光伏电站清洗策略及收益模型的应用POWER+的-snec．org．.pdfVIP

下载本文档

21
0
约5.69千字
约 25页
2019-07-02 发布于天津
举报
版权申诉

光伏电站清洗策略及收益模型的应用POWER+的-snec．org．.pdf

1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

人工智能驱动的智慧运维云平台常见的组件问题表面破损杂草遮挡建筑物遮挡热斑灰尘缺点缺点额外的传感设备需要大量的标签数据额外的运维成本需要已知故障的类型受限制的使用范围准确率不高如何减少成本如何尽量降低标签库甚至不需要如何检测尽可能多的故障标签库如何尽可能提高准确率以上两种方法都会给光伏系统的运营和维护带来额外的成本并存在有限的应用范围这促使了基于系统的基于无监督的机器学习方法的提出决方案的提出数据预处理和清洗数据清洗处理采集错误的数据去除噪音数据分析空间特性先局部再全局数据分析时间特性检测结果分类

人工智能驱动的智慧运维云平台 Based on AlphaGo Zero 常见的组件问题表面破损杂草遮挡建筑物遮挡热斑灰尘 model-based data-driven 缺点：缺点： ● 额外的传感设备 ● 需要大量的标签数据 ● 额外的运维成本 ● 需要已知故障的类型 ● 受限制的使用范围 ● 准确率不高 ● 如何减少成本？ ● 如何尽量降低标签库？甚至不需要 ● 如何检测尽可能多的故障？标签库？ ● 如何尽可能提高准确率？以上两种方法都会给光伏系统的运营和维护带来额外的成本，并存在有限的应用范围。这促使了基于SCADA系统的基于无监督的机器学习方法的提出决方案的提出数据预处理和清洗 ● 数据清洗 ○ 处理采集错误的数据 ○ 去除噪音数据分析：空间特性先局部，再全局 9 数据分析：时间特性检测结果分类效果用了三种机器学习的方法，bagging， svm ，xgboosting 。和两种特征提取的方法。分类效果如图。异常分类的准确率达 93% 。企业介绍北京动力协合科技有限公司是香港上市公司协合新能源集团(股票代码182.HK)旗下公司，专注于能源领域的人工智能解决方案。依托母公司十余年的新能源电站运行管理经验，自主研发了业内首个完全基于公有云PaaS架构的能源互联网云平台POWER+ ，并将人工智能技术首次引用到新能源电站的运维服务中，同时，为工业用户及售电公司提供专业的用能监测、分析和预测等服务。我们的团队行业经验技术经验专家经验海量数据十余年新能源行业运维经拥有强大的自主研发实力，拥有大批能源专家，数据拥有数千MW电站多年运验，为近百家风光电厂提在北京、美国西雅图、荷兰科学家，及能源互联网人行数据，为人工智能分析供运营服务阿姆斯