【技术实现步骤摘要】
本专利技术涉及智能诊断，更具体地说，本专利技术涉及基于数据融合算法的电力设备故障预测方法及系统。
技术介绍
1、随着光伏发电站的广泛应用，电力设备的故障检测和维护变得尤为重要。由于光伏发电站分布广泛，传统的现场检测方法效率低下，难以满足快速、准确检测和维护的需求。因此，远程诊断技术成为了解决这一问题的关键。
2、现有公开号cn115759391a提出了一种高精度光伏发电功率预测分析方法及系统，根据数据监测装置对光伏发电站进行监测，获取监测数据集，根据内、外环境监测数据集获取功率内、外影响因子，以因子—功率影响相关度对影响因子进行信息熵配置，获取信息熵配置结果，以此搭建双维功率预测模型，获取实时监测数据集和预测周期时长，输入双维功率预测模型中，获取功率预测结果，根据功率预测结果对双维功率预测模型进行反馈优化。该专利技术解决了现有技术中对内、外环境对于光伏发电站影响的掌握不足，使得最终的光伏发电功率预测不准确的技术问题，实现了基于内、外环境对功率的影响搭建双维功率预测模型，进而提高光伏发电功率预测的精确度。
3、上述方法虽能满足大部分场景，但对上述方法以及现有技术进行研究和实际应用发现，上述方法以及现有技术至少存在以下部分缺陷：
4、由于光伏板随着使用时间的增加会发生老化现象，导致光伏发电量逐渐衰减，现有方法未能充分考虑这一因素，无法准确区分发电量减少是由老化还是故障引起，从而导致故障检测的准确率不高。
5、鉴于此，本专利技术提出基于数据融合算法的电力设备故障预测方法及系统以解决上述问
技术实现思路
1、为了克服现有技术的上述缺陷，为实现上述目的，本专利技术提供如下技术方案：基于数据融合算法的电力设备故障预测方法，包括：
2、按照预设检测计划采集单位时间内光伏板组的第一关键数据；所述第一关键数据包括第一环境数据和光伏板组发电量；
3、对第一环境数据进行处理，得到第一处理数据；
4、采集e组历史第二单位时间内光伏板组的第二关键数据，所述第二关键数据包括第二环境数据和第二发电量，e为大于1的正数；
5、对第二关键数据进行处理，得到光伏衰减集合；
6、采集光伏板q组测试数据；
7、对q组测试数据进行处理，得到测试数据集合；
8、对测试数据集合和光伏衰减集合进行分析处理，得到光伏板组衰减率；
9、将光伏发电数据输入发电量预测模型中，得到对应的预测光伏发电量；所述光伏发电数据包括第一处理数据和光伏板组衰减率；
10、对光伏板组发电量与预测光伏发电量进行处理，得到发电量误差率，根据发电量误差率判断所述光伏板组是否存在故障。
11、进一步地，所述光伏板组的划分方法为：将光伏发电站内所有的光伏板，以预设第一单位数量的光伏板构成一组光伏板组，得到n个光伏板组，n为大于0的正整数；
12、所述第一环境数据为光伏板组所在的环境数据，所述第一环境数据包括第一天气状态、第一光照强度和第一环境温度；所述第一天气状态为按照检测计划采集的单位时间内的天气状态，所述第一光照强度为按照检测计划采集的单位时间内的光照强度，所述第一环境温度为按照检测计划采集的单位时间内的环境温度；
13、将单位时间内的第一光照强度建立光照强度分析集合，计算光照强度分析集合内的第一光照均值与第一光照标准差；
14、将单位时间内的环境温度建立第一温度集合，计算第一温度集合内的第一温度均值与第一温度标准差；
15、将单位时间内的第一天气状态建立天气状态分析集合，计算天气状态分析集合内的第一天气均值与第一天气标准差。
16、进一步地，所述第二环境数据为光伏板组所在的环境数据，所述第二环境数据包括第二环境温度、第二环境湿度、第二光照强度和第二天气状态；所述第二环境温度为第二单位时间内的环境温度；所述第二环境湿度为第二单位时间内的环境湿度；所述第二天气状态为第二单位时间内的天气状态；所述第二光照强度为第二单位时间内的光照强度；
17、分别计算每组历史第二单位时间内第二温度均值、第二温度标准差、第二湿度均值、第二湿度标准差、第二天气均值、第二天气标准差、第二光照均值、第二光照标准差；
18、一组历史第二单位时间内第二温度均值、第二温度标准差、第二湿度均值、第二湿度标准差、第二天气均值、第二天气标准差、第二光照均值、第二光照标准差和第二发电量，构成光伏衰减子集，e个光伏衰减子集构成光伏衰减集合。
19、进一步地，所述测试数据为生产厂家在出厂之前，对质检合格的光伏板在历史第三单位时间内采集不同的天气状态、光照强度、温度、湿度和标准发电量，所述历史第三单位时间与历史第二单位时间间隔相等；
20、所述测试数据集合的获取方法包括：
21、将标准发电量转换成光伏板组的标准发电量，转换方法为：；
22、为光伏板组的标准发电量，为光伏板的标准发电量，为第一单位数量；
23、分别计算q组第三单位时间内天气状态均值、天气状态标准差、光照强度均值、光照强度标准差、温度均值、温度标准差、湿度均值、湿度标准差和标准发电量；每组第三单位时间内天气状态均值、天气状态标准差、光照强度均值、光照强度标准差、温度均值、温度标准差、湿度均值、湿度标准差和标准发电量构成测试数据子集；q组测试数据子集构成测试数据集合。
24、进一步地，所述光伏板组衰减率的获取方法包括：
25、s111：对光伏衰减子集与测试数据子集进行处理，得到j组数据组合，所述数据组合包括测试数据子集和与之对应的光伏衰减子集；
26、s112：对j组数据组合分别求衰减率，得到j组衰减率；
27、所述衰减率的计算方法为：
28、；
29、为第d组数据组合对应的衰减率，d的取值范围为；为第d组数据组合中测试数据子集的标准发电量；为第d组数据组合中光伏衰减子集的第二发电量；
30、s113：判断j组衰减率中是否存在负值，若存在负值，则将负值剔除；对剩余的衰减率求平均值得到衰减率平均值；衰减率平均值即为光伏板组衰减率。
31、进一步地，所述j组数据组合的获取方法包括：
32、s1111：令w的初始值为1，w的取值范围为1至e，e为光伏衰减集合中光伏衰减子集的个数；
33、s1112：获取第w个光伏衰减子集；
34、s1113：令b的初始值为1，b的取值范围为1至q；
35、s1114：获取第b个测试数据子集；
36、s1115：将第w个光伏衰减子集与第b个测试数据子集对应的元素依次作差，并对每个元素的差值取绝对值，得到每个元素的差值绝对值；所述依次作差的元素不包括发电量；
37、s1116：对每个元素的差值绝对值进行求和，得到差值之和，即记为，并将添加至差值集合中，为第w个光伏衰减子集与第b个测试数据子集的本文档来自技高网...
【技术保护点】
1.基于数据融合算法的电力设备故障预测方法，其特征在于，包括：
2.根据权利要求1所述的基于数据融合算法的电力设备故障预测方法，其特征在于，所述光伏板组的划分方法为：将光伏发电站内所有的光伏板，以预设第一单位数量的光伏板构成一组光伏板组，得到N个光伏板组，N为大于0的正整数；
3.根据权利要求2所述的基于数据融合算法的电力设备故障预测方法，其特征在于，所述第二环境数据为光伏板组所在的环境数据，所述第二环境数据包括第二环境温度、第二环境湿度、第二光照强度和第二天气状态；所述第二环境温度为第二单位时间内的环境温度；所述第二环境湿度为第二单位时间内的环境湿度；所述第二天气状态为第二单位时间内的天气状态；所述第二光照强度为第二单位时间内的光照强度；
4.根据权利要求3所述的基于数据融合算法的电力设备故障预测方法，其特征在于，所述测试数据为生产厂家在出厂之前，对质检合格的光伏板在历史第三单位时间内采集不同的天气状态、光照强度、温度、湿度和标准发电量，所述历史第三单位时间与历史第二单位时间间隔相等；
5.根据权利要求4所述的基于数据融合算法的电
6.根据权利要求5所述的基于数据融合算法的电力设备故障预测方法，其特征在于，所述j组数据组合的获取方法包括：
7.根据权利要求6所述的基于数据融合算法的电力设备故障预测方法，其特征在于，所述发电量预测模型的训练方法包括：
8.根据权利要求1所述的基于数据融合算法的电力设备故障预测方法，其特征在于，所述发电量误差率的计算方法为：
9.根据权利要求1所述的基于数据融合算法的电力设备故障预测方法，其特征在于，还包括：
10.根据权利要求9所述的基于数据融合算法的电力设备故障预测方法，其特征在于，所述电流方程导数集和温度方程导数集的获取方法包括：
11.根据权利要求10所述的基于数据融合算法的电力设备故障预测方法，其特征在于，所述故障诊断模型的训练方法包括：
12.基于数据融合算法的电力设备故障预测系统，实施权利要求1-8任一项所述基于数据融合算法的电力设备故障预测方法，其特征在于，包括：
...【技术特征摘要】
1.基于数据融合算法的电力设备故障预测方法，其特征在于，包括：
2.根据权利要求1所述的基于数据融合算法的电力设备故障预测方法，其特征在于，所述光伏板组的划分方法为：将光伏发电站内所有的光伏板，以预设第一单位数量的光伏板构成一组光伏板组，得到n个光伏板组，n为大于0的正整数；
3.根据权利要求2所述的基于数据融合算法的电力设备故障预测方法，其特征在于，所述第二环境数据为光伏板组所在的环境数据，所述第二环境数据包括第二环境温度、第二环境湿度、第二光照强度和第二天气状态；所述第二环境温度为第二单位时间内的环境温度；所述第二环境湿度为第二单位时间内的环境湿度；所述第二天气状态为第二单位时间内的天气状态；所述第二光照强度为第二单位时间内的光照强度；
4.根据权利要求3所述的基于数据融合算法的电力设备故障预测方法，其特征在于，所述测试数据为生产厂家在出厂之前，对质检合格的光伏板在历史第三单位时间内采集不同的天气状态、光照强度、温度、湿度和标准发电量，所述历史第三单位时间与历史第二单位时间间隔相等；
5.根据权利要求4所...
【专利技术属性】
技术研发人员：虞海，
申请(专利权)人：苏州安极能新能源发展有限公司，
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。