【技术实现步骤摘要】
本专利技术涉及光伏发电，更具体的说是涉及基于数字孪生和深度学习的光伏发电系统管理平台及方法。
技术介绍
1、随着科技的发展和环保需求的增加，智能化的光伏发电系统管理平台越来越受到重视。
2、传统光伏发电系统管理主要依靠人工巡检和数据采集仪进行数据采集，然而这些方法存在诸多限制，无法满足光伏发电行业日益增长的智能化管理需求。
3、现行系统普遍采用定时数据采集的方式，难以实现实时的监测，当故障发生或系统性能变化时，滞后的数据更新不利于及时发现问题；传统的数据分析依赖人工经验，费时费力且易出现遗漏误判；此外，传统管理往往需要运维人员驻场或定期到场查看，对于分布式光伏发电系统(例如家用屋顶光伏) 尤其不便捷，增加了运维成本和难度。
4、由此带来的影响是严重的，例如：数据采集滞后和人工巡检的局限性会导致故障发现延迟，甚至恶化造成更大损失；难以及时发现故障和性能变化，以及缺乏发电量优化管理，都会导致光伏电站实际发电量低于设计值，造成经济效益损失；依赖人工巡检的传统运维方式成本高昂，随着电站规模扩大更是雪上加霜；最...
【技术保护点】
1.一种基于数字孪生和深度学习的光伏发电系统管理平台，其特征在于，包括数据采集模块、预处理模块、中央处理模块、远程监控与可视化模块以及数据存储模块；
2.根据权利要求1所述的一种基于数字孪生和深度学习的光伏发电系统管理平台，其特征在于，对采集的运行参数数据进行预处理的内容包括：
3.根据权利要求1所述的一种基于数字孪生和深度学习的光伏发电系统管理平台，其特征在于，人工神经网络用于处理复杂的非线性关系，具体内容为：
4.根据权利要求1所述的一种基于数字孪生和深度学习的光伏发电系统管理平台，其特征在于，故障诊断单元的卷积神经网络CNN包...
【技术特征摘要】
1.一种基于数字孪生和深度学习的光伏发电系统管理平台，其特征在于，包括数据采集模块、预处理模块、中央处理模块、远程监控与可视化模块以及数据存储模块；
2.根据权利要求1所述的一种基于数字孪生和深度学习的光伏发电系统管理平台，其特征在于，对采集的运行参数数据进行预处理的内容包括：
3.根据权利要求1所述的一种基于数字孪生和深度学习的光伏发电系统管理平台，其特征在于，人工神经网络用于处理复杂的非线性关系，具体内容为：
4.根据权利要求1所述的一种基于数字孪生和深度学习的光伏发电系统管理平台，其特征在于，故障诊断单元的卷积神经网络cnn包括多个卷积层和池化层，同一层的神经元共享相同的权重，用于从大量传感器数据中提取特征，并通过分类层识别潜在的故障模式。
<...【专利技术属性】
技术研发人员：裴婷婷，姜磊，陈伟，吴丽珍，林洁，
申请(专利权)人：兰州理工大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。