本發(fā)明涉及設備運維，尤其涉及一種儲能電站的智能化運維管理方法。

背景技術：

1、儲能電站可以對電力進行存儲，在需要的時候釋放，能夠有效解決電力在時間和空間上的不平衡，儲能電站技術的應用貫穿于電力系統(tǒng)發(fā)電、輸電、配電、用電的各個環(huán)節(jié)，實現電力系統(tǒng)削峰填谷、可再生能源發(fā)電波動平滑與跟蹤計劃處理、高效系統(tǒng)調頻，增加供電可靠性。而為了保證儲能電站的正常工作，需要對儲能電站進行運行和維護。

2、現有的運維方法大多只能在設備發(fā)生故障后，才通過人工運維的方式對設備進行檢修，這種傳統(tǒng)的人工運維方式不但運維效率低，而且基于人工巡檢及手動分析的運維方式受有限人力資源及數據挖掘分析手段的制約，難以滿足日益提高的運維需求，不僅產生大量的人工運維費用支出，還可能會因為人工原因導致對于異常電芯、異常組件等風險點識別與排查處理的缺失、遺漏或延誤，進而造成較大的安全風險與維修、更換成本損失。

3、因此，本發(fā)明提供一種儲能電站的智能化運維管理方法。

技術實現思路

1、本發(fā)明提供一種儲能電站的智能化運維管理方法，用以實時監(jiān)測和分析儲能電站內各設備的運行數據，并預測各設備的運行狀態(tài)，實現設備故障等運維問題的早發(fā)現和早解決，從而提高儲能電站的運維效率，保障電站的穩(wěn)定運行。

2、本發(fā)明提供一種儲能電站的智能化運維管理方法，包括：

3、步驟1：通過預設監(jiān)測設備實時獲取儲能電站內各設備的運行數據，輸出初始數據；

4、步驟2：對所述初始數據進行特征提取，構建得到運行特征集，并基于所述運行特征集匹配相應的預處理方法對所述初始數據進行預處理，得到待分析數據；

5、步驟3：結合預設異常數據庫對所述待分析數據進行異常分析，同時，基于預設預測模型對所述待分析數據進行預測分析，基于異常分析結果和預測分析結果輸出運維分析結果；

6、步驟4：基于所述運維分析結果，在運維方法數據庫中匹配得相應的運維方法，并基于所述運維方法對儲能電站內相應設備進行運維，同步生成運維日志。

7、優(yōu)選的，步驟1中，包括：

8、通過在儲能電站內的多個預置點設置的預設監(jiān)測設備獲取各設備的實時運行數據；

9、對儲能電站內各設備對應的所述實時運行數據進行匯總，輸出初始數據。

10、優(yōu)選的，步驟2中，包括：

11、利用預設特征提取方法對所述初始數據進行特征提取，基于提取特征構建得到運行特征集；

12、基于所述運行特征集在預處理方法數據庫中選取得到匹配的預處理方法，并基于所述預處理方法對初始數據進行預處理，得到待分析數據。

13、優(yōu)選的，基于所述運行特征集在方法數據庫中選取得到匹配的預處理方法，包括：

14、基于所述運行特征集，且結合預設特征-因子對照表獲取與所述運行特征集中每一特征對應的第一匹配因子；

15、基于所述運行特征集對應的所有所述第一匹配因子，在方法數據庫中選取得到對應的預處理方法。

16、優(yōu)選的，步驟3中，包括：

17、將所述待分析數據與所述預設異常數據庫中對應的數據進行對比分析，得到異常分析結果；

18、同時，基于所述運行特征集在模型數據庫中選取得到匹配的預設預測模型，并將所述待分析數據輸入所述預設預測模型中進行預測分析，得到預測分析結果；

19、對所述異常分析結果和預測分析結果進行綜合分析，得到運維分析結果。

20、優(yōu)選的，將所述待分析數據與所述預設異常數據庫中對應的數據進行對比分析，得到異常分析結果，包括：

21、將所述運行特征集輸入預設異常數據庫中進行特征匹配，從預設異常數據庫提取滿足第一閾值條件的異常數據特征，并基于提取的所有所述異常數據特征構建得到第一特征集；

22、基于所述第一特征集在預設異常數據庫中選取得到對應的源數據，構建得到第一數據；

23、獲取所述運行特征集與第一特征集中各數據特征間的映射關系，構建特征關系圖；

24、基于所述特征關系圖，將每一所述映射關系下的第一數據與待分析數據進行對比分析，得到與每一所述映射關系對應的第一對比結果；

25、對所述特征關系圖中所有映射關系下的所述第一對比結果進行匯總分析，得到異常分析結果；

26、將所述異常分析結果輸入預設結果分析模型中進行分析，且結合預設結果-狀態(tài)對照表獲取與所述異常分析結果匹配的異常狀態(tài)，輸出結果-狀態(tài)分析表；

27、將所述結果-狀態(tài)分析表輸入狀態(tài)數據庫中進行識別和判定，確定所述結果-狀態(tài)分析表中每一異常狀態(tài)所屬狀態(tài)類型以及對應類型下的風險級別；

28、基于所述結果-狀態(tài)分析表以及表中每一異常狀態(tài)對應的狀態(tài)類型和風險級別，輸出狀態(tài)實時判定結果；

29、基于所述狀態(tài)實時判定結果，在預警數據庫中匹配得到相應的告警指令，發(fā)送告警信號。

30、優(yōu)選的，基于所述運行特征集在模型數據庫中選取得到匹配的預設預測模型，并將所述待分析數據輸入所述預設預測模型中進行預測分析，得到預測分析結果，包括：

31、基于所述運行特征集在模型數據庫中選取匹配的第一預測模型，同時，基于所述運行特征集在歷史數據庫中選取得到相似度滿足第二閾值條件的歷史運維數據；

32、結合與所述第一預測模型對應的格式適配信息，對所述歷史運維數據進行格式轉換，得到待劃分數據；

33、結合獲取的儲能電站對所述預設預測模型的預測性能需求信息，在方法數據庫中選取得到匹配的數據集劃分方法，基于所述數據集劃分方法對待劃分數據進行劃分，分別得到運維訓練集、運維驗證集以及運維測試集；

34、將所述運維訓練集以及運維驗證集分別輸入第一預測模型中，分別對所述第一預測模型進行訓練和優(yōu)化，得到第二預測模型；

35、將所述運維測試集輸入所述第二預測模型中進行性能測試，將測試結果滿足所述預測性能需求信息的第二預測模型判定為預設預測模型；

36、將所述待分析數據輸入所述預設預測模型中進行預測分析，得到預測分析結果。

37、優(yōu)選的，步驟4中，包括：

38、對所述運維分析結果進行解析，基于解析內容確定所述運維分析結果中包含的所有運維類型，其中，所述運維類型包括：設備維護、故障診斷與修復、能效優(yōu)化和數據監(jiān)測管理；

39、基于所述運維類型對運維分析結果進行分類，得到與每一類別對應的子結果；

40、結合預設結果-因子匹配表，獲取與每一所述子結果對應的篩選因子；

41、基于每一類別下的所述篩選因子，在運維方法數據庫中選取得到與每一所述子結果匹配的運維方法；

42、同時，獲取與每一所述子結果對應的設備信息以及相應設備下的維前數據，將所述運維方法與相應子結果對應的設備進行匹配，并將滿足第三閾值條件的匹配結果輸出為方法-設備對照表；

43、基于所述方法-設備對照表中各運維方法與設備之間的映射關系，對儲能電站內相應的設備進行運維，獲取運維后相應設備的運行參數，輸出為維后數據；

44、基于所述維前數據和維后數據，且結合預設效果評估指標對每一所述子結果下的運維效果進行評估，輸出運維效果評估結果；

45、對所述方法-設備表中每一設備下對應的所述維前數據和維后數據進行狀態(tài)判定，分別得到第一狀態(tài)和第二狀態(tài)；

46、將每一設備對應的所述第一狀態(tài)和第二狀態(tài)進行對比分析，得到每一設備的狀態(tài)分析結果，并匯總得到設備狀態(tài)變化表；

47、

48、其中，sj表示第j個設備的狀態(tài)分析結果；state1j(live)表示第j個設備下的維前數據中實時數據對應的第一狀態(tài)等級；state2j(live)表示第j個設備下的維后數據中實時數據對應的第二狀態(tài)等級；表示第j個設備對應的狀態(tài)等級變化的標準系數；lj1表示第j個設備在運維前后根據實時數據判定得到的實時狀態(tài)變化對應的第一調節(jié)系數；state1j(pre)表示第j個設備下的維前數據中預測數據對應的第一狀態(tài)等級；state2j(pre)表示第j個設備下的維后數據中預測數據對應的第二狀態(tài)等級；lj2表示第j個設備在運維前后根據預測數據判定得到的預測狀態(tài)變化對應的第二調節(jié)系數；

49、基于所述運維效果評估結果和設備狀態(tài)變化表，且結合對應的時間戳生成運維日志。

50、本發(fā)明的有益效果：本發(fā)明通過實時監(jiān)測設備獲取數據，經過特征提取和預處理，結合異常分析和預測分析，輸出運維建議并執(zhí)行相應的運維方法，最終記錄運維日志，實現了儲能電站的智能化運維管理。本發(fā)明能夠實現實時監(jiān)測和分析，提前發(fā)現設備問題并準確預測儲能電站內各設備的運行狀態(tài)，從而便于優(yōu)化運維策略、降低運維成本，進而提高系統(tǒng)可靠性和安全性。