-
公开(公告)号：CN117920638A
公开(公告)日：2024-04-26
申请号：CN202311673689.X
申请日：2023-12-07
申请人： 国家能源集团新能源技术研究院有限公司 , 国能浙江宁海发电有限公司
摘要： 本发明涉及光伏组件清洗技术领域，公开了一种光伏组串表面石膏雨清洗装置。该清洗装置包括基座、行走部件和清洗部件，行走部件设置在基座上，行走部件能够带动基座在光伏组串的表面行走；清洗部件包括清洗轴和驱动电机，清洗轴设置为当行走部件在光伏组件和组串上行走时能够对光伏组件和组串的表面进行清洗；清洗轴包括转轴和设置在转轴外周的毛刷，毛刷中的刷丝的直径为0.3‑0.5mm，刷丝的长度为60‑65mm。本发明提供的清洗装置中，清洗轴能够通过驱动电机独立驱动，以能够灵活的控制清洗轴的转动速度，并控制清洗轴的正向和反向旋转，进而满足不同工况下的清洗需求，并且，刷丝的直径和长度的设计能够有效增加石膏雨的清洗效率，确保石膏雨的清洗效果。
-
公开(公告)号：CN116415147A
公开(公告)日：2023-07-11
申请号：CN202310220025.1
申请日：2023-03-07
申请人： 国家能源集团新能源技术研究院有限公司
IPC分类号： G06F18/214 , G06F18/24 , G06F18/21 , G06F18/10 , G06N3/045
摘要： 本发明涉及光伏系统技术领域，实施例提供一种基于自学习的面向光伏系统设备运行数据的预训练方法。该方法包括：获取光伏系统设备的设备运行信息的时序特征；根据所述时序特征构造正例样本数据和负例样本数据，并将所述正例样本数据和负例样本数据两两组合成为样本对；将样本对输入深度孪生网络模型，得到样本对的特征和分类预测值；根据所述分类预测值和特征构造所述设备运行信息的数据特征。本发明提供的实施方式提供了提升了光伏设备运行数据表征学习的效果，更使得数据表征的学习具有更好的鲁棒性和泛化性。
-
公开(公告)号：CN116388687A
公开(公告)日：2023-07-04
申请号：CN202310246102.0
申请日：2023-03-13
申请人： 国电建投内蒙古能源有限公司 , 国家能源集团新能源技术研究院有限公司
摘要： 本发明实施例提供一种基于聚类分析的异常光伏组件的定位方法及系统，属于发电技术领域。基于聚类分析的异常光伏组件的定位方法，具体包括：采集得到光伏组件集合的两组温度数据和电压数据以及一组电流数据，基于光伏组件集合的电压数据和电流数据，利用聚类分析，确定该光伏组件集合的状态是否为异常，根据异常光伏组件集合的两组电压数据确定出异常光伏组件集合内的异常光伏组件区域；根据异常光伏组件区域内连接了温度传感器的光伏组件的温度数据，计算得到该光伏组件的目标温度检验值；根据该目标温度检验值确定出异常光伏组件的位置。本发明通过利用聚类分析的方式，减少了人为定义阈值所引起的误差，更为准确地实现了光伏电站组件异常定位。
-
公开(公告)号：CN116388683A
公开(公告)日：2023-07-04
申请号：CN202310260094.5
申请日：2023-03-13
申请人： 国家能源集团新能源技术研究院有限公司
摘要： 本发明实施例提供基于一种小波分析的异常光伏组件的定位方法及系统，属于发电技术领域。基于小波分析的异常光伏组件的定位方法，具体包括：采集得到光伏组件子集合的温度数据、电压数据和电流数据，基于该电压数据和电流数据，利用聚类分析和小波分析，确定该光伏组件集合的状态是否为异常，根据异常光伏组件集合的电压数据确定出异常光伏组件区域，将异常光伏组件区域内光伏组件的温度数据输入至深度孪生网络中，确定出异常光伏组件的位置。本发明利用由聚类分析法和深度孪生网络方法相结合的算法，利用电压相对差值作为分类依据，且引入了小波系数作为聚类分析的特征参量，提高了时间序列上异常情况的识别，提升了异常识别的精准性。
-
公开(公告)号：CN116131444A
公开(公告)日：2023-05-16
申请号：CN202211539229.3
申请日：2022-12-01
申请人： 国电建投内蒙古能源有限公司 , 国家能源集团新能源技术研究院有限公司
摘要： 本发明实施例提供一种光伏电站智能分析系统，属于光伏电站数据分析领域。系统包括场站SCADA模块，用于获取光伏设备的监控数据，并将监控数据发送至所述外挂式采集模块和系统可视化模块；外挂式采集模块，用于采集光伏设备的运行数据和所述场站SCADA模块的监控数据，并将采集得到的运行数据和监控数据发送至所述外挂式AI计算模块；外挂式AI计算模块，用于对接收到的运行数据和监控数据进行存储、计算分析，并将运行数据和监控数据的分析结果发送至所述系统可视化模块；系统可视化模块，将接收所述场站SCADA模块的监控数据和所述场站外挂式AI计算模块的分析结果后进行可视化展示。本发明扩充SCADA系统的智能化水平，能大幅提高电站的智能化、无人化运维管理。
-
公开(公告)号：CN115422490A
公开(公告)日：2022-12-02
申请号：CN202211034124.2
申请日：2022-08-26
摘要： 本发明提供一种高压旁路阀门内漏流量计算方法、一种高压旁路阀门内漏流量计算系统、一种电子设备及一种计算机可读储存介质，属于高压旁路阀门内漏技术领域。所述高压旁路阀门内漏流量计算方法包括如下步骤：根据能量守恒定律，建立高压旁路阀门的内漏热量方程用于计算高压旁路阀门的内漏热量Egp；根据所述高压旁路阀门的内漏热量Egp以及高压旁路阀门的内漏蒸汽焓值hgpl建立高压旁路阀门内漏流量方程，用于计算高压旁路阀门内漏流量Lgpl；联立高压旁路阀门的内漏热量方程以及高压旁路阀门内漏流量方程计算高压旁路阀门内漏流量。所述高压旁路阀门内漏流量计算方法能够准确计算高压旁路阀门的实际内漏流量。
-
公开(公告)号：CN118539867A
公开(公告)日：2024-08-23
申请号：CN202410515254.0
申请日：2024-04-26
申请人： 国家能源集团新能源技术研究院有限公司 , 国家能源投资集团有限责任公司
摘要： 本申请提供了一种光伏电站组件在线健康评价方法、装置及终端设备，涉及光伏监测控制技术领域，方法包括：采集目标光伏组件在各采样时刻的实测背板温度、实测工作电压、实测工作电流，以及获取各采样时刻的实测环境辐照度，构建第一I‑V曲线，通过预设的拟合函数确定各采样时刻的实测环境辐照度所对应的短路电流，基于各采样时刻的短路电流及实测背板温度，通过修正模型将第一I‑V曲线转换为预设标准下的第一I‑V修正曲线；构建第一I‑V修正曲线的第一目标数据点集以及标准I‑V修正曲线的第二目标数据点集；确定两个数据点集之间的灰色关联度，通过健康评价模型确定在灰色关联度下，目标光伏组件的健康指数。本申请能够实现光伏组件健康状态的定量分析。
-
公开(公告)号：CN116865672A
公开(公告)日：2023-10-10
申请号：CN202310613282.1
申请日：2023-05-26
申请人： 国家能源集团新能源技术研究院有限公司 , 华北电力大学(保定)
摘要： 本发明提供一种光伏组件异常识别方法及装置、计算机可读储存介质，属于光伏组件技术领域。所述光伏组件异常识别方法包括：实时监测光伏组件的运行数据，对监测到的运行数据进行计算，对连续变化的物理量进行采集相当于抽样，得到光伏组件的能效差值样本；基于所述能效差值样本对光伏组件的能效状况进行假设检验得到检验统计量，计算光伏组件实际能效值与理论能效值的差异程度值，根据所述差异程度值判断光伏组件的第一异常情况得到第一判断结果；获取光伏组件的总发电量输出能效值，判断光伏组件的第二异常情况，得到第二判断结果；基于第一判断结果以及第二判断结果判断光伏组件的异常工况。
-
公开(公告)号：CN117875588A
公开(公告)日：2024-04-12
申请号：CN202311568422.4
申请日：2023-11-22
申请人： 国家能源集团新能源技术研究院有限公司
IPC分类号： G06Q10/0631 , H02S40/10 , H02J3/00 , H02J3/38 , G06Q10/20 , G06Q50/06 , G06F18/243 , G06N20/20 , G06N5/01
摘要： 本发明提供一种光伏组件清洗计划确定方法、装置和电子设备，属于数据处理技术领域。方法包括：获取预设时间间隔，以及将光伏组件的历史数据中处于积灰状态的光伏发电功率影响数据输入至光伏发电功率预测模型，得到光伏发电功率预测值；基于光伏组件的历史数据中处于清洗状态的运行数据以及气象数据，确定光伏组件的理论发电功率值；基于光伏发电功率预测值、预设时间间隔、理论发电功率值以及光伏组件的单次清洗成本，确定在预设时间间隔内光伏组件的最大清洗次数；从最大清洗次数到预设最小清洗次数中，确定当前日使清洗收益最大的清洗时间以及清洗次数。本发明用以解决现有方法无法平衡运维成本与收益，导致降低光伏组件的清洗收益的缺陷。
-
公开(公告)号：CN116662799A
公开(公告)日：2023-08-29
申请号：CN202310446392.3
申请日：2023-04-24
申请人： 国家能源集团新能源技术研究院有限公司
IPC分类号： G06F18/214 , G06F18/241 , G06F18/2433 , G06N3/045 , G06N3/08
摘要： 本发明实施例提供一种光伏组件异常检测方法、装置、设备及存储介质，属于光伏组件检测领域。光伏组件异常检测方法包括：获取光伏电站的当前运行数据和历史运行数据，并基于历史运行数据建立训练样本集；利用训练样本集进行模型训练，得到目标深度孪生网络模型；将目标深度孪生网络模型进行分割，得到特征提取模型；将特征提取模型与预设分类网络进行结合，得到组合神经网络模型；利用训练样本集对组合神经网络模型进行训练，得到目标组合神经网络模型；基于当前运行数据，利用目标组合神经网络模型对光伏组件进行异常检测，得到检测结果。本发明将孪生网络拆分，结合分类网络实现对异常组件的检测和分类，减少虚警或漏警现象，提高了检测准确率。
-
-
-
-
-
-
-
-
-
搜索结果
16 条记录 (耗时 0.068 秒)
