一种新能源发电预警系统及方法与流程

本发明涉及新能源，具体为一种新能源发电预警系统及方法。

背景技术：

1、目前针对新能源的光伏发电场的设备和发电量进行监测预警系统的不足主要包括以下几个方面：

2、监测范围有限：目前的光伏发电场监测预警系统往往只针对单个设备或发电量进行监测，而忽略了整个光伏发电场内其他设备和环节的相互影响。因此，无法全面评估整个光伏发电场的健康状况和发电效率。

3、数据处理能力不足：现有的监测预警系统往往只提供简单的数据分析和可视化功能，无法对大量数据进行深入挖掘和分析。这限制了系统对潜在问题和故障的发现能力，也无法为决策提供全面支持。

4、预警准确性不高：由于光伏发电场的设备和发电量受多种因素影响，如气象条件、设备状态等，目前的监测预警系统往往难以准确判断故障和异常情况。这可能导致误报或漏报的情况，影响系统的可信度和使用效果。

5、缺乏智能化支持：现有的光伏发电场监测预警系统往往缺乏智能化功能，如自动诊断、预测和决策支持等。这使得系统无法自主应对复杂的光伏发电场运行环境和多变的气象条件，也无法提供全面的决策支持。

6、实时性不强：由于数据传输和处理需要时间，现有的监测预警系统往往无法实现实时监测和预警。这可能导致在故障或异常情况发生时，相关人员无法及时得到警报并采取应对措施，从而造成损失。

7、缺乏定制化解决方案：不同的光伏发电场具有不同的设备和运行环境，需要定制化的监测预警解决方案。然而，现有的系统往往缺乏对特定光伏发电场的定制化支持，无法满足其独特的需求和挑战。

8、针对上述问题，所以需要一种新能源发电预警系统及方法。

技术实现思路

1、本发明的目的在于提供一种新能源发电预警系统及方法。本发明智能化程度高，预警精确效率高，全面，实用性强。

2、本发明是这样实现的：

3、本发明提供一种新能源发电预警系统，包括多个监测点，多个所述的监测点设有监测设备，所述的监测设备通过数据传输装置连接有监控端；

4、单个所述的监测点的监测设备包括气象站、电表、监控摄像头、逆变器、谐波分析仪、绝缘电阻测试仪、漏电流测试仪、太阳辐射传感器；多个所述的监测设备与所述数据传输装置连接；

5、所述监控端包括与多个所述的监测设备和数据传输装置连接的服务器，所述服务器连接有pc端、显示大屏、预警装置和智能终端。

6、单个监测点内的电表、监控摄像头、逆变器、谐波分析仪、绝缘电阻测试仪、漏电流测试仪、太阳辐射传感器均至少为一个，并且数据传输装置包括使用dtu/工业路由器或4g/5g无线路由器。其中电表采用ne40e-x16型光伏智能双向电表，监控摄像头采用ds-2cd3330f-i5型摄像头，所述谐波分析仪采用hi3121型分析仪，所述绝缘电阻测试仪采用ps2705型测试仪，所述漏电测试仪采用fluke 175型漏电测试仪，所述太阳辐射传感器采用hl-s1-a型辐射传感器。

7、本发明提供一种新能源发电预警方法，具体按以下步骤执行：

8、s1:进行收集获取各个监测点的各个监测设备的数据，具体包括发电量数据、设备状态数据、环境气象数据、电网状态数据、设备运行日志数据；

9、s2:对获取到的数据进行数据预处理，具体包括数据清洗、整理，去除异常值、缺失值和重复值，并对数据进行归一化处理；具体包括对缺失的数据进行删除、插补或忽略进行处理，对异常值的处理具体采用3σ原则法、z-score法或四分位数法进行处理，对重复值直接删除或者进行去重处理；

10、数据归一化具体通过最大-最小归一化、均值-标准差归一化进行数据处理，具体如式(1)-式(2)；

11、最大-最小归一化： x'＝(x-min)/(max-min)       式 (1)

12、均值-标准差归一化：x'＝(x-μ)/σ         式(2)

13、其中，x为原始数据，min为数据的最小值，max为数据的最大值，μ为数据的均值，σ为数据的标准差。

14、s3:具体通过时间序列分析预测发电量的趋势和变化，选择基于ar或ma模型进行进行对处理好的数据进行发电量数据模型训练；

15、通过基于数据驱动的方法进行设备状态数据进行模型训练；

16、通过基于bp神经网络模型进行结合环境气象数据进行发电场的气象对发电的影响进行模型训练；

17、在步骤s3中，基于ar自回归模型进行模型训练如式(3)；

18、φ(b)y(t)＝θ(b)ε(t) 式 (3)

19、其中φ(b)为自回归模型的系数多项式，其中b为后移算子，φ为系数多项式的系数；y(t)为时间序列数据在时刻t的取值，θ(b)为移动平均模型的系数多项式，其中b为后移算子，θ为系数多项式的系数，ε(t)为白噪声序列，即随机误差项，在时刻t的取值，

20、基于移动平均模型ma进行模型训练如式(4)；

21、φ(b)y(t)＝θ(b)ε(t) 式 (4)

22、其中，φ(b)为自回归模型ar模型的系数多项式，其中，b是后移算子，φ是系数多项式的系数，用于描述时间序列数据在时刻t的取值与其他时刻取值的关系；

23、y(t)：时间序列数据在时刻t的取值；

24、θ(b)：移动平均模型ma模型的系数多项式，其中，b是后移算子，θ是系数多项式的系数，用于描述时间序列数据在时刻t的取值与随机误差项的关系；

25、ε(t)：白噪声序列或随机误差项，表示在时刻t的取值，代表模型中无法解释的部分，即随机的、与时间序列数据的历史值无关的变化。

26、进一步，进行设备状态数据进行模型训练具体按线性回归的方法执行：

27、选择基于线性回归的方法进行模型训练，具体如式(5)；

28、y＝ax+b 式 (5)

29、其中，y是目标变量，x是特征变量，a是特征的权重，b是截距。

30、进一步，基于bp神经网络模型进行结合环境气象数据进行发电场的气象对发电的影响进行模型训练，采用损失函数衡量预测值与实际值之间的误差，具体如式(6)-式(8)；

31、j＝12m(yi-y′ i)2 式 (6)

32、其中，j是损失函数的值，m是样本数量，yi是实际值，y′i是预测值；

33、通过调整权重和偏置项来最小化损失函数，如式(7)；

34、

35、其中，δw是权重的更新量，η是学习率，是损失函数对权重的偏导数；

36、通过激活函数进行非线性变换，如式(8)；

37、f(x)＝11+e-x 式 (8)

38、其中，f(x)是sigmoid函数的输出，e-x是e的-x次方。

39、s4:根据预测模型或决策模型的结果，设计预警系统方案，具体包括：发电量数据模型的预警系统具体通过设定预警阈值，根据预测模型的结果，结合实际数据设定发电量的预警阈值，其中预警阈值为一个区间范围，或一个固定的值；通过模型自动接收实时的发电数据，并对其进行分析和判断，当发电量达到预警阈值，自动发出预警信号；

40、设备状态数据，基于设备运行状态模型，实时监测设备的运行状态，并通过手机短信、电子邮件或系统界面的弹窗形式进行发送预警信息给值班人员的智能终端、pc端，并通过预警装置进行预警；

41、环境气象数据进行发电场的气象对发电的影响进行模型训练，通过训练好的模型对实时监测的环境气象数据进行处理，具体包括数据可视化，根据实际情况设定预警阈值及预警地图区域，根据实际情况及数据判断是否超出正常范围，并通过显示大屏进行显示气象威胁数据及区域，通过图表、曲线或者报表，进行通过手机短信、电子邮件、系统弹窗进行发送到相关工作人员的智能终端，并通过预警装置进行预警。

42、进一步，本发明提供一种计算机可读存储介质，存储介质存储有计算机程序，所述计算机程序被主控制器执行时实现如上述中的任一项所述的方法。

43、与现有技术相比，本发明的有益效果是：

44、1、本技术能针对发电场的多个板块例如设备板块、气象数据板块和发电量监测等板块进行数据获取、模型训练，可以帮助发现潜在的设备故障和异常情况，及时进行处理和修复，从而提高设备的可靠性和稳定性。这有助于保障新能源发电场的正常运行，提高电力供应的可靠性。

45、优化运行效率：通过预警系统对新能源发电设备的监测和分析，可以了解设备的性能和运行状态，为优化设备的运行效率提供数据支持。例如，根据实时监测数据，可以调整设备的运行参数，提高设备的发电效率和功率输出。

46、提前发现设备故障或异常情况，避免设备损坏或停机带来的损失。相关人员可以根据预警信息进行预防性维护和检修，减少设备维修和更换的成本，提高设备的整体使用寿命。提供的数据分析和可视化界面可以帮助决策者更好地了解新能源发电场的运行状况和问题，从而做出更为准确和及时的决策。

47、2、监测范围广，避免了传统只是简单的针对单个的设备进行零散的监测，全面覆盖了整体整个新能源发电场的各项监测和预警。

48、3、通过对气象数据、设备数据和发电数据等板块的数据进行模型训练后，能精确的根据新能源发电场的运行数据进行精确的监测，提高了数据处理能力。

49、4、通过设置显示大屏、pc端、智能终端进行接收预警信息，能保证工作人员及时全面的看到各项的监测数据以及预警信息，智能化程度高。

50、5、本技术可根据不同的新能源的发电场的需求进行训练不同板块的数据的模型，定制化程度高，实用性强。