一种光伏组串健康状态监测、评价方法及系统技术方案

本发明专利技术提供了一种光伏组串健康状态监测、评价方法，包括获取监测数据；根据历史监测数据，建立健康度分析模型和故障分析模型；将监测数据导入健康度分析模型；通过所述健康度分析模型对监测数据筛选，得到正常态数据和故障态数据；通过故障分析模型对故障态数据进行分级等步骤，还提供了一种光伏组串健康状态监测、评价系统。本发明专利技术解决了现有技术中监测仅能够识别整体出现了是否出现故障，不能分辨故障严重程度，更不能识别故障类型，监测能力不足的问题。足的问题。足的问题。

【技术实现步骤摘要】
一种光伏组串健康状态监测、评价方法及系统


[0001]本专利技术涉及
设备监测领域，尤其涉及光伏设备健康状态监测、评价方法。

技术介绍

[0002]光伏发电系统是一种利用太阳电池半导体材料的光伏效应将太阳光辐射能直接转换为电能的一种发电系统。光伏发电站一般占地面积较广，实用的光伏设备很多，设备多带来的一般问题就是设备故障多。但是，设备故障一般难以通过人工观察发现，从电站的整体数据上也很难体现具体问题，更不容易反应到具体设备或者设备组上。因此，目前光伏企业通过在一定单位内的光伏设备设置监测装置，达到对设备运行情况的监测，进而判断问题设备所在。光伏组串作为直流输出电压的最小单元，是较为合理的监测单元，实时监测其健康状态，可有效提高系统监控能力。
[0003]监测到数据后，通过一定的判断方法或者模型去判断是被是否发生故障，进而方便进行后续的检修等。在数据处理方面，公开号为CN113486586A的中国专利技术专利公开了一种设备健康状态评估方法，通过建立模型对数据进行评价，并给出健康指数作为评价结果，再通过实际监测到的数据不断的训练数据模型，使得模型更加准确。具体到光伏应用方面，公开号为CN109085437A的中国专利技术专利通过对电流的采样监测，进而判定采样组串的整体状态，判断是否存在故障。但是，这种判断方式，仅能够识别整体出现了是否出现故障，并不能分辨故障严重程度，更不能识别故障类型，监测能力不足，难以给检修人员更为具体的指引。

技术实现思路

[0004]针对现有技术中所存在的不足，本专利技术提供了一种设备健康状态监测、评价方法及系统，其解决了现有技术中存在的监测能力不足的问题。
[0005]为实现上述目的，本专利技术采用了如下技术方案：一种设备健康状态监测、评价方法，包括如下步骤：根据历史监测数据，建立健康度分析模型和故障分析模型；获取监测数据；将监测数据导入健康度分析模型；通过所述健康度分析模型对监测数据筛选，得到正常态数据和故障态数据；通过故障分析模型对故障态数据进行分级。
[0006]具体到光伏组串的监测、评价方法时，监测数据为发电数据。
[0007]为实现上述方法，本专利技术还提出了一种设备状态监测、评价系统，包括数据采集模块，数据处理模块，数据分析模块和健康状态评估模块；所述数据采集模块用于获取被监测设备的监测数据；所述数据处理模块用于对所述监测数据做数据聚合和数据降维处理；所述数据分析模块根据处理后的数据对所述监测设备进行健康态和故障态评价；
所述健康状态评估模块根据故障态评价结果对所述监测数据进行分级，进而对被监测设备的健康状态进行分级。
[0008]具体到光伏串健康监测、评价系统，所述数据采集模块包括了设置在光伏组串上的逆变器、角度检测装置和温度传感器。
[0009]相比于现有技术，本专利技术具有如下有益效果：本专利技术通过对监测的故障态数据进行分级，提高了整体数据监控能力，为设备的检修或者更换提供数据更为清楚的指引；本专利技术利用健康度分析模型对数据性质进行判定，再利用故障分析模型对数据故障严重程度进行分级，既能够准确识别故障态数据同时能够对故障程度进行分辨。同时基于两个模型的差异化设置，能够为后续的模型优化调整做铺垫。
[0010]本专利技术的其它优点、目标和特征将部分通过下面的说明体现，部分还将通过对本专利技术的研究和实践而为本领域的技术人员所理解。
附图说明
[0011]图1为本专利技术实施例的整体逻辑示意图。
具体实施方式
[0012]为了使本专利技术实现的技术手段、创作特征、达成目的与作用更加清楚及易于了解，下面结合附图及实施例对本专利技术中的技术方案进一步说明。
[0013]如图1所示，本专利技术实施例提出了一种光伏串健康状态监测、评价方法，包括如下步骤：获取监测数据；在监测光伏组串数据时，可以充分利用光伏组串本身的电压、电流和角度等信息，使得后续的结果更为准确。
[0014]根据历史监测数据，建立健康度分析模型和故障分析模型；健康度分析模型采用设备正常运行时的监测数据进行特征提取，利用机器学习方法构建组串发电量分析模型。对于故障分析模型，则采用历史的故障态数据进行特征提取，利用模式识别的算法构建故障分级模型。
[0015]将监测数据导入健康度分析模型；通过所述健康度分析模型对监测数据筛选，得到正常态数据和故障态数据；通过故障分析模型对故障态数据进行分级，实际操作中，本专利技术将数据分别严重、一般、轻度和潜在四个级别。
[0016]通过对故障态数据的分级，能够清楚的了解设备的故障程度，为设备检修及更换做更为清楚的指引，方便管理人员采取应对措施。而通过健康度分析模型和故障分析模型将监测数据分别进行判断和分级，一方面能够弥补单个模型的表达不足，另一方面方便从不同的维度进行评价。
[0017]在其中一种实施中，通过所述健康度分析模型对所述监测数据进行健康指数评价，设定健康指数阈值，超出阈值范围的，认定为故障态数据，在阈值范围内的，认定为正常态数据。监测数据是一组综合数据，通过引入健康指数，相比于对每个数据设置阈值，整体的判断逻辑更为简单，方便初始的模型设置，同时能够通过算法体现出数据之间关联。此外，采用学习算法设置的模型，可以通过不断增加的监测数据对健康度分析模型进行不断
的自我优化。目前，通过数据学习建模是大数据常用手段，具体算法可根据设备需求进行选择。在进行光伏组串的监测时，本专利技术采集的数据通过多个传感器实现，包括直流电压、直流电流、组串连接逆变器的逆变效率、逆变器电网频率、逆变器日发电量、逆变器功率因素、逆变器直流功率、组串面板朝向、天气情况、辐射强度、环境温度等信息；设定一定时间间隔进行采集。电流、电压、逆变器相关数据、组串面板朝向等是日常监测中现有数据能够体现的。天气是影响发电的关键因素，可以通过外部信息导入，温度数据可以通过导入的方式也可以通过现场检测的方式导入。此外，为了简单判断，还可以直接采用发电量和理论发电量的比作为健康指数。
[0018]在另一种实施例中，还可以将附近光伏组串数据进行横向对比，防止特殊情况的影响。
[0019]在另一中实施例中，设置健康度分析模型深度学习算法，可以通过数据概率分布偏差计算思想，利用KL散度、马氏距离等度量方法构建数据序列距离度量工具。故障分析模型则可以利用模式识别方法构建故障分级模型。两种模型均通过不断采集的实际监测数据进行优化。使得两种算法在不断优化中更为接近客观的判定标准，同时根据光伏电站整体老化状态进行演进。
[0020]在另一种实施例中，所述故障态数据还对所述故障分析模型的分级标准进行调整。分级的思路可以是阈值的区分方式，也可以是比例的分级方式。由于最初的标准模型设置是基于少部分的历史数据和专家经验进行设定，其不一定完全匹配当前电站的整体情况，通过不同程度数据对整体发电量的短期及长期影响分布，可以适当调整阈值范围。
[0021]本专利技术对健康度分析模型和故障分析模型采用不同数据进行修正，使得二者之间随着大数据的累积，二者之间不再时简单的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种设备状态监测、评价方法，其特征在于：包括如下步骤：根据历史监测数据，建立健康度分析模型和故障分析模型；获取监测数据；将监测数据导入健康度分析模型；通过所述健康度分析模型对监测数据筛选，得到正常态数据和故障态数据；通过故障分析模型对故障态数据进行分级。2.如权利要求1所述的一种设备状态监测、评价方法，其特征在于：通过所述健康度分析模型对所述监测数据进行健康指数评价，设定健康指数阈值，超出阈值范围的，认定为故障态数据，在阈值范围内的，认定为正常态数据。3.如权利要求1所述的一种设备状态监测、评价方法，其特征在于：通过所述正常态数据对所述健康度分析模型进行修正，及/或，通过所述故障态数据对所述故障分析模型进行修正。4.如权利要求1所述的一种设备状态监测、评价方法，其特征在于：所述故障分析模型对所述监测数据进行识别和分类。5.如权利要求4所述的一种设备状态监测、评价方法，其特征在于：所述故障态数据对所述故障分析模型的分级标准进行修正。6.一种光伏组串健康状态监测、评价方法，其特征在于：采用如权利要求1
‑
5所述的监测、评价...

【专利技术属性】
技术研发人员：刘铮，张瑜，夏海洋，许东，江春梅，彭何娟，李嘉，
申请(专利权)人：重庆中电自能科技有限公司，
类型：发明
国别省市：