(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211168739.4 (22)申请日 2022.09.24 (71)申请人 重庆中电自能科技有限公司 地址 400000 重庆市九龙坡区朝田村20 0号 B座4-3号 (72)发明人 夏海洋　张瑜　谢勇　江春梅　 彭合娟　李嘉　钱晨琳　 (74)专利代理 机构 重庆立川知识产权代理事务 所(普通合伙) 50285 专利代理师 廖明亮 (51)Int.Cl. G06V 10/774(2022.01) G06V 20/52(2022.01) G06Q 10/00(2012.01) G06Q 50/06(2012.01) (54)发明名称 一种光伏组串运行状态 识别方法与系统 (57)摘要 本发明提供了一种光伏组串运行状态识别 方法， 包括如下步骤： 获取组串历史实测运行数 据， 进行特征提取构建设备运行模型； 采集监测 数据， 为设备运行模型设定阈值， 将监测数据分 为故障态数据和非故障态数据； 获取组串历史低 效运行数据和巡检图像数据， 进行特征提取构建 低效识别模 型； 将所述非故障态数据代入低效识 别模型， 将非故障态数据分为低效运行数据和完 全正常数据； 根据设备运行数据在低效识别模型 中的分类将设备分为低效运行状态和完全正常 状态。 还提供了一种实现上述方法的系统。 本发 明利用光伏组串的运行数据和巡检图像数据建 立状态识别模 型， 对设备的运行状态进行综合评 价， 解决了现有技术中低效运行状态难以识别的 问题。 权利要求书1页 说明书4页 附图1页 CN 115546579 A 2022.12.30 CN 115546579 A 1.一种光伏组串运行状态 识别方法， 其特 征在于,包括如下步骤: 获取组串历史实测运行 数据， 进行 特征提取构建 设备运行模型； 采集监测数据， 为设备运行模型设定阈值， 将监测数据分为故障态数据和非故障态数 据； 获取组串历史低效运行 数据和巡检图像数据， 进行 特征提取构建低效识别模型； 将所述非故障态数据代入低效识别模型， 将 非故障态数据分为低效运行数据和完全正 常数据； 根据设备运行数据在低效识别模型中的分类将设备分为低效运行状态和完全正常状 态。 2.如权利要求1所述的识别方法， 其特征在于， 所述低效识别模型的建立包括如下步 骤： 获取多组组串历史低效运行状态数据， 将低效运行数据分类以形成分类数据集， 同时 获取所述多组 组串低效运行状态时的巡检图像数据集； 对所述分类数据集进行聚合和数据降维处理， 并采用数据特征提取方法实现特征提 取， 并对所述巡检图像数据集进行图像预处 理； 对预处理 的巡检图像数据进行特征提取， 利用数据融合算法实现巡检图像数据和设备 低效运行数据的特征融合， 得到融合数据特征， 并基于融合数据特征采用模式识别算法构 建低效识别模型。 3.如权利要求1或2所述的识别方法， 其特 征在于， 所述低效运行状态包括异 物覆 盖、 阴影遮挡 、 灰尘堆积和组件老化中的一种或者多种。 4.如权利要求3所述的识别方法， 其特征在于， 所述监测数据包括光伏组件的运行数 据、 天气数据和光伏组件的图像数据。 5.如权利要求4所述的识别方法， 其特征在于， 对所述故障态数据进行特征提取， 构建 故障态分析模型， 对设备故障进行分级。 6.如权利要求5所述的识别方法， 其特征在于， 所述设备故障分为严重、 一般、 轻度和潜 在四个等级。 7.一种光伏组件运行状态识别系统， 其特征在于， 包括数据采集模块、 数据处理模块、 模型分析模块和状态 识别模块； 所述数据采集模块用于获取光伏组串的监测数据； 所述数据处 理模块对获取的数据进行 预处理及特征提取； 所述模型分析模块 根据处理后的数据对 对应的光伏组串 进行故障态和非 故障态判断； 所述状态 识别模块 根据非故障态的数据识别对应的光伏组串的运行状态。 8.如权利要求7所述的识别系统， 其特征在于， 还包括故障分级模块， 所述故障分级模 块将所述故障态进行分级。权　利　要　求　书 1/1 页 2 CN 115546579 A 2一种光伏组串运行状态识别方 法与系统 技术领域 [0001]本发明涉及 光伏发电监测技术领域， 尤其涉及一种光伏组串运行状态识别方法及 系统。 背景技术 [0002]清洁能源在能源结构及国家能源安全中的重要性越来越大。 光伏发电一直是国家 重点支持的行业， 目前我国光伏发电相关技术已经处于 国际领先 的水平， 近年来 随着光伏 装机容量逐年扩大， 上网电量也逐渐增加， 同时 我国光伏产业已经进入规模化 发展阶段。 光 伏电站在运营期间发电水平是直接影响光伏电站经济效应的最关键因素， 发电水平与电站 日常的维护息息相关， 需要及时对故障设备以及设备状态进行检修和维护。 光伏电站占地 面积大、 设备 数量众多， 无法通过 人工识别设备问题。 [0003]光伏电站发电水平受多种因素影响， 及时、 准确地识别出设备问题并针对性的维 护是保持较高发电水平的关键。 光伏电站实际运行过程中， 光伏组串表面常出现异物覆盖、 阴影遮挡、 灰尘堆积、 组件老化等情况， 导致电流减弱或出现波动的现象， 此时光伏组串低 效运行， 处于亚 健康状态， 光伏发电效率降低。 [0004]在建模与故障判断方法方面， CN202210321095、 CN202210171455、 CN202210184323 等主要利用光伏电站实际运行数据进行统计机器学习建模， 实现故障诊断分析， 但是部分 数据微弱变化特征导致模型无法准确识别故障状态。 在图像识别方面， CN202210156492、 CN202110570299等通过智能图像识别 技术实现故障诊断分析， 由于图像质量问题、 故障成 像相似或叠加等原因， 对故障分类精度具有较大的影响。 [0005]目前主流的识别方法是基于大数据分析算法设计发电量模型， 并利用学习算法不 断优化模型， 设备低效运行状态是一个长期的累积过程， 发电量模型随着微弱的电流变化 而变化， 同时受到一些不可预测的异常波动影响， 使 得低效运行状态识别工作困难， 进而影 响运维效率。 发明内容 [0006]针对现有技术中所存在的不足， 本发明提供了一种光伏组串运行状态识别方法， 其解决了现有技 术中低效运行状态难以识别的问题。 [0007]为实现上述目的， 本 发明采用了如下技术方案： 一种光伏组串运行状态识别方法， 包括如下步骤： 获取组串历史实测运行数据， 进 行特征提取构建设备运行模型； 采集监测数 据， 为设备运行模型设定阈值， 将监测数据分为 故障态数据和非故障态数据； 获取组串历史 低效运行数据和巡检图像数据， 进行特征提取构建低效识别模型； 将所述非故障态数据代 入低效识别模型， 将非故障态数据分为低效运行数据和完全正常数据； 根据设备运行数据 在低效识别模型中的分类将设备分为低效运行状态和完全正常状态。 [0008]还提出了一种光伏组串运行识别系统， 包括数据 采集模块、 数据处理模块、 模型分 析模块和状态识别模块； 数据采集模块用于获取光伏组串的监测数据； 所述数据 处理模块说　明　书 1/4 页 3 CN 115546579 A 3