基于光伏建筑一体化系统发电量智能存储方法与流程

1.本发明涉及数据处理技术领域，具体涉及基于光伏建筑一体化系统发电量智能存储方法。


背景技术：

2.光伏建筑一体化系统是一种将太阳能光伏发电技术与建筑物集成的系统，通过将光伏组件直接安装在建筑物的表面，利用太阳能实现发电的目的。受限于光伏组件的使用寿命等，在使用过程中需要对发电量数据监测，实现光伏组件的性能评估和故障检测以及维持运营的稳定性，并且实时监测发电量数据与光伏组件的状态有利于改进能源管理系统和研究新型光伏组件提高发电效率。
3.发电量的为光伏组件工作的功率与时间的积分，单位时间内功率越大则累计发电量越高，而功率需要实时监测光伏组件的电流与电压，造成所采集的功率数据量巨大，且受到光照强度在一定时间内变化较小的原因，采集的数据同时存在较大的冗余，因此需要对发电功率数据压缩，以降低分析和储存成本。后向斜率法通过将待压缩的时序数据根据趋势获得斜率，使用斜率将数据拟合，针对变化趋势较小的数据能达到较高压缩数据的目的；但在压缩时不考虑数据点包含的信息，易将重要的异常数据点拟合，造成压缩后的发电功率数据在分析时存在较大误差。


技术实现要素：

4.本发明提供基于光伏建筑一体化系统发电量智能存储方法，以解决现有的问题。
5.本发明的基于光伏建筑一体化系统发电量智能存储方法采用如下技术方案：本发明一个实施例提供了基于光伏建筑一体化系统发电量智能存储方法，该方法包括以下步骤：采集历史中每天每个时刻的温度数据序列获得历史温度数据，采集历史中每天每个时刻的发电功率数据序列记为历史发电功率数据；根据历史温度数据与当前天的时间间隔和温度差异，获得当前天温度数据与历史每天的温度数据的温度取值近似性，通过温度取值近似性获得当前天的发电功率数据分析序列集合；根据当前天的发电功率数据与发电功率数据分析序列集合中每天的发电功率数据的差异，获得当前天的发电功率数据与分析序列集合中每天的发电量相似性，通过发电量相似性对分析序列集合中每天的发电功率数据序列进行筛选，获得当前天的发电功率数据的有效天数序列集合；根据当前天的每个时刻的发电功率数据，获得当前天每个时刻发电功率数据的时间区间；根据当前天的每个发电功率数据的时间区间和有效天数序列集合中每天发电功率数据的差异，获得当前天的每个发电功率数据在时间长度参数下的异常因子，根据异常
因子获得当前天的发电功率数据中的所有异常数据点；根据当前天的发电功率数据中的所有异常数据点，获得当前天的若干压缩元组，根据所有压缩元组获得当前天的发电功率数据的压缩数据，并将当前天的发电功率数据的压缩数据保存到发电量数据库。
6.进一步的，所述获得当前天温度数据与历史每天的温度数据的温度取值近似性，包括的具体步骤如下：将当前天记为第天，则第天温度数据与历史温度数据中第天温度数据的温度取值近似性的计算方法为：其中，表示第天温度数据与历史温度数据中第天温度数据的温度取值近似性，为第天与第天的日期间隔，表示在第天第时刻的温度值，表示在第天第时刻的温度值，为在一天内的发电功率数据和温度数据的采集时刻总次数，表示以自然常数为底的指数函数。
7.进一步的，所述获得当前天的发电功率数据分析序列集合，包括的具体步骤如下：预设环境阈值，若当前天的温度数据与历史温度数据中第天温度数据的温度取值近似性大于等于环境阈值时，将满足条件的第天的发电功率数据序列记为分析序列；获得所有历史日期与当前的温度取值近似性，将所有历史日期中满足温度取值近似性大于环境阈值的所有发电功率数据序列均记为分析序列，历史功率数据中所有分析序列构成第天的发电功率数据分析序列集合。
8.进一步的，所述获得当前天的发电功率数据与分析序列集合中每天的发电量相似性，包括的具体步骤如下：将当前天记为第天，则第天的发电功率数据序列与第天的发电功率数据分析序列集合中第天发电功率数据序列的发电量相似性的计算方法为：其中为第天的发电功率数据序列与第天的发电功率数据分析序列集合中第天的发电功率数据序列发电量相似性，为第天中第时刻的发电功率数据值，为第天中第时刻的发电功率数据值，为在一天内的发电功率数据和温度数据的采集时刻总次数，表示以自然常数为底的指数函数。
9.进一步的，所述获得当前天的发电功率数据中的所有异常数据点，包括的具体步骤如下：将当前天记为第天，预设发电量相似性阈值，若当前天的发电功率数据分析序列集合中的第天与当前天的发电量相似性取值大于等于发电量相似性阈值，将第天的发电功率数据序列记为当前天的有效天数序列；同理获得第天的分析序列集合中所有天数与当前第天的发电量相似性，获得所有发电量相似性大于发电量相似性阈值的发电功率数据序列记为第天的所有有效天数序列，当前天的发电功率数据分析序列中所有有效天数序列构成第天有效天数序列集合。
10.进一步的，所述获得当前天每个时刻发电功率数据的时间区间，包括的具体步骤如下：将当前天记为第天，将第天第时刻的发电功率数据记为分析起始点，记为时间长度参数，将记为分析起始点在时间长度参数下的时间区间。
11.进一步的，所述获得当前天的每个发电功率数据在时间长度参数下的异常因子，包括的具体步骤如下：将当前天记为第天，第天第时刻在时间长度参数下的异常因子的计算方式为：其中，为第天第时刻在时间长度参数下的异常因子，为时间区间的起始时间，为第天在时间区间内第时刻的发电功率数据，为在第天的有效天数序列集合中，在时间区间内第时刻的所有发电功率的均值；表示线性归一化函数,表示线性归一化函数。
12.进一步的，所述获得当前天的发电功率数据中的所有异常数据点，包括的具体步骤如下：（1）将当前天记为第天，将第天第时刻的发电功率数据记为分析起始点，分析起始点的时间区间为，将第天第时刻在时间长度参数下的异常因子记为；（2）预设异常因子的评估阈值，当时间长度参数为时获得发电功率数据的异常因子若满足，则计算第天第时刻在时间长度参数为下的异常因子；当时间长度参数为时获得发电功率数据的异常因子若满足，则计算第天第时刻在时间长度参数为下的异常因子；以此类推，直至存在一个整数，使得第天第时刻在时间长度参数为下的异常因子满足时停止；此时第天第时刻在时间长度参数为下发电功率数据记为异常数据点；（3）然后将第时刻的发电功率数据作为新的分析起始点；（4）重复（1）、（2）、（3）步骤，获得第天的发电功率数据中的所有异常数据点。
13.进一步的，所述获得当前天的若干压缩元组，包括的具体步骤如下：将当前天记为第天，将第天第时刻的发电功率数据记为第一压缩数据点，设置压缩空间参数，获得当前天的若干压缩元组的具体步骤如下：a、获得第一压缩数据点之后的共个发电功率数据构成压缩空间参数下的待压缩集合；对待压缩集合使用最小二乘法拟合获得拟合直线，拟合直线在待压缩集合对应时刻的数值记为预测功率数据；b、若实际发电功率数据与对应时刻的预测功率数据存在：压缩空间参数下的待压缩集合内所有时刻的实际发电功率数据与对应时刻的预测功率数据的差值均小于拟合阈值，且不为异常数据点时，将压缩空间参数设置为，获得压缩空间参数下的待压缩集合，压缩压缩空间参数下的待压缩集合内所有时刻的实际发电功率数据与对应时刻的预测功率数据的差值均小于拟合阈值，且不为异常数据点时，将压缩空间
参数设置为，以此类推，直至存在一个整数，使得压缩空间参数下的待压缩集合内任意时刻的实际发电功率数据与对应时刻的预测功率数据的差值大于等于拟合阈值，或为异常数据点时停止迭代；c、若实际发电功率数据与对应时刻的预测功率数据存在：压缩空间参数下的待压缩集合内任意时刻的实际发电功率数据与对应时刻的预测功率数据的差值大于等于拟合阈值，或为异常数据点时，获得第一压缩数据点的元组，式中为第一压缩数据点在压缩空间参数为下的待压缩集合的拟合直线的斜率，此时将第个数据点作为新的第一压缩数据点，并将压缩空间参数重置为初始值；重复a、b、c三个步骤直至第天的所有发电功率数据点不存在新的第一压缩数据点时，得到若干压缩元组。
14.进一步的，所述获得当前天的发电功率数据的压缩数据，包括的具体步骤如下：获得当前天的若干个压缩元组后，将当前天的所有压缩元组构成压缩数据：其中，为第天第个第一压缩数据点，为第天第个第一压缩数据点的待压缩集合的拟合直线斜率，为第天的第个压缩元组，第天共有个压缩元组。
15.本发明的技术方案的有益效果是：本发明通过光伏建筑一体化系统采集获得历史温度数据和历史功率数据，其中通过历史温度数据获得温度取值近似性，获得当前天的发电功率数据分析序列集合，消除了环境温度对发电功率异常分析的影响；通过当前天的发电功率数据与分析序列集合的发电量差异获得发电量相似性，通过发电量相似性获得当前天的有效天数序列集合，消除了不同时间发电量需求不同对当前天的发电功率异常分析的影响；通过有效天数序列获得当前天发电功率数据的所有异常数据点，并通过发电功率数据点结合后向斜率压缩模型得到当前天发电功率数据的压缩数据，达到提高压缩效率保留发电功率数据中异常的重要数据的目的。
附图说明
16.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
17.图1为本发明基于光伏建筑一体化系统发电量智能存储方法的步骤流程图。
具体实施方式
18.为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的基于光伏建筑一体化系统发电量智能存储方法，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一个实施例中的特定特征、结构或特点可由任何合适形式组合。
19.除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的
技术人员通常理解的含义相同。
20.下面结合附图具体的说明本发明所提供的基于光伏建筑一体化系统发电量智能存储方法的具体方案。
21.请参阅图1，其示出了本发明一个实施例提供的基于光伏建筑一体化系统发电量智能存储方法的步骤流程图，该方法包括以下步骤：步骤s001、采集光伏建筑一体化系统的历史输出功率和历史温度获得历史发电功率数据和历史温度数据。
22.本实施例的目的是通过分析发电功率数据结合温度数据对当前光伏建筑一体化系统的发电量数据压缩存储，达到智能优化存储的目的，其中发电量为发电功率与时间的积分，因此首先需要获取历史发电功率数据以及历史温度数据；本实施例利用电压表及电流表对一天内每个时刻的光伏组件的输出端监测，采集频率为5次/秒，以0.2秒为一个时刻，使用功率计算公式得到在该时刻下的光伏组件的输出功率，计算获得一天内所有时刻的功率数据构成该天的发电功率数据序列，采集所有历史记录的每一天的发电功率数据序列构成历史发电功率数据。
23.进一步的，根据自然环境在同一区域内的温度波动较小、变化速度较慢的特点，本实施例利用气候监测系统获得光伏组件所处安装地区的温度作为光伏组件的环境温度数据，其中采集和记录方式与历史发电功率数据的获取方式相同，获得历史温度数据。
24.至此，获取到了光伏组件的历史发电功率数据和历史温度数据。
25.步骤s002、根据历史温度数据与当前天的时间和温度差异，获得当前天的发电功率数据分析序列集合。
26.需要说明的是，使用历史发电功率数据分析当前天的发电功率数据中存在的异常数据时，由于发电功率数据受到环境温度和光照的影响，当温度升高或光照强度降低时，发电功率会随之减少，因此需要选取环境温度与当前天环境温度近似的发电功率数据序列作为参考，降低环境温度对发电功率数据的分析影响；因此提取历史发电功率数据中，与当前天的温度近似的发电功率数据序列组成当前天的发电功率数据分析序列集合，其中每个分析序列为历史功率数据中一天的发电功率数据序列。
27.进一步需要说明的是，由于光照强度和温度主要受到天气变化的影响，并且天气变化的速度较为缓慢，因此越靠近当前天的发电功率数据在分析当前天的发电功率数据时提供的参考性越强；并且同一时刻的温度与当前天该时刻的温度差异越小，则说明当前天的天气状况与历史天气状况越相近，那么在分析当前天的功率数据的异常数据时的参考意义越大；因此根据历史温度数据中每天的温度与当前天的温度差异以及日期间隔，获得当前天的发电功率数据分析序列集合。
28.具体的，将当前天记为第天，则第天温度数据与历史温度数据中第天温度数据的温度取值近似性的计算方法为：其中，表示第天温度数据与历史温度数据中第天温度数据的温度取值近似
性，为第天与第天的日期间隔，表示在第天第时刻的温度值，表示在第天第时刻的温度值，为在一天内的发电功率数据和温度数据的采集时刻总次数；需要说明的是，本实施例中所用的模型仅表示负相关关系和约束模型输出的结果处于区间内，具体实施时可替换成具有同样目的的其他模型，本实施例只是以模型为例进行叙述，不对做具体限定。
29.表示第天与第天的日期间隔，根据天气变化速度较慢、相近日期的环境温度变化小的自然规律，越靠近第天日期的第天的环境温度与第天的环境温度越近似，在分析发电功率数据中的异常数据时，第天的发电功率数据序列在消除环境干扰下更能作为参考或标准，即日期差值越小时，温度近似性取值越大；表示在第时刻下第天的温度与第天的温度差值的绝对值，差值越小说明第时刻的温度越近似，说明第天和第天在一天内环境温度的变化相近，即第天和第天的发电量受到环境影响的程度相同，越能作为参考用于分析第天发电功率数据序列中的异常。
30.进一步的，预设环境阈值，本实施例的环境阈值采用0.8进行叙述，若第天温度数据与历史温度数据中第天温度数据的温度取值近似性满足时，说明第天的环境温度与第天的环境温度差异较大，不能作为分析第天发电功率数据序列中异常的参考；若满足时，说明第天的环境温度与第天的环境温度差异较小，可以作为分析第天发电功率数据序列中异常的参考，此时将第天发电功率数据序列记为分析序列。
31.同理获得所有历史日期与第天的温度取值近似性，将所有历史日期中满足温度取值近似性大于环境阈值的所有发电功率数据序列记为分析序列，获取历史功率数据中所有分析序列构成第天的发电功率数据分析序列集合。
32.至此，本实施例根据历史温度数据与当前天温度数据温度差异和日期间隔，获得所有历史日期与当前天的温度取值近似性，获得当前天的发电功率数据分析序列集合。
33.步骤s003、根据当前天与历史日期的发电量需求，获得当前天的发电功率数据序列与当前天的每个发电功率数据分析序列的发电量相似性，获得有效天数序列集合。
34.需要说明的是，获取到了当前第天的分析序列集合后，由于在不同日期的用电量需求不同，造成使用分析序列集合中所有发电功率序列判断当前天的发电功率数据序列的异常时，并不能完全可信，因此本实施例根据每天的发电量需求，提取分析序列集合中与当前第天的发电量近似日期的发电功率序列中作为序列，获得有效天数序列集合。
35.具体的，以第天的发电功率数据序列为例，则第天的发电功率数据序列与第天的发电功率数据分析序列集合中第天发电功率数据序列的发电量相似性的计算方法为：
其中为第天的发电功率数据序列与第天的发电功率数据分析序列集合中第天的发电功率数据序列发电量相似性，记为第天与第天的发电功率数据序列发电量相似性，为第天中第时刻的发电功率数据值，为第天中第时刻的发电功率数据值，为在一天内的发电功率数据和温度数据的采集时刻总次数，表示以自然常数为底的指数函数。
36.由于一天内的总发电量为功率与时间的积分，本实施例以采集时间下功率的累加计算每天的发电量，当第天的发电量与当前第天的发电量取值越相近时，的取值越收敛于1，则第天与当前第天的发电量相似性取值越趋近于1。
37.预设发电量相似性阈值，本实施例的发电量相似性阈值采用0.8进行叙述，若第天与当前第天的发电量相似性取值满足，说明第天与当前第天的用电量需求差异较大，那么第天的发电功率数据序列对分析第天发电功率数据序列是否存在异常的参考性较小，则不做任何操作；若第天的发电量与当前第天的发电量相似性取值满足，说明第天与当前第天的用电量需求差异较小，那么第天的发电功率数据序列对分析第天发电功率数据序列是否存在异常的参考性较大，此时将第天的发电功率数据序列记为第天的有效天数序列。
38.同理获得第天的分析序列集合中所有日期与当前第天的发电量相似性，获得所有发电量相似性大于发电量相似性阈值的日期，将满足条件的所有日期的发电功率数据序列都记为第天的有效天数序列，所有有效天数序列构成第天有效天数序列集合。
39.至此，根据当前天的发电功率数据分析序列集合，获得每天的发电量相似度，获得当前天的有效天数序列集合。
40.步骤s004、根据当前天的有效天数序列对当前天的发电功率数据评估分析，获得每个时刻发电功率数据的异常程度，获得当前天发电功率数据中的异常数据点。
41.需要说明的是，获取到第天有效天数序列集合后，集合中每天的环境温度与当前第天的环境温度近似，每天的发电量与当前第天的发电量近似，而每个时刻的发电功率与时间的积分为在该时刻的发电量，若第天的发电功率数据序列存在异常，那么当前天一段时间内的发电总量，相较于有效天数序列集合对应的一段时间内的发电总量存在明显差异，因此本实施例根据当前第天从分析起始点到待分析数据点的时间区间的发电总量，相较于有效天数序列中的对应时间区间的发电总量的差异，获得当前天的发电功率数据序列异常点。
42.进一步需要说明的是，当前时刻的发电功率数据为异常数据点时，那么分析后续发电功率数据中的异常点时，需要从当前异常数据点的后一个发电功率数据点作为分析起始点，依次检测分析起始点之后的发电功率数据的异常，但由于发电功率数据的异常存在
延时影响，即当前时刻的异常数据点之后一段时刻的发电功率数据，相较于有效天数序列中同一段时刻的发电功率数据依旧异常，但当前异常数据点已经代表在该时间区间内的发电功率数据存在异常，若在压缩时将当前异常数据点后续异常数据点均认为是异常数据点，易造成压损存储的效率降低、分析光伏组件异常的数据处理量较大的问题。因此本实施例根据分析起始点对后续数据的影响距离，削弱趋近于当前异常数据点的发电功率数据对发电功率异常分析的评估影响，结合当前天的发电功率数据与有效天数序列的发电功率数据差异，获得当前天的发电功率数据异常点。
43.具体的，本实施例以第天发电功率数据的有效天数序列集合为例分析，以第天第时刻的发电功率数据为例构建时间区间，其中的初始值取1，将第时刻作为发电功率数据分析的分析起始点，根据分析起始点获得异常数据点，具体方法为：（1）将分析起始点之后的第个时刻的发电功率数据点记为分析起始点在时间长度参数下的待分析数据点，记为分析起始点在时间长度参数下的时间区间。本实施例以时间长度参数初始值为例进行叙述，其他实施例可设置为其他值，本实施例不进行具体限定。
44.则获得第天第时刻在时间长度参数下的发电功率数据的异常因子：其中，为第天第时刻在时间长度参数下的异常因子，为第天第时刻的时间区间的起始时间，为第天在时间区间内第时刻的发电功率数据，为在第天的有效天数序列集合中，在时间区间内第时刻的所有发电功率的均值。表示线性归一化函数，表示线性归一化函数，归一化范围均为。
45.表示在时间区间内第时刻距离时间区间的起始时间的距离权重，距离越近取值越小，说明距时间区间起始时间的发电功率数据，在获得发电功率数据的异常因子时的参考性越小，即可能是起始点为异常数据点时的残留影响；表示在时间区间内第时刻，当前第天与有效天数序列中同一时刻的所有发电功率数均值差值的绝对值，由于有效天数序列中的发电功率数据为可信度较高的参考，当时间区间内第时刻的发电功率数据与有效天数序列的发电功率数据差值越大时，说明第天在时间区间内第时刻的发电功率数据越可能是异常数据，而发电量是发电功率与时间的积分，即在时间长度参数下的时间区间内，发电功率数据越可能为异常。
46.（2）进一步的，预设异常因子的评估阈值，本实施例评估阈值采用进行叙述，当时间长度参数为时获得发电功率数据的异常因子若满足，说明时间区间为内的发电功率数据为正常数据，则计算第天在时间长度参数为下的第
时刻异常因子；当满足时，则计算第天在时间长度参数为下的第时刻的异常因子；以此类推，直至存在一个整数，使得第天在时间长度参数为下第时刻的异常因子满足时停止；此时第天在时间长度参数为下的第时刻的数据记为异常数据点，其中。
47.需要说明的是，上述是一个迭代过程，在该过程中从时刻开始，一直迭代至第时刻，为采集时刻总次数。
48.（3）然后将第时刻的发电功率数据作为新的分析起始点，第时刻为新的分析起始点的时间区间的起始时间。
49.（4）重复（1）、（2）、（3）步骤，获得第天的发电功率数据中的所有异常数据点。
50.至此，本实施例根据当前天发电功率数据的有效天数序列，获得每个时刻功率数据的发电功率数据的异常因子，获得第天的发电功率数据中的所有异常数据点。
51.步骤s005、根据异常数据点的构建后向斜率压缩模型和解压缩模型，获得光伏组件发电功率的压缩数据。
52.需要说明的是，获取到第天发电功率数据的异常数据点后，根据异常数据点的时间坐标，构建后向斜率压缩模型和解压缩模型，得到发电功率数据的压缩数据。
53.具体的，本实施例所构建的后向斜率压缩模型为：预设后向斜率压缩的拟合阈值，本实施例采用进行叙述，以第时的发电功率数据为第一个记录的第一压缩数据点，设置一个压缩空间参数，压缩空间参数初始值取1，获得当前天的若干压缩元组的具体步骤如下：a、获得第一压缩数据点之后的共个发电功率数据构成压缩空间参数下的待压缩集合；对待压缩集合使用最小二乘法拟合获得拟合直线，拟合直线在待压缩集合对应时刻的数值记为预测功率数据。
54.b、若实际发电功率数据与对应时刻的预测功率数据存在：压缩空间参数下的待压缩集合内所有时刻的实际发电功率数据与对应时刻的预测功率数据的差值均小于拟合阈值，且不为异常数据点时，说明压缩空间参数下的待压缩集合中的发电功率数据与第一压缩数据点的取值或趋势近似，可以使用第一压缩数据点以及其斜率拟合；此时将压缩空间参数设置为，获得压缩空间参数下的待压缩集合，压缩压缩空间参数下的待压缩集合内所有时刻的实际发电功率数据与对应时刻的预测功率数据的差值均小于拟合阈值，且不为异常数据点时，将压缩空间参数设置为，以此类推，直至存在一个整数，使得压缩空间参数下的待压缩集合内任意时刻的实际发电功率数据与对应时刻的预测功率数据的差值大于等于拟合阈值，或为异常数据点时停止迭代。
55.c、若实际发电功率数据与对应时刻的预测功率数据存在：压缩空间参数下的待压缩集合内任意时刻的实际发电功率数据与对应时刻的预测功率数据的差值大于等于拟合阈值，或为异常数据点时，说明第一压缩数据点的待压缩集合中的发电功率数据与第一压缩数据点的取值或趋势存在差异，或存在异常数据点需要另外保存，获得第一压缩
数据点的元组，式中为第一压缩数据点在压缩空间参数为下的待压缩集合的拟合直线的斜率，此时将第个数据点作为新的第一压缩数据点，并将压缩空间参数重置为初始值。
56.重复a、b、c三个步骤直至第天的所有发电功率数据点不存在新的第一压缩数据点时，得到若干压缩元组，得到的压缩元组个数为，所有压缩元组构成压缩数据：其中，为第天第个第一压缩数据点，为第天第个第一压缩数据点的待压缩集合的拟合直线斜率，为第天的第个压缩元组，第天共有个压缩元组。
57.本实施例所构建的后向斜率解压缩模型为：获取压缩数据中的第个压缩数据点的元组，以压缩数据点为支点，构建斜率为的直线对发电功率数据线性插值，直到下一个压缩数据点停止，对所有压缩数据点重复上述步骤，获得解压缩数据。
58.至此，本实施例根据异常数据点构建后向斜率压缩模型和解压缩模型，获得光伏组件发电功率的压缩数据。
59.步骤s006、对光伏组件发电功率的压缩数据构建存储索引，保存到发电量数据库，完成光伏建筑一体化系统的智能存储。
60.获得第天的所有发电功率数据中的压缩数据后，对压缩数据构建以日期为索引的存储器，保存到发电量数据库，完成光伏建筑一体化系统的智能存储。
61.至此，通过发电功率数据的压缩数据后，完成光伏建筑一体化系统的智能存储。
62.以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

技术特征：
1.基于光伏建筑一体化系统发电量智能存储方法，其特征在于，该方法包括以下步骤：采集历史中每天每个时刻的温度数据序列获得历史温度数据，采集历史中每天每个时刻的发电功率数据序列记为历史发电功率数据；根据历史温度数据与当前天的时间间隔和温度差异，获得当前天温度数据与历史每天的温度数据的温度取值近似性，通过温度取值近似性获得当前天的发电功率数据分析序列集合；根据当前天的发电功率数据与发电功率数据分析序列集合中每天的发电功率数据的差异，获得当前天的发电功率数据与分析序列集合中每天的发电量相似性，通过发电量相似性对分析序列集合中每天的发电功率数据序列进行筛选，获得当前天的发电功率数据的有效天数序列集合；根据当前天的每个时刻的发电功率数据，获得当前天每个时刻发电功率数据的时间区间；根据当前天的每个发电功率数据的时间区间和有效天数序列集合中每天发电功率数据的差异，获得当前天的每个发电功率数据在时间长度参数下的异常因子，根据异常因子获得当前天的发电功率数据中的所有异常数据点；根据当前天的发电功率数据中的所有异常数据点，获得当前天的若干压缩元组，根据所有压缩元组获得当前天的发电功率数据的压缩数据，并将当前天的发电功率数据的压缩数据保存到发电量数据库。2.根据权利要求1所述基于光伏建筑一体化系统发电量智能存储方法，其特征在于，所述获得当前天温度数据与历史每天的温度数据的温度取值近似性，包括的具体步骤如下：将当前天记为第天，则第天温度数据与历史温度数据中第天温度数据的温度取值近似性的计算方法为：其中，表示第天温度数据与历史温度数据中第天温度数据的温度取值近似性，为第天与第天的日期间隔，表示在第天第时刻的温度值，表示在第天第时刻的温度值，为在一天内的发电功率数据和温度数据的采集时刻总次数，表示以自然常数为底的指数函数。3.根据权利要求1所述基于光伏建筑一体化系统发电量智能存储方法，其特征在于，所述获得当前天的发电功率数据分析序列集合，包括的具体步骤如下：预设环境阈值，若当前天的温度数据与历史温度数据中第天温度数据的温度取值近似性大于等于环境阈值时，将满足条件的第天的发电功率数据序列记为分析序列；获得所有历史日期与当前的温度取值近似性，将所有历史日期中满足温度取值近似性大于环境阈值的所有发电功率数据序列均记为分析序列，历史功率数据中所有分析序列构成第天的发电功率数据分析序列集合。4.根据权利要求1所述基于光伏建筑一体化系统发电量智能存储方法，其特征在于，所述获得当前天的发电功率数据与分析序列集合中每天的发电量相似性，包括的具体步骤如下：
将当前天记为第天，则第天的发电功率数据序列与第天的发电功率数据分析序列集合中第天发电功率数据序列的发电量相似性的计算方法为：其中为第天的发电功率数据序列与第天的发电功率数据分析序列集合中第天的发电功率数据序列发电量相似性，为第天中第时刻的发电功率数据值，为第天中第时刻的发电功率数据值，为在一天内的发电功率数据和温度数据的采集时刻总次数，表示以自然常数为底的指数函数。5.根据权利要求1所述基于光伏建筑一体化系统发电量智能存储方法，其特征在于，所述获得当前天的发电功率数据中的所有异常数据点，包括的具体步骤如下：将当前天记为第天，预设发电量相似性阈值，若当前天的发电功率数据分析序列集合中的第天与当前天的发电量相似性取值大于等于发电量相似性阈值，将第天的发电功率数据序列记为当前天的有效天数序列；同理获得第天的分析序列集合中所有天数与当前第天的发电量相似性，获得所有发电量相似性大于发电量相似性阈值的发电功率数据序列记为第天的所有有效天数序列，当前天的发电功率数据分析序列中所有有效天数序列构成第天有效天数序列集合。6.根据权利要求1所述基于光伏建筑一体化系统发电量智能存储方法，其特征在于，所述获得当前天每个时刻发电功率数据的时间区间，包括的具体步骤如下：将当前天记为第天，将第天第时刻的发电功率数据记为分析起始点，记为时间长度参数，将记为分析起始点在时间长度参数下的时间区间。7.根据权利要求1所述基于光伏建筑一体化系统发电量智能存储方法，其特征在于，所述获得当前天的每个发电功率数据在时间长度参数下的异常因子，包括的具体步骤如下：将当前天记为第天，第天第时刻在时间长度参数下的异常因子的计算方式为：其中，为第天第时刻在时间长度参数下的异常因子，为时间区间的起始时间，为第天在时间区间内第时刻的发电功率数据，为在第天的有效天数序列集合中，在时间区间内第时刻的所有发电功率的均值；表示线性归一化函数，表示线性归一化函数。8.根据权利要求1所述基于光伏建筑一体化系统发电量智能存储方法，其特征在于，所述获得当前天的发电功率数据中的所有异常数据点，包括的具体步骤如下：（1）将当前天记为第天，将第天第时刻的发电功率数据记为分析起始点，分析起始点的时间区间为，将第天第时刻在时间长度参数下的异常因子记为；（2）预设异常因子的评估阈值，当时间长度参数为时获得发电功率数据的异常因子若满足，则计算第天第时刻在时间长度参数为下的异常因子；当时间长度参数为时获得发电功率数据的异常因子若满足，则计算第天第时刻在时间长度参数为下的异常因子；以此类推，直至存在一个整数，使得第天第时刻
在时间长度参数为下的异常因子满足时停止；此时第天第时刻在时间长度参数为下发电功率数据记为异常数据点；（3）然后将第时刻的发电功率数据作为新的分析起始点；（4）重复（1）、（2）、（3）步骤，获得第天的发电功率数据中的所有异常数据点。9.根据权利要求1所述基于光伏建筑一体化系统发电量智能存储方法，其特征在于，所述获得当前天的若干压缩元组，包括的具体步骤如下：将当前天记为第天，将第天第时刻的发电功率数据记为第一压缩数据点，设置压缩空间参数，获得当前天的若干压缩元组的具体步骤如下：a、获得第一压缩数据点之后的共个发电功率数据构成压缩空间参数下的待压缩集合；对待压缩集合使用最小二乘法拟合获得拟合直线，拟合直线在待压缩集合对应时刻的数值记为预测功率数据；b、若实际发电功率数据与对应时刻的预测功率数据存在：压缩空间参数下的待压缩集合内所有时刻的实际发电功率数据与对应时刻的预测功率数据的差值均小于拟合阈值，且不为异常数据点时，将压缩空间参数设置为，获得压缩空间参数下的待压缩集合，压缩压缩空间参数下的待压缩集合内所有时刻的实际发电功率数据与对应时刻的预测功率数据的差值均小于拟合阈值，且不为异常数据点时，将压缩空间参数设置为，以此类推，直至存在一个整数，使得压缩空间参数下的待压缩集合内任意时刻的实际发电功率数据与对应时刻的预测功率数据的差值大于等于拟合阈值，或为异常数据点时停止迭代；c、若实际发电功率数据与对应时刻的预测功率数据存在：压缩空间参数下的待压缩集合内任意时刻的实际发电功率数据与对应时刻的预测功率数据的差值大于等于拟合阈值，或为异常数据点时，获得第一压缩数据点的元组，式中为第一压缩数据点在压缩空间参数为下的待压缩集合的拟合直线的斜率，此时将第个数据点作为新的第一压缩数据点，并将压缩空间参数重置为初始值；重复a、b、c三个步骤直至第天的所有发电功率数据点不存在新的第一压缩数据点时，得到若干压缩元组。10.根据权利要求9所述基于光伏建筑一体化系统发电量智能存储方法，其特征在于，所述获得当前天的发电功率数据的压缩数据，包括的具体步骤如下：获得当前天的若干个压缩元组后，将当前天的所有压缩元组构成压缩数据：其中，为第天第个第一压缩数据点，为第天第个第一压缩数据点的待压缩集合的拟合直线斜率，为第天的第个压缩元组，第天共有个压缩元组。

技术总结
本发明涉及数据处理技术领域，具体涉及基于光伏建筑一体化系统发电量智能存储方法，包括：采集光伏建筑一体化系统的历史发电功率数据和历史温度数据，获取当前天所有温度取值近似性，得到发电功率数据分析序列集合；获得当前天与发电功率数据分析序列集合的发电量相似性，得到有效天数序列集合；根据每个发电功率数据的时间区间，获得每个发电功率数据的异常因子，获得当前天的发电功率数据的所有异常数据点，生成发电功率数据的后向斜率压缩和解压缩模型，获得发电功率数据的压缩数据，完成光伏建筑一体化系统的智能存储。本发明旨在解决后向斜率法压缩时易将重要的异常数据点拟合，造成压缩后的发电功率数据在分析时存在较大误差的问题。大误差的问题。大误差的问题。


技术研发人员：王海滨 周伟平 张伟升 赵明建 孙连宇 张毅 马肖圆
受保护的技术使用者：北京长和信泰能源技术有限公司
技术研发日：2023.09.12
技术公布日：2023/10/20