(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211339789.4 (22)申请日 2022.10.27 (71)申请人 兴业银行股份有限公司 地址 350014 福建省福州市台江区江滨中 大道398号兴业银行 大厦 申请人 兴业数字金融服 务(上海)股份有限 公司 (72)发明人 征程　吴蕊竹　杨益明　姜敬国　 刘昕宇　张依漪　 (74)专利代理 机构 上海段和段律师事务所 31334 专利代理师 韩成玲 (51)Int.Cl. G06Q 40/02(2012.01) G06Q 50/06(2012.01)G06K 9/62(2022.01) (54)发明名称 光伏发电异常监测和贷款风险评估方法及 系统 (57)摘要 本发明提供了一种光伏发电异常监测和贷 款风险评估 方法及系统， 包括： 步骤S1： 通过经纬 度网格进行初步分组， 识别太阳能总辐 照量以及 其他影响 因子， 进行更精准的分组。 步骤S2： 计算 每个分组内各电站单位安装容量发电量和均值 的偏离度， 发现偏离度高于预设值的电站； 步骤 S3： 计算偏离度高于预设值的电站的发电收益； 步骤S4： 将发电收益和还款本息金额做对比， 如 小于还款本息金额， 则存在还款风险， 升级预警 等级。 本发 明能通过近邻分析与主成分分析将海 量光伏电站聚类为客观条件接近的小组， 达到仅 通过极易获取的发电量数据即可进行发电异常 分析的目的。 权利要求书3页 说明书8页 附图1页 CN 115482098 A 2022.12.16 CN 115482098 A 1.一种光伏发电异常监测 和贷款风险评估方法， 其特 征在于， 包括： 步骤S1： 通过经纬度网格进行初步分组， 识别太阳能总辐照量以及其他影响因子， 进行 更精准的分组。 步骤S2： 计算每个分组内各电站单位安装容量发电量和均值的偏离度， 发现偏离度高 于预设值的电站； 步骤S3： 计算偏离度高于预设值的电站的发电收益； 步骤S4： 将发电收益和还款本息金额做对比， 如小于还款本息金额， 则存在还款风险， 升级预警等级。 2.根据权利要求1所述的光伏发电异常监测和贷款风险评估方法， 其特征在于， 在所述 步骤S1中： 步骤S1.1： 取中国地理矢量图的四至经纬度， 形成一个矩形， 并依次按照预设标准的经 纬度将矩形进 行网格划分， 形成不同的网格组合， 获取1km*1km分辨率的过去一年地表辐 照 数据， 对每个网格组合， 计算该组合内每个网格的地表辐照方差， 平均后生 成该组合的平均 方差； 绘制网格组合地表辐照数据平均方差曲线， 确定曲线拐点对应的网格组合， 完成初步 分组； 步骤S1.2： 收集每个光伏电站组件类型、 光伏方阵倾角、 方位角、 电站安装年限的值作 为自变量， 将日发电量作为因变量， 运用PCA主成分分析确定关键因子以及各因子权重， 因 子个数根据聚类分组的效果进行调整； 步骤S1.3： 基于得到的关键因子作为特征， 对组内电站通过Kmeans聚类方法进行更为 精准的分组， 且除预设的孤立点外， 组内成员数目不少于预设数量， 过程中不断调整因子个 数和聚类分组个数。 3.根据权利要求1所述的光伏发电异常监测和贷款风险评估方法， 其特征在于， 在所述 步骤S2中： 步骤S2.1： 获取分组内每个电站的发电量和组件安装容量， 计算单位组件安装容量的 发电量； 步骤S2.2： 相同环境条件下单位组件安装容量的发电量呈正态分布， 计算T1日g1分组 内单位组件安装容量的发电量的均值 μ1， 标准差为σ 1， 以预设的显著 性水平进 行单侧检验， 单位组件安装容量的发电量小于 μ1 ‑1.65*SE1的电站判定为偏离度显著。 其中， SE1为标准 误， 公式为： 由于逐个检验， 此处n取 1， 故SE为该组的标准差σ 1； 计算出所有分 组内偏离度显著的电站； 步骤S2.3： 对偏离度高于预设值的电站 发出预警通知， 结合逆变器电压、 电流、 功率， 以 及电站遮挡 、 积灰情况， 判断设备维护情况。 4.根据权利要求1所述的光伏发电异常监测和贷款风险评估方法， 其特征在于， 在所述 步骤S3中： 对判定为偏离度高于预设值的 电站， 统计一个还款周期内的发电量， 用发电量与发电 并网价格相乘， 计算每 个电站的发电收益。 5.根据权利要求1所述的光伏发电异常监测和贷款风险评估方法， 其特征在于， 在所述 步骤S4中：权　利　要　求　书 1/3 页 2 CN 115482098 A 2步骤S4.1： 查询电站业主申请的银行贷款最近一个还款周期的还款本息金额， 将电站 一个还款周期的发电收益和还款本息金额做对比， 如发电收益小于还款本息金额， 则存在 还款风险； 步骤S4.2： 对存在还款风险的电站， 升级预警等级， 向运维公司发出检修或者组件替换 通知。 6.一种光伏发电异常监测 和贷款风险评估系统， 其特 征在于， 包括： 模块M1： 通过经纬度网格进行初步分组， 识别太阳能总辐照量以及其他影响因子， 进行 更精准的分组。 模块M2： 计算每个分组内各电站单位安装容量发电量和均值的偏离度， 发现偏离度高 于预设值的电站； 模块M3： 计算偏离度高于预设值的电站的发电收益； 模块M4： 将发电收益和还款本息金额做对比， 如小于还款本息金额， 则存在还款风险， 升级预警等级。 7.根据权利要求6所述的光伏发电异常监测和贷款风险评估系统， 其特征在于， 在所述 模块M1中： 模块M1.1： 取中国地理矢量图的四至经纬度， 形成一个矩形， 并依次按照预设标准的经 纬度将矩形进 行网格划分， 形成不同的网格组合， 获取1km*1km分辨率的过去一年地表辐 照 数据， 对每个网格组合， 计算该组合内每个网格的地表辐照方差， 平均后生 成该组合的平均 方差； 绘制网格组合地表辐照数据平均方差曲线， 确定曲线拐点对应的网格组合， 完成初步 分组； 模块M1.2： 收集每个光伏电站组件类型、 光伏方阵倾角、 方位角、 电站安装年限的值作 为自变量， 将日发电量作为因变量， 运用PCA主成分分析确定关键因子以及各因子权重， 因 子个数根据聚类分组的效果进行调整； 模块M1.3： 基于得到的关键因子作为特征， 对组内电站通过Kmeans聚类方法进行更为 精准的分组， 且除预设的孤立点外， 组内成员数目不少于预设数量， 过程中不断调整因子个 数和聚类分组个数。 8.根据权利要求6所述的光伏发电异常监测和贷款风险评估系统， 其特征在于， 在所述 模块M2中： 模块M2.1： 获取分组内每个电站的发电量和组件安装容量， 计算单位组件安装容量的 发电量； 模块M2.2： 相同环境条件下单位组件安装容量的发电量呈正态分布， 计算T1日g1分组 内单位组件安装容量的发电量的均值 μ1， 标准差为σ 1， 以预设的显著 性水平进 行单侧检验， 单位组件安装容量的发电量小于 μ1 ‑1.65*SE1的电站判定为偏离度显著。 其中， SE1为标准 误， 公式为： 由于逐个检验， 此处n取 1， 故SE为该组的标准差σ 1； 计算出所有分 组内偏离度显著的电站； 模块M2.3： 对偏离度高于预设值的电站 发出预警通知， 结合逆变器电压、 电流、 攻略， 以 及电站遮挡 、 积灰情况， 判断设备维护情况。 9.根据权利要求6所述的光伏发电异常监测和贷款风险评估系统， 其特征在于， 在所述 模块M3中：权　利　要　求　书 2/3 页 3 CN 115482098 A 3