一种基于时序数据多尺度特征的电站运维状态监测方法技术

本发明专利技术公开了一种基于时序数据多尺度特征的电站运维状态监测方法，包括以下步骤：分别获取所有光伏设备的当前监测数据以及历史监测数据；根据所有光伏设备的当前监测数据和历史监测数据分别核算出环境矫正因子和设备矫正因子；根据环境矫正因子和设备矫正因子对所有光伏设备的当前监测数据做规范化处理；将规范化后的监测数据作为时序数据输入到多个时序卷积单元中，得到具有多尺度特征的特征序列；多尺度特征的特征序列通过两层长短时记忆单元后得到序列特征向量；所述序列特征向量经过两层全连接网络后得到输出向量，输出向量经过Softmax函数运算得到光伏设备的故障概率。本发明专利技术提高了对光伏电站的运维能力，提高了对电站故障的诊断准确率。电站故障的诊断准确率。电站故障的诊断准确率。

【技术实现步骤摘要】
一种基于时序数据多尺度特征的电站运维状态监测方法


[0001]本专利技术涉及光伏电站运维
，特别涉及一种基于时序数据多尺度特征的电站运维状态监测方法。

技术介绍

[0002]光伏发电在我国新能源发展战略中占有重要地位，而分布式光伏电站是光伏发电的一种基础设施，指在用户场地附近建设，且用户自发自用、多余电量上网的光伏设施。分布式光伏电站可以缓解局部用电紧张的问题，并且具备无噪声、无污染的优点。
[0003]目前的电站运维监测算法可以分为基于设备电气特性和基于机器学习的两大类。基于设备电气特性的算法依赖于特定的、准确的电气数据进行数学建模，而获得这些数据需要复杂的硬件支持以及人力维护，所以难以在实际生产中广泛应用。基于机器学习的诊断算法能够从不同类型的输入数据中挖掘故障设备的特征，并且能够容忍数据输入的噪声。但是已有的运维监测算法研究都采用了设备之间没有差异、不同日期的天气条件没有差异的假设。这个假设只适用于集中式光伏电站，而分布式光伏电站中，设备的设置地点、放置角度、投入使用时间等都存在着较大差异。另外，已有的机器学习算法往往只能利本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于时序数据多尺度特征的电站运维状态监测方法，其特征在于，包括以下步骤：分别获取所有光伏设备的当前监测数据以及历史监测数据；根据所有光伏设备的当前监测数据核算出环境矫正因子，根据所有光伏设备的历史监测数据核算出设备矫正因子；根据所述环境矫正因子和设备矫正因子对所有光伏设备的当前监测数据做规范化处理，得到规范化后的监测数据；将所述规范化后的监测数据作为时序数据输入到多个时序卷积单元中，得到具有多尺度特征的特征序列；所述多尺度特征的特征序列通过两层长短时记忆单元后得到序列特征向量；所述序列特征向量经过两层全连接网络后得到输出向量，输出向量经过Softmax函数运算得到光伏设备的故障概率。2.根据权利要求1所述的电站运维状态监测方法，其特征在于，所述所有光伏设备的历史监测数据包括过往至少一年的监测数据。3.根据权利要求1所述的电站运维状态监测方法，其特征在于，所述步骤：根据所有光伏设备的当前监测数据核算出环境矫正因子，根据所有光伏设备的历史监测数据核算出设备矫正因子，具体包括以下步骤：核算出当天各个时刻某个电气数据的平均值，即：其中，w
i,j,k
为第i天第j组设备在当天第k个时刻监测到的某项电气数据，为当天各个时刻这项数据的平均值，K为每天记录数据的时刻数；核算出第i天的环境矫正因子即：其中，J为设备数；核算出第j组设备的设备矫正因子即：其中，I为有数据记录的日期数。4.根据权利要求3所述的电站运维状态监测方法，其特征在于，所述步骤：根据所述环境矫正因子和设备矫正因子对所有光伏设备的当前监测数据做规范化处理，得到规范化后的监测数据，具体包括：通过第i天的环境矫正因子和第j组设备矫正因子将第i...

【专利技术属性】
技术研发人员：杜恒，刘雷，
申请(专利权)人：苏州中立志科技有限公司，
类型：发明
国别省市：