本发明涉及光伏组件。更具体地，本发明涉及一种基于生存分析模型的光伏清洁度的预测方法及系统。
背景技术：
1、太阳能作为一种可再生能源，相较于传统能源具有清洁、安全、可持续和不会枯竭等优势，而光伏发电是太阳能利用的一种主要方式，其在长期的能源战略中具有重要地位。然而，在光伏发电系统运行过程中除光伏组件本身的性能之外，自然环境的不同也会对其发电效率产生极大影响，最主要的就是空气中的灰尘和颗粒物，其堆积在光伏组件表面，会对光伏组件的光吸收产生影响，降低光伏组件的输出功率。
2、目前会采用i-v曲线检测方法对光伏组件状态进行实时检测，但难以检测出光伏组件的局部遮挡。光伏发电系统故障的多样性及对太阳辐射量的敏感性使其在i-v曲线跟踪时会显示多个光伏组件故障共同作用下的故障信息。因此使用i-v曲线进行积尘状态的检测时准确率不高且会产生错误的故障类型判断。
技术实现思路
1、本发明提供一种基于生存分析模型的光伏清洁度的预测方法及系统，旨在解决相关技术中使用i-v曲线进行积尘状态的检测时准确率不高且会产生错误的故障类型判断的问题。
2、在第一方面中，本发明提供了基于生存分析模型的光伏清洁度的预测方法及系统，包括：获取光伏组件的监测数据，所述监测数据包括光伏组件的电压和电流、光伏组件的表面材料、光伏组件的安装倾斜角度；对所述监测数据进行主成分分析，得到多个主成分，并根据多个所述主成分的贡献率/特征值的大小，确定最终主成分，并计算出所述最终主成分的得分；基于所述最终主成分的得分建立并训练cox比例风险模型，得到光伏组件的清洁概率值，并根据所述清洁概率值的大小对光伏组件进行监测。
3、在一实施例中，获取光伏组件的监测数据，包括：选取影响光伏组件的清洁度相关的多个监测变量。
4、在一实施例中，获取光伏组件的监测数据，还包括：所述监测数据还包括安装地点、装机容量和使用年限。
5、在一实施例中，对所述监测数据进行主成分分析，得到多个主成分，包括：对所述监测数据进行标准化处理；计算所述监测数据的相关矩阵，对所述相关矩阵进行特征分解，得到特征值和对应的特征向量；根据所述特征值的大小排序，根据排序结果确定为主成分。
6、在一实施例中，根据多个所述主成分的贡献率的大小，确定最终主成分，包括：对于多个所述主成分，选取所述主成分的贡献率大于第二阈值的主成分，最为最终主成分。
7、在一实施例中，根据所述清洁概率值的大小对光伏组件进行监测，包括：响应于所述清洁概率值大于第二阈值，则进行预警；响应于所述清洁概率值小于第二阈值，则对光伏组件进行监测。
8、在一实施例中，还包括：剔除异常数据点：所述剔除异常数据点包括：将所述最终主成分对应的原始数据投影至主成分空间中，并计算数据点到主成分超平面的距离值，根据所述距离值的大小确定异常数据点，并在监测数据中剔除对应的异常数据点。
9、在一实施例中，还包括：将剔除异常数据点后的监测数据重新进行主成分分析，得到多个主成分，并筛选出主成分的贡献率大于第三阈值的主成分，根据所述贡献率大于第三阈值的主成分建立并训练cox比例风险模型。
10、本发明第二方面，还提供了一种基于生存分析模型的光伏清洁度的预测系统，包括处理器和存储器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序以实现以上任一项所述的基于生存分析模型的光伏清洁度的预测方法及系统。
11、有益效果
12、（1）基于cox比例风险模型，更全面地对光伏出力以及运行状态进行判断和预测，进而完成对光伏表面的清洁概率值的评估和预测。
13、（2）基于主成分分析方法，降维减少了数据的复杂性，使得异常值的检测更加容易。且pca（主成分分析）保留了数据中的主要方差，使得检测到的异常值更加具有代表性。在低维空间中可视化数据点，可以直观地识别出异常值。并采用提出异常数据点后的监测数据，可以在减少计算复杂度，同时提高对监测结果的准确性。
1.一种基于生存分析模型的光伏清洁度的预测方法及系统，其特征在于，包括：
2.根据权利要求1所述的基于生存分析模型的光伏清洁度的预测方法及系统，其特征在于，获取光伏组件的监测数据，包括：
3.根据权利要求1所述的基于生存分析模型的光伏清洁度的预测方法及系统，其特征在于，获取光伏组件的监测数据，还包括：
4.根据权利要求1所述的基于生存分析模型的光伏清洁度的预测方法及系统，其特征在于，对所述监测数据进行主成分分析，得到多个主成分，包括：
5.根据权利要求1所述的基于生存分析模型的光伏清洁度的预测方法及系统，其特征在于，根据多个所述主成分的贡献率的大小，确定最终主成分，包括：
6.根据权利要求1所述的基于生存分析模型的光伏清洁度的预测方法及系统，其特征在于，根据所述清洁概率值的大小对光伏组件进行监测，包括：
7.根据权利要求1所述的基于生存分析模型的光伏清洁度的预测方法及系统，其特征在于，还包括：剔除异常数据点：
8.根据权利要求7所述的基于生存分析模型的光伏清洁度的预测方法及系统，其特征在于，还包括：
9.一种基于生存分析模型的光伏清洁度的预测系统，包括处理器和存储器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序以实现如权利要求1-8任一项所述的基于生存分析模型的光伏清洁度的预测方法及系统。
