一种基于时序数据的分布式光伏智能运维决策方法及系统技术方案

本发明专利技术公开了光伏智能运维技术领域的一种基于时序数据的分布式光伏智能运维决策方法及系统，具体包括以下步骤：

【技术实现步骤摘要】
一种基于时序数据的分布式光伏智能运维决策方法及系统


[0001]本专利技术涉及光伏智能运维
，具体为一种基于时序数据的分布式光伏智能运维决策方法及系统
。

技术介绍

[0002]光伏产业迎来新的发展机遇，光伏发电装机呈现快速增长，光伏发电的痛点已日益明显，分布式光伏投资商重开发
、
建设成本和建设速度，轻质量
、
效率和运维
。
分布式光伏电站缺乏完整的智能化运维手段，运维效率偏低和故障难发现
。
而光伏设备或组件的健康状态是光伏电站能否高效发电的关键因素，同时也直接影响着整个光伏系统的稳定运行
。
对光伏设备及组件及时进行维护是保证光伏系统安全运行和提高光伏系统运行效率的重要手段
。
[0003]目前，光伏电站呈多维分布式，结构较复杂，且设备种类和数量较多，一定程度地增加了运维难度，传统系统仅适用于普通小容量光伏电站，在分布式光伏运维应用中效果欠佳，不仅召回率较低，而且光伏电站回归稳态时间较长，已无法满足实际需求
。

技术实现思路

[0004]本专利技术的目的在于提供一种基于时序数据的分布式光伏智能运维决策方法及系统，以解决上述
技术介绍
中提出的传统系统仅适用于普通小容量光伏电站，在分布式光伏运维应用中效果欠佳的问题
。
[0005]为实现上述目的，本专利技术提供如下技术方案：一种基于时序数据的分布式光伏智能运维决策方法，具体包括以下步骤：
[0006]S1r/>：实时采集分布式光伏发电设备的时序数据，经降噪处理后，得到第一待处理数据；
[0007]S2
：对第一待处理数据进行过滤后，再对其进行归一化处理，得到第二待处理数据；
[0008]S3
：将第二待处理数据输入到预先构建的
Deep
‑
CMN
模型中，输出判断结果，并根据判断结果下达运维决策；
[0009]其中，所述
Deep
‑
CMN
模型包括表征网络与记忆网络，所述表征网络包括编码器与解码器，所述记忆网络包括神经元层
、
注意力层
、
自回归模型
。
[0010]作为优选，所述步骤
S1
中采集的时序数据包括电压
、
电流
、
温度
、
频率
。
[0011]作为优选，所述步骤
S1
中采集的时序数据经降噪处理的方式具体为，对采集的时序数据进行清洗，去除时序数据中的重复数据
、
空值较多数据
、
不可用数据
。
[0012]作为优选，所述步骤
S2
中对第一待处理数据进行过滤后，再对其进行归一化处理，得到第二待处理数据的方式具体为，对第一待处理数据进行过滤处理，去除第一待处理数据中的噪声数据和缺失值数据后，对其进行归一化处理；
[0013]其中，所述归一化处理的公式为
[0014]式中，
x
表示时序数据，
max
表示每条时序数据中的最大值，
min
表示每条时序数据中的最小值
。
[0015]作为优选，所述步骤
S3
中
Deep
‑
CMN
模型处理第二待处理数据的具体方式为，
[0016]第一步：将第二待处理数据输入到表征网络中，经由编码器与解码器处理后，得到重构值，将重构值与第二待处理数据进行差值计算得到重构误差；
[0017]第二步：将重构误差以及重构值输入到记忆网络中，由神经元层
、
注意力层对重构误差进行处理，输出预测值，由自回归模型对重构值进行处理，输出真实值，将预测值与真实值进行差值计算得到预测误差，若预测误差不达标，则调整
Deep
‑
CMN
模型的参数，重新计算，直至预测误差达标，若预测误差达标，则根据预测值输出判断结果
。
[0018]作为优选，一种基于时序数据的分布式光伏智能运维决策系统，用于实现一种基于时序数据的分布式光伏智能运维决策方法，包括：用于采集光伏发电设备电压
、
电流
、
温度
、
频率信息的感知模块
、
用于实现数据传输的网络模块
、
用于处理采集信息的数据模块
、
用于对光伏发电设备进行实时监测
、
智能诊断及运维决策的应用模块
。
[0019]与现有技术相比，本专利技术的有益效果是：本申请中采用云网一体化思想构建整体架构，利用物联网技术实现感知模块光伏数据通信传输，计算和分析相应数据，并反馈给应用模块，应用模块实现对分布式光伏电站的数据实时监测
、
智能诊断及运维决策，从而实现分布式光伏设备的智能运维决策
。
附图说明
[0020]图1为本专利技术
Deep
‑
CMN
模型结构示意图；
[0021]图2为本专利技术分布式光伏智能运维决策系统结构示意图
。
具体实施方式
[0022]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚
、
完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例
。
基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围
。
[0023]实施例1[0024]一种基于时序数据的分布式光伏智能运维决策方法，具体包括以下步骤：
[0025]S1
：实时采集分布式光伏发电设备的时序数据，经降噪处理后，得到第一待处理数据；
[0026]其中，时序数据为分布式光伏发电设备的电压
、
电流
、
温度
、
频率；降噪处理的方式为对采集的数据清洗，去除数据集中重复数据
、
空值较多数据
、
不可用数据等脏数据
。
[0027]S2
：对第一待处理数据进行过滤后，再对其进行归一化处理，得到第二待处理数据；
[0028]其中，对第一待处理数据进行过滤处理，是为了去除第一待处理数据中的噪声数据和缺失值数据，再对其进行归一化处理，使每个属性具有相同的尺度和数量；归一化处理
的公式为
[0029]式中：
x
表示时序数据，
max
表示每条时序数据中的最大值，
min
表示每条时序数据中的最小值；
[0030]需要说明的是，在去除第一待处理数据中的缺失值数据时，有两种情况；第一，针对不是线性变换的数据，直接去掉；第本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于时序数据的分布式光伏智能运维决策方法，其特征在于：具体包括以下步骤：
S1
：实时采集分布式光伏发电设备的时序数据，经降噪处理后，得到第一待处理数据；
S2
：对第一待处理数据进行过滤后，再对其进行归一化处理，得到第二待处理数据；
S3
：将第二待处理数据输入到预先构建的
Deep
‑
CMN
模型中，输出判断结果，并根据判断结果下达运维决策；其中，所述
Deep
‑
CMN
模型包括表征网络与记忆网络，所述表征网络包括编码器与解码器，所述记忆网络包括神经元层
、
注意力层
、
自回归模型
。2.
根据权利要求1所述的一种基于时序数据的分布式光伏智能运维决策方法，其特征在于：所述步骤
S1
中采集的时序数据包括电压
、
电流
、
温度
、
频率
。3.
根据权利要求2所述的一种基于时序数据的分布式光伏智能运维决策方法，其特征在于：所述步骤
S1
中采集的时序数据经降噪处理的方式具体为，对采集的时序数据进行清洗，去除时序数据中的重复数据
、
空值较多数据
、
不可用数据
。4.
根据权利要求3所述的一种基于时序数据的分布式光伏智能运维决策方法，其特征在于：所述步骤
S2
中对第一待处理数据进行过滤后，再对其进行归一化处理，得到第二待处理数据的方式具体为，对第一待处理数据进行过滤处理，去除第一待...

【专利技术属性】
技术研发人员：罗刚，马壮，许默君，
申请(专利权)人：安徽国麒科技有限公司，
类型：发明
国别省市：