[发明专利]光伏电站故障预警方法及系统在审
| 申请号: | 201810666311.X | 申请日: | 2018-06-26 |
| 公开(公告)号: | CN108830335A | 公开(公告)日: | 2018-11-16 |
| 发明(设计)人: | 翟明岳;张德平 | 申请(专利权)人: | 广东石油化工学院 |
| 主分类号: | G06K9/62 | 分类号: | G06K9/62;G06F17/30;G06F17/50 |
| 代理公司: | 北京高沃律师事务所 11569 | 代理人: | 王戈 |
| 地址: | 525000 广*** | 国省代码: | 广东;44 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 光伏电站 异常数据 故障判断模型 故障预警 故障诊断结果 算法确定 原始数据 粗糙集约简 离群点检测 监控设备 监控数据 输入故障 数据处理 预警信号 状态类型 约简 工作量 数据库 采集 发送 输出 | ||
1.一种光伏电站故障预警方法,其特征在于,所述方法包括:
获取光伏电站监控设备采集的多个原始数据;
确定各所述原始数据所属的数值范围;
根据所述数值范围确定各所述原始数据对应的状态类型标号;
根据多个所述原始数据及各所述原始数据对应的状态类型标号采用基于距离的离群点检测算法确定异常数据;
根据所述异常数据采用粗糙集约简算法确定重要异常数据;
根据所述重要异常数据从故障判断模型数据库中确定故障判断模型;
将所述重要异常数据输入到所述故障判断模型,得到光伏电站故障诊断结果;
根据所述光伏电站故障诊断结果发送预警信号。
2.根据权利要求1所述的光伏电站故障预警方法,其特征在于,所述获取光伏电站监控设备采集的多个原始数据之前,还包括:
获取多个光伏电站的历史故障数据及各所述历史故障数据对应的故障诊断结果;
根据多个所述历史故障数据及各所述历史故障数据对应的故障诊断结果建立故障判断模型;所述故障判断模型为神经网络模型;
将所述故障判断模型存储至所述故障判断模型数据库。
3.根据权利要求2所述的光伏电站故障预警方法,其特征在于,所述将所述故障判断模型存储至所述故障判断模型数据库之后,还包括:
获取所述历史故障数据的估计一致性;
计算所述故障判断模型数据库的预测精度;
发送所述历史故障数据的估计一致性及所述故障判断模型数据库的预测精度至所述光伏电站监控设备。
4.根据权利要求2所述的光伏电站故障预警方法,其特征在于,根据所述重要异常数据从故障判断模型数据库中确定一个故障判断模型,具体包括:
将所述重要异常数据与建立各故障判断模型时采用的历史故障数据进行数据相似度比较,将数据相似度最高的故障判断模型确定为根据所述重要异常数据从故障判断模型数据库中确定的故障判断模型。
5.根据权利要求1所述的光伏电站故障预警方法,其特征在于,所述根据所述光伏电站故障诊断结果发送预警信号之后,还包括:
根据所述故障诊断结果训练所述故障诊断模型;
生成训练后的故障诊断模型;
将所述训练后的故障诊断模型存储至所述故障判断模型数据库。
6.一种光伏电站故障预警系统,其特征在于,所述系统包括:
原始数据获取模块,用于获取光伏电站监控设备采集的多个原始数据;
数值范围确定模块,用于确定各所述原始数据所属的数值范围;
状态类型标号确定模块,用于根据所述数值范围确定各所述原始数据对应的状态类型标号;
异常数据确定模块,用于根据多个所述原始数据及各所述原始数据对应的状态类型标号采用基于距离的离群点检测算法确定异常数据;
重要异常数据确定模块,用于根据所述异常数据采用粗糙集约简算法确定重要异常数据;
故障判断模型确定模块,用于根据所述重要异常数据从故障判断模型数据库中确定一个故障判断模型;
故障诊断模块,用于将所述重要异常数据输入到所述故障判断模型,得到光伏电站故障诊断结果;
预警模块,用于根据所述光伏电站故障诊断结果发送预警信号。
7.根据权利要求6所述的光伏电站故障预警系统,其特征在于,所述故障判断模型确定模块,具体包括:
故障判断模型确定单元,用于将所述重要异常数据与建立各故障判断模型时采用的历史故障数据进行数据相似度比较,将数据相似度最高的故障判断模型确定为根据所述重要异常数据从故障判断模型数据库中确定的故障判断模型。
8.根据权利要求6所述的光伏电站故障预警系统,其特征在于,所述系统还包括:
故障诊断模型训练模块,用于根据所述故障诊断结果训练所述故障诊断模型;
故障诊断模型生成模块,用于生成训练后的故障诊断模型。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于广东石油化工学院,未经广东石油化工学院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201810666311.X/1.html,转载请声明来源钻瓜专利网。





