首页 专利交易 科技果 科技人才 科技服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

一种基于光伏电站运维分析的无人机巡检方法 

申请/专利权人:海南斯兰低碳研究中心有限公司;海南斯兰低碳投资有限公司

申请日:2022-11-09

公开(公告)日:2024-07-05

公开(公告)号:CN115639840B

主分类号:G05D1/46

分类号:G05D1/46

优先权:

专利状态码:有效-授权

法律状态:2024.07.05#授权;2023.02.14#实质审查的生效;2023.01.24#公开

摘要:本发明提出一种基于光伏电站运维分析的无人机巡检方法,包括步骤S1、基于目标光伏电站的运维数据,构建相对应的数据分析模型对运维数据进行深度挖掘与分析;步骤S2、利用运维数据的分析结果确定光伏组件状态评估的指标,并针对性的构建光伏组件状态评估算法;S3、根据光伏组件的健康程度,下达无人机巡检的指令;步骤S4、基于无人机的巡检结果对光伏组件进行故障判断,合理制定巡检和运维方案。本发明有益效果为,在可以实现光伏组件异常提前预警的同时,还可以针对存在异常风险的组件进行提前检查和维护,从而实现光伏组件故障率下降、合理制定巡检方案、及时发现组件故障和维护对策、提高光伏电站发电量的作用,为光伏电站的安全稳定运行提供保障。

主权项:1.一种基于光伏电站运维分析的无人机巡检方法,其特征在于,包括:步骤S1、基于目标光伏电站的运维数据,构建相对应的数据分析模型对运维数据进行深度挖掘与分析;对光伏的运维数据进行抽取,并对其发电量与实时功率、电流电压、气象温度数据进行曲线拟合,证明各指标是否影响到光伏电站的发电量数据;利用主成分分析选取主成分,实现对初始变量集的方差解释性最大;选定主成分后,获得主成分对每个变量的方差解释度,解释度越大,则相关性越强,所占的权重更大,最后通过归一化来算出每个特征的最终权重;步骤S2、利用运维数据的分析结果确定光伏组件状态评估的指标,并针对性的构建光伏组件状态评估算法;在确定指标后,应首先确定指标的各主成分在各线性组合中的系数,系数计算公式为: 式中,S为各主成分在各线性组合中的系数,C为成分载荷,R为对应特征根;然后确定各因素在综合得分模型中的系数,即Z=S1×F1+S2×F2+…+Sn×FnF1+F2+…+Fn式中,Z为综合系数,Sn为各成分的系数,Fn为各成分对应的方差解释度;将各因素在综合得分模型中的系数进行归一化处理,即:Q=αZ1+Z2+…+Zn其中Q为权重,α为综合系数,即1,Zn为各综合系数;最终确定光伏组件状态评估的指标及其对应的权重系数;利用实时运维数据以及历史主成分因子的平均值对各指标进行打分,并利用权重系数最终得到状态评估的最终分数,即:γ=Q1*θ1+Q2*θ2+…+Qn*θn其中γ为最终的状态评估分数,Qn为权重系数,θn为各指标得分;步骤S3、基于光伏组件评估算法计算光伏组件的健康程度,对于健康程度差或存在异常的光伏组件下达无人机巡检的指令;其中光伏组件的健康程度根据状态评估的最终分数进行区分并进行排名,按照最终得分由大到小进行排序并确认健康度;其中,对单一因素下的发电效率进行评定打分;算法上采取分段式取权重的方式,即在有效辐照度或温度范围内划分为多个有效段,以每段辐照度或温度占比作为权重进行加权计算;单一辐照度因素评定方法为: 式中,μlight为单一辐照度因素影响下的综合发电效率;σi为第i段辐照度分布加权权重系数;ρi为第i段辐照度分布中光伏组件发电效率;N为设定的辐照度最高段; 式中G为辐照度特征值;Gi为第i段辐照度;Ti为第i段温度值;单一温度因素评定方法为: 式中,μT为单一温度因素影响下综合发电效率,σi为第i段辐照度分布加权权重系数;ρi为第i段辐照度分布中光伏组件发电效率;N为设定的辐照度最高段; 式中,t为温度特征值,Gi为第i段辐照度;Ti为第i段温度值;加权权重系数根据实际采集的辐照度和温度数据而得,或根据实用地域历史气象数据进行统计配置;在实际条件下,辐照度和温度因素是复合反映于光伏组件发电效率,即将辐照度和温度作为统一因素,取加权权重系数,结合光伏组件在对应环境因素下的效率,计算得出综合效率,计算公式如下: 式中,μP为复合因素影响下综合发电效率;σi为第i段辐照度分布加权权重;系数;ρi为第i段辐照度分布中光伏组件发电效率;N为设定的辐照度最高段;步骤S4、基于无人机的光伏组件巡检结果对光伏组件进行故障判断,通过无人机各光伏组件采集的可见光图片与红外线图片进行故障识别,合理制定巡检和运维方案;针对存在故障的光伏组件以及状态评估结果较差的光伏组件,应重点对其进行检修和运维,在进行消缺后再次进行状态评估和无人机飞检故障检测,直至达到完全消缺状态;对于光伏组件的状态评估结果进行健康度排序,健康程度按照区间划分为良好、稍差、严重三种情况;对于健康程度严重的组件进行重点检查,健康程度稍差的进行总体检查,健康程度良好的无需检查;基于运维数据分析结果以及无人机巡检情况,将二者结合并对光伏组件进行异常或故障判断;基于运维数据分析结果发现的缺陷,即影响发电量的情况,利用无人机巡检结果或下发无人机巡检指令进行二次验证和检查,确定故障原因和故障详细情况,方便工作人员进行消缺;另外,基于无人机巡检报告,利用运维数据分析结果验证无人机巡检情况,若无人机巡检发现的缺陷并未导致发电量下降,根据缺陷类型合理制定运维方案,轻微缺陷暂不消除,但下次巡检应关注此问题,严重缺陷与致命缺陷必须及时消缺,未影响发电量的缺陷暂不消缺,若缺陷降低了发电量,即安排工作人员尽快进行消缺工作。

全文数据:

权利要求:

百度查询: 海南斯兰低碳研究中心有限公司 海南斯兰低碳投资有限公司 一种基于光伏电站运维分析的无人机巡检方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。