本发明涉及通讯技术领域，更确切地说涉及一种光伏运维智能云平台及其控制方法。
背景技术：
随着煤炭、石油等传统化能源日益枯竭，以及环境污染日趋严重，以光伏发电为代表的新能源开发应用成为未来全球能源的焦点问题，也是我国政府引导和鼓励的产业方向。当前国家鼓励各类电力用户按照“自发自用，余量上网，电网调节”的方式建设分布式光伏发电系统，然而随着分布式光伏发电项目的增加，实时状态监控及运行维护的问题也暴露出来。
智能化运维，即通过将大数据处理以及云计算、远程技术、物联网技术等与能源领域的结合，一方面可以实现发电端的智能化运营维护，降低维护成本；另一方面，可以对处于运行状态的设备进行预防性报警，增加客户的电站运行和产出效率，可谓契合了能源互联网这一发展趋势。而目前的光伏电站的智能化运维系统主要集中在对设备的数据的采集和显示，而没有对数据进行深入的分析，采集器精度较低，数据准确性较差，无法准确的定位故障，对故障没有预警的功能，误报警率较高。
技术实现要素：
本发明要解决的技术问题是，提供一种光伏运维智能云平台，该平台能对采集的数据进行深入分析，数据准确性较高，对故障有预警功能，能够准确定位故障，误报警率较低。
本发明的技术解决方案是，提供一种具有以下结构的光伏运维智能云平台，包括与光伏组件的逆变器连接的第一数据采集器、与光伏组件的变压器连接的第二数据采集器、数据采集服务器、实时数据库服务器、历史数据库服务器、预警案例数据库服务器、故障模式数据库服务器、模型数据库服务器、数据处理服务器及客户端；所述的第一数据采集器和第二数据采集器均与所述的数据采集服务器连接，所述的数据采集服务器与所述的实时数据库服务器连接，所述的实时数据库服务器分别与历史数据库服务器和数据处理服务器连接，预警案例数据库服务器、故障模式数据库服务器和模型数据库服务器均与所述的数据处理服务器连接，所述的数据处理服务器与所述的客户端连接。
采用以上结构后，本发明的光伏运维智能云平台，与现有技术相比，具有以下优点：
由于本发明的光伏运维智能云平台设有预警案例数据库服务器、故障模式数据库服务器和模型数据库服务器，通过这三个数据库的协助，使技术人员能够及时掌控各设备的健康状况，及时识别潜在的系统风险，为指挥日常生产生活和设备故障处理提供辅助决策支持。在设备运行的过程中，能在控制系统报警界限内发现故障早期征兆，在设备故障前进行诊断，及时发现和消除设备隐患，减轻人员进行设备趋势分析和状态监视的工作负荷和压力，提高状态分析的效率和规范性，减少人为监视的随意性，提高各专业寻找设备问题和诊断问题的工作效率，使工作人员能够集中精力去解决问题而不是寻找问题，并且可以及时看到措施执行的效果。
相应的，本发明提供另一技术解决方案是，提供一种具有以下步骤的光伏运维智能云平台的控制方法，在模型数据库服务器内建立模型数据库，所述的模型数据库服务器为数据处理服务器提供模型数据；在故障模式数据库服务器内建立故障模式数据库，所述的故障模式数据库服务器为数据处理服务器提供故障模式数据；
第一数据采集器实时采集逆变器的相关数据并将采集到的数据传输给数据采集服务器，第二数据采集器实时采集变压器的相关数据并将采集到的数据传输给数据采集服务器；数据采集服务器接受数据之后并对数据进行处理后传输给实时数据库，实时数据库服务器将实时数据传输给数据处理服务器和历史数据库服务器，历史数据库服务器对数据进行保存；
数据处理服务器接收数据之后对数据进行处理并向客户端实时传输数据，具体处理步骤如下：
对光伏组件的逆变器和变压器各采集的特征量设置预警阈值、报警阈值和劣化拐点，对各特征量绘制健康基准值曲线；
数据处理服务器将接受到的特征量的实时数据绘制实际值曲线；
当特征量的实时数据超出预警阈值时并持续一定时间后进入早期预警阶段；故障模式数据库服务器进行数据比对，找出相似的故障模式数据，供数据处理服务器对故障模式进行早期判断；预警案例数据库服务器进行数据比对，找出相似的预警案例数据，供数据处理服务器得出预警措施；
当特征量的实时数据超出报警阈值时并持续一定时间后进入故障阶段，数据处理服务器发出报警信号，并将出现故障的特征点直观地体现在模型数据库提供的相应的模型中；
客户端接收信息之后，技术人员对故障进行处理并将故障模式、故障处理措施和预警方案通过客户端传输给数据处理服务器，数据处理服务器将接收到的故障模式、故障处理措施和实际值曲线传输给故障模式数据库服务器进行保存，数据处理服务器将接收到的预警方案和实际值曲线传输给预警案例数据库服务器进行保存。
采用以上步骤后，本发明的光伏运维智能云平台的控制方法，与现有技术相比，具有以下优点：
本发明光伏运维智能云平台的控制方法具有强大的数据库，历史数据库能存储历史数据，让机组运行可实现数据跟踪。预警案例数据库用于储存预警案例，会记录每一次的预警案例，机组运行时间越长，预警案例就会越丰富，提供预警案例也会越来越准确，对机组的运维效果也会越来越好。故障模式数据库用于储存故障模式，会记录每一次的故障模式，机组运行时间越长，记录故障模式的数据就会越丰富，提供故障模式也会越来越准确，对机组故障的处理就会越来越轻松，能有效节省时间，提高效率。模型数据库对相关部件进行建模，提供模型，能够很直观地察看事故发生在部件的哪个位置。采用以上结构后，在设备运行的过程中，能在控制系统报警界限内发现故障早期征兆，在设备故障前进行诊断，及时发现和消除设备隐患，减轻人员进行设备趋势分析和状态监视的工作负荷和压力，提高状态分析的效率和规范性，减少人为监视的随意性，提高各专业寻找设备问题和诊断问题的工作效率，使工作人员能够集中精力去解决问题而不是寻找问题，并且可以及时看到措施执行的效果。
作为改进，故障模式数据库建立故障模式数据库时，收集现场经常处理的排名前十位的故障，整理与这些故障相关的特征量，记录每条故障发生的原因和处理方法，并将上述数据输入故障模式数据库服务器中。采用此种结构后，输入故障模式数据库中的初始数据发生的故障的概率比较大。
作为改进，在模型数据库服务器内建立模型数据库时，向模型数据库服务器输入内嵌库的模板，根据内嵌库的模板进行建模。采用此种结构后，建模较准确。
附图说明
图1为本发明的光伏运维智能云平台的电路框图。
具体实施方式
以下是本发明的具体实施例并结合附图，对本发明的技术方案作进一步的描述，但本发明并不限于这些实施例。
如图1所示，本发明的伏运维智能云平台，包括与光伏组件的逆变器连接的第一数据采集器、与光伏组件的变压器连接的第二数据采集器、数据采集服务器、实时数据库服务器、历史数据库服务器、预警案例数据库服务器、故障模式数据库服务器、模型数据库服务器、数据处理服务器及客户端；所述的第一数据采集器和第二数据采集器均与所述的数据采集服务器连接，所述的数据采集服务器与所述的实时数据库服务器连接，所述的实时数据库服务器分别与历史数据库服务器和数据处理服务器连接，预警案例数据库服务器、故障模式数据库服务器和模型数据库服务器均与所述的数据处理服务器连接，所述的数据处理服务器与所述的客户端连接。
光伏运维智能云平台的控制方法，包括以下步骤：
在模型数据库服务器内建立模型数据库，所述的模型数据库服务器为数据处理服务器提供模型数据，在模型数据库服务器内建立模型数据库时，向模型数据库服务器输入内嵌库的模板，根据内嵌库的模板进行建模，即对逆变器和变压器进行建模，根据需要还可以对汽机、燃气透平、发电机、离心泵、凝汽器等进行建模。
在故障模式数据库服务器内建立故障模式数据库，所述的故障模式数据库服务器为数据处理服务器提供故障模式数据；故障模式数据库建立故障模式数据库时，收集现场经常处理的排名前十位的故障，整理与这些故障相关的特征量，记录每条故障发生的原因和处理方法，并将上述数据输入故障模式数据库服务器中。建立故障模式数据库能够让散落在各个专业工程师和相关文档、记录中的设备诊断知识能够按照统一的标准进行积累，提高企业软实力。
第一数据采集器实时采集逆变器的相关数据并将采集到的数据传输给数据采集服务器，第二数据采集器实时采集变压器的相关数据并将采集到的数据传输给数据采集服务器；数据采集服务器接受数据之后并对数据进行处理后传输给实时数据库，实时数据库服务器将实时数据传输给数据处理服务器和历史数据库服务器，历史数据库服务器对数据进行保存；
数据处理服务器接收数据之后对数据进行处理并向客户端实时传输数据，具体处理步骤如下：
对光伏组件的逆变器和变压器各采集的特征量设置预警阈值、报警阈值和劣化拐点，对各特征量绘制健康基准值曲线，所述的健康基准曲线为实际值曲线的参照，当实际值曲线偏离健康基准曲线太多时，预示着设备将出现故障。
数据处理服务器将接受到的特征量的实时数据绘制实际值曲线，绘制曲线使得设备运行状态更加直观。
当特征量的实时数据超出预警阈值时并持续一定时间后进入早期预警阶段，由于故障早期异常现象往往比较隐蔽，许多早期征兆出现的时候，特征不明显，事态也并不严重，所以这个时期的问题不容易分析，需要比较长的时间进行跟踪分析，在问题恶化时客户端可以及时得到提示；跟踪条件可以是相关特征量，也可以是辅助量的变化，或者事件的恶化情况。可以是实际值的变化，也可以是与健康值偏离情况的变化。通过自动跟踪计算，可以帮助客户捕捉劣化拐点，在设备故障前进行诊断，及时发现和消除设备隐患，提高机组安全性、可靠性、减少非停。
故障模式数据库服务器进行数据比对，找出相似的故障模式数据，供数据处理服务器对故障模式进行早期判断；故障模式数据库为预警信息提供哪些特征量异常，并落实到它们所代表的设备部件，并提供可能原因和可能处理方式列表供用户选择。此列表按照历史发生频次的高低按顺序进行展示。
预警案例数据库服务器进行数据比对，找出相似的预警案例数据，供数据处理服务器得出预警措施；触发的故障模式在通过预警单查看的同事，可以方便地察看同类预警案例，或者同类部件、同类设备的预警案例。
当特征量的实时数据超出报警阈值时并持续一定时间后进入故障阶段，数据处理服务器发出报警信号，并将出现故障的特征点直观地体现在模型数据库提供的相应的模型中；
客户端接收信息之后，技术人员对故障进行处理并将故障模式、故障处理措施和预警方案通过客户端传输给数据处理服务器，数据处理服务器将接收到的故障模式、故障处理措施和实际值曲线传输给故障模式数据库服务器进行保存，数据处理服务器将接收到的预警方案和实际值曲线传输给预警案例数据库服务器进行保存。
本发明伏运维智能云平台以设备早期异常征兆为引领，将多种在线和离线技术结合使用，通过数据挖掘和人际互动，找出其中隐藏的关系，将智能分析的结果以分析单、处理单等形式形成一个闭环的数据流并推送给需要的人，通过流程引擎的驱动，在相关部门和专业之间建立通畅的检测、分析、评估、管理、决策、执行的信息流和工作流，实现相关业务的整合和闭环管理。这样，让相关部门能够方便地在故障形成的早期开始介入，进行事前的初步诊断和全面分析评估，跟踪劣势拐点，根据设备状态变化，适时安排运行调整、临时措施、点检项目，或者状态维护项目、状态检修项目等。
融合的数据方便各部门调用和查阅，便于分析和诊断。流程驱动方便各部门协同分析处理。数据流闭环将处理的结果自动反馈和进行效果验证，并且确认的故障模式可以自动积累。