一种分布式光伏运行电能质量监测与分析方法与流程

1.本发明属于光伏发电技术领域，具体为一种分布式光伏运行电能质量监测与分析方法。


背景技术：

2.目前已存在一些方法和技术用于分布式光伏系统的电能质量监测与分析，这些技术主要包括传统的监测设备和数据采集系统、电能质量分析软件以及一些相关的标准和规范，然而传统的光伏系统监测方法主要依赖于集中式数据采集，即通过安装在光伏阵列输出端或集电线路上的单一监测装置来监测整个系统的电能质量，然而，这种方法存在一些问题，首先，由于光伏系统的分布性，单一监测装置无法准确反映光伏阵列内部的电能质量状态，如谐波、电压波动、闪变和电压偏差等异常现象，导致监测结果不够精确；其次，大规模集中式数据采集需要大量的传感器和布线，造成系统成本的增加，此外，传统方法的数据处理和分析能力有限，无法实时检测和响应光伏系统中的异常事件，因此，迫切需要一种分布式光伏运行电能质量监测与分析技术，以提高光伏系统电能质量监测的精确性、效率和可靠性。


技术实现要素：

3.本发明的目的在于提供一种分布式光伏运行电能质量监测与分析方法，以解决上述背景技术中提出的问题。
4.为了实现上述目的，本发明提供如下技术方案：一种分布式光伏运行电能质量监测与分析方法，具体质量检测与分析方法步骤：
5.s1，数据采集，布置传感器或监测装置，系统通过传感器或监测装置实时采集分布式光伏系统的电压、电流、频率、功率等关键参数并记录；
6.s2，数据传输，将采集到的电能质量数据通过通信网络传输至中央控制中心或数据处理服务器进行下一步的分析和处理；
7.s3，数据处理，在中央控制中心或数据处理服务器中，利用数据处理技术对采集到的数据进行处理和分析；
8.s4，电能质量检测，通过应用电能质量监测算法和模型，对处理后的数据进行包括谐波含量、电压波动、闪变、电压偏差的电能质量异常情况进行实时监测和评估；
9.s5，异常识别与分析，根据预设的电能质量标准和闽值，对监测到的异常进行识别和分类；再利用数学模型和算法，分析异常事件的原因和影响，并生成相应的报警或提示；
10.s6，反馈与调控，根据分析结果，系统可通过反馈控制机制，调整分布式光伏系统的工作状态和运行参数，降低电能质量异常的发生或减小其影响。
11.优选地，分布式传感器网络的部署方式：首先，在分布式光伏系统中，布置若干个电压传感器、电流传感器和功率传感器以及传感器节点；其次，传感器节点通过有线或无线方式与中心监测系统进行连接。
12.优选地，传感器节点实时采集光伏系统内部的电压、电流、功率等关键参数，并将采集到的数据进行处理和压缩，而后采用无线通信技术，将处理后的数据通过网络传输至中心监测系统。
13.优选地，中心监测系统接收传感器节点传输的数据，先进行数据解码和还原并对解码后的数据进行处理和分析，计算电能质量参数，而后基于预设的电能质量标准或阈值，判断光伏系统是否存在异常事件。
14.优选地，若中心监测系统检测到光伏系统出现异常事件，立即发出警报通知相关人员或操作员，同时中心监测系统根据事先设定的响应策略，采取相应的措施进行处理。
15.优选地，基于光伏系统的电能质量参数和特性，使用高等数学方法，对电能质量数据进行分析和处理，并开发或采用适用的算法，从而建立数学模型。
16.优选地，数学模型包括有谐波分析模型、波动与闪变分析模型、电压偏差分析模型、电能质量参数计算、光伏系统功率输出模型和电能质量事件检测模型。
17.优选地，电能质量事件检测模型又分为谐波事件检测模型、波动与闪变事件检测模型和电压偏差事件检测模型；
18.谐波事件检测模型：根据谐波含量和谐波电流与谐波电压之间的关系，设定谐波超限的阈值，当谐波含量超过阈值时判定为谐波事件；
19.波动与闪变事件检测模型：根据波动指标和闪变指标与设定的限值进行比较，当波动或闪变超过限值时判定为波动或闪变事件；
20.电压偏差事件检测模型：根据设定的电压偏差阈值，当电压偏差超过阈值时判定为电压偏差事件。
21.优选地，运用机器学习、人工智能方式借助数据挖掘技术，对大量采集到的电能质量数据进行深入分析和挖掘，对光伏系统的运行状态和电能质量异常进行预测和识别。
22.本发明的有益效果如下：
23.本发明与现有技术相比，通过改进数据采集、综合性分析算法和自动化智能化这一创新点指标的是通过改造数据采集和分析算法，并应用自主化和智能化技术，提供高分布式光伏系统的运行效率和可靠性，可以实现对系统运行状态的实时监控和预警，以及自动化的故障诊断和维护推荐的特点，能够实现对分布式光伏系统运行过程中的电能质量进行全面监测和分析，帮助及时发现异常情况并采取相应的措施，以提高系统的电能质量、减少故障风险，并最终提升分布式光伏系统的性能和可靠性。
附图说明
24.图1为本发明步骤流程简图。
具体实施方式
25.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
26.如图1所示，本发明实施例提供了一种分布式光伏运行电能质量监测与分析方法，
具体质量检测与分析方法步骤：
27.s1，数据采集，布置传感器或监测装置，系统通过传感器或监测装置实时采集分布式光伏系统的电压、电流、频率、功率等关键参数并记录；
28.s2，数据传输，将采集到的电能质量数据通过通信网络传输至中央控制中心或数据处理服务器进行下一步的分析和处理；
29.s3，数据处理，在中央控制中心或数据处理服务器中，利用数据处理技术对采集到的数据进行处理和分析；
30.s4，电能质量检测，通过应用电能质量监测算法和模型，对处理后的数据进行包括谐波含量、电压波动、闪变、电压偏差的电能质量异常情况进行实时监测和评估；
31.s5，异常识别与分析，根据预设的电能质量标准和闽值，对监测到的异常进行识别和分类；再利用数学模型和算法，分析异常事件的原因和影响，并生成相应的报警或提示；
32.s6，反馈与调控，根据分析结果，系统可通过反馈控制机制，调整分布式光伏系统的工作状态和运行参数，降低电能质量异常的发生或减小其影响。
33.安装传感器和监测装置在光伏系统的关键位置，包括逆变器、变压器、电表等，实时采集电压、电流、频率、功率等电能质量参数，并将数据传输至中央控制中心的数据处理服务器；在中央控制中心的数据处理服务器上，利用专门开发的数据处理软件，对采集到的数据进行处理和分析，首先，进行数据清洗、滤波和采样，以保证数据的准确性和可靠性，然后，利用谐波分析算法、波动评估算法、闪变分析算法等，对电能质量参数进行特征提取和异常检测；根据预设的电能质量标准和阈值，对检测到的异常事件进行识别和分类，如果系统检测到谐波含量超过阈值、电压波动异常或闪变现象等电能质量异常，会自动发出报警信号，并在中央控制中心的监控界面上显示相应的异常事件和位置信息；根据异常识别结果，系统可以自动采取相应的反馈控制措施，调整分布式光伏系统的工作状态和运行参数，以减少电能质量异常的发生或降低其影响；例如，可以调整逆变器的输出功率，通过有源滤波器抑制谐波，或者调整电网连接参数等。
34.一是实时性和精确性，技术利用先进的数据采集和传输技术,通过应用先入的传感器和监控设备，可以实时采集分布式光伏系统的传输数据据，包括电压、电流、频率、成功率等关键参数。这些数据可以通过无线传输技术，如物联网(i ot)或无线传感器网络(wsn)，传送到数据处理中心进行分析和监测。例如，安装在光组上的传感器可以实时测量量组的温度和光照强度，并将数据传输到中心服务器进行分析，能够实现对分布式光伏系统的电能质量参数的实时监测和采集，这提高了数据的实时性和准确性，能够更及时地发现和响应电能质量异常；二是综合性分析算法：技术基于先进的算法和模型，使用先进的算法和模型可以对采集到的数据进行处理和分析，以提取有用的信息能够对采集到的电能质量数据进行综合性分析和评估，通过特定的算法和模型，可以检测谐波、波动、闪变、电压偏差等异常事件，并分析其原因和影响；三是自动化和智能化，技术利用自动化的数据处理和分析技术，减少了人工干预的需求。系统能够自动进行数据处理、异常检测和分析，减少人力资源成本，并提高运维效率。综上所述，现有技术存在实时性、综合性分析和人工干预的问题，而技术通过改进数据采集、综合性分析算法和自动化智能化这一创新点指标的是通过改造数据采集和分析算法，并应用自主化和智能化技术，提供高分布式光伏系统的运行效率和可靠性。例如，可以开发一种自动化的数据清理和校方正确计算，消除数据中的噪音
和错误差异，确保分析结果的准确性。另外，利用户工智能技术，可以实现对系统运行状态的实时监控和预警，以及自动化的故障诊断和维护推荐的特点，能够解决现有技术存在的问题，并带来以下优势：一是实时性和准确性提升，技术的实时数据采集和传输机制确保了电能质量参数的及时获取，减少了数据延迟和误差。这使得对电能质量异常的检测和响应更加迅速和精确，有助于避免潜在的故障风险；二是综合性分析和评估能力强，技术采用特定的算法和模型，这里的特定算法和模型是指针对光伏系统的特定点和问题设计的专项算法和模型。例如，针对分布式光伏系统中可能存在的功率波动态问题，可以设计一种模型来预测和控制波动，以确保系统的稳定运行。另一个例子是针对分布式光伏系统的特性进行综合性分析和评估。通过谐波分析、电压波动评估、闪变分析等，能够全面了解系统的电能质量状态，并准确识别和分类异常事件，有助于系统的故障诊断和维修；三是减少人工干预和提高运维效率，技术的自动化数据处理和分析能力减少了人工干预的需求，系统能够自动识别异常事件并生成相应的报警或提示，减轻了运维人员的负担，提高了运维效率和工作效率；四是精确的异常识别和问题定位，通过精确的异常识别和问题定位，技术能够迅速定位电能质量问题的来源和影响因素，从而采取有针对性的措施进行调整和修复，提高系统的稳定性和可靠性。
35.其中，分布式传感器网络的部署方式：首先，在分布式光伏系统中，布置若干个电压传感器、电流传感器和功率传感器以及传感器节点，这些传感器节点可以直接安装在光伏阵列的输出端或关键电气设备的输入端；其次，传感器节点通过有线或无线方式与中心监测系统进行连接。以实现数据的传输和通信。
36.其中，传感器节点实时采集光伏系统内部的电压、电流、功率等关键参数，并将采集到的数据进行处理和压缩，而后采用无线通信技术，将处理后的数据通过网络传输至中心监测系统。可以使用无线传感网络技术，如wi-fi、zigbee或lora等，实现传感器节点与中心监测系统之间的数据传输。
37.其中，中心监测系统接收传感器节点传输的数据，先进行数据解码和还原并对解码后的数据进行处理和分析，计算电能质量参数，如谐波含量、电压波动指数、闪变指数和电压偏差等。而后基于预设的电能质量标准或阈值，判断光伏系统是否存在异常事件，如谐波超标、电压波动超过限制范围等。
38.其中，若中心监测系统检测到光伏系统出现异常事件，立即发出警报通知相关人员或操作员，同时中心监测系统根据事先设定的响应策略，采取相应的措施进行处理。例如，调整光伏系统的运行参数，增加滤波器或稳压装置，或者进行远程操作与控制等。
39.其中，基于光伏系统的电能质量参数和特性，使用高等数学方法，如线性代数、微积分、离散数学等，对电能质量数据进行分析和处理，并开发或采用适用的算法，如小波变换、谱分析、滤波算法等，从而建立数学模型以描述系统的行为和性能，用于提取关键电能质量指标和检测异常事件。
40.其中，数学模型包括有谐波分析模型、波动与闪变分析模型、电压偏差分析模型、电能质量参数计算、光伏系统功率输出模型和电能质量事件检测模型。
41.谐波分析模型：
42.假设光伏系统的电压或电流信号可以表示为一个基波分量和多个谐波分量的叠加，根据公式：
43.v(t)＝v1sin(ω1t)+v2sin(ω2t)+...+vnsin(ωnt)
44.通过测量和分析信号的频谱，可以计算出各谐波分量的幅值和相位，进而得到谐波含量。
45.波动与闪变分析模型：
46.假设光伏系统的电压或电流信号可以表示为一个基准值和一个随机波动分量的叠加，根据公式：
47.v(t)＝v0+δv(t)
48.使用数学方法，如均方根法或短时段测量法，计算出波动指标和闪变指标。
49.电压偏差分析模型：
50.假设光伏系统的电压信号可以表示为一个平均值和一个随机偏差分量的叠加，根据公式：
51.v(t)＝vavg+δv(t)
52.通过统计分析和计算，得到电压偏差的大小和统计特性。
53.电能质量参数计算：
54.计算电压总谐波畸变率(thdv)，根据公式：
55.thdv＝sqrt((v2^2+v3^2+...+vn^2)/v1^2)
×
100％
56.计算电流总谐波畸变率(thd i)，根据公式：
57.thd i＝sqrt((i2^2+i 3^2+...+i n^2)/i 1^2)
×
100％
58.计算功率因数(pf)，根据计算公式：
59.pf＝p/(|s|)
60.其中p是有功功率，s是复功率。
61.计算零序电压含量(zvc)，根据公式：
62.zvc＝sqrt((v0^2)/v1^2)
×
100％
63.计算不对称度指数(s i)，根据公式：
64.s i＝(i a+i b+i c)/(3*imax)
65.光伏系统功率输出模型：
66.p＝η
×g×a×
(1-tc/100)
×k67.其中p是输出功率，η是光伏转换效率，g是光照强度，a是光伏阵列面积，tc是温度补偿系数，k是其它影响因素的修正系数。
68.其中，电能质量事件检测模型又分为谐波事件检测模型、波动与闪变事件检测模型和电压偏差事件检测模型；
69.谐波事件检测模型：根据谐波含量和谐波电流与谐波电压之间的关系，设定谐波超限的阈值，当谐波含量超过阈值时判定为谐波事件；
70.波动与闪变事件检测模型：根据波动指标和闪变指标与设定的限值进行比较，当波动或闪变超过限值时判定为波动或闪变事件；
71.电压偏差事件检测模型：根据设定的电压偏差阈值，当电压偏差超过阈值时判定为电压偏差事件。
72.其中，运用机器学习、人工智能方式借助数据挖掘技术，对大量采集到的电能质量数据进行深入分析和挖掘，对光伏系统的运行状态和电能质量异常进行预测和识别。
73.需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。
74.尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

技术特征：
1.一种分布式光伏运行电能质量监测与分析方法，其特征在于：具体质量检测与分析方法步骤：s1，数据采集，布置传感器或监测装置，系统通过传感器或监测装置实时采集分布式光伏系统的电压、电流、频率、功率关键参数并记录；s2，数据传输，将采集到的电能质量数据通过通信网络传输至中央控制中心或数据处理服务器进行下一步的分析和处理；s3，数据处理，在中央控制中心或数据处理服务器中，利用数据处理技术对采集到的数据进行处理和分析；s4，电能质量检测，通过应用电能质量监测算法和模型，对处理后的数据进行包括谐波含量、电压波动、闪变、电压偏差的电能质量异常情况进行实时监测和评估；s5，异常识别与分析，根据预设的电能质量标准和闽值，对监测到的异常进行识别和分类；再利用数学模型和算法，分析异常事件的原因和影响，并生成相应的报警或提示；s6，反馈与调控，根据分析结果，系统可通过反馈控制机制，调整分布式光伏系统的工作状态和运行参数，降低电能质量异常的发生或减小其影响。2.根据权利要求1所述的一种分布式光伏运行电能质量监测与分析方法，其特征在于：分布式传感器网络的部署方式：首先，在分布式光伏系统中，布置若干个电压传感器、电流传感器和功率传感器以及传感器节点；其次，传感器节点通过有线或无线方式与中心监测系统进行连接。3.根据权利要求1所述的一种分布式光伏运行电能质量监测与分析方法，其特征在于：传感器节点实时采集光伏系统内部的电压、电流、功率关键参数，并将采集到的数据进行处理和压缩，而后采用无线通信技术，将处理后的数据通过网络传输至中心监测系统。4.根据权利要求1所述的一种分布式光伏运行电能质量监测与分析方法，其特征在于：中心监测系统接收传感器节点传输的数据，先进行数据解码和还原并对解码后的数据进行处理和分析，计算电能质量参数，而后基于预设的电能质量标准或阈值，判断光伏系统是否存在异常事件。5.根据权利要求1所述的一种分布式光伏运行电能质量监测与分析方法，其特征在于：若中心监测系统检测到光伏系统出现异常事件，立即发出警报通知相关人员或操作员，同时中心监测系统根据事先设定的响应策略，采取相应的措施进行处理。6.根据权利要求1所述的一种分布式光伏运行电能质量监测与分析方法，其特征在于：基于光伏系统的电能质量参数和特性，使用高等数学方法，对电能质量数据进行分析和处理，并开发或采用适用的算法，从而建立数学模型。7.根据权利要求1所述的一种分布式光伏运行电能质量监测与分析方法，其特征在于：数学模型包括有谐波分析模型、波动与闪变分析模型、电压偏差分析模型、电能质量参数计算、光伏系统功率输出模型和电能质量事件检测模型。8.根据权利要求7所述的一种分布式光伏运行电能质量监测与分析方法，其特征在于：电能质量事件检测模型又分为谐波事件检测模型、波动与闪变事件检测模型和电压偏差事件检测模型；谐波事件检测模型：根据谐波含量和谐波电流与谐波电压之间的关系，设定谐波超限的阈值，当谐波含量超过阈值时判定为谐波事件；
波动与闪变事件检测模型：根据波动指标和闪变指标与设定的限值进行比较，当波动或闪变超过限值时判定为波动或闪变事件；电压偏差事件检测模型：根据设定的电压偏差阈值，当电压偏差超过阈值时判定为电压偏差事件。9.根据权利要求1所述的一种分布式光伏运行电能质量监测与分析方法，其特征在于：运用机器学习、人工智能方式借助数据挖掘技术，对大量采集到的电能质量数据进行深入分析和挖掘，对光伏系统的运行状态和电能质量异常进行预测和识别。

技术总结
本发明属于光伏发电技术领域，且公开了一种分布式光伏运行电能质量监测与分析方法，具体质量检测与分析方法步骤：S1，数据采集，布置传感器或监测装置，系统通过传感器或监测装置实时采集分布式光伏系统的电压、电流、频率、功率关键参数并记录。本发明与现有技术相比，通过改进数据采集、综合性分析算法和自动化智能化这一创新点指标的是通过改造数据采集和分析算法，可以实现对系统运行状态的实时监控和预警，以及自动化的故障诊断和维护推荐的特点，能够实现对分布式光伏系统运行过程中的电能质量进行全面监测和分析，帮助及时发现异常情况并采取相应的措施，以提高系统的电能质量、减少故障风险，并最终提升分布式光伏系统的性能和可靠性。的性能和可靠性。的性能和可靠性。


技术研发人员：宋杰 邢海秋 吴凯 张健
受保护的技术使用者：北京恒泰实达科技股份有限公司
技术研发日：2023.06.30
技术公布日：2023/9/22