本发明涉及光伏发电领域，具体涉及一种基于数据增强自编码器的光伏组件积灰损失拟合方法。
背景技术：
1、太阳能作为一种可再生能源，具有清洁、安全和可持续等优势，光伏发电是太阳能利用的主要方式，在能源战略中具有重要地位。然而，由于光伏组件安装在室外，其表面会沉积外部环境带来的灰尘，导致组件效率降低。一方面，积灰降低了光伏板接受的辐照度；另一方面，积灰会引起热斑效应，损坏光伏组件。所以，研究积灰导致的发电损失，对制定合理的清洁计划十分重要。
2、目前光伏组件积灰损失的研究主要专注于两个方面，第一个方面，通过计算积灰导致的损耗率，与光伏组件的额定功率相乘，得到发电损失数值。第二个方面，通过理论功率与实际功率相减，得到发电损失数值。其中，理论功率通常使用公式计算，但问题在于：除积灰外，光伏组件还会受到组件老化、失配损失等影响，使积灰损失的计算不准确。
3、公开号为cn115953148a的中国发明公开一种光伏组件积灰损失计算和清洗时间估算方法及相关装置，该方法中，使用最小二乘法拟合得到损失发电量的回归曲线，回归系数和损失发电量都需要每日清洗组件的发电量来计算。
4、公开号为cn109039261a的中国发明公开一种光伏电站积灰智能判断方法，使用公式计算应发功率，但发电功率公式存在误差，无法准确量化积灰损失。
5、公开号为cn110046329a的中国发明公开一种计算光伏组件积灰损失的多元回归模型的构建方法，建立与pm10指数、风速和湿度相关的积灰损失多元回归模型，未考虑到线损等其他因素影响，积灰损失计算精度欠佳。
技术实现思路
1、本发明的目的在于提供一种基于数据增强自编码器的光伏组件积灰损失拟合方法，是一种新型的积灰损失计算方法。
2、本发明采用的技术方案如下：
3、一种基于数据增强自编码器的光伏组件积灰损失拟合方法，包括如下步骤：
4、步骤s1.采集气象数据、光伏组件清洁状态下的发电功率、光伏组件积灰状态下的发电功率构建时间序列数据集。
5、步骤s2.将时间序列数据输入到时间序列生成对抗网络中获得生成数据。
6、步骤s3.基于数据增强策略，结合原始数据与生成数据得到增强后数据。
7、步骤s4.将增强后的数据输入到自编码器网络进行理论功率拟合。
8、步骤s5.根据拟合的理论功率，结合对应条件下积灰状态的发电功率，应用如下公式计算出发电损失：
9、
10、公式中：qloss为发电损失成本；ce为电价；p理论i为光伏板的理论发电功率；p积灰i为积灰光伏板的发电功率；i取1、2、3、……、n，n为积灰时间。
11、进一步的，步骤s1中，在同一地点布置环境检测仪以及两组完全相同的光伏组件；环境检测仪用于采集该布置地点的气象数据，气象数据包括太阳辐照度、温度、风速、风向、湿度和气压；两组完全相同的光伏组件中的一组每天进行清洗保持洁净，用于采集清洁状态下的发电功率；另一组不清洗用于采集积灰状态下的发电功率。
12、进一步的，每两分钟采集一次数据，采集一个月的数据构建时间序列数据集。
13、进一步的，时间序列生成对抗网络主要由嵌入器、恢复器、生成器、鉴别器组成；时间序列数据集输入时间序列生成对抗网络进行训练。
14、进一步的，自编码器网络使用气象数据作为输入变量，清洁状态下的光伏发电功率作为输出；自编码器网络包括编码器和解码器，在拟合任务中，编码器将数据压缩到低维空间进行特征提取，自动学习输入变量的有效特征，这些特征包含了描述气象数据与发电功率之间关系的信息；解码器从隐层特征生成输出变量，模型学习到了从气象数据到发电功率的映射关系。
15、进一步的，自编码器网络的编码器和解码器使用长短期记忆网络。
16、本发明的有益效果是：本发明采集每天清洁的光伏板的发电功率，基于改进的时间序列生成对抗网络进行两个维度增强，获得高值密度特征数据，提高了数据质量；基于自编码器网络拟合理论功率模型，结合积灰状态下的发电功率，建立积灰导致的发电量损失模型，通过实验验证了该方法计算发电量损失的有效性，相比于传统的公式计算方法，能够更加准确的计算理论发电功率。
1.一种基于数据增强自编码器的光伏组件积灰损失拟合方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于数据增强自编码器的光伏组件积灰损失拟合方法，其特征在于，步骤s1中，在同一地点布置环境检测仪以及两组完全相同的光伏组件；环境检测仪用于采集该布置地点的气象数据，气象数据包括太阳辐照度、温度、风速、风向、湿度和气压；两组完全相同的光伏组件中的一组每天进行清洗保持洁净，用于采集清洁状态下的发电功率；另一组不清洗用于采集积灰状态下的发电功率。
3.根据权利要求2所述的基于数据增强自编码器的光伏组件积灰损失拟合方法，其特征在于，每两分钟采集一次数据，采集一个月的数据构建时间序列数据集。
4.根据权利要求1所述的基于数据增强自编码器的光伏组件积灰损失拟合方法，其特征在于，时间序列生成对抗网络主要由嵌入器、恢复器、生成器、鉴别器组成；时间序列数据集输入时间序列生成对抗网络进行训练。
5.根据权利要求1所述的基于数据增强自编码器的光伏组件积灰损失拟合方法，其特征在于，自编码器网络使用气象数据作为输入变量，清洁状态下的光伏发电功率作为输出；自编码器网络包括编码器和解码器，在拟合任务中，编码器将数据压缩到低维空间进行特征提取，自动学习输入变量的有效特征，这些特征包含了描述气象数据与发电功率之间关系的信息；解码器从隐层特征生成输出变量，模型学习到了从气象数据到发电功率的映射关系。
6.根据权利要求5所述的基于数据增强自编码器的光伏组件积灰损失拟合方法，其特征在于，自编码器网络的编码器和解码器使用长短期记忆网络。
