买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉宁波大学科学技术学院申请的专利一种基于时序特征分解技术的并网光伏发电系统状态监测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN114936789B 。

龙图腾网通过国家知识产权局官网在2026-01-23发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210650636.5，技术领域涉及：G06Q10/063；该发明授权一种基于时序特征分解技术的并网光伏发电系统状态监测方法是由章涛;陈勇旗;陈杨设计研发完成，并于2022-04-30向国家知识产权局提交的专利申请。

本一种基于时序特征分解技术的并网光伏发电系统状态监测方法在说明书摘要公布了：本发明公开一种基于时序特征分解技术的并网光伏发电系统状态监测方法，旨在通过分析提取并网光伏发电系统采样数据的时间序列相关特征，并同时考虑采样数据的时变特性，从而解决并网光伏发电系统的运行状态监测问题。具体来讲，本发明方法设计了一种全新的时序特征分解方法技术，以并网光伏发电系统配套的SCADA系统提供的实时采样数据为对象，直接通过特征自回归模型的方式，挖掘出数据中蕴藏的满足时序误差最小化的时序相关特征来构建相应的监测指标。本发明方法通过监测时序特征的时序回归误差以及静态的模型误差来监测采样数据中的异常变化，从两个方面确保了并网光伏发电系统运行状态监测的全面性。

本发明授权一种基于时序特征分解技术的并网光伏发电系统状态监测方法在权利要求书中公布了：1.一种基于时序特征分解技术的并网光伏发电系统状态监测方法，具体包括以下所示步骤： 步骤1：在并网光伏发电系统正常运行状态下，利用SCADA系统获取各个采样时刻的测量数据，并按照采样时间先后将N个采样时刻的测量数据依次对应存储为N个数据向量x1,x2,…,xN；其中，第i个采样时刻的数据向量xi∈R11×1具体由第i个采样时刻的11个测量数据组成，排列顺序依次是：光照强度，环境温度，直流电压，直流电流，直流变换器的输出电压，交流逆变器的三相电压和三相电流；下标号i∈{1,2,…,N}，R11×1表示11×1维的实数向量，R表示实数集； 步骤2：将x1,x2,…,xN组成数据矩阵X＝[x1,x2,…,xN]T后，再根据对X中各列的列向量分别实施标准化处理，从而得到新矩阵其中，zj∈RN×1表示X中第j列的列向量，表示新矩阵中第j列的列向量，μj和δj分别表示列向量zj中所有元素的平均值和标准差，j∈{1,2,…,11}，RN×11表示N×11维的实数矩阵，上标号T表示矩阵或向量的转置； 步骤3：根据如下所示公式①分别构造时序矩阵Y和时序扩展矩阵Z后，再对矩阵实施奇异值分解，从而得到酉矩阵U和奇异值对角矩阵V； 上式中，D表示时序阶数，分别表示中的第1行，第2行，…，第D-1行，第D行，第D+1行，…，第N-D行，第N-2行，第N-1行，和第N行的行向量； 步骤4：利用时序矩阵Y和时序扩展矩阵Z实施时序特征分解，得到特征分解矩阵W∈R11×M，回归系数矩阵P∈R11×M，时序系数矩阵B∈RD×M，和时序误差矩阵E∈RN-D×11； 其中，M等于时序特征的个数，RN-D×11表示N-D×11维的实数矩阵； 步骤5：根据公式计算模型误差矩阵F，并计算时序误差矩阵E的协方差矩阵Λ＝ETEN-D-1后，再根据公式Qd＝diag{ETΛ-1E}和Qs＝diag{FTF}分别计算时序监测指标向量Qd和静态监测指标向量Qs；其中，diag{}表示将大括号内的矩阵对角线元素转变成列向量的操作； 步骤6：分别将Qd和Qs中的最大值记录为Qd,max和Qs,max，并计算综合监测指标向量ψ＝QdQd,max+QQs,max后，再将ψ中的最大值记录为ψmax 步骤7：利用SCADA系统获取并网光伏发电系统在最新采样时刻的11个测量数据，并将这11个测量数据按照步骤1中所述顺序依次排列后组成一个11×1维的数据向量y∈R11×1后，再根据公式对y中的各个元素实施标准化处理，从而得到列向量其中，j∈{1,2,…,11}，yj和分别表示y中的第j个元素； 步骤8：将前D个采样时刻的数据向量依次记录为yt-1,yt-2,…,yt-D，并按照步骤7中的实施过程，分别对其实施标准化处理，从而对应得到列向量后，再根据如下所示步骤8.1至步骤8.4计算得到时序误差向量e∈RM×1和模型误差向量f∈R11×1 步骤8.1：分别根据公式依次计算当前采样时刻及其前D个采样时刻的时序特征向量st，st-1，…，和st-D后，再初始化m＝1； 步骤8.2：根据如下所示公式②计算时序误差向量et中的第m个元素etm： etm＝stm-[st-1m,st-2m,…,st-Dm]Bm②上式中，stm，st-1m，st-2m，…，st-Dm分别表示时序特征向量st，st-1，st-2…，和st-D中的第m个元素，Bm表示时序系数矩阵B中的第m列的列向量； 步骤8.3：判断m是否小于M；若是，则设置m＝m+1后，返回步骤8.2；若否，则得到时序误差向量et中的所有M个元素； 步骤8.4：根据公式计算模型误差向量ft； 步骤9：根据公式Cd＝etTΛ-1et和Cs＝ftTft分别计算时序监测指标Cd和静态监测指标Cs后，再计算当前采样时刻的综合监测指标 步骤10：判断是否满足条件若是，则并网光伏发电系统运行正常，返回步骤7继续利用最新采样时刻的测量数据实施状态监测；若否，则执行步骤11从而决策是否触发异常警报； 步骤11：返回步骤7继续利用最新采样时刻的测量数据实施状态监测，若连续A个采样时刻的综合监测指标都大于ψmax，则触发异常警报；反之，则并网光伏发电系统运行正常； 其特征在于，所述步骤4的具体实施过程如下所示： 步骤4.1：设置时序特征的个数等于M后，再初始化m＝1； 步骤4.2：初始化分解向量wm∈R11×1为一个任意的11×1维的非零实数向量后，再根据公式更新分解向量wm； 步骤4.3：根据公式计算时序系数向量βm；其中，ID表示D×D维的单位矩阵，表示计算ID和wm的克罗内克积； 步骤4.4：根据公式计算矩阵G后， 再根据公式G＝V-0.5UTGUV-0.5更新矩阵G；其中，I11表示11×11维的单位矩阵； 步骤4.5：计算G的最小特征值所对应的特征向量g后，再根据公式wm＝UV-0.5g计算得到分解向量wm； 步骤4.6：根据公式更新分解向量wm后，判断wm是否收敛；若否， 则返回步骤4.3；若是，则根据pm＝Lwm计算第m个回归系数向量pm，根据公式计算第m个时序误差向量em，并保留wm，pm和em后，再根据公式和分别更新Y和Z后，再执行步骤4.7； 步骤4.7：判断m是否小于M；若是，则设置m＝m+1后，返回步骤4.2；若否，则将保留的M个回归系数向量p1,p2,…,pM组成回归系数矩阵P＝[p1,p2,…,pM]，将保留的M个分解向量w1,w2,…,wM组成特征分解矩阵W＝[w1,w2,…,wM]，将M个时序系数向量β1,β2,…,βM组成时序系数矩阵B＝[β1,β2,…,βM]，将M个时序误差向量e1,e2,…,eM组成时序误差矩阵E＝[e1,e2,…,eM]后，再根据公式W＝WPTW-1更新特征分解矩阵W。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人宁波大学科学技术学院，其通讯地址为：315302 浙江省宁波市慈溪市白沙路街道文蔚路521号宁波大学科学技术学院；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。