本發(fā)明涉及新能源場站運行，特別是指一種新能源場站運行智慧管理方法及系統(tǒng)。

背景技術(shù)：

1、傳統(tǒng)的新能源場站運行管理方法，在很大程度上依賴人工經(jīng)驗進行決策，并結(jié)合了一些基礎(chǔ)的自動化控制系統(tǒng)來監(jiān)控場站的運行狀態(tài)。然而，這種方法在全面性和實時性方面存在一定的局限性，表現(xiàn)在以下幾個方面：

2、機器系統(tǒng)可能僅能獲取到有限的關(guān)鍵參數(shù)，而無法全面捕捉場站運行的所有細節(jié)信息。數(shù)據(jù)的采集頻率和精度可能受限，導(dǎo)致對場站狀態(tài)的實時感知能力不強。數(shù)據(jù)處理和分析往往依賴于預(yù)設(shè)的規(guī)則和閾值，缺乏深度挖掘和智能分析的能力。決策過程主要基于人工經(jīng)驗，可能受到個人知識、經(jīng)驗和判斷力的限制。自動化控制系統(tǒng)雖然能執(zhí)行一些預(yù)設(shè)的操作，但在面對復(fù)雜或突發(fā)情況時，缺乏自主決策和靈活應(yīng)對的能力。決策的制定可能存在一定的延遲，因為需要人工介入或等待系統(tǒng)完成固定的處理流程。

3、由于信息獲取和處理的局限性，以及決策制定的延遲，系統(tǒng)對場站狀態(tài)變化的響應(yīng)速度可能較慢。在設(shè)備出現(xiàn)故障或能源產(chǎn)出波動時，可能無法及時采取有效的措施進行調(diào)整和優(yōu)化。由于缺乏全面的實時監(jiān)控和精準(zhǔn)的優(yōu)化策略，能源產(chǎn)出可能受到設(shè)備性能、環(huán)境因素等多種因素的影響而波動較大。?設(shè)備運行可能不是處于最優(yōu)狀態(tài)，導(dǎo)致能源轉(zhuǎn)換效率不高，產(chǎn)出效率低下。故障預(yù)警和診斷主要依賴于人工巡檢和簡單的自動化報警系統(tǒng)，可能無法及時發(fā)現(xiàn)潛在的故障隱患。故障處理和維護往往是在問題出現(xiàn)后進行，缺乏預(yù)見性和主動性，導(dǎo)致設(shè)備故障頻發(fā)，維修成本增加。由于能源產(chǎn)出效率低下和設(shè)備故障頻發(fā)，可能導(dǎo)致運行成本上升，包括能源消耗、設(shè)備維護、人工費用等。缺乏有效的優(yōu)化策略和控制手段，使得運行成本難以得到有效控制。

技術(shù)實現(xiàn)思路

1、本發(fā)明要解決的技術(shù)問題是提供一種新能源場站運行智慧管理方法，實現(xiàn)對場站的全面、實時監(jiān)測和管理。

2、為解決上述技術(shù)問題，本發(fā)明的技術(shù)方案如下：

3、第一方面，一種新能源場站運行智慧管理方法，所述方法包括：

4、通過新能源場站內(nèi)的傳感器和監(jiān)測設(shè)備實時采集各類數(shù)據(jù)；

5、將采集的各類數(shù)據(jù)傳輸至中央數(shù)據(jù)中心并進行迭代優(yōu)化處理，確定最終的數(shù)據(jù)分類、清洗和壓縮參數(shù)組合，以構(gòu)建新能源場站大數(shù)據(jù)平臺；

6、根據(jù)構(gòu)建的新能源場站的大數(shù)據(jù)平臺，構(gòu)建新能源場站的數(shù)字孿生模型，以實時反映場站的運行狀態(tài)、設(shè)備健康狀況及環(huán)境變化；

7、對數(shù)字孿生模型的數(shù)據(jù)進行分析，并通過模擬不同運行場景，預(yù)測未來一段時間內(nèi)的能源產(chǎn)出與需求趨勢和設(shè)備故障情況，得到分析結(jié)果；

8、根據(jù)分析結(jié)果和數(shù)字孿生模型的實時反饋，自動生成運行優(yōu)化方案，以指導(dǎo)風(fēng)電機組、光伏板陣列、儲能系統(tǒng)的遠程啟停、參數(shù)調(diào)整；

9、將運行優(yōu)化方案應(yīng)用于實際運行中，并實時監(jiān)測實際運行效果，獲取運行數(shù)據(jù)；

10、將運行數(shù)據(jù)與數(shù)字孿生模型的預(yù)測進行對比分析，不斷調(diào)整數(shù)字孿生模型和優(yōu)化運行方案，形成閉環(huán)管理。

11、進一步的，將采集的各類數(shù)據(jù)傳輸至中央數(shù)據(jù)中心并進行迭代優(yōu)化處理，確定最終的數(shù)據(jù)分類、清洗和壓縮參數(shù)組合，以構(gòu)建新能源場站大數(shù)據(jù)平臺，包括：

12、設(shè)定一個目標(biāo)函數(shù)，評估不同參數(shù)組合的數(shù)據(jù)處理性能，包括分類準(zhǔn)確率、清洗效果、壓縮率；

13、隨機生成一組參數(shù)組合，作為初始和聲庫，每個和聲代表一種數(shù)據(jù)分類、清洗和壓縮方案，

14、從和聲庫中隨機確定一組和聲作為當(dāng)前和聲，并通過隨機調(diào)整當(dāng)前和聲中的部分參數(shù)，生成一個新和聲；

15、計算新的和聲對應(yīng)的目標(biāo)函數(shù)值，評估優(yōu)劣，得到評估結(jié)果；

16、不斷執(zhí)行和聲選擇、參數(shù)調(diào)整、新和聲評估及和聲庫更新操作，直至達到預(yù)設(shè)迭代次數(shù)，得到最終的數(shù)據(jù)分類、清洗和壓縮參數(shù)組合，并按照最終的數(shù)據(jù)分類、清洗和壓縮參數(shù)組合對數(shù)據(jù)進行處理，存儲至中央數(shù)據(jù)中心，以構(gòu)建新能源場站的大數(shù)據(jù)平臺。

17、進一步的，新和聲對應(yīng)的目標(biāo)函數(shù)值的計算公式為：

18、；

19、其中，表示新和聲對應(yīng)的目標(biāo)函數(shù)值；表示分類準(zhǔn)確率的權(quán)重系數(shù)；表示分類準(zhǔn)確率；表示清洗效果的權(quán)重系數(shù)；表示清洗后有效數(shù)據(jù)的數(shù)量；表示清洗后無效數(shù)據(jù)的數(shù)量；表示清洗后錯誤數(shù)據(jù)的數(shù)量；表示原始有效數(shù)據(jù)的數(shù)量；表示原始無效數(shù)據(jù)的數(shù)量；表示原始錯誤數(shù)據(jù)的數(shù)量；表示參考有效數(shù)據(jù)的數(shù)量；表示參考無效數(shù)據(jù)的數(shù)量；表示參考錯誤數(shù)據(jù)的數(shù)量；表示一個正數(shù)；表示指數(shù)參數(shù)；表示壓縮率的權(quán)重系數(shù)；表示調(diào)整后的壓縮率。

20、進一步的，根據(jù)構(gòu)建的新能源場站的大數(shù)據(jù)平臺，構(gòu)建新能源場站的數(shù)字孿生模型，以實時反映場站的運行狀態(tài)、設(shè)備健康狀況及環(huán)境變化，包括：

21、從新能源場站的大數(shù)據(jù)平臺中提取數(shù)據(jù)，包括設(shè)備運行數(shù)據(jù)、環(huán)境監(jiān)測數(shù)據(jù)和設(shè)備維護記錄；

22、根據(jù)提取數(shù)據(jù)，確定數(shù)字孿生模型的結(jié)構(gòu)和框架，包括確定模型的層次結(jié)構(gòu)、組件之間的關(guān)系和數(shù)據(jù)流動的方向；

23、根據(jù)數(shù)字孿生模型的結(jié)構(gòu)和框架構(gòu)建新能源場站的數(shù)字孿生模型，并將大數(shù)據(jù)平臺中的實時數(shù)據(jù)映射到數(shù)字孿生模型中，以實時反映場站的運行狀態(tài)、設(shè)備健康狀況及環(huán)境變化。

24、進一步的，對數(shù)字孿生模型的數(shù)據(jù)進行分析，并通過模擬不同運行場景，預(yù)測未來一段時間內(nèi)的能源產(chǎn)出與需求趨勢和設(shè)備故障情況，得到分析結(jié)果，包括：

25、將數(shù)字孿生模型中實時獲取設(shè)備運行數(shù)據(jù)、環(huán)境監(jiān)測數(shù)據(jù)和設(shè)備維護記錄進行整合，得到一個包含多維度信息數(shù)據(jù)集；

26、對多維度信息數(shù)據(jù)集進行分析，確定與能源產(chǎn)出、需求趨勢和設(shè)備故障相關(guān)的關(guān)鍵特征，包括設(shè)備的運行參數(shù)、環(huán)境因素的極值、設(shè)備維護的頻率；

27、將時間序列分析模型作為預(yù)測模型，并將關(guān)鍵特征和對應(yīng)的歷史數(shù)據(jù)作為輸入數(shù)據(jù)，對預(yù)測模型進行訓(xùn)練，得到訓(xùn)練后預(yù)測模型；

28、定義多種運行場景，包括不同的天氣條件、能源需求變化，并將定義的多種運行場景作為輸入條件，導(dǎo)入訓(xùn)練后預(yù)測模型，包括天氣條件的參數(shù)和能源需求的變化模式；

29、通過預(yù)測模型的預(yù)測函數(shù)模擬在不同場景下的能源產(chǎn)出與需求趨勢，并預(yù)測設(shè)備故障情況，得到預(yù)測結(jié)果。

30、進一步的，預(yù)測函數(shù)的計算公式為：

31、；

32、其中，表示預(yù)測的輸出值；表示預(yù)測的能源產(chǎn)出；表示預(yù)測的能源需求量；表示預(yù)測的設(shè)備故障頻率；表示設(shè)備運行數(shù)據(jù)的權(quán)重系數(shù)；表示設(shè)備運行數(shù)據(jù)；表示時間序列數(shù)據(jù)的權(quán)重系數(shù)；表示歷史能源產(chǎn)出和需求記錄的時間序列數(shù)據(jù)；表示環(huán)境數(shù)據(jù)的權(quán)重系數(shù)；表示環(huán)境數(shù)據(jù)，定義為：；表示環(huán)境溫度；表示濕度；表示風(fēng)速；表示環(huán)境氣壓；表示預(yù)測模型的偏置項；表示交互作用項的數(shù)量；表示交互效應(yīng)的系數(shù)；表示壓縮率影響的系數(shù)；表示一個正數(shù)；表示交互作用項的索引。

33、進一步的，根據(jù)分析結(jié)果和數(shù)字孿生模型的實時反饋，自動生成運行優(yōu)化方案，以指導(dǎo)風(fēng)電機組、光伏板陣列、儲能系統(tǒng)的遠程啟停、參數(shù)調(diào)整，包括：

34、將風(fēng)電機組、光伏板、儲能系統(tǒng)的啟停和設(shè)備參數(shù)的調(diào)整編碼為染色體；

35、隨機生成一組初始解，每個解代表一個運行優(yōu)化方案；

36、利用分析結(jié)果和數(shù)字孿生模型的實時反饋，評估每個解的適應(yīng)度，并通過選擇、交叉和變異操作，迭代更新種群，得到最終解；

37、持續(xù)迭代，當(dāng)達到預(yù)設(shè)的迭代次數(shù)時，從最終種群中根據(jù)解的適應(yīng)度確定初始運行優(yōu)化方案；

38、將初始運行優(yōu)化方案解析為控制指令和參數(shù)調(diào)整值；

39、根據(jù)控制指令，對設(shè)備進行遠程啟停控制，根據(jù)參數(shù)調(diào)整值，對設(shè)備的運行參數(shù)進行遠程調(diào)整。

40、進一步的，每個解的適應(yīng)度的計算公式為：

41、；

42、其中，表示第個解的適應(yīng)度值；、、、表示權(quán)重系數(shù)；表示在第個解下新能源場站的實際能源產(chǎn)出量；表示最大能源產(chǎn)出量；表示在第個解下預(yù)測的能源需求量；表示實際能源需求量；表示最大需求量差值；表示在第個解下設(shè)備故障率；表示在第個解下運行成本。

43、進一步的，將運行數(shù)據(jù)與數(shù)字孿生模型的預(yù)測進行對比分析，不斷調(diào)整數(shù)字孿生模型和優(yōu)化運行方案，形成閉環(huán)管理，包括：

44、將實際運行數(shù)據(jù)與數(shù)字孿生模型的預(yù)測數(shù)據(jù)進行對比分析，確定差異和偏差；

45、對差異和偏差進行分析，得到分析結(jié)果；

46、根據(jù)分析結(jié)果，對數(shù)字孿生模型進行調(diào)整，包括修正數(shù)字孿生模型參數(shù)、優(yōu)化數(shù)字孿生模型結(jié)構(gòu)，并對當(dāng)前的運行方案進行優(yōu)化調(diào)整，得到優(yōu)化調(diào)整后運行方案；

47、根據(jù)優(yōu)化調(diào)整后運行方案對風(fēng)電機組、光伏板陣列和儲能系統(tǒng)設(shè)備進行遠程控制和參數(shù)調(diào)整，并實時監(jiān)測設(shè)備的運行狀態(tài)與性能參數(shù)，并將實時運行數(shù)據(jù)反饋至數(shù)字孿生模型，不斷循環(huán)迭代，形成閉環(huán)管理。

48、第二方面，一種新能源場站運行智慧管理系統(tǒng)，包括：

49、獲取模塊，用于通過新能源場站內(nèi)的傳感器和監(jiān)測設(shè)備實時采集各類數(shù)據(jù)；

50、將采集的各類數(shù)據(jù)傳輸至中央數(shù)據(jù)中心并進行迭代優(yōu)化處理，確定最終的數(shù)據(jù)分類、清洗和壓縮參數(shù)組合，以構(gòu)建新能源場站大數(shù)據(jù)平臺；根據(jù)構(gòu)建的新能源場站的大數(shù)據(jù)平臺，構(gòu)建新能源場站的數(shù)字孿生模型，以實時反映場站的運行狀態(tài)、設(shè)備健康狀況及環(huán)境變化；

51、處理模塊，用于對數(shù)字孿生模型的數(shù)據(jù)進行分析，并通過模擬不同運行場景，預(yù)測未來一段時間內(nèi)的能源產(chǎn)出與需求趨勢和設(shè)備故障情況，得到分析結(jié)果；根據(jù)分析結(jié)果和數(shù)字孿生模型的實時反饋，自動生成運行優(yōu)化方案，以指導(dǎo)風(fēng)電機組、光伏板陣列、儲能系統(tǒng)的遠程啟停、參數(shù)調(diào)整；將運行優(yōu)化方案應(yīng)用于實際運行中，并實時監(jiān)測實際運行效果，獲取運行數(shù)據(jù)；將運行數(shù)據(jù)與數(shù)字孿生模型的預(yù)測進行對比分析，不斷調(diào)整數(shù)字孿生模型和優(yōu)化運行方案，形成閉環(huán)管理。

52、本發(fā)明的上述方案至少包括以下有益效果：

53、通過實時采集和分析新能源場站的各類數(shù)據(jù)，能夠更準(zhǔn)確地掌握場站的運行狀態(tài)和環(huán)境變化，從而制定出更優(yōu)化的運行策略。這有助于風(fēng)電機組、光伏板陣列等設(shè)備在最佳狀態(tài)下運行，提高能源轉(zhuǎn)換效率，進而增加能源產(chǎn)出。構(gòu)建數(shù)字孿生模型能夠?qū)崟r反映設(shè)備的健康狀況，通過對模型數(shù)據(jù)的分析，可以及時發(fā)現(xiàn)潛在的故障隱患并進行預(yù)警。這有助于提前進行設(shè)備維護，避免故障的發(fā)生，從而降低設(shè)備故障率，減少維修成本和停機時間。通過模擬不同運行場景，能夠預(yù)測未來一段時間內(nèi)的能源產(chǎn)出與需求趨勢，從而制定能源調(diào)度計劃。這有助于避免能源的浪費和短缺，優(yōu)化能源配置，降低運行成本。

54、依托于大數(shù)據(jù)平臺和數(shù)字孿生模型，能夠提供全面、準(zhǔn)確的數(shù)據(jù)支持，使得決策過程更加科學(xué)、精準(zhǔn)。這有助于管理者在復(fù)雜多變的運行環(huán)境中做出正確的決策，提高管理效率。通過實時監(jiān)測和反饋機制，能夠迅速響應(yīng)場站狀態(tài)的變化，及時調(diào)整運行優(yōu)化方案。這有助于縮短系統(tǒng)響應(yīng)時間，提高系統(tǒng)的靈活性和適應(yīng)性，確保場站始終保持運行狀態(tài)。通過不斷優(yōu)化能源產(chǎn)出效率、降低設(shè)備故障率和運行成本，有助于提升新能源場站的整體經(jīng)濟效益和環(huán)境效益。