j个时间点的功率因子，/>是第j-1个时间点的功率因子；

通过时间点的负增益指数计算直流转化交流负增益指数，计算的表达式为：，式中，/>表示直流转化交流负增益指数，N表示时间点的总数量。

4.根据权利要求1所述的一种基于太阳总辐射计算的光伏优化系统，其特征在于，不同区域发电量差异指数获取的逻辑如下：

将光伏板划分为若干个子区域，使每个子区域的面积相等，再收集各个区域的太阳总辐射数据和光伏板的发电量数据；

选择K均值聚类算法确定最优的聚类数K；

对每个聚类中的样本计算其中心点，表示该区域典型的太阳总辐射和发电量，计算聚类中心公式：，其中，/>是第k个聚类的中心点，/>是第k个聚类的样本数，是第k个聚类中的第l个样本；

将每个子区域的发电量与其所属聚类的中心点进行比较，计算不同子区域发电量差异指数，不同子区域发电量差异指数的计算公式为：，其中，/>是第c个区域的发电量差异指数，/>是第c个区域的第u个特征，/>是第u个聚类的中心点，m是特征数；

将所有子区域获取的发电量差异指数建立数据集合，将数据集合内的发电量差异指数按照顺序排序，筛选出最大的发电量差异指数标记为，通过发电量差异指数/>得出不同区域发电量差异指数，得出的公式为：/>，其中，/>表示不同区域发电量差异指数。

5.根据权利要求1所述的一种基于太阳总辐射计算的光伏优化系统，其特征在于，将生成的误差累积风险考量值与预先设定的第一误差累积风险参考阈值和第二误差累积风险参考阈值进行比对分析，其中，第一误差累积风险参考阈值小于第二误差累积风险参考阈值，比对分析的结果如下：

若误差累积风险考量值大于等于第二误差累积风险参考阈值，则将隐患划分为高风险误差累积；

若误差累积风险考量值小于第二误差累积风险参考阈值并且大于等于第一误差累积风险参考阈值，则将隐患划分为中风险误差累积；

若误差累积风险考量值小于第一误差累积风险参考阈值，则将隐患划分为低风险误差累积。