【技术实现步骤摘要】
本专利技术是基于多源信号特征提取算法的光伏电站运行状态监测方法，属于光伏电站监测。
技术介绍
1、太阳能光伏发电系统已经成为全球可再生能源领域的重要组成部分，其通过将光能转化为电能来供应电力，为了确保太阳能光伏发电系统的高效运行，对光伏电站运行状态进行监测显得尤为重要，太阳能光伏发电系统的运行状态监测可以采用以下几种方法：1.实时数据监测：通过安装传感器和监测设备，可以监测太阳能光伏发电系统的电流、电压、功率输出等参数。这些数据可以通过远程通信技术传输到监测中心，为系统的运行状态提供反馈信息；2.温度监测：太阳能光伏发电系统的温度对其性能和寿命具有重要影响。通过安装温度传感器，可以监测太阳能光伏电池板、逆变器等关键部件的温度变化，并采取措施，以防止由于温度过高引起的系统失效；3.故障诊断：太阳能光伏发电系统可能会遇到各种故障，如电池损坏、电路故障等。通过监测设备可以进行故障诊断，并及时采取修复措施，以保证系统的正常运行。
2、现有技术中的光伏电站运行状态监测一般采用单一传感器监测以及基于阈值的监测，单一传感器监测即只使用一个传感器来监测光伏电站的某个特定参数，例如电池板的温度、逆变器的输出电流等。由于只从一个传感器获取数据，因此信息量有限，难以全面了解光伏电站的整体运行状态，而基于阈值的监测则是设定了各种参数的阈值，当某个参数超过或低于阈值时，触发警报。然而，这种方法过于简单，不能全面反映光伏电站的实际运行状态，且对于非线性或复杂的故障模式可能无法准确预警。
3、本
技术实现思路
4、针对现有技
5、本专利技术解决其技术问题所采用的技术方案是：基于多源信号特征提取算法的光伏电站运行状态监测方法，所述的方法包括以下步骤：
6、建立电站状态分析模型；
7、采集光伏电站的多源信号；
8、对采集到的多源信号进行预处理；
9、利用多源信号特征提取算法，从预处理后的数据中提取出与光伏电站运行状态相关的特征参数；
10、利用提取到的特征参数，结合事先建立的电站状态分析模型，对光伏电站的运行状态进行分析；
11、根据分析结果，在必要时发出预警信息。
12、进一步地，所述建立电站状态分析模型包括：
13、收集光伏电站运行过程中产生的各种数据；
14、利用多源信号特征提取算法，从收集到的原始数据中提取出有价值的特征；
15、根据提取出的特征，建立光伏电站运行状态分析模型；
16、利用历史数据对模型进行训练和优化；
17、对训练好的模型进行评估；
18、将建立的模型集成到光伏电站的监测系统中，实现实时监测和预警。
19、进一步地，所述收集光伏电站运行过程中产生的各种数据包括逆变器的输出电流、电压和功率，电池板的温度、工作电流和电压，气象站的环境参数以及汇流箱的电流和电压；
20、所述逆变器的输出电流、电压和功率数据通过逆变器自带的数据采集模块收集；
21、所述电池板的温度通过温度传感器测量；
22、所述气象站的环境参数通过气象站进行收集；
23、所述汇流箱的电流和电压数据通过安装在汇流箱上的电流和电压传感器收集；
24、所述逆变器的输出电流应用公式：i_ac＝q/δt(a)；
25、所述逆变器的输出电压应用公式：v_ac＝δw/δt(v)；
26、所述逆变器的输出功率应用公式：p_ac＝v_ac*i_ac(w)。
27、进一步地，所述利用多源信号特征提取算法，从收集到的原始数据中提取出有价值的特征包括时间序列特征、频率特征、统计特征、环境特征以及电气特征；
28、所述时间序列特征包括最大值、最小值、平均值以及标准差；
29、所述频率特征包括功率谱密度以及频率分布；
30、所述统计特征包括均值、方差、偏度以及峰度；
31、所述环境特征包括风速、风向、太阳辐射、光照强度、温度以及湿度；
32、所述电气特征包括电流有效值、电压有效值以及相位角。
33、进一步地，所述用于建立光伏电站运行状态监测模型的方法包括线性回归、支持向量机以及神经网络等机器学习算法。
34、进一步地，所述利用历史数据对模型进行训练和优化的方法包括交叉验证法以及网格搜索法。
35、进一步地，所述对训练好的模型进行评估包括采用真实数据对模型进行测试，计算模型的准确率以及召回率；
36、所述准确率的公式包括：accuracy＝(tp+tn)/(tp+tn+fp+fn)；
37、所述召回率的公式包括：recall＝tp/(tp+fn)。
38、进一步地，所述发出的预警信息包括三个等级，分别为一般、重要以及紧急：
39、所述一般的预警信息包括发出警报声；
40、所述重要的预警信息包括发出警报声以及发送通知信息到单个负责人；
41、所述紧急的预警信息包括发出警报声以及发送通知信息到多个负责人。
42、进一步地，所述发送通知信息到多个负责人包括：
43、发送通知信息到第一负责人；
44、等待t1时间后，若分析结果与上一次分析结果相同，则发送通知信息到第二负责人；
45、所述负责人至少包括两个。
46、本专利技术的有益效果：
47、1、利用多源信号特征提取算法对光伏电站运行状态监测一方面能够同时从多个传感器或监测设备中提取特征，从而更全面地了解光伏电站的运行状态，可以更准确地评估电站的整体性能，另一方面不同传感器或监测设备所提取的特征可能具有不同的信息量和关注点，通过多源信号特征提取算法可以将这些特征进行融合，相互补充，提高监测的准确性和可靠性，使监测结果更加准确，实现了监测的全面性和互补性。
48、2、多源信号特征提取算法可以通过算法学习和模式识别等技术，自动识别和提取有价值的特征，并根据这些特征进行故障预测、性能评估和优化控制等智能化决，且能够快速地处理大量数据，提高监测的实时性和响应速度，这有助于及时发现和解决潜在问题，保证光伏电站的稳定运行。
49、3、根据分析结果将发出的预警信息进行等级划分，不同等级的预警信息包括不同的内容，实现对不同故障状况下的灵活处理，提高了实用性。
技术实现思路
本文档来自技高网...【技术保护点】
1.基于多源信号特征提取算法的光伏电站运行状态监测方法，其特征在于：所述方法包括以下步骤：
2.根据权利要求1所述的基于多源信号特征提取算法的光伏电站运行状态监测方法，其特征在于：所述建立电站状态分析模型包括：
3.根据权利要求2所述的基于多源信号特征提取算法的光伏电站运行状态监测方法，其特征在于：所述收集光伏电站运行过程中产生的各种数据包括逆变器的输出电流、电压和功率、电池板的温度、工作电流和电压、气象站的环境参数以及汇流箱的电流和电压；
4.根据权利要求2所述的基于多源信号特征提取算法的光伏电站运行状态监测方法，其特征在于：所述利用多源信号特征提取算法，从收集到的原始数据中提取出有价值的特征包括时间序列特征、频率特征、统计特征、环境特征以及电气特征；
5.根据权利要求2所述的基于多源信号特征提取算法的光伏电站运行状态监测方法，其特征在于：所述用于建立光伏电站运行状态监测模型的方法包括线性回归、支持向量机以及神经网络。
6.根据权利要求2所述的基于多源信号特征提取算法的光伏电站运行状态监测方法，其特征在于：所述利用历史
7.根据权利要求2所述的基于多源信号特征提取算法的光伏电站运行状态监测方法，其特征在于：所述对训练好的模型进行评估包括采用真实数据对模型进行测试，计算模型的准确率以及召回率；
8.根据权利要求1-7任一项所述的基于多源信号特征提取算法的光伏电站运行状态监测方法，其特征在于：所述根据分析结果将发出的预警信息分为三个等级，分别为一般、重要以及紧急：
9.根据权利要求8所述的基于多源信号特征提取算法的光伏电站运行状态监测方法，其特征在于：所述发送通知信息到多个负责人包括：
...【技术特征摘要】
1.基于多源信号特征提取算法的光伏电站运行状态监测方法，其特征在于：所述方法包括以下步骤：
2.根据权利要求1所述的基于多源信号特征提取算法的光伏电站运行状态监测方法，其特征在于：所述建立电站状态分析模型包括：
3.根据权利要求2所述的基于多源信号特征提取算法的光伏电站运行状态监测方法，其特征在于：所述收集光伏电站运行过程中产生的各种数据包括逆变器的输出电流、电压和功率、电池板的温度、工作电流和电压、气象站的环境参数以及汇流箱的电流和电压；
4.根据权利要求2所述的基于多源信号特征提取算法的光伏电站运行状态监测方法，其特征在于：所述利用多源信号特征提取算法，从收集到的原始数据中提取出有价值的特征包括时间序列特征、频率特征、统计特征、环境特征以及电气特征；
5.根据权利要求2所述的基于多源信号特征提取算法的光伏电站运行状态监测...
【专利技术属性】
技术研发人员：常亚民，张卫平，王文彦，史学峰，马亚勇，
申请(专利权)人：黎城县盈恒清洁能源有限公司，
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。