摘要
本申请公开一种基于实时数据的光伏组串低效识别方法,包括如下步骤:数据采集:用于实时采集光伏组串电流、电压、环境温度、辐射强度数据;数据整合:将采集数据构建组串级运行数据集;阴影画像与特征分析:采用机器学习算法分析组串电流在不同时间、不同辐射强度下的周期性变化特征,识别出固定遮挡或动态遮挡类型特征;区分低效原因:基于深度学习模型分析组串电流趋势与离散率指标,利用上述阴影画像与特征分析步骤的结果,识别出组串低效原因为固定遮挡或动态遮挡。
技术关键词
低效识别方法
光伏组串电流
实时数据
机器学习算法分析
发电量
深度学习模型
LSTM神经网络
逆变器
画像
周期性特征
数据采集模块
特征工程
积灰
动态
运维
LSTM模型
系统为您推荐了相关专利信息
断路器状态监测
异构传感器
诊断系统
灰色预测模型
传感器模块
环境监测系统
控制室内环境条件
BP人工神经网络模型
皮尔逊相关系数
多元线性回归模型
气体监测模块
动态响应时间
养护系统
供气模块
指令
人体关键点
心肺复苏按压
人体姿态估计算法
视觉
视频