CN116131444A - 光伏电站智能分析*** - Google Patents
光伏电站智能分析*** Download PDFInfo
- Publication number
- CN116131444A CN116131444A CN202211539229.3A CN202211539229A CN116131444A CN 116131444 A CN116131444 A CN 116131444A CN 202211539229 A CN202211539229 A CN 202211539229A CN 116131444 A CN116131444 A CN 116131444A
- Authority
- CN
- China
- Prior art keywords
- data
- module
- intelligent
- scada
- monitoring data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 62
- 238000012544 monitoring process Methods 0.000 claims abstract description 59
- 238000004364 calculation method Methods 0.000 claims abstract description 38
- 238000012800 visualization Methods 0.000 claims abstract description 26
- 230000000007 visual effect Effects 0.000 claims abstract description 17
- 238000007781 pre-processing Methods 0.000 claims description 21
- 238000004422 calculation algorithm Methods 0.000 claims description 15
- 238000012545 processing Methods 0.000 claims description 8
- 238000010801 machine learning Methods 0.000 claims description 5
- 238000005065 mining Methods 0.000 claims description 5
- 238000013473 artificial intelligence Methods 0.000 claims description 4
- 238000013135 deep learning Methods 0.000 claims description 4
- 230000008878 coupling Effects 0.000 claims description 3
- 238000010168 coupling process Methods 0.000 claims description 3
- 238000005859 coupling reaction Methods 0.000 claims description 3
- 230000010354 integration Effects 0.000 claims description 3
- 238000003058 natural language processing Methods 0.000 claims description 3
- 239000004069 plant analysis Substances 0.000 claims 2
- 230000007613 environmental effect Effects 0.000 claims 1
- 238000012423 maintenance Methods 0.000 abstract description 15
- 238000007405 data analysis Methods 0.000 abstract description 3
- 238000004140 cleaning Methods 0.000 description 14
- 230000006870 function Effects 0.000 description 12
- 238000003745 diagnosis Methods 0.000 description 9
- 238000000034 method Methods 0.000 description 8
- 238000005457 optimization Methods 0.000 description 6
- 238000007726 management method Methods 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000007689 inspection Methods 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 238000010248 power generation Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 201000004569 Blindness Diseases 0.000 description 1
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 238000009960 carding Methods 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000013210 evaluation model Methods 0.000 description 1
- 230000007849 functional defect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 230000003449 preventive effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
- H02J13/00001—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by the display of information or by user interaction, e.g. supervisory control and data acquisition systems [SCADA] or graphical user interfaces [GUI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
- G06F16/285—Clustering or classification
- G06F16/287—Visualization; Browsing
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
- H02J13/00002—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by monitoring
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02S—GENERATION OF ELECTRIC POWER BY CONVERSION OF INFRARED RADIATION, VISIBLE LIGHT OR ULTRAVIOLET LIGHT, e.g. USING PHOTOVOLTAIC [PV] MODULES
- H02S50/00—Monitoring or testing of PV systems, e.g. load balancing or fault identification
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Power Engineering (AREA)
- Theoretical Computer Science (AREA)
- Human Computer Interaction (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Photovoltaic Devices (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
Abstract
本发明实施例提供一种光伏电站智能分析***，属于光伏电站数据分析领域。***包括场站SCADA模块，用于获取光伏设备的监控数据，并将监控数据发送至所述外挂式采集模块和***可视化模块；外挂式采集模块，用于采集光伏设备的运行数据和所述场站SCADA模块的监控数据，并将采集得到的运行数据和监控数据发送至所述外挂式AI计算模块；外挂式AI计算模块，用于对接收到的运行数据和监控数据进行存储、计算分析，并将运行数据和监控数据的分析结果发送至所述***可视化模块；***可视化模块，将接收所述场站SCADA模块的监控数据和所述场站外挂式AI计算模块的分析结果后进行可视化展示。本发明扩充SCADA***的智能化水平，能大幅提高电站的智能化、无人化运维管理。
Description
技术领域
本发明涉及光伏电站数据分析领域，具体地涉及一种光伏电站智能分析***。
背景技术
自“双碳”目标提出以来，光伏发电产业呈规模化增长，光伏发电站的数字化、智能化、无人化发展是行业的发展方向。光伏电站的值守无人化、运维智能化是实现光伏电站降本增效、应对平价上网时代的优良解决方案。目前，各光伏电站已开始重视并开展了智能光伏运维***平台建设，利用计算机网络、物联网、云计算、大数据等技术，对所属的各光伏电站进行智能化升级，实现电站的实时状态监控、故障诊断、健康评价等功能。
但就目前应用情况来看，仍处于初级的试验阶段，效果有待进一步提升，主要存在问题：现有光伏电站的SCADA***(数据采集与监视控制***)实时数据采集不够全面，缺乏有效的全量多维度实时采集技术，导致运行状态无法正确反映，维护盲目性强；且主要用于生产监控，对运行维护业务缺乏有效支撑，运维相关的数据积累、数据模型几乎没有；同时，这些光伏电站SCADA***仅能实现简单的报警和初步的故障统计分析，由于光伏阵列出力具有强随机波动性、时变性及由此带来的不确定性，这些服务的误警率和漏警率高，导致故障诊断和维护维修服务决策质量不高，并且光伏组串、组件级故障诊断、健康评价等由于技术难度高目前鲜有应用。
发明内容
本发明实施例的目的是提供一种光伏电站智能分析***，以至少解决目前电站的SCADA监控***存在着采集的数据不全面、多个***之间存在孤岛，缺少直观反映电站运行状态数据指标，数据利用率低等问题。
为了实现上述目的，本发明实施例提供一种光伏电站智能分析***，包括场站SCADA模块、外挂式采集模块、外挂式AI计算模块和***可视化模块；
所述场站SCADA模块用于获取光伏设备的监控数据，并将监控数据发送至所述外挂式采集模块和***可视化模块；
所述外挂式采集模块用于采集光伏设备的运行数据和所述场站SCADA模块的监控数据，并将采集得到的运行数据和监控数据发送至所述外挂式AI计算模块；
所述外挂式AI计算模块用于对接收到的运行数据和监控数据进行存储、计算分析，并将运行数据和监控数据的分析结果发送至所述***可视化模块；
所述***可视化模块将接收所述场站SCADA模块的监控数据和所述场站AI计算模块的分析结果后进行可视化展示。
优选地，所述运行数据包括光伏设备的运行状态数据、运行环境数据；
其中，所述运行状态数据包括除常规SCADA模块的监控数据之外的组件级电流、电压、背板温度、功率数据，以及组件级红外、可见光图像数据和第三方设备监测数据中的一种或多种；
所述运行环境数据包括辐照度、辐照量、温度、湿度、风速和风向中的一种或多种。
优选地，所述外挂式AI计算模块包括数据库、数据预处理单元和计算单元；
所述数据库用于存储运行数据；
所述数据预处理单元用于对运行数据进行预处理；
所述计算单元用于对经预处理后的运行数据进行计算分析，得到运行数据的分析结果。
优选地，所述预处理包括数据清洗、数据集成、数据规约和数据变化中的一种或多种。
优选地，还包括：基础环境单元，所述基础环境单元用于为所述数据预处理单元和所述计算单元提供运行环境。
优选地，所述数据库包括实时数据库和历史数据库，所述实时数据库用于存储实时的运行数据，所述历史数据库用于存储由不同时间的运行数据组成的历史数据。
优选地，所述计算单元包括实时计算平台和离线计算平台，所述实时计算平台部署有智能算法，用于对实时数据库中的运行数据进行在线实时计算分析；所述离线计算平台用于对历史数据库中的历史数据进行挖掘分析处理，以形成对实时计算平台的智能算法提供支持的专家推理知识和规则模型。
优选地，还包括：关系库，所述关系库用于存储专家推理知识、规则模型和运行数据的分析结果。
优选地，所述智能算法包括人工智能机器学习、深度学习、机器视觉和自然语言处理中的一种或多种。
优选地，所述场站SCADA模块包括：SCADA平台和采集器，所述采集器用于监测光伏设备，并将监测到的监控数据发送至SCADA平台进行处理，所述SCADA平台用于对监控数据进行处理，并将处理后的监控数据发送至***可视化模块。
优选地，所述***可视化模块将所述场站的SCADA模块的监控数据进行可视化展示，或将所述外挂式AI计算模块数据的分析结果进行可视化展示，或将SCADA模块的监控数据和外挂式AI计算模块的分析结果进行深度耦合实现可视化分析展示。
通过上述技术方案，本发明的外挂式采集模块能在原有基础上进行数据采集，同时可采集电站新增的智能化终端的运行数据，将运行数据传输至外挂式AI计算模块，对运行数据进行存储，具有故障预警、故障诊断、智能清洗、智能巡检等功能；其次，还能构建智能化算法模型，扩充SCADA***的智能化水平，扩展特定的业务功能；并将计算分析结果在场站AI分析模块进行可视化网页展示，方便运维或智能终端设备针对性处理现场问题，大幅提高电站的智能化、无人化运维管理。
本发明实施例的其它特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
附图是用来提供对本发明实施例的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本发明实施例，但并不构成对本发明实施例的限制。在附图中：
图1是本发明一种实施方式提供的光伏电站智能分析***的框图；
图2是本发明一种可选实施方式提供的光伏电站智能分析***的外挂式AI计算模块的框图。
具体实施方式
以下结合附图对本发明实施例的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本发明实施例，并不用于限制本发明实施例。
图1是本发明一种实施方式提供的光伏电站智能分析***的框图，如图1所示，一种光伏电站智能分析***，包括场站SCADA模块、外挂式采集模块、外挂式AI计算模块和***可视化模块；
所述场站SCADA模块用于获取光伏设备的监控数据，场站SCADA模块主要由SCADA平台和采集器组成，采集器主要用于监测光伏设备，并将监测到的监控数据发送至SCADA平台进行处理，所述SCADA平台用于对监控数据进行处理，并将处理后的监控数据发送至***可视化模块；
所述外挂式采集模块用于采集光伏组件级的运行数据和所述场站SCADA模块的监控数据，并将采集得到的运行数据和监控数据发送至所述外挂式AI计算模块；
所述外挂式AI计算模块用于对接收到的运行数据和监控数据进行存储、计算分析，并将运行数据和监控数据分析结果发送至***可视化模块；
所述***可视化模块用于对接收所述场站SCADA模块的监控数据和所述场站AI计算模块的分析结果后统一进行可视化展示；在本实施例中，所述***可视化模块将所述场站的SCADA模块的监控数据进行可视化展示，或将所述外挂式AI计算模块数据的分析结果进行可视化展示，或将SCADA模块的监控数据和外挂式AI计算模块的分析结果进行深度耦合实现可视化分析展示。
本发明在原有的SCADA***上增加了外挂式采集模块、外挂式AI计算模块和***可视化模块，外挂式采集模块可采集电站新增的智能化终端的运行数据或电站原有的SCADA模块的监控数据，并将所有数据(包含运行数据和监控数据)传输至外挂式AI计算模块，对所有数据进行存储，具有故障预警、故障诊断、智能清洗、智能巡检等功能；其次，还能构建智能化算法模型，扩充SCADA***的智能化水平，扩展特定的业务功能；并将计算分析结果在***可视化模块进行可视化网页展示，方便运维或智能终端设备针对性处理现场问题，大幅提高电站的智能化、无人化运维管理模式。
在本实施例中，外挂式采集模块直接安装在光伏组件场区中，外挂式采集模块包括但不限于有电压电流传感器、功率计、发电检测器、摄像装置、温湿度传感器、辐照量检测器、风速风向传感器等器件，用于采集光伏场区组件级的各种运行数据。
在本实施例中，所述运行数据包括光伏设备的运行状态数据、运行环境数据；其中，所述运行状态数据包括除常规SCADA模块的监控数据之外的组件级电流、电压、背板温度、功率数据，以及组件级红外、可见光图像数据和第三方设备监测数据中的一种或多种；
所述运行环境数据包括辐照度、辐照量、温度、湿度、风速和风向中的一种或多种。
对于第三方设备监测数据可以是组件的无人机巡检图像数据，也可以是智能清洗机器人采集的组件数据等。
作为本实施例的进一步优化，如图2所示，所述外挂式AI计算模块包括数据库、数据预处理单元和计算单元；
所述数据库用于存储运行数据，在本实施例中，数据库分为实时数据库和历史数据库两种类型；可根据采集的现场运行数据结构不同、实时性不同，存储在不同的数据库中；例如：实时的运行数据可存储在所述实时数据库中，由不同时间的运行数据组成的历史数据可存储在所述历史数据库中；实时数据库中的数据作为下述的实时计算平台的输入数据，历史数据库中数据作为下述的离线计算平台的输入数据。
所述数据预处理单元用于对数据库中存储的运行数据进行预处理，实时数据库和历史数据库均要进行预处理，在本实施例中，所述预处理包括数据清洗、数据集成、数据规约和数据变化中的一种或多种；并且运行数据在经过预处理后，数据预处理单元还会创建运行数据的数据集，数据集供实时计算平台和离线计算平台的计算分析。
所述计算单元用于对经预处理后的运行数据进行计算分析，得到运行数据的分析结果。
作为本实施例的进一步优化，所述计算单元包括实时计算平台和离线计算平台。
其中，实时计算平台主要用于部署在线计算的主流人工智能机器学习、深度学习、机器视觉、自然语言处理等智能算法，支持主流的MapReduce、Spark、Flink等技术，支持各类人工智能算法用C++、Java、Python、C等多种语言以算例形式自定义部署与扩展，实现对光伏设备的在线实时计算分析。
离线计算平台以大数据分析分布式计算框架为核心，支持Hadoop YARN，ApacheMesos，及其自带的Standalone等集群管理模式，实现高度可伸缩的集群配置方案，用于对组件级设备海量的历史多源异构数据、信息进行梳理、分析、挖掘，离线训练、优化机器学***台提供智能化、高效化的计算资源与运行环境；同时可对历史数据挖掘、分析形成专家推理知识和规则模型，辅助实时计算平台进行分析、决策。
作为本实施例的进一步优化，所述外挂式AI计算模块还包括：基础环境单元，所述基础环境单元用于为所述数据预处理单元和所述计算单元提供运行环境，所述基础环境单元主要包括API接口、IDE和工程管理、ML函数库、打包服务等。
作为本实施例的进一步优化，所述外挂式AI计算模块还包括关系库，关系库采用MySQL关系型数据库，所述关系库用于存储专家推理知识、规则模型和运行数据的分析结果。
在本实施例中，外挂式AI计算模块接收来外挂式采集模块的各个仪器采集的多源异构的运行数据，根据数据的结构性、实时性等特点，分类存储至实时数据库和历史数据库中；数据预处理单元调取实时数据库和历史数据库中的数据经过数据预处理后，转换成满足实时计算平台和离线计算平台的计算要求；离线计算平台接收预处理后的数据集，通过计算分析不同功能对应的不同应用场景，导入场景数据、训练确定算法方案、提供训练模型；不断迭代优化模型，反复评价模型的“聪明度”，直到准确性、鲁棒性及泛化能力达到预期要求；同时结合海量历史数据，通过对不同设备间横向对比、纵向挖掘分析，可形成不同业务场景下的规则推理知识和规则模型，并存储至关系型数据库中，为业务功能的实现提供决策判据；用于提供高性能、智能化、在线计算与分析的实时智能计算平台，调取离线计算平台优化完善好的业务场景算法模型，并接收来自数据预处理单元处理后的实时数据集，对特定的业务场景功能进行在线计算、分析，提供智能预警、智能诊断、智能清洗、智能巡检、智能决策等多业务功能的分析结果，存储于关系型数据库。
例如：针对光伏电站组件、组串典型故障类型，通过采集光伏组件级的电流、电压、温度、功率运行数据及环境检测仪的辐照度、辐照量、风速、风向、温度等运行数据，对数据进行清洗处理后，可基于外挂式AI计算模块的离线计算平台构建人工智能机器学***台，进而实现对光伏组件的在线实时智能诊断，进一步在***可视化模块进行可视化展示，帮助运维人员对现场的设备故障类型进行诊断，定位故障类型，定量分析故障严重程度，同时可基于离线计算平台的分析的规则知识库、推理知识库，帮忙运维人员进一步深度分析故障产生的机理原因，方便高效地解决故障同时采取预防措施防止类似故障产生。
例如：针对光伏组件的脏污情况，可通过无人机或清洗机器人采集到的组件图像，进行预处理后，在外挂式AI计算模块上构建离线机器视觉算法模型，对光伏组件的积灰严重程度、清洗效益进行模型构建，进而将训练优化后的模型部署于实时计算平台上，对光伏组件的图像数据进行在线实时诊断，可实现对光伏组件的积灰预警，同是定位组件的积灰严重区域，并将计算分析结果在***可视化模块上以热力图形式直观展示组件的积灰情况，精准定位清洁预警区域，为电站实现智能清洗提供决策依据；同时基于实时计算平台部署的清洗效益评价模型，可综合外部气象环境、清洗成本及发电状态等因素，智能分析清洗前后的收益，可实现数据驱动的自我学习，智能预判组件最佳清洗时间点，并根据实时情况动态优化清洗频率，将计算分析结果动态直观地展示在***可视化模块。
因此本发明可围绕光伏电站的数字化、智能化的建设目标，基于光伏电站的运维功能需求，针对电站SCADA***的功能缺失或简单低效的功能场景，均可通过外挂式采集模块采集电站数据，并基于采集的现场数据于外挂式AI计算模块的离线计算平台和实时计算平台定制化构建业务功能模型，充分挖掘电站的数据价值，并将智能化模型在线部署、在线计算，并将计算结果以直观的方式在***可视化模块展现，方便运维人员随时随地进行查看，全方位弥补现有光伏SCADA监控***的能力不足，全面支撑光伏电站无人值守运营管理模式。
以上结合附图详细描述了本发明实施例的可选实施方式，但是，本发明实施例并不限于上述实施方式中的具体细节，在本发明实施例的技术构思范围内，可以对本发明实施例的技术方案进行多种简单变型，这些简单变型均属于本发明实施例的保护范围。
另外需要说明的是，在上述具体实施方式中所描述的各个具体技术特征，在不矛盾的情况下，可以通过任何合适的方式进行组合。为了避免不必要的重复，本发明实施例对各种可能的组合方式不再另行说明。
本领域技术人员可以理解实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序存储在一个存储介质中，包括若干指令用以使得单片机、芯片或处理器(processor)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
此外，本发明实施例的各种不同的实施方式之间也可以进行任意组合，只要其不违背本发明实施例的思想，其同样应当视为本发明实施例所公开的内容。
Claims (11)
1.一种光伏电站智能分析***，其特征在于，包括场站SCADA模块、外挂式采集模块、外挂式AI计算模块和***可视化模块；
所述场站SCADA模块用于获取光伏设备的监控数据，并将监控数据发送至所述外挂式采集模块和***可视化模块；
所述外挂式采集模块用于采集光伏设备的运行数据和所述场站SCADA模块的监控数据，并将采集得到的运行数据和监控数据发送至所述外挂式AI计算模块；
所述外挂式AI计算模块用于对接收到的运行数据和监控数据进行存储、计算分析，并将运行数据和监控数据的分析结果发送至所述***可视化模块；
所述***可视化模块将接收所述场站SCADA模块的监控数据和所述场站AI计算模块的分析结果后进行可视化展示。
2.根据权利要求1所述的光伏电站智能分析***，其特征在于，所述运行数据包括光伏设备的运行状态数据、运行环境数据；
其中，所述运行状态数据包括除常规SCADA模块的监控数据之外的组件级电流、电压、背板温度、功率数据，以及组件级红外、可见光图像数据和第三方设备监测数据中的一种或多种；
所述运行环境数据包括辐照度、辐照量、温度、湿度、风速和风向中的一种或多种。
3.根据权利要求1所述的光伏电站智能分析***，其特征在于，所述外挂式AI计算模块包括数据库、数据预处理单元和计算单元；
所述数据库用于存储运行数据；
所述数据预处理单元用于对所述数据库中存储的运行数据进行预处理；
所述计算单元用于对经预处理后的运行数据进行计算分析，得到运行数据的分析结果。
4.根据权利要求3所述的光伏电站智能分析***，其特征在于，所述预处理包括数据清洗、数据集成、数据规约和数据变化中的一种或多种。
5.根据权利要求3所述的光伏电站智能分析***，其特征在于，还包括：基础环境单元，所述基础环境单元用于为所述数据预处理单元和所述计算单元提供运行环境。
6.根据权利要求3所述的光伏电站智能分析***，其特征在于，所述数据库包括实时数据库和历史数据库；
所述实时数据库用于存储实时的运行数据；
所述历史数据库用于存储由不同时间的运行数据组成的历史数据。
7.根据权利要求3所述的光伏电站智能分析***，其特征在于，所述计算单元包括实时计算平台和离线计算平台；
所述实时计算平台部署有智能算法，用于对实时数据库中的运行数据进行在线实时计算分析；
所述离线计算平台用于对历史数据库中的历史数据进行挖掘分析处理，以形成对实时计算平台的智能算法提供支持的专家推理知识和规则模型。
8.根据权利要求7所述的光伏电站智能分析***，其特征在于，还包括：关系库，所述关系库用于存储推理知识、规则模型和运行数据的分析结果。
9.根据权利要求7所述的光伏电站智能分析***，其特征在于，所述智能算法包括：人工智能机器学习、深度学习、机器视觉和自然语言处理中的一种或多种。
10.根据权利要求1所述的光伏电站智能分析***，其特征在于，所述场站SCADA模块包括：SCADA平台和采集器；
所述采集器用于监测光伏设备，并将监测到的监控数据发送至SCADA平台进行处理；
所述SCADA平台用于对监控数据进行处理，并将处理后的监控数据发送至***可视化模块。
11.根据权利要求1所述的光伏电站智能分析***，其特征在于，所述***可视化模块将所述场站的SCADA模块的监控数据进行可视化展示，或将所述外挂式AI计算模块的分析结果进行可视化展示，或将SCADA模块的监控数据和外挂式AI计算模块的分析结果进行深度耦合实现可视化分析展示。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211539229.3A CN116131444A (zh) | 2022-12-01 | 2022-12-01 | 光伏电站智能分析*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211539229.3A CN116131444A (zh) | 2022-12-01 | 2022-12-01 | 光伏电站智能分析*** |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116131444A true CN116131444A (zh) | 2023-05-16 |
Family
ID=86294678
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211539229.3A Pending CN116131444A (zh) | 2022-12-01 | 2022-12-01 | 光伏电站智能分析*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116131444A (zh) |
-
2022
- 2022-12-01 CN CN202211539229.3A patent/CN116131444A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP3902992B1 (en) | Scalable system and engine for forecasting wind turbine failure | |
| CN111596604B (zh) | 一种基于数字孪生的工程装备故障智能诊断与自愈控制***及方法 | |
| CN109146093B (zh) | 一种基于学习的电力设备现场勘查方法 | |
| KR102159692B1 (ko) | 빅데이터 분석을 통한 태양광 발전량 예측 장치 및 방법 | |
| CN111597682B (zh) | 预测风力机齿轮箱轴承剩余寿命的方法 | |
| CN109492790A (zh) | 基于神经网络与数据挖掘的风电机组健康管理方法 | |
| CN116308304B (zh) | 基于元学习概念漂移检测的新能源智慧运维方法及*** | |
| CN116614177B (zh) | 一种光纤状态多维度参量监测*** | |
| CN116307641B (zh) | 一种面向数字化电厂的资源协同调度管理方法及*** | |
| CN113675944A (zh) | 一种光伏电站智能分析决策***及方法 | |
| CN117312293B (zh) | 一种面向电力多源异构的数据治理与智能分析方法及*** | |
| JP3245325U (ja) | 太陽光発電所クラスタ監視システム | |
| CN114442543A (zh) | 一种适用于水电站故障预警的计算机监测方法 | |
| CN116131444A (zh) | 光伏电站智能分析*** | |
| CN112801815B (zh) | 一种基于联邦学习的电力通信网络故障预警方法 | |
| CN115936663A (zh) | 一种电力***的维护方法及装置 | |
| CN112884170A (zh) | 一种综合管廊预测性智能运维***及方法 | |
| Li et al. | Research on digital twin and collaborative cloud and edge computing applied in operations and maintenance in wind turbines of wind power farm | |
| CN113902164A (zh) | 一种基于大数据技术的配电网故障预测***及方法 | |
| CN117113157B (zh) | 一种基于人工智能的台区用电故障检测*** | |
| Liangzhi et al. | Research on fault prediction and diagnosis of power equipment based on big data | |
| CN117152355B (zh) | 一种基于工厂数据的可视化监管*** | |
| CN117034157B (zh) | 一种结合多模态运行数据的水电设备故障识别方法与*** | |
| CN112215397A (zh) | 一种基于大数据的风电机组智能管理方法、***及存储介质 | |
| CN111832832B (zh) | 一种基于物联网的小区自巡检*** |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |