数据服务提供功率时序曲线诊断算法，应用于光伏智能运维检测，通过对功率时序曲线的特征分析，可以发现潜在的发电低效站点并进行预警，引导运维人员及时定位排查，从而降低运维成本并提高电站的经济回报。本文介绍光伏智能运维中功率时序曲线诊断算法的使用说明。
背景信息
数据服务提供单站点检测和多站点排序的功率时序曲线诊断算法，您可根据实际业务场景进行选择。
|
类型 |
说明 |
应用场景 |
|
单站点检测 |
精准检测单个站点的发电效能。 |
上传某电站的日内发电功率曲线，并结合日内的光照强度时序数据和电站额定功率配置，算法自动判断该站点是否出现了发电低效故障。 |
|
多站点排序 |
对多个站点的发电效能进行排序。 |
圈选一批地域邻近的电站，上传其日内发电功率曲线，通过算法判断功率曲线与马蹄形理想曲线的接近程度，按照发电效能排序电站点，并对偏离的电站点进行预警。 |
查看使用说明
在物联网平台控制台的实例概览页面，单击目标企业版实例卡片。
在左侧导航栏，选择。
-
在算法模板列表中找到功率时序曲线诊断（多站点排序）和功率时序曲线诊断（单站点检测）算法，单击对应操作列的查看。
在算法的模板详情页面，可查看基本信息。
功率时序曲线诊断（多站点排序）
基本信息页签包含模板介绍、典型场景举例和竞争力&亮点三个板块。模板介绍说明功率时序曲线是智能化光伏运维中的重要指标，通过特征分析发现潜在低效站点并预警。典型场景为圈选地域临近的电站，上传日内发电功率曲线进行排序和预警。竞争力在于通过功率时序数据自动发现潜在故障，降低运维成本并提高经济回报。
功率时序曲线诊断（单站点检测）
基本信息页签包含模板介绍、典型场景举例和竞争力&亮点三个板块。模板介绍说明功率时序曲线是智能化光伏运维中的重要指标，通过特征分析发现潜在低效站点并预警。典型场景为上传单电站日内发电功率曲线，结合光照强度时序数据和额定功率配置，自动判断是否出现发电低效故障。竞争力在于通过功率时序数据自动发现潜在故障，降低运维成本并提高经济回报。
-
单击使用说明页签，单击输入参数格式和输出参数格式，可查看算法运行的参数描述。
功率时序曲线诊断（多站点排序）
输入参数包括：detect_date（String，待检测日期，格式%Y-%m-%d）、sensitivity（Integer，检测敏感度水平）、n_power_plants（Integer，待检测电站数量，需大于等于20）、timestamps（string，时间戳，时间顺序排列，格式%Y-%m-%d %H:%M:%S）和all_power_data（string，各电站的日内发电功率，单位W，顺序对应时间戳，电站数与n_power_plants相等）。输出参数为data（string，低功率电站序列）。
功率时序曲线诊断（单站点检测）
输入参数包括：detect_date（String，待检测日期）、rated_power（float，额定功率，单位KW）、timestamps（string，时间戳，时间顺序排列）、power（string，发电功率，单位W，顺序对应时间戳）和irradiance（string，辐照光强度，单位W/m2，顺序对应时间戳）。输出参数为data（String），返回值示例：{'state_good_probability': 0.91, 'state_bad_probability': 0.09}。