本發(fā)明屬于光伏電站控制，具體為光伏電站智能監(jiān)測(cè)與故障診斷系統(tǒng)及方法。

背景技術(shù)：

1、隨著全球?qū)η鍧嵞茉葱枨蟮牟粩嘣鲩L(zhǎng)，光伏電站作為一種重要的可再生能源形式，得到了廣泛應(yīng)用。然而，光伏電站的高效運(yùn)行依賴(lài)于復(fù)雜的電氣設(shè)備和組件，這些設(shè)備和組件容易受到環(huán)境因素、材料老化和運(yùn)行條件變化的影響，進(jìn)而導(dǎo)致性能下降或故障發(fā)生。因此，如何實(shí)時(shí)監(jiān)測(cè)光伏電站的運(yùn)行狀態(tài)，及時(shí)檢測(cè)和定位故障，并采取有效的維護(hù)措施，成為確保光伏電站長(zhǎng)期穩(wěn)定運(yùn)行的關(guān)鍵問(wèn)題。

2、傳統(tǒng)的光伏電站運(yùn)維通常依賴(lài)于人工巡檢和定期維護(hù)。然而，這種方式存在許多不足。首先，人工巡檢無(wú)法實(shí)現(xiàn)對(duì)電站設(shè)備的實(shí)時(shí)監(jiān)控，容易導(dǎo)致故障的發(fā)現(xiàn)和處理滯后，增加了電站停機(jī)時(shí)間和維修成本。其次，定期維護(hù)的方式往往無(wú)法針對(duì)具體問(wèn)題進(jìn)行精確的處理，導(dǎo)致維護(hù)資源的浪費(fèi)，同時(shí)也無(wú)法確保在故障發(fā)生前進(jìn)行有效的預(yù)防。最后，現(xiàn)有的監(jiān)測(cè)系統(tǒng)大多依賴(lài)于單一的數(shù)據(jù)源或簡(jiǎn)單的規(guī)則判斷，缺乏對(duì)多維度數(shù)據(jù)的綜合分析能力，難以準(zhǔn)確識(shí)別復(fù)雜故障和潛在問(wèn)題。

3、現(xiàn)有技術(shù)中，雖然部分光伏電站已經(jīng)引入了自動(dòng)化監(jiān)測(cè)和遠(yuǎn)程控制系統(tǒng)，但這些系統(tǒng)在數(shù)據(jù)處理能力和智能分析方面仍然存在局限性。例如，現(xiàn)有的故障檢測(cè)系統(tǒng)大多依賴(lài)于靜態(tài)模型，無(wú)法適應(yīng)動(dòng)態(tài)變化的運(yùn)行環(huán)境，導(dǎo)致故障定位的準(zhǔn)確性較低。此外，遠(yuǎn)程控制系統(tǒng)雖然能夠?qū)崿F(xiàn)一定程度的操作自動(dòng)化，但其靈活性和實(shí)時(shí)性仍有待提升，尤其是在面對(duì)突發(fā)故障時(shí)，難以快速響應(yīng)并做出優(yōu)化決策。

技術(shù)實(shí)現(xiàn)思路

1、針對(duì)現(xiàn)有技術(shù)的不足，本發(fā)明提供了光伏電站智能監(jiān)測(cè)與故障診斷系統(tǒng)及方法，解決了現(xiàn)有技術(shù)對(duì)應(yīng)對(duì)故障的靈活性與實(shí)時(shí)性較差的問(wèn)題。

2、為實(shí)現(xiàn)以上目的，本發(fā)明通過(guò)以下技術(shù)方案予以實(shí)現(xiàn)：

3、為了實(shí)現(xiàn)上述目的，本發(fā)明采用如下技術(shù)方案：

4、光伏電站智能監(jiān)測(cè)與故障診斷系統(tǒng)，包括：

5、光伏組件傳感器，用于采集光伏組件的電壓、電流和溫度數(shù)據(jù)；

6、逆變器監(jiān)測(cè)傳感器，用于監(jiān)測(cè)逆變器的電壓、電流和頻率數(shù)據(jù)；

7、數(shù)據(jù)采集與傳輸裝置，用于接收來(lái)自光伏組件傳感器和逆變器監(jiān)測(cè)傳感器的數(shù)據(jù)；

8、中央處理單元，用于將光伏組件的電壓、電流、溫度數(shù)據(jù)與逆變器監(jiān)測(cè)傳感器的數(shù)據(jù)進(jìn)行多模態(tài)數(shù)據(jù)融合分析，生成系統(tǒng)的多維度運(yùn)行狀態(tài)圖，并通過(guò)動(dòng)態(tài)故障樹(shù)分析算法對(duì)潛在故障進(jìn)行概率評(píng)估；

9、故障預(yù)警模塊，用于檢測(cè)并識(shí)別系統(tǒng)中的故障類(lèi)型，利用中央處理單元輸出的多模態(tài)數(shù)據(jù)融合分析結(jié)果，通過(guò)支持向量機(jī)模型進(jìn)行初步的故障檢測(cè)；

10、故障定位模塊，用于生成動(dòng)態(tài)故障樹(shù)模型，并計(jì)算故障路徑的概率，定位具體的故障源，與中央處理單元之間的協(xié)同作用通過(guò)數(shù)據(jù)的深度融合、分析結(jié)果的共享和動(dòng)態(tài)決策的支持；

11、遠(yuǎn)程控制與操作模塊，用于遠(yuǎn)程監(jiān)控與實(shí)時(shí)數(shù)據(jù)通信，通過(guò)websocket技術(shù)與中央處理單元保持實(shí)時(shí)數(shù)據(jù)通信，根據(jù)故障定位模塊與故障預(yù)警模塊提供的預(yù)警信號(hào)，執(zhí)行相應(yīng)的控制操作；在故障發(fā)生時(shí)提供快速響應(yīng)和初步修復(fù)，并持續(xù)的監(jiān)控?cái)?shù)據(jù)支持維護(hù)調(diào)度與管理模塊的決策優(yōu)化；

12、維護(hù)調(diào)度與管理模塊，用于生成維護(hù)任務(wù)，并優(yōu)化現(xiàn)場(chǎng)維護(hù)人員的調(diào)度路徑。

13、本發(fā)明進(jìn)一步的改進(jìn)在于，光伏組件傳感器包括電壓傳感器、電流傳感器和溫度傳感器，逆變器監(jiān)測(cè)傳感器包括電壓傳感器、電流傳感器和頻率傳感器，數(shù)據(jù)采集與傳輸裝置包括模數(shù)轉(zhuǎn)換器和spi總線(xiàn)或i2c總線(xiàn)。

14、本發(fā)明進(jìn)一步的改進(jìn)在于，中央處理單元包括多模態(tài)數(shù)據(jù)融合算法處理器，多模態(tài)數(shù)據(jù)融合算法處理器采用貝葉斯網(wǎng)絡(luò)模型和深度學(xué)習(xí)模型相結(jié)合的架構(gòu)，貝葉斯網(wǎng)絡(luò)模型用于建立各傳感器數(shù)據(jù)的聯(lián)合概率分布，深度學(xué)習(xí)模型用于對(duì)融合后的數(shù)據(jù)進(jìn)行分類(lèi)和回歸分析；

15、多模態(tài)數(shù)據(jù)融合算法處理器包括自適應(yīng)權(quán)重調(diào)整單元，自適應(yīng)權(quán)重調(diào)整單元用于根據(jù)輸入數(shù)據(jù)的實(shí)時(shí)波動(dòng)性，動(dòng)態(tài)調(diào)整各數(shù)據(jù)源的權(quán)重，調(diào)整算法為：

16、；

17、其中，為時(shí)間時(shí)間調(diào)整后的權(quán)重，為學(xué)習(xí)率，為損失函數(shù)，為對(duì)權(quán)重的梯度。

18、本發(fā)明進(jìn)一步的改進(jìn)在于，多模態(tài)數(shù)據(jù)融合分析的輸出結(jié)果為：

19、；

20、其中，表示系統(tǒng)在時(shí)間的綜合狀態(tài)得分，表示各輸入數(shù)據(jù)源的權(quán)重，表示第個(gè)數(shù)據(jù)源在時(shí)間的輸出值，為數(shù)據(jù)源的總數(shù)。

21、本發(fā)明進(jìn)一步的改進(jìn)在于，故障預(yù)警模塊包括故障檢測(cè)單元和故障類(lèi)型識(shí)別單元，故障檢測(cè)單元基于多模態(tài)數(shù)據(jù)融合算法處理器的輸出結(jié)果，使用支持向量機(jī)進(jìn)行初步故障檢測(cè)，故障類(lèi)型識(shí)別單元采用深度學(xué)習(xí)模型對(duì)故障類(lèi)型進(jìn)行識(shí)別，通過(guò)如下公式進(jìn)行故障邊界的判定：

22、；

23、其中，為拉格朗日乘子，為分類(lèi)標(biāo)簽，為核函數(shù)，為偏置。

24、本發(fā)明進(jìn)一步的改進(jìn)在于，故障類(lèi)型識(shí)別單元的深度學(xué)習(xí)模型包括一個(gè)卷積神經(jīng)網(wǎng)絡(luò)，用于從多模態(tài)數(shù)據(jù)中提取特征，并通過(guò)softmax層計(jì)算每種故障類(lèi)型的概率。

25、本發(fā)明進(jìn)一步的改進(jìn)在于，故障定位模塊包括故障樹(shù)生成單元和故障概率計(jì)算單元，故障樹(shù)生成單元通過(guò)分析各傳感器數(shù)據(jù)的時(shí)間序列生成動(dòng)態(tài)故障樹(shù)模型，故障概率計(jì)算單元通過(guò)蒙特卡洛仿真技術(shù)計(jì)算每個(gè)故障路徑的概率，故障發(fā)生的總概率計(jì)算公式如下：

26、；

27、其中，為系統(tǒng)發(fā)生故障的總概率，為第個(gè)子故障事件的概率。

28、本發(fā)明進(jìn)一步的改進(jìn)在于，遠(yuǎn)程控制與操作模塊包括遠(yuǎn)程監(jiān)控單元和遠(yuǎn)程控制單元，遠(yuǎn)程監(jiān)控單元通過(guò)websocket技術(shù)實(shí)現(xiàn)與中央處理單元的數(shù)據(jù)實(shí)時(shí)通信，遠(yuǎn)程控制單元包括api接口，用于遠(yuǎn)程調(diào)整逆變器的運(yùn)行參數(shù)和光伏陣列的角度。

29、本發(fā)明進(jìn)一步的改進(jìn)在于，維護(hù)調(diào)度與管理模塊包括任務(wù)生成單元和人員調(diào)度單元，任務(wù)生成單元基于故障預(yù)警模塊和故障定位模塊的輸出結(jié)果自動(dòng)生成維護(hù)任務(wù)，人員調(diào)度單元通過(guò)遺傳算法優(yōu)化現(xiàn)場(chǎng)維護(hù)人員的調(diào)度路徑，遺傳算法的適應(yīng)度函數(shù)為：

30、；

31、其中，為人員調(diào)度過(guò)程中第點(diǎn)到第點(diǎn)的距離，為第個(gè)任務(wù)的預(yù)計(jì)完成時(shí)間，n和m分別為調(diào)度點(diǎn)和任務(wù)的數(shù)量。

32、光伏電站智能監(jiān)測(cè)與故障診斷方法，包括以下步驟：

33、利用光伏組件傳感器采集每個(gè)光伏組件的電壓、電流和溫度數(shù)據(jù)，同時(shí)使用逆變器監(jiān)測(cè)傳感器監(jiān)測(cè)逆變器的電壓、電流和頻率數(shù)據(jù)；

34、在數(shù)據(jù)被傳輸至中央處理單元后，系統(tǒng)通過(guò)多模態(tài)數(shù)據(jù)融合算法將光伏組件的數(shù)據(jù)與環(huán)境監(jiān)測(cè)數(shù)據(jù)進(jìn)行綜合分析；中央處理單元結(jié)合貝葉斯網(wǎng)絡(luò)和深度學(xué)習(xí)模型，對(duì)數(shù)據(jù)進(jìn)行分類(lèi)和回歸分析，并動(dòng)態(tài)調(diào)整各數(shù)據(jù)源的權(quán)重，然后系統(tǒng)通過(guò)支持向量機(jī)模型對(duì)故障進(jìn)行初步檢測(cè)，識(shí)別出可能存在的異常情況，接下來(lái)，卷積神經(jīng)網(wǎng)絡(luò)被用來(lái)從多模態(tài)數(shù)據(jù)中提取更深層次的特征，并通過(guò)softmax層計(jì)算各類(lèi)故障的概率，從而識(shí)別系統(tǒng)中可能發(fā)生的具體故障類(lèi)型，生成多維度運(yùn)行狀態(tài)圖；

35、在故障識(shí)別后，故障定位模塊通過(guò)分析各傳感器數(shù)據(jù)的時(shí)間序列，生成一個(gè)動(dòng)態(tài)故障樹(shù)模型；系統(tǒng)使用這一模型結(jié)合歷史數(shù)據(jù)和實(shí)時(shí)數(shù)據(jù)，定位具體的故障源，并評(píng)估故障發(fā)生的概率，確定故障的嚴(yán)重性及其可能的影響范圍；

36、遠(yuǎn)程控制與操作模塊通過(guò)websocket技術(shù)確保數(shù)據(jù)的實(shí)時(shí)通信進(jìn)行進(jìn)一步處理，并允許遠(yuǎn)程監(jiān)控光伏電站的運(yùn)行狀態(tài)，技術(shù)人員通過(guò)api接口遠(yuǎn)程調(diào)整逆變器的運(yùn)行參數(shù)以及光伏陣列的角度，從而優(yōu)化系統(tǒng)的運(yùn)行并減少故障的影響；

37、根據(jù)故障預(yù)警和定位的結(jié)果，系統(tǒng)的維護(hù)調(diào)度與管理模塊自動(dòng)生成維護(hù)任務(wù)，系統(tǒng)會(huì)通過(guò)遺傳算法優(yōu)化現(xiàn)場(chǎng)維護(hù)人員的調(diào)度路徑，生成的任務(wù)包括優(yōu)先處理高風(fēng)險(xiǎn)區(qū)域的任務(wù)，并合理安排現(xiàn)場(chǎng)技術(shù)人員的工作順序；

38、根據(jù)優(yōu)化的調(diào)度方案，現(xiàn)場(chǎng)維護(hù)人員按照生成的任務(wù)進(jìn)行故障排查和維修，系統(tǒng)通過(guò)實(shí)時(shí)反饋機(jī)制將維護(hù)結(jié)果上傳，更新系統(tǒng)的狀態(tài)和維護(hù)記錄，確保光伏電站在故障修復(fù)后能夠恢復(fù)穩(wěn)定運(yùn)行，并積累數(shù)據(jù)以便未來(lái)的診斷和優(yōu)化。

39、與現(xiàn)有技術(shù)相比，本發(fā)明至少具有以下有益的技術(shù)效果：

40、本發(fā)明通過(guò)整合多模態(tài)數(shù)據(jù)融合算法和動(dòng)態(tài)故障樹(shù)分析模型，能夠精準(zhǔn)識(shí)別和定位光伏電站中的潛在故障，顯著提升了故障檢測(cè)的準(zhǔn)確性。同時(shí)，系統(tǒng)能夠?qū)崟r(shí)更新故障分析模型并快速計(jì)算故障發(fā)生的概率，使得運(yùn)維人員能夠更及時(shí)地響應(yīng)問(wèn)題，減少電站停機(jī)時(shí)間，降低運(yùn)營(yíng)風(fēng)險(xiǎn)。

41、本發(fā)明通過(guò)任務(wù)生成單元和人員調(diào)度單元的協(xié)同工作，自動(dòng)生成維護(hù)任務(wù)并通過(guò)優(yōu)化算法對(duì)現(xiàn)場(chǎng)人員的調(diào)度路徑進(jìn)行優(yōu)化。這不僅提高了維護(hù)工作的效率，還能夠根據(jù)故障情況動(dòng)態(tài)調(diào)整調(diào)度策略，確保維護(hù)資源的合理配置和最優(yōu)使用，進(jìn)而降低維護(hù)成本并提高電站的整體運(yùn)行效率。

42、本發(fā)明通過(guò)遠(yuǎn)程控制與操作模塊，本發(fā)明使得操作人員能夠在遠(yuǎn)離現(xiàn)場(chǎng)的情況下實(shí)時(shí)監(jiān)控光伏電站的運(yùn)行狀態(tài)，并通過(guò)api接口進(jìn)行靈活的遠(yuǎn)程調(diào)整。無(wú)論是逆變器的參數(shù)設(shè)置還是光伏陣列的角度調(diào)節(jié)，都可以通過(guò)遠(yuǎn)程操作完成，從而大幅減少了現(xiàn)場(chǎng)操作的需求，提高了系統(tǒng)管理的靈活性和應(yīng)對(duì)緊急情況的能力。