分布式光伏设备状态监测方法及系统与流程

本发明涉及设备监测的，特别是涉及一种分布式光伏设备状态监测方法及系统。

背景技术：

1、随着国内系列新能源发展政策的落地实施，光伏发电已成为当今最受欢迎的可再生能源之一。目前我国光伏发电主要包括“大规模集中开发，远距离输送”和“分布式开发，就地消纳”两种形式，随着分布式光伏设备在电力供应中比重的不断增长，为了提高分布式光伏设备的稳定性，对其自身设备状态的监测技术需求尤为迫切。

2、光伏电站系统由组件、逆变器、汇流箱、支架等多个部件组成，其中任意一个环节出现问题，都会影响电站运行，轻则损失发电量，重则引起火灾造成重大损失，因此需要一种分布式光伏设备状态监测方法及系统。

技术实现思路

1、为解决上述技术问题，本发明提供一种能够提高设备稳定性，降低运营成本，减少损失，推动光伏发电行业的可持续发展的分布式光伏设备状态监测方法。

2、第一方面，本发明提供了分布式光伏设备状态监测方法，所述方法包括：

3、获取光伏设备在运行过程中的状态信息；

4、对获取的状态信息进行预处理，获取对应的原始状态信息；

5、对光伏设备的原始状态信息进行解析和特征提取处理，获得实时的状态特征向量；

6、将实时的状态特征向量输入至预先训练的状态评估模型中，获得与状态特征向量相对应的设备评价参数；

7、将设备评价参数与预设参数阈值进行比较，若设备评价参数小于预设参数阈值，则无需理会，并继续保持对光伏设备状态信息的获取与分析；若设备评价参数不小于预设参数阈值，则提取不小于预设参数阈值的设备评价参数，并将提取的设备评价参数输入至预先训练的故障推理模型中，获得光伏设备的故障类型。

8、进一步地，获取光伏设备在运行过程中的状态信息的方法包括：

9、在光伏电站中，部署各类传感器来监测不同组件的状态；所述传感器包括温度传感器、电流传感器、电压传感器和光照传感器；

10、根据监测的需求，确定数据的采集频率和传输实时性；

11、针对各类传感器，建立数据采集系统，通过数据采集系统与传感器配合，对各组件的状态信息进行采集；

12、确定通信协议，将采集到的状态信息传输到监测系统，确保数据的高效传输。

13、进一步地，所述状态信息处理方法包括：

14、对状态信息进行数据清洗，排除异常值，使获取的状态信息是准确可靠的；

15、通过线性变换对状态信息进行数据归一化处理；

16、通过使用时间戳方法对状态信息进行时间同步；

17、使用插值方法处理状态信息的缺失值；

18、使用数字滤波器，平滑数据并去除高频噪声，提高状态信息的准确性。

19、进一步地，状态特征向量的获取方法包括：

20、对原始状态信息进行数据解析，将原始状态信息转化为计算机可处理的数据结构；

21、通过信号处理技术，对原始状态信息进行滤波、去噪和降采样操作，提高信号质量和抑制不必要的干扰；

22、从原始状态信息中提取最具代表性和信息含量的特征，包括电流、电压和温度；

23、使用降维技术对提取的大量特征进行分析，减少特征的维度，同时保留主要的信息，获得实时的状态特征向量。

24、进一步地，所述状态评估模型的构建方法包括：

25、收集不同运行条件下的光伏设备状态信息，以及与这些状态信息相对应的设备评价参数，构建训练数据集；

26、对训练数据集进行预处理，包括对数据的标准化和归一化处理；

27、根据问题的性质和数据的特点，选择多层感知机作为模型的基础；

28、利用准备好的训练数据集，对所选模型进行训练，包括调整模型的参数，使其能够在给定输入条件下准确地预测设备评价参数；

29、将数据集划分为训练集和验证集，使用交叉验证技术来评估模型的性能，反复进行训练和验证；

30、根据交叉验证的结果，进行模型的调优，包括改变模型结构、调整超参数和增加训练数据；

31、使用独立的测试数据集验证最终模型的性能，确保模型在新的数据上也能够进行准确的状态评估；

32、将训练好的模型部署到实际系统中，用于实时的光伏设备状态监测。

33、进一步地，所述故障推理模型的构建方法包括：

34、收集历史故障模式下的光伏设备状态信息和故障类型的标签，构建训练数据集；

35、对输入数据进行特征选择，对原始状态信息进行解析和提取获得的实时状态特征向量；

36、根据数据的性质和规模，选择循环神经网络作为模型的基础；

37、利用准备好的训练数据，对选定的模型进行训练，在训练过程中，需要划分数据集为训练集和验证集，以评估模型的性能；

38、在模型训练完成后，使用测试数据集对模型进行评估，确定模型在故障推理上的性能；

39、将训练好的模型部署到实际系统中，用于实时推理光伏设备的故障类型。

40、进一步地，所述预设参数阈值的设定影响因素包括设备类型和规模、环境条件、历史数据分析和成本效益。

41、另一方面，本技术还提供了分布式光伏设备状态监测系统，所述系统包括：

42、数据采集模块，获取光伏设备在运行过程中的状态信息，并发送；

43、预处理模块，用于接收光伏设备状态信息，对获取的状态信息进行预处理，获取对应的原始状态信息，并发送；

44、特征提取模块，用于接收原始状态信息，对光伏设备的原始状态信息进行解析和特征提取处理，获得实时的状态特征向量，并发送；

45、状态评估模块，用于接收实时的状态特征向量，将实时的状态特征向量输入至预先训练的状态评估模型中，获得与状态特征向量相对应的设备评价参数，并发送；

46、阈值比较模块，用于接收设备评价参数，将设备评价参数与预设参数阈值进行比较，判断设备是否处于正常运行状态；若设备评价参数小于预设参数阈值，则无需理会，并继续保持对光伏设备状态信息的获取与分析；若设备评价参数不小于预设参数阈值，则提取不小于预设参数阈值的设备评价参数，并发送；

47、故障推理模块，用于接收不小于预设参数阈值的设备评价参数，并将提取的设备评价参数输入至预先训练的故障推理模型中，获得光伏设备的故障类型。

48、第三方面，本技术提供了一种电子设备，包括总线、收发器、存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述收发器、所述存储器和所述处理器通过所述总线相连，所述计算机程序被所述处理器执行时实现上述任意一项所述方法中的步骤。

49、第四方面，本技术还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任意一项所述方法中的步骤。

50、与现有技术相比本发明的有益效果为：该方法通过获取光伏设备实时的状态信息，实现对设备状态的实时监测和反馈，有助于及时发现潜在问题，提高故障响应速度；采用预处理模块和特征提取处理，能够消除噪声、提高数据质量，同时通过特征提取获得更具代表性的状态特征向量，提高监测的准确性和可靠性；

51、引入状态评估模型，能够自动对实时的状态特征向量进行评估，生成设备评价参数，从而减轻了人工评估的负担，提高了监测的效率；通过将设备评价参数与预设参数阈值进行比较，实现了对设备状态的自适应监测，根据实际情况调整监测的灵敏度，减少误报率；引入故障推理模型，根据设备评价参数诊断光伏设备的故障类型，提前发现并处理潜在问题，降低了故障对电站运行的影响；通过提前发现设备状态异常并进行故障类型诊断，能够降低维护成本，避免因设备故障而导致的发电量损失和设备损坏；

52、综上所述，该方法能够提高设备稳定性，降低运营成本，减少损失，推动光伏发电行业的可持续发展。