一种光伏发电故障诊断方法及系统技术方案

本发明专利技术公开了一种光伏发电故障诊断方法及系统，涉及光伏发电技术领域，包括，并基于光伏发电历史数据建立历史数据时间轴；根据历史数据时间轴筛选出多个子历史数据时间轴，并根据多个子历史数据时间轴确定所需数据信息；基于光伏电站调控策略将调控数据与部分第一指标数据、第二指标数据进行关联；并基于第一指标数据、第二指标数据的数据和调控数据的分布范围确定目标尺度，基于目标尺度对所需数据信息进行归一化处理；根据归一化后的第一指标数据、第二指标数据和调控数据建立时间序列，基于时间序列构建有训练集和测试集；从而进行神经网络模型的训练，检测发电故障。从而提高神经网络模型的资源使用率，保证了检测的精度。保证了检测的精度。保证了检测的精度。

【技术实现步骤摘要】
一种光伏发电故障诊断方法及系统


[0001]本申请涉及光伏发电
，更具体地，涉及一种光伏发电故障诊断方法及系统。

技术介绍

[0002]随着清洁能源的需求日益增长，光伏发电作为一种可再生能源技术逐渐得到了广泛应用。但由于光伏发电系统涉及的组件和部件较多，加之环境和运行条件的变化，光伏发电系统在运行过程中难免会出现故障，导致发电量下降或停机。因此，对光伏发电系统的故障进行准确快速的诊断，对于维护光伏发电系统的正常运行、提高系统的发电效率具有非常重要的意义。
[0003]目前，针对光伏发电系统的故障诊断技术主要分为基于规则的故障诊断和基于机器学习的故障诊断两类。基于规则的故障诊断是一种基于专家经验和规则库进行故障判断和诊断的方法，它可以根据故障的先验知识和特征进行判断，诊断速度快、准确性高，但需要先验知识和规则库的支持，同时无法处理复杂的非线性关系。而基于机器学习的故障诊断则是一种利用机器学习算法对数据进行分析和处理，从而识别故障模式和预测故障的方法。这种方法可以自动从数据中学习规律和模式，可以处理非线性关系和高维数据，但需要大量的数据进行训练，同时需要对数据进行预处理和特征提取，算法的选择和参数调整也需要一定的专业知识。
[0004]现有技术中，机器学习往往采用固定的学习方式，学习效果仅仅取决于训练数据量的大小，导致资源的浪费，且不能保证检测的精度。
[0005]因此，如何提高故障检测的精度且节省资源，是目前有待解决的技术问题。

技术实现思路

[0006]本专利技术提供一种光伏发电故障诊断方法，用以解决现有技术中故障检测精度低、且资源耗费较多的技术问题。所述方法包括：
[0007]获取一段存在发电故障的光伏发电历史数据，并基于光伏发电历史数据建立历史数据时间轴；
[0008]根据历史数据时间轴筛选出多个子历史数据时间轴，并根据多个子历史数据时间轴确定所需数据信息；
[0009]将所需数据信息划分为第一指标数据、第二指标数据和调控数据；
[0010]获取光伏电站调控策略，基于光伏电站调控策略将调控数据与部分第一指标数据、第二指标数据进行关联，得到关联关系；
[0011]获取第一指标数据、第二指标数据和调控数据的数据分布范围，并基于第一指标数据、第二指标数据的数据和调控数据的分布范围确定目标尺度，基于目标尺度对所需数据信息进行归一化处理；
[0012]根据归一化后的第一指标数据、第二指标数据和调控数据建立时间序列，基于时
间序列构建有训练集和测试集；
[0013]基于关联关系和第一指标数据、第二指标数据划分训练集的批次，从而进行神经网络模型的训练，训练完成后，通过测试集对神经网络模型进行测试并优化，通过优化后的神经网络模型诊断光伏发电故障。
[0014]本申请一些实施例中，根据历史数据时间轴筛选出多个子历史数据时间轴，包括：
[0015]获取发电故障类型及发电故障时间节点，并基于发电故障类型和预设时间表确定第一时间和第二时间，其中，时间表中每个发电故障类型均对应有一个第一时间和一个第二时间；
[0016]将发电故障时间节点在历史数据时间轴上标记出来，并基于第一时间进行前延以及根据第二时间进行后延，分别得到第一子历史数据时间轴和第二历史数据时间轴，在历史数据时间轴将发电故障时间节点、第一子历史数据时间轴和第二历史数据时间轴进行剔除，得到剩余历史数据时间轴；
[0017]剩余历史数据时间轴包括前向剩余数据时间轴和后向剩余数据时间轴，若前向剩余数据时间轴的长度大于第一时间阈值，则基于前向剩余数据时间轴的长度与第一时间阈值之差确定周期长度，根据周期长度将前向剩余数据时间轴划分为多个时间轴，并判断每个时间轴中是否存在异常数据，若存在异常数据，将异常数据在对应时间轴上进行异常标记，并将每个异常标记进行连接构成第一异常时间轴，确定每个时间轴上正常数据变化趋势，并将每个时间轴上正常数据变化趋势与预测的每个时间轴上正常数据变化趋势进行对比，将偏离度超过对应阈值的时间轴筛选出来并连接得到第一趋势时间轴，第一异常时间轴、第一趋势时间轴、发电故障时间节点、第一子历史数据时间轴和第二历史数据时间轴均为子历史数据时间轴；
[0018]若前向剩余数据时间轴的长度不大于第一时间阈值，则确定前向剩余数据时间轴上的异常数据及对应的异常程度，并将异常数据进行异常标记，根据异常程度获取每个异常标记对应的异常数据前一段时间内的数据，得到数据段，将数据段进行连接得到数据段时间轴，发电故障时间节点、第一子历史数据时间轴、第二历史数据时间轴和数据段时间轴均为子历史数据时间轴。
[0019]本申请一些实施例中，根据历史数据时间轴筛选出多个子历史数据时间轴，还包括：
[0020]若后向剩余数据时间轴的长度大于第二时间阈值，则基于后向剩余数据时间轴的长度与第二时间阈值之差确定周期长度，基于周期长度将后向剩余数据时间轴划分为多个时间轴，获取每个时间轴的正常数据变化趋势和异常数据变化趋势，并将每个时间轴的正常数据变化趋势、异常数据变化趋势与对应的预设变化趋势进行对比，将偏离度超过对应阈值的正常数据变化趋势、异常数据变化趋势的时间轴进行连接，得到第二趋势时间轴；
[0021]若后向剩余数据时间轴的长度不大于第二时间阈值，则基于后向剩余数据时间轴建立数据变化曲线，将数据变化曲线与对应预设的曲线进行比对，将相似度低于预设阈值的部分进行拼接，得到第三趋势时间轴；
[0022]发电故障时间节点、第一子历史数据时间轴、第二历史数据时间轴、第二趋势时间轴和第三趋势时间轴均为子历史数据时间轴。
[0023]本申请一些实施例中，将所需数据信息划分为第一指标数据、第二指标数据和调
控数据，包括：
[0024]将调控数据从所需数据信息中挑选出来，并确定所需数据信息与发电故障类型的相关系数，并将相关系数超过第一系数值的所需数据信息划分为第一指标数据，确定剩余的所需数据信息与第一指标数据的相关系数，并将相关系数超过第二系数值的剩余的所需数据信息划分为第二指标数据；
[0025]若第二次划分后剩余的所需数据信息中数据种类大于预设种类阈值，则进行多次划分，将相关系数超过对应阈值的所需数据信息划分为第二指标数据，直至剩余的所需数据信息中数据种类等同于预设种类阈值。
[0026]本申请一些实施例中，基于光伏电站调控策略将调控数据与部分第一指标数据、第二指标数据进行关联，得到关联关系，包括：
[0027]根据光伏电站调控策略将调控数据与部分第一指标数据进行第一标记，得到第一关联关系；
[0028]根据光伏电站调控策略将调控数据与部分第二指标数据进行第二标记，得到第二关联关系。
[0029]本申请一些实施例中，并基于第一指标数据、第二指标数据的数据和调控数据的分布范围确定目标尺度，包括：
[0030]基于第一指标数据、第二指标数据的数据和调控数据的分布范围分别对应得到第一分布图、第二分布图和第三分布图；本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种光伏发电故障诊断方法，其特征在于，所述方法包括：获取一段存在发电故障的光伏发电历史数据，并基于光伏发电历史数据建立历史数据时间轴；根据历史数据时间轴筛选出多个子历史数据时间轴，并根据多个子历史数据时间轴确定所需数据信息；将所需数据信息划分为第一指标数据、第二指标数据和调控数据；获取光伏电站调控策略，基于光伏电站调控策略将调控数据与部分第一指标数据、第二指标数据进行关联，得到关联关系；获取第一指标数据、第二指标数据和调控数据的数据分布范围，并基于第一指标数据、第二指标数据的数据和调控数据的分布范围确定目标尺度，基于目标尺度对所需数据信息进行归一化处理；根据归一化后的第一指标数据、第二指标数据和调控数据建立时间序列，基于时间序列构建有训练集和测试集；基于关联关系和第一指标数据、第二指标数据划分训练集的批次，从而进行神经网络模型的训练，训练完成后，通过测试集对神经网络模型进行测试并优化，通过优化后的神经网络模型诊断光伏发电故障。2.如权利要求1所述的光伏发电故障诊断方法，其特征在于，根据历史数据时间轴筛选出多个子历史数据时间轴，包括：获取发电故障类型及发电故障时间节点，并基于发电故障类型和预设时间表确定第一时间和第二时间，其中，时间表中每个发电故障类型均对应有一个第一时间和一个第二时间；将发电故障时间节点在历史数据时间轴上标记出来，并基于第一时间进行前延以及根据第二时间进行后延，分别得到第一子历史数据时间轴和第二历史数据时间轴，在历史数据时间轴将发电故障时间节点、第一子历史数据时间轴和第二历史数据时间轴进行剔除，得到剩余历史数据时间轴；剩余历史数据时间轴包括前向剩余数据时间轴和后向剩余数据时间轴，若前向剩余数据时间轴的长度大于第一时间阈值，则基于前向剩余数据时间轴的长度与第一时间阈值之差确定周期长度，根据周期长度将前向剩余数据时间轴划分为多个时间轴，并判断每个时间轴中是否存在异常数据，若存在异常数据，将异常数据在对应时间轴上进行异常标记，并将每个异常标记进行连接构成第一异常时间轴，确定每个时间轴上正常数据变化趋势，并将每个时间轴上正常数据变化趋势与预测的每个时间轴上正常数据变化趋势进行对比，将偏离度超过对应阈值的时间轴筛选出来并连接得到第一趋势时间轴，第一异常时间轴、第一趋势时间轴、发电故障时间节点、第一子历史数据时间轴和第二历史数据时间轴均为子历史数据时间轴；若前向剩余数据时间轴的长度不大于第一时间阈值，则确定前向剩余数据时间轴上的异常数据及对应的异常程度，并将异常数据进行异常标记，根据异常程度获取每个异常标记对应的异常数据前一段时间内的数据，得到数据段，将数据段进行连接得到数据段时间轴，发电故障时间节点、第一子历史数据时间轴、第二历史数据时间轴和数据段时间轴均为子历史数据时间轴。
3.如权利要求2所述的光伏发电故障诊断方法，其特征在于，根据历史数据时间轴筛选出多个子历史数据时间轴，还包括：若后向剩余数据时间轴的长度大于第二时间阈值，则基于后向剩余数据时间轴的长度与第二时间阈值之差确定周期长度，基于周期长度将后向剩余数据时间轴划分为多个时间轴，获取每个时间轴的正常数据变化趋势和异常数据变化趋势，并将每个时间轴的正常数据变化趋势、异常数据变化趋势与对应的预设变化趋势进行对比，将偏离度超过对应阈值的正常数据变化趋势、异常数据变化趋势的时间轴进行连接，得到第二趋势时间轴；若后向剩余数据时间轴的长度不大于第二时间阈值，则基于后向剩余数据时间轴建立数据变化曲线，将数据变化曲线与对应预设的曲线进行比对，将相似度低于预设阈值的部分进行拼接，得到第三趋势时间轴；发电故障时间节点、第一子历史数据时间轴、第二历史数据时间轴、第二趋势时间轴和第三趋势时间轴均为子历史数据时间轴。4.如权利要求2所述的光伏发电故障诊断方法，其特征在于，将所需数据信息划分为第一指标数据、第二指标数据和调控数据，包括：将调控数据从所需数据信息中挑选出来，并确定所需数据信息与发电故障类型的相关系数，并将相关系数超...

【专利技术属性】
技术研发人员：沈贝凌，冒晓龙，叶浚石，吴倩，薛红兵，单子心，龚颖文，孙利国，牛晨晖，唐建辉，
申请(专利权)人：华能国际电力江苏能源开发有限公司南通电厂，
类型：发明
国别省市：