一种基于互联网的光伏电站远程监控方法及系统与流程

本发明涉及光伏电站监控，特别涉及一种基于互联网的光伏电站远程监控方法及系统。

背景技术：

1、随着可再生能源的快速发展，光伏电站作为清洁能源的重要组成部分，其规模和数量都在不断增加。然而，光伏电站通常分布在偏远地区，传统的人工巡检方式存在效率低、成本高、响应慢问题。因此，开发一种基于互联网的远程监控系统，实现对光伏电站的实时、远程、高效监控，对于提高光伏电站的运行效率和维护便捷性具有重要意义。

2、如现有技术方案cn109301914a-一种具有soc优化的光伏微网储能控制方法，公开一种具有soc优化的光伏微网储能控制方法，具体步骤如下：构建光伏微网储能控制系统；中央监控单元监控光伏微网的运行状况；采用信息收集器收集直流母线的电流电压数据，并将采集的电流电压数据传递给中央处理单元，中央处理单元通过计算生成控制策略并区分控制层区对电池及超级电容进行控制；能量控制器计算出电池及超级电容的荷电状态soc值，并与最优soc范围进行比较判断，soc优化模块采用基于滤波时间常数的模糊自调整策略，最终完成对电池及超级电容的soc值的修正，该方式使光伏微网系统达到稳定状态。

3、但现有的技术方案依赖物联网布局来实现光伏电站的监控，即类似于需要做各个光伏能源板的线路通道上分别设置物联网监测设备，虽然利于后续soc值计算，但成本高。

技术实现思路

1、本发明的主要目的为提供一种基于互联网的光伏电站远程监控方法及系统，旨在解决目前技术方案依赖物联网布局来实现光伏电站的监控，导致成本高的技术问题。

2、为实现上述目的，本发明提供了一种基于互联网的光伏电站远程监控方法，包括以下步骤：

3、实时获取由光伏电站输入的电力总值，所述电子总值为光伏电站各个采电单元所获得的总电量；

4、基于所述电力总值生成树状图的根部，并利用预设的二进制机制结合实时输入的电流方向感应光伏电站中各个光伏电板的二进制波动，同时标定出对应于各个光伏电板的树状图枝部；

5、基于所述二进制波动的波动数据，识别出所述的各个光伏电板的soc值；

6、在所述树状图中将得到的各个soc值一一标定于各个光伏电板所对应的树状图枝部上，并将所述树状图进行数据化显示处理，将数据化显示处理的树状图反馈至终端。

7、进一步地，利用预设的二进制机制结合实时输入的电流方向感应光伏电站中各个光伏电板的二进制波动的步骤，包括：

8、对实时输入的电流进行二进制化标注，并将标注逐步反推至光伏电站端，得到树状图根部二进制波动数据；

9、识别光伏电站端各个光伏电板的电流输入至主电流时的二进制波动节点数据，得到各个光伏电板所对应的树状图枝部二进制波动数据。

10、进一步地，基于所述二进制波动的波动数据，识别出所述的各个光伏电板的soc值的步骤，包括：

11、识别各个光伏电板所对应的树状图枝部二进制波动数据，得到各个光伏电板的soc值。

12、进一步地，利用预设的二进制机制结合实时输入的电流方向感应光伏电站中各个光伏电板的二进制波动的步骤，包括：

13、调取预设的elc-rnn模型，对实时输入的电流进行根部向量的创建，其中，在所述根部向量上训练有若干二进制数据存储节，所述二进制数据存储节用于记录并区分光伏电站中不同光伏电板的电流波动特征；

14、将实时输入的电流数据按照时间顺序输入至elc-rnn模型中，模型根据输入的电流数据动态更新根部向量上的二进制数据存储节，以实时反映光伏电站中各个光伏电板的电流状态；

15、通过比较实时更新的二进制数据存储节与预设的二进制波动模式，识别出光伏电站中各个光伏电板的二进制波动；

16、将识别出的各个光伏电板的二进制波动数据，与树状图中的相应枝部进行关联，并在后续步骤中将soc值标定于正确的光伏电板所对应的树状图枝部上。

17、进一步地，elc-rnn模型的训练方法，包括：

18、收集光伏电站的历史电流数据，包括各个光伏电板在不同时间、不同天气条件下的电流波动情况，作为训练数据集；

19、对收集到的历史电流数据进行预处理，所述预处理包括数据清洗及归一化以消除噪声并统一数据格式；

20、构建elc-rnn模型，结合长短时记忆网络和极限学习机；

21、使用预处理后的历史电流数据对elc-rnn模型进行训练，通过迭代优化算法调整模型参数，准确预测和识别光伏电板的二进制波动；

22、在训练过程中，采用交叉验证方法评估模型的性能；

23、训练完成后，保存elc-rnn模型的参数和结构。

24、本发明还提出一种基于互联网的光伏电站远程监控系统，包括：

25、获取单元，用于实时获取由光伏电站输入的电力总值，所述电子总值为光伏电站各个采电单元所获得的总电量；

26、制作单元，用于基于所述电力总值生成树状图的根部，并利用预设的二进制机制结合实时输入的电流方向感应光伏电站中各个光伏电板的二进制波动，同时标定出对应于各个光伏电板的树状图枝部；

27、识别单元，用于基于所述二进制波动的波动数据，识别出所述的各个光伏电板的soc值；

28、展示单元，用于在所述树状图中将得到的各个soc值一一标定于各个光伏电板所对应的树状图枝部上，并将所述树状图进行数据化显示处理，将数据化显示处理的树状图反馈至终端。

29、进一步地，制作单元包括：

30、标注模块，用于对实时输入的电流进行二进制化标注，并将标注逐步反推至光伏电站端，得到树状图根部二进制波动数据；

31、制作模块，用于识别光伏电站端各个光伏电板的电流输入至主电流时的二进制波动节点数据，得到各个光伏电板所对应的树状图枝部二进制波动数据。

32、进一步地，识别单元包括：

33、识别模块，用于识别各个光伏电板所对应的树状图枝部二进制波动数据，得到各个光伏电板的soc值。

34、进一步地，制作单元还包括：

35、模型模块，用于调取预设的elc-rnn模型，对实时输入的电流进行根部向量的创建，其中，在所述根部向量上训练有若干二进制数据存储节，所述二进制数据存储节用于记录并区分光伏电站中不同光伏电板的电流波动特征；

36、电流模块，用于将实时输入的电流数据按照时间顺序输入至elc-rnn模型中，模型根据输入的电流数据动态更新根部向量上的二进制数据存储节，以实时反映光伏电站中各个光伏电板的电流状态；

37、更新模块，用于通过比较实时更新的二进制数据存储节与预设的二进制波动模式，识别出光伏电站中各个光伏电板的二进制波动；

38、关联单元，用于将识别出的各个光伏电板的二进制波动数据，与树状图中的相应枝部进行关联，并在后续步骤中将soc值标定于正确的光伏电板所对应的树状图枝部上。

39、进一步地，模型模块包括：

40、数据采集子模块，用于收集光伏电站的历史电流数据，包括各个光伏电板在不同时间、不同天气条件下的电流波动情况，作为训练数据集；

41、预处理子模块，用于对收集到的历史电流数据进行预处理，所述预处理包括数据清洗及归一化以消除噪声并统一数据格式；

42、构建子模块，用于构建elc-rnn模型，结合长短时记忆网络和极限学习机；

43、训练子模块，用于使用预处理后的历史电流数据对elc-rnn模型进行训练，通过迭代优化算法调整模型参数，准确预测和识别光伏电板的二进制波动；

44、验证子模块，用于在训练过程中，采用交叉验证方法评估模型的性能；

45、保存子模块，用于训练完成后，保存elc-rnn模型的参数和结构。

46、本发明提供的基于互联网的光伏电站远程监控方法及系统，具有以下有益效果：

47、(1)通过elc电信号的识别机制，反推电信号的波动，不需要在光伏电站端部署物联网系统，减少成本。

48、(2)通过实时获取光伏电站的电力总值，并结合二进制机制感应各个光伏电板的电流波动，能够实现对光伏电站的全面、实时、远程监控。

49、(3)利用预设的elc-rnn模型对实时输入的电流进行处理，能够动态更新并识别出光伏电板的二进制波动。这种基于深度学习的数据处理方法，能够更有效地挖掘和利用光伏电站的运行数据，为后续的故障预测和优化运行提供有力支持。

50、(4)通过树状图的形式展示各个光伏电板的soc值，使得运维人员能够直观、清晰地了解光伏电站的运行状态。同时，将数据化显示处理的树状图反馈至终端，使得运维人员能够随时随地访问光伏电站的实时运行数据，大大提高了运维的便捷性。