一种光伏电站智能运维管理系统的制作方法

本发明涉及光伏电站，具体涉及一种光伏电站智能运维管理系统。

背景技术：

1、光伏电站智能运维管理是指利用先进的信息技术和智能化手段，对光伏电站的运行和维护进行优化和自动化管理。这种管理方式通过物联网、云计算、大数据分析和人工智能等技术，实现对光伏电站的实时监控、故障诊断、性能分析和预测性维护，从而提高电站的运行效率、降低运维成本和延长设备使用寿命。但是，由于光伏电站占地面积大，会给日常维护带来挑战。在光伏电站管理时，一方面需要考虑光伏电站分区域的运行状态和整体的运行状态，使得管理系统能够制定高效的管理策略；另一方面光伏电站中存在大量的光伏电站系统设备，需要对可能出现潜在故障的光伏电站系统设备进行优先管理，以提高光伏电站整体的运行效率。

技术实现思路

1、本发明的目的是提供一种光伏电站智能运维管理系统，以解决背景技术中不足。

2、为了实现上述目的，本发明提供如下技术方案：一种光伏电站智能运维管理系统，包括数据采集模块、数据校验模块，测量数据分析模块和维护管理模块；

3、数据采集模块：用于将光伏电站划分为若干个监控区域，获取每个监控区域不同时间段内光伏电站中的各个设备和传感器的运行数据；

4、数据校验模块：对运行数据进行预处理，并确定每个监控区域内运行数据的权重赋值，对每个监控区域内运行数据的权重赋值进行加权平均后计算光伏电站的整体运行稳定系数；

5、测量数据分析模块：通过随机森林模型对每个监控区域内光伏电站中的光伏电站系统设备测量数据的准确性进行分析，判断光伏电站系统设备测量准确性的变化趋势；

6、维护管理模块：基于模糊逻辑将光伏电站系统设备测量准确性的变化趋势和光伏电站的整体运行稳定系数进行分析后，对光伏电站系统设备发生潜在故障的风险性进行评估预测，并进行相应的维护管理。

7、优选的，将光伏电站划分为高级别监控区域，中级别监控区域和低级别监控区域。

8、优选的，其中，每个监控区域内运行数据具体包括电气参数和设备状态参数，进一步地，运行数据中的电气参数具体为发电量瞬变速率，设备状态参数具体为设备的持续运行时间波动值。

9、优选的，发电量瞬变速率的获取方法为：

10、选择一个窗口大小w，选择拟合的多项式阶数n，将发电量数据按时间顺序排列，得到时间序列数据(t1,p1),(t2,p2),…,(tn,pn)，其中ti表示时间，pi表示t时刻的发电量，对于每个时刻t：选择滑动窗口[t-w+1,t]，在滑动窗口内的时间点(ti,pi)上，拟合一个n阶多项式：p(t)＝a0+a1t+a2t2+…+antn；使用最小二乘法求解多项式系数a0,a1,a2,…,an，将多项式拟合完成后，计算该多项式的一阶导数作为发电量瞬变速率，具体的计算表达式为：ad＝a1+2a2t+3a3t2+…+nantn-1；式中，ad为发电量瞬变速率。

11、优选的，持续运行时间波动值的获取方法为：

12、实时获取设备的时间序列数据，包括电压、电流，以及对应的时间戳，将设备的运行状态作为标签，形成时间序列数据集x＝{x1、x2、...、xm{，m为大于0的正整数，xm为时刻m时的观测值，设定滑动窗口为s，遍历整个时间序列，使用滑动窗口计算设备的状态序列y＝{y1、y2、...、yk{，k为大于0的正整数，其中，计算设备状态序列在p时间段内的标准差，即计算得到持续运行时间波动值。

13、优选的，将发电量瞬变速率和持续运行时间波动值转换为第一特征向量，将第一特征向量作为机器学习模型的输入，机器学习模型以每组第一特征向量预测每个监控区域内运行数据的权重赋值标签为预测目标，以最小化对所有监控区域内运行数据的权重赋值标签的预测误差之和作为训练目标，对机器学习模型进行训练，直至预测误差之和达到收敛时停止模型训练，根据模型输出结果确定每个监控区域内运行数据的权重赋值，对每个监控区域内运行数据的权重赋值进行加权平均计算后计算整体运行稳定系数。

14、优选的，从光伏电站的各个监控区域内收集设备测量数据，包括电压、电流、温度，建立相应的数据集d＝{(a1，b1)、(a2，b2)、...、(ai，bi)、...、(ah，bh)}；ah是第h个观测值的特征向量，bh是第h个观测值的标签，i＝1、2、...、h，h为大于0的正整数；

15、收集设备的运行状态和历史故障记录，作为标签数据，从原始数据中提取特征，选择对测量数据准确性有影响的重要特征，选择随机森林模型的超参数，如树的数量和最大深度，使用训练数据训练随机森林模型，优化模型参数；

16、使用训练好的模型对测试数据进行预测，将模型输出结果作为设备测量数据的准确性系数，具体的计算表达式为：式中，emi模型输出值，即设备测量数据的准确性系数，f为训练好的随机森林模型，n_estimators为随机森林中决策树的数量，max_depth为最大深度，t为时间，c为时间窗口，i为数据组标号。

17、优选的，将获取到的设备测量数据的准确性系数与准确性参考阈值进行比较，若设备测量数据的准确性系数大于等于准确性参考阈值，此时生成设备测量准确信号；若设备测量数据的准确性系数小于准确性参考阈值，此时生成设备测量不准确信号。

18、优选的，基于模糊逻辑将光伏电站系统设备测量准确性的变化趋势和光伏电站的整体运行稳定系数进行分析，具体为：

19、将整体运行稳定系数和设备测量数据的准确性系数作为输入项，将故障风险性作为输出项；

20、为每个输入变量定义模糊集合和隶属函数；

21、为每个模糊集合定义隶属函数；

22、定义模糊规则，描述输入与输出之间的关系；

23、使用模糊推理方法计算输出的模糊值：对每个规则进行模糊化处理，计算其隶属度；

24、使用去模糊化方法将模糊输出转换为精确值。

25、优选的，当光伏电站系统设备发生潜在故障的风险性是高时，此时生成一级预警信号，进行立即检查和紧急维修；当光伏电站系统设备发生潜在故障的风险性是中时，此时生成二级预警信号，进行定期检查和预防性维护；当光伏电站系统设备发生潜在故障的风险性是低时，此时生成三级预警信号，进行常规检查和预防性维护。

26、在上述技术方案中，本发明提供的技术效果和优点：

27、1、本发明通过将光伏电站划分为若干监控区域，获取各区域内设备和传感器的运行数据，并对运行数据进行预处理和权重赋值，通过加权平均计算整体运行稳定系数；利用随机森林模型分析设备测量数据的准确性变化趋势，基于模糊逻辑评估潜在故障风险，并进行相应维护管理。该方案实现了光伏电站的实时监控、故障诊断、性能分析和预测性维护，显著提高了光伏电站的运行效率，降低了运维成本，延长了设备使用寿命。尤其是针对光伏电站占地面积大、设备众多的特点，方案通过分区域管理和智能化分析，有效解决了日常维护的挑战。

28、2、本发明通过结合先进的信息技术和智能化手段，提供了一套系统化、智能化的运维管理解决方案。通过多级预警机制，根据设备潜在故障风险性分级处理，保证了光伏电站的高效运行和可靠性，减少了停机时间和维护成本。不仅提升了光伏电站的运行稳定性和经济效益，为光伏电站的长远发展提供了有力支持。