技術(shù)特征：

1.一種光伏電站狀態(tài)診斷方法，其特征在于，包括如下步驟：

A1、采集光伏電站全景數(shù)據(jù)；

A2、提取光伏電站監(jiān)測(cè)關(guān)鍵數(shù)據(jù)，并計(jì)算光伏電站運(yùn)行狀態(tài)指標(biāo)；

A3、針對(duì)光伏電站運(yùn)行狀態(tài)指標(biāo)，根據(jù)歷史數(shù)據(jù)，建立正態(tài)云模型，根據(jù)云模型計(jì)算異常閾值；

A4、將實(shí)時(shí)監(jiān)測(cè)數(shù)據(jù)的狀態(tài)指標(biāo)與異常閾值比較，判斷實(shí)時(shí)狀態(tài)是否異常。

2.根據(jù)權(quán)利要求1所述的光伏電站狀態(tài)診斷方法，其特征在于，還包括將采集的數(shù)據(jù)進(jìn)行預(yù)處理的步驟：采用閾值判斷法修正異常數(shù)據(jù)的值，采用均值填補(bǔ)法推測(cè)缺失數(shù)據(jù)的值。

3.根據(jù)權(quán)利要求1所述的光伏電站狀態(tài)診斷方法，其特征在于，提取關(guān)鍵數(shù)據(jù)之前，還包括對(duì)數(shù)據(jù)進(jìn)行ETL數(shù)據(jù)清洗的步驟。

4.根據(jù)權(quán)利要求1所述的光伏電站狀態(tài)診斷方法，其特征在于，所述關(guān)鍵數(shù)據(jù)包括環(huán)境氣象參數(shù)、發(fā)電量、直流側(cè)三相電壓和電流、交流側(cè)三相電壓和電流、有功功率、無(wú)功功率、功率因數(shù)、等效發(fā)電時(shí)間、直流線損和交流線損。

5.根據(jù)權(quán)利要求1所述的光伏電站狀態(tài)診斷方法，其特征在于，所述狀態(tài)指標(biāo)包括方陣平均效率、逆變器效率、PV方陣日等效發(fā)電時(shí)間、線損率。

6.根據(jù)權(quán)利要求1所述的光伏電站狀態(tài)診斷方法，其特征在于，判斷實(shí)時(shí)監(jiān)測(cè)數(shù)據(jù)是否異常后，還包括設(shè)置云模型的修正周期和實(shí)時(shí)診斷周期，進(jìn)行云模型修正的步驟。

7.根據(jù)權(quán)利要求5所述的光伏電站狀態(tài)診斷方法，其特征在于，所述方陣平均效率為：

μ_PV＝E_A/(A×H_T)，E_A＝∑_day(P×τ_r)

其中，A為PV方陣有效面積，P×τ_r為記錄間隔內(nèi)PV方陣中組件輸出的直流電量，∑_day為按日求和；H_T為τ時(shí)段內(nèi)PV方陣傾斜面輻射量，E_A為τ時(shí)段內(nèi)PV方陣的輸出能量；

所述逆變器發(fā)電效率為：

${\mathrm{\η}}_{INV}=\frac{P_{out}}{P_{in}}$

其中，P_out為逆變器交流側(cè)輸出功率，P_in為逆變器直流側(cè)輸入功率；

所述PV方陣日等效發(fā)電時(shí)間：

$Y_A=\frac{E_A}{P_0}$

其中，P₀為PV系統(tǒng)峰瓦功率，即每個(gè)組件按額定功率運(yùn)行時(shí)PV系統(tǒng)的總功率；

所述線損為：

$\mathrm{\ξ}=\frac{{\mathrm{\ΔP}}_1}{P_1}+\frac{{\mathrm{\ΔP}}_2}{P_2}=\frac{2{\mathrm{\ρI}}_1^2{l}_1}{P_1{A}_1}+\frac{3{\mathrm{\ρI}}_2^2{l}_2}{P_2{A}_2}$

其中，ρ為線纜的電阻率，P₁為光伏組串輸出功率，P₂為逆變器輸出功率，A₁為直流線纜的面積，A₂是交流線纜的面積，I₁是直流線纜的電流，I₂是交流線纜的電流，l₁是組件到逆變器的距離，l₂是逆變器到箱變的距離。

8.根據(jù)權(quán)利要求1所述的光伏電站狀態(tài)診斷方法，其特征在于，所述建立云模型、計(jì)算閾值包括如下步驟：

S1、計(jì)算狀態(tài)監(jiān)測(cè)數(shù)據(jù)統(tǒng)計(jì)特征值：樣本平均值為

$\stackrel{\‾}{X}=\frac{1}{n}\underset{i=1}{\overset{n}{\Σ}}{x}_i$

1階樣本絕對(duì)中心距為

$B_1=\frac{1}{n}\underset{i=1}{\overset{n}{\Σ}}|x_i-\stackrel{\‾}{X}|$

樣本方差為

$S^2=\frac{1}{n}\underset{i=1}{\overset{n}{\Σ}}{(x_i-\stackrel{\‾}{X})}^2$

S2、計(jì)算正態(tài)云的數(shù)字特征量：期望為

$E_x=\stackrel{\‾}{X}$

熵為

$E_n=\sqrt{\frac{\mathrm{\π}}{2}}\×B_1$

超熵為

$H_e=\sqrt{|S^2-{E_n}^2|}$

S3、隨著H_e的增大，形成梯形云，其中，外隸屬度曲線為

${\mathrm{\μ}}_1=\exp (-\frac{{(x-E_x)}^2}{2{(E_n+3H_e)}^2})$

其區(qū)間為[E_x-3(E_n+3H_e),E_x+3(E_n+3H_e)]；

內(nèi)隸屬度曲線為

${\mathrm{\μ}}_2=\exp (-\frac{{(x-E_x)}^2}{2{(E_n-3H_e)}^2})$

其區(qū)間為[E_x-3(E_n-3H_e),E_x+3(E_n-3H_e)]；

選取外隸屬度曲線μ₁的區(qū)間邊界作為異常判斷閾值。

9.根據(jù)權(quán)利要求6所述的光伏電站狀態(tài)診斷方法，其特征在于，所述進(jìn)行云模型修正的公式為：

期望修正

${E_x}^{\′}=\frac{{\mathrm{nE}}_x+x_{n+1}}{n+1}$

方差修正

$S^{2^{\′}}=\frac{n}{n+1}{S}^2+\frac{1}{n+1}{(x_{n+1}-{E_x}^{\′})}^2$

熵修正

${E_n}^{\′}=\frac{n}{n+1}{E}_n+\frac{1}{n+1}\sqrt{\frac{\mathrm{\π}}{2}}|x_{n+1}-{E_x}^{\′}|$

超熵修正

${H_e}^{\′}=\sqrt{|S^{2^{\′}}-{E_n}^{\′2}|}$

其中，n表示模型中已包含的數(shù)據(jù)個(gè)數(shù)，x_n+1表示新增的數(shù)據(jù)。

10.一種光伏電站狀態(tài)診斷裝置，其特征在于，包括如下單元：

用于采集光伏電站全景數(shù)據(jù)的單元；

用于提取光伏電站監(jiān)測(cè)關(guān)鍵數(shù)據(jù)，并計(jì)算光伏電站運(yùn)行狀態(tài)指標(biāo)的單元；

用于針對(duì)光伏電站運(yùn)行狀態(tài)指標(biāo)，根據(jù)歷史數(shù)據(jù)，建立正態(tài)云模型，根據(jù)云模型計(jì)算異常閾值的單元；

用于將實(shí)時(shí)監(jiān)測(cè)數(shù)據(jù)的狀態(tài)指標(biāo)與異常閾值比較，判斷實(shí)時(shí)狀態(tài)是否異常的單元。