本發(fā)明涉及光伏與人工智能，具體涉及一種基于云計算的光伏智慧運維管理方法及系統(tǒng)。

背景技術(shù)：

1、太陽能作為一種高效清潔的能源，已經(jīng)成為未來電力來源的重要組成部分，分布式光伏電站在節(jié)能減排、綠色發(fā)展的形勢下發(fā)展迅速。分布式光伏電站運維間接影響配電網(wǎng)的電能質(zhì)量，導致分布式光伏電站的發(fā)電量損失。

2、光伏電站的運維需要投入大量的人力、物力和財力，但是現(xiàn)有的運維管理方法在成本控制方面存在一定的不足，需要進一步降低運維成本。并且，由于分布式光伏運維效果很大程度上受限于運維人員的專業(yè)技能和作業(yè)水平，影響評價結(jié)果的準確性，間接影響分布式光伏電站的發(fā)電質(zhì)量和經(jīng)濟效益。

3、雖然現(xiàn)有的光伏運維管理方法引入了人工智能和大數(shù)據(jù)等技術(shù)，但是在故障診斷等方面的智能化程度仍然不足，缺乏可解釋性，計算效率較低。并且，光伏電站的故障模式多樣且復雜，ai的準確識別和預測仍存在困難，由于ai技術(shù)的復雜性和不確定性，其系統(tǒng)的穩(wěn)定性難以保證。例如，可能受到數(shù)據(jù)質(zhì)量、噪聲和異常值的影響，導致其性能不穩(wěn)定。

4、因此，需要建立更加準確、有效的基于云計算的光伏智慧運維管理方法及系統(tǒng)。

技術(shù)實現(xiàn)思路

1、鑒于上述問題，提出了本發(fā)明以便提供一種克服上述全部或至少一部分問題的基于云計算的光伏智慧運維管理方法及系統(tǒng)。

2、根據(jù)本發(fā)明的一個方面，提供了一種基于云計算的光伏智慧運維管理方法，包括：

3、通過安裝在光伏電站的傳感器采集光伏設(shè)備的運行數(shù)據(jù)和環(huán)境數(shù)據(jù)，其中，所述運行數(shù)據(jù)包括電流、電壓以及功率，所述環(huán)境數(shù)據(jù)包括溫度、濕度、風速以及光照強度；

4、通過時序分析方法對所述運行數(shù)據(jù)和環(huán)境數(shù)據(jù)進行預處理和特征提取，得到綜合特征向量，其中，所述時序分析方法融合arima模型和指數(shù)平滑模型；

5、將所述綜合特征向量輸入至光伏故障檢測模型，自動識別出異常數(shù)據(jù)和故障模式，其中，所述光伏故障檢測模型為shap模型，所述shap模型中融合特征交互項，以增強所述shap模型的可解釋性。

6、更進一步地，所述通過時序分析方法對所述運行數(shù)據(jù)和環(huán)境數(shù)據(jù)進行預處理和特征提取，得到綜合特征向量進一步包括：

7、從預處理后的所述運行數(shù)據(jù)和環(huán)境數(shù)據(jù)中提取出反映運行狀態(tài)和環(huán)境因素變化的特征向量；

8、將所述arima模型的預測結(jié)果作為所述指數(shù)平滑模型的輸入，或者，將所述arima模型與所述指數(shù)平滑模型的參數(shù)進行聯(lián)合估計，以對所述特征向量進行調(diào)整得到所述綜合特征向量。

9、更進一步地，所述綜合特征向量的計算公式為：

10、

11、其中，yt為t時刻的綜合特征向量，xt為t時刻的特征向量，xt-1為t-1時刻的特征向量，α、β和μt分別為arima模型的參數(shù)和隨機誤差項，ht為指數(shù)平滑模型t時刻的參數(shù)，γ為指數(shù)平滑模型的預設(shè)權(quán)重閾值。

12、更進一步地，所述shap模型中融合特征交互項進一步包括：

13、定義對所述shap模型的預測結(jié)果具有共同影響的特征交互項；

14、計算所述特征交互項的shapley值，利用所述shapley值對所述shap模型的預測結(jié)果進行解釋。

15、更進一步地，所述特征交互項的表達式為：

16、

17、其中，ωi為權(quán)重參數(shù)，表示特征向量xi對預測結(jié)果的貢獻程度，xi為第i個特征的值，γij為交互項參數(shù)，表示特征xi和特征xj之間的交互作用對預測結(jié)果的影響程度，用來衡量兩個特征同時出現(xiàn)時對預測結(jié)果的共同影響，n為特征的數(shù)量。

18、更進一步地，所述arima模型包括異常值處理機制，根據(jù)所述異常值處理機制對所述異常值進行調(diào)整，以減少所述異常值對所述arima模型預測結(jié)果的影響。

19、更進一步地，所述異常值處理機制的計算公式為：

20、y(t)＝ω0+ω1x1(t)+ω2x2(t)+...+ωnxn(t)

21、其中，y(t)為在時間點t的預測值，ω0是截距，ω1x1(t)+ω2x2(t)+...+ωnxn(t)是線性組合項，ω1至ωn為回歸系數(shù)，x1(t)至xn(t)為序列數(shù)據(jù)中的特征變量。

22、更進一步地，根據(jù)所述光伏電站的運行狀態(tài)、故障類型、故障頻率、故障影響范圍、維護記錄次數(shù)、環(huán)境因素和設(shè)備數(shù)據(jù)進行量化評分得到綜合得分；

23、根據(jù)所述綜合得分將所述光伏電站的光伏設(shè)備劃分為高優(yōu)先級、中優(yōu)先級和低優(yōu)先級等級。

24、更進一步地，所述綜合得分的計算公式為：

25、score＝w1×state+w2×faulttype+w3×faultfrequency+w4×faultimpact+w5×env+w6×equipment+w7×time+w8×maintenance+w9×usage+w10×operationalefficiency

26、其中，score為綜合得分，w1至w10為各個量化指標的權(quán)重，state為光伏設(shè)備的運行狀態(tài)，faulttype為不同類型的故障，faultfrequency為故障頻率，faultimpact為故障影響范圍，env為環(huán)境因素，equipment為設(shè)備物理狀態(tài)，time為時間，maintenance為維護記錄次數(shù)，usage為設(shè)備的實際使用狀況，operationalefficiency為設(shè)備的性能。

27、根據(jù)本發(fā)明的另一方面，提供了一種基于云計算的光伏智慧運維管理系統(tǒng)，包括：

28、數(shù)據(jù)采集模塊，用于通過安裝在光伏電站的傳感器采集光伏設(shè)備的運行數(shù)據(jù)和環(huán)境數(shù)據(jù)，其中，所述運行數(shù)據(jù)包括電流、電壓以及功率，所述環(huán)境數(shù)據(jù)包括溫度、濕度、風速以及光照強度；

29、特征提取模塊，用于通過時序分析方法對所述運行數(shù)據(jù)和環(huán)境數(shù)據(jù)進行預處理和特征提取，得到綜合特征向量，其中，所述時序分析方法融合arima模型和指數(shù)平滑模型；

30、故障檢測模塊，用于將所述綜合特征向量輸入至光伏故障檢測模型，自動識別出異常數(shù)據(jù)和故障模式，其中，所述光伏故障檢測模型為shap模型，所述shap模型中融合特征交互項，以增強所述shap模型的可解釋性。

31、根據(jù)本發(fā)明提供的方案，通過安裝在光伏電站的傳感器采集光伏設(shè)備的運行數(shù)據(jù)和環(huán)境數(shù)據(jù)，其中，所述運行數(shù)據(jù)包括電流、電壓以及功率，所述環(huán)境數(shù)據(jù)包括溫度、濕度、風速以及光照強度；通過時序分析方法對所述運行數(shù)據(jù)和環(huán)境數(shù)據(jù)進行預處理和特征提取，得到綜合特征向量，其中，所述時序分析方法融合arima模型和指數(shù)平滑模型；將所述綜合特征向量輸入至光伏故障檢測模型，自動識別出異常數(shù)據(jù)和故障模式，其中，所述光伏故障檢測模型為shap模型，所述shap模型中融合特征交互項，以增強所述shap模型的可解釋性。本發(fā)明增強了模型的準確性和可解釋性，同時促進特征選擇和降維，提高了模型的計算效率。

技術(shù)特征：

1.一種基于云計算的光伏智慧運維管理方法，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的基于云計算的光伏智慧運維管理方法，其特征在于，所述通過時序分析方法對所述運行數(shù)據(jù)和環(huán)境數(shù)據(jù)進行預處理和特征提取，得到綜合特征向量進一步包括：

3.根據(jù)權(quán)利要求1所述的基于云計算的光伏智慧運維管理方法，其特征在于，所述綜合特征向量的計算公式為：

4.根據(jù)權(quán)利要求1所述的基于云計算的光伏智慧運維管理方法，其特征在于，所述shap模型中融合特征交互項進一步包括：

5.根據(jù)權(quán)利要求4所述的基于云計算的光伏智慧運維管理方法，其特征在于，所述特征交互項的表達式為：

6.根據(jù)權(quán)利要求3所述的基于云計算的光伏智慧運維管理方法，其特征在于，所述arima模型包括異常值處理機制，根據(jù)所述異常值處理機制對所述異常值進行調(diào)整，以減少所述異常值對所述arima模型預測結(jié)果的影響。

7.根據(jù)權(quán)利要求6所述的基于云計算的光伏智慧運維管理方法，其特征在于，所述異常值處理機制的計算公式為：

8.根據(jù)權(quán)利要求1所述的基于云計算的光伏智慧運維管理方法，其特征在于，根據(jù)所述光伏電站的運行狀態(tài)、故障類型、故障頻率、故障影響范圍、維護記錄次數(shù)、環(huán)境因素和設(shè)備數(shù)據(jù)進行量化評分得到綜合得分；

9.根據(jù)權(quán)利要求8所述的基于云計算的光伏智慧運維管理方法，其特征在于，所述綜合得分的計算公式為：

10.一種基于云計算的光伏智慧運維管理系統(tǒng)，該系統(tǒng)基于如權(quán)利要求1-9任一項所述的基于云計算的光伏智慧運維管理方法，其特征在于，包括：

技術(shù)總結(jié)
本發(fā)明公開了一種基于云計算的光伏智慧運維管理方法及系統(tǒng)，涉及光伏與人工智能技術(shù)領(lǐng)域，方法包括：通過安裝在光伏電站的傳感器采集光伏設(shè)備的運行數(shù)據(jù)和環(huán)境數(shù)據(jù)，其中，運行數(shù)據(jù)包括電流、電壓以及功率，環(huán)境數(shù)據(jù)包括溫度、濕度、風速以及光照強度；通過時序分析方法對運行數(shù)據(jù)和環(huán)境數(shù)據(jù)進行預處理和特征提取，得到綜合特征向量，其中，時序分析方法融合ARI?MA模型和指數(shù)平滑模型；將綜合特征向量輸入至光伏故障檢測模型，自動識別出異常數(shù)據(jù)和故障模式，其中，光伏故障檢測模型為SHAP模型，SHAP模型中融合特征交互項，以增強SHAP模型的可解釋性。本發(fā)明增強了模型的準確性和可解釋性，同時促進特征選擇和降維，提高了模型的計算效率。

技術(shù)研發(fā)人員：楊義海,王占壘,胡宗強,閆弘毅,徐磊,盧童,張濤,徐東路,徐瑞
受保護的技術(shù)使用者：江蘇方洋智能科技有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/17