CN104571099B - 基于理论计算和数据分析的光伏故障诊断系统和诊断方法 - Google Patents
基于理论计算和数据分析的光伏故障诊断系统和诊断方法 Download PDFInfo
- Publication number
- CN104571099B CN104571099B CN201510038794.5A CN201510038794A CN104571099B CN 104571099 B CN104571099 B CN 104571099B CN 201510038794 A CN201510038794 A CN 201510038794A CN 104571099 B CN104571099 B CN 104571099B
- Authority
- CN
- China
- Prior art keywords
- data
- electric field
- real
- module
- time data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000003745 diagnosis Methods 0.000 title claims abstract description 90
- 238000007405 data analysis Methods 0.000 title claims abstract description 20
- 238000004364 calculation method Methods 0.000 title claims abstract description 17
- 238000000034 method Methods 0.000 title claims abstract description 14
- 230000005684 electric field Effects 0.000 claims abstract description 328
- 238000013500 data storage Methods 0.000 claims abstract description 26
- 238000007418 data mining Methods 0.000 claims abstract description 22
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 9
- 238000013075 data extraction Methods 0.000 claims description 45
- 238000004458 analytical method Methods 0.000 claims description 37
- 239000000284 extract Substances 0.000 claims description 33
- 230000005540 biological transmission Effects 0.000 claims description 27
- 230000007257 malfunction Effects 0.000 claims description 26
- 230000005856 abnormality Effects 0.000 claims description 15
- 230000008859 change Effects 0.000 claims description 15
- 239000000203 mixture Substances 0.000 claims description 14
- 230000007613 environmental effect Effects 0.000 claims description 13
- 238000001914 filtration Methods 0.000 claims description 13
- 238000012544 monitoring process Methods 0.000 claims description 13
- 238000002405 diagnostic procedure Methods 0.000 claims description 11
- 238000007781 pre-processing Methods 0.000 claims description 11
- 230000004913 activation Effects 0.000 claims description 10
- 230000015556 catabolic process Effects 0.000 claims description 10
- 230000006870 function Effects 0.000 claims description 10
- 238000003860 storage Methods 0.000 claims description 10
- 238000004891 communication Methods 0.000 claims description 9
- 238000012546 transfer Methods 0.000 claims description 9
- 230000005611 electricity Effects 0.000 claims description 8
- 238000009472 formulation Methods 0.000 claims description 8
- 230000004888 barrier function Effects 0.000 claims description 6
- 238000001514 detection method Methods 0.000 claims description 6
- 238000007726 management method Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 6
- 238000009825 accumulation Methods 0.000 claims description 3
- 230000003044 adaptive effect Effects 0.000 claims description 3
- 230000003993 interaction Effects 0.000 claims description 3
- 208000024891 symptom Diseases 0.000 claims description 3
- 241001269238 Data Species 0.000 claims description 2
- 238000000151 deposition Methods 0.000 claims 1
- 238000005094 computer simulation Methods 0.000 abstract 1
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000010248 power generation Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000009916 joint effect Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 238000010977 unit operation Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0208—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the configuration of the monitoring system
- G05B23/0213—Modular or universal configuration of the monitoring system, e.g. monitoring system having modules that may be combined to build monitoring program; monitoring system that can be applied to legacy systems; adaptable monitoring system; using different communication protocols
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02S—GENERATION OF ELECTRIC POWER BY CONVERSION OF INFRARED RADIATION, VISIBLE LIGHT OR ULTRAVIOLET LIGHT, e.g. USING PHOTOVOLTAIC [PV] MODULES
- H02S50/00—Monitoring or testing of PV systems, e.g. load balancing or fault identification
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/50—Photovoltaic [PV] energy
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
- Y04S10/52—Outage or fault management, e.g. fault detection or location
Abstract
本发明公开了一种基于理论计算和数据分析的光伏故障诊断系统和诊断方法，其中诊断系统包括数据采集子系统、数据存储子系统、数据挖掘子系统、系统建模预测子系统、故障决策子系统和故障显示回馈子系统。本发明从整个电场的角度出发，分析电场各个机组设备的运行状况，并结合系统模型的预测值实时判断各机组的运行状况；同时故障决策系统通过智能算法使故障诊断系统具有自主学习的功能，能够不断的提高系统的故障判断准确率；同时该光伏故障诊断系统能够将电场实时数据、电场外部环境数据、机组模型预测数据、故障源等数据实时存储，使系统具有故障回顾的功能；提升电场运行安全等级、提高电场电能质量。
Description
技术领域
本发明属于光伏故障诊断系统领域，尤其是涉及一种基于理论计算和数据分析的光伏故障诊断系统和诊断方法。
背景技术
随着社会生产的日益发展，对能源的需求量不断增加，全球范围内的能源危机也日益突显，连同环境压力日益严重的背景下，太阳能光伏发电逐步由特殊应用转向民用、由辅助能源向基础能源过渡，光伏并网系统的出现，使太阳能发电的应用前景更加光明。光伏电站系统的方阵设备数量众多，占地面积大，自然环境和生活环境恶劣等问题导致工程故障率较高，电站运行一般是在无人值守的情况下进行的，要对地域上广泛分散的光伏系统进行监测维护是十分困难、繁琐的，需要大量的人力、物力，因此光伏电站故障诊断系统在光伏发电项目设计、施工、运营中具有重大意义。
根据国家能源局发布的《2014年上半年光伏发电简况》显示，2014年上半年，全国新增光伏发电并网容量330万千瓦。光伏发电正面临新的“发展春天”。但是光伏发电行业也面临着巨大的挑战：由于电能质量问题导致并网接入难。电能质量问题又主要是由于电场侧的通信系统、机组状况、控制系统、天气和其它因素的原因共同导致。而现有的光伏故障诊断系统考虑因素比较单一、应用局限性较大、主要是针对光伏电池板阵列或单台逆变器机组的工作状况而开发，而且绝大多数仍处于实验室理论研究和仿真分析阶段，不能够应用于实际生产。
现有的光伏故障诊断系统主要的研究对象是光伏电池板阵列或者逆变器等单个机组系统的故障诊断，并没有考虑到整个光伏电站是由若干个光伏电池板阵列和逆变器以及其他机组共同组成的一个大系统。同时电场的电能质量时刻受到通信系统、机组状况、控制系统、天气和其它因素共同影响。而单个光伏电池板阵列或者逆变器的异常或者故障并不能够准确的代表整个电场的电能质量的变动情况。同时现有的光伏故障诊断系统还存在着故障判断准确率较低、实时性差的缺点。不能满足对电场内所有机组设备实时监控、判断故障、提供准确的解决方案的的要求。
发明内容
本发明要解决的问题是提供一种基于理论计算和数据分析的光伏故障诊断系统和诊断方法，能够解决上述问题。
为解决上述技术问题，本发明采用的技术方案是：基于理论计算和数据分析的光伏故障诊断系统，包括数据存储子系统、数据采集子系统、系统建模预测子系统、数据挖掘子系统、故障决策子系统和故障显示回馈子系统；
所述数据存储子系统包括：数据预处理模块、模型预测数据库、电场实时数据库、故障决策数据库、历史数据预处理模块和历史数据库；数据预处理模块将数据采集子系统中实时采集到的来自不同数据源的数据分类并发送到电场实时数据库，模型预测数据库接收电场实时数据库中的电场环境数据和系统模型预测值；故障决策数据库存储故障决策依据、故障决策结果和故障回馈信息；历史数据预处理模块接收来自不同数据源的历史数据并存入历史数据库；历史数据库存储整个系统归档后的实时数据、预测数据、故障数据；
所述数据采集子系统包括数据通信采集模块和第一数据发送模块，数据通信采集模块通过数据接口接收需求数据，经过处理后，第一数据发送模块将接收到的数据发送给电场实时数据库；
所述系统建模预测子系统根据现场数据建立模型，并从模型预测数据库和电场实时数据库中提取实时数据，根据实时数据预测各机组将来的运行状态，将预测数据发送给电场实时数据库里；
所述数据挖掘子系统包括：电场实时数据提取模块、实时数据预处理模块、数据滤波模块和第二数据发送模块；电场实时数据提取模块从电场实时数据库提取实时数据；实时数据预处理模块将电场实时数据按机组设备不同进行分类、解析；数据滤波模块根据不同的噪声扰动分类采用不同的智能滤波算法对系统数据进行滤波；第二数据发送模块将滤波后的数据值和实时数据发送给电场实时数据库；
所述故障决策子系统包括：数据提取模块、系统性能指标设定模块、故障规则库模块、故障信号判断模块和第三数据发送模块；所述数据提取模块从电场实时数据库提取实时数据；系统性能指标设定模块采集系统设置的各机组和电场正常工作的性能指标；故障规则库模块为各系统工作流程关系、以及故障规则的制定、故障点的确定提供规则参考，具有自适应调整功能；故障信号判断模块分析与可能的故障点相关联的机组模块，判断故障影响范围，根据规则库和预测值实时判断真实值是否处于正常工作范围内，如果出现异常，根据故障规则库判断故障点；第三数据发送模块将故障决策结果发送给电场实时数据库和故障显示回馈子系统；
所述故障显示回馈子系统显示系统判断的可能故障源头，并接收电场操作人员反馈回的真实故障源头，将电场操作人员反馈回的真实故障源头反馈回数据存储子系统和故障决策子系统以完善故障规则库；
所述数据采集子系统、系统建模预测子系统、数据挖掘子系统、故障决策子系统生成的实时数据保存至数据存储子系统。
进一步，所述系统建模预测子系统包括：环境数据提取模块、系统建模预测模块和预测数据发送模块；环境数据提取模块采集电场实时数据库的电场环境数据；系统建模预测模块根据现场数据建立模型，并从模型预测数据库和电场实时数据库中提取实时数据，根据实时数据预测各机组将来的运行状态；预测数据发送模块将预测的数据发送给电场实时数据库里。
进一步，所述故障显示回馈子系统包括数据接收模块、故障显示回馈模块和第四数据发送模块；所述数据接收模块接收来自故障决策子系统的故障诊断结果；故障显示回馈模块显示系统判断的可能故障源头，并接收电场操作人员反馈回的真实故障源头；第四数据发送模块将电场操作人员反馈回的真实故障源头反馈回数据存储子系统和故障决策子系统以完善故障规则库。
一种利用基于理论计算和数据分析的光伏故障诊断系统的诊断方法，包括如下步骤：
1)所述数据采集子系统通过数据接口接收需求数据，经过处理后，数据采集子系统将接收到的数据发送给数据存储子系统，其中需求数据具体包括：调度要求值、电场环境变化值、电场机组运行状态和数据、用户设定值；调度要求值由电力调度中心发送；电场环境变化值由电场传感器发送，用于系统建模预测子系统对将来数据变化的预测；电场机组运行状态和数据由电场各运行机组发送；用户设定值由电场操作台人员发送；
2)所述数据存储子系统的数据预处理模块将数据采集子系统中实时采集到的来自不同数据源的数据分类，并发送到数据存储子系统中的电场实时数据库；
3)所述系统建模预测子系统采集电场实时数据库里的电场环境数据，建立模型，进行预测计算，将预测数据发送给电场实时数据库；与此同时，所述数据挖掘子系统从电场实时数据库里提取监测点信息、电场机组运行状态和数据、电场环境数据，实时数据预处理模块将实时数据按机组设备不同进行分类、解析，并结合预测数据和自身存储的模拟噪声，进行噪声干扰类型分类；
4)数据挖掘子系统中的数据滤波模块根据不同的噪声干扰类型分类采用不同的智能滤波算法，判断属于哪种噪声，选择适当的滤波器，对噪声进行滤波，将滤波结果回传至电场实时数据库；
5)所述系统建模预测子系统根据建立的模型、数据挖掘子系统回传至电场实时数据库里的滤波结果、模型预测数据库和电场实时数据库中提取的实时数据进行预测计算，预测各机组将来的运行状态，将预测数据发送给电场实时数据库；
6)所述电场实时数据提取模块从电场实时数据库中提取实时数据、预测数据和滤波结果，转入实时数据预处理模块，实时数据预处理模块进行系统模型预测数据分析，并进行异常检测；
7)故障决策子系统从电场实时数据库中提取实时数据，分析与可能的故障点相关联的机组模块，判断故障影响范围，根据故障规则库模块和电场实时数据库中提取的预测数据，实时判断现场工况是否处于正常状态，如果出现异常，故障规则库模块判断故障点，故障信号判断模块进行异常分析报警，且将故障决策依据、故障决策结果和故障回馈信息传至电场实时数据库，将故障决策结果传至故障显示回馈子系统；
8)故障规则库模块具有自适应调整功能，经过反复的判断与数据积累，能够不断的完善自身数据库和知识库，更加准确的判断下一次的故障点；
9)故障显示回馈子系统显示系统判断的可能故障源头，显示提示界面。
进一步，所述步骤2)中，数据分类过程包括以下步骤：
a，所述模型预测数据库接收并储存电场实时数据库中的电场环境数据和系统模型预测值，系统建模预测子系统需要从电场实时数据库中提取数据时，模型预测数据库就会将电场环境数据和系统模型预测值回传至电场实时数据库；
b，所述故障决策数据库接收并储存电场实时数据库中的故障决策依据、故障决策结果和故障回馈信息，故障决策子系统需要从电场实时数据库中提取数据的时候，故障决策数据库会将这些数据回传至电场实时数据库；
c，历史数据预处理模块接收电场实时数据库中来自不同数据源的数据，包括实时数据、预测数据和故障数据，并存入历史数据库进行归档，以后出现故障查找原因需要在历史数据库里查找。
进一步，所述步骤6)中，异常检测过程包括以下步骤：
A，所述电场实时数据提取模块从电场实时数据库中提取监测点信息、电场机组运行状态和数据、电场控制数据和机组级性能指标，实时数据预处理模块对这些数据进行机组级性能计算，根据现场有多少机组，再进行电场级性能计算；
B，所述电场实时数据提取模块从电场实时数据库中提取监测点信息、调度要求值、电场级性能指标和电场控制数据，实时数据预处理模块对这些数据进行电场级性能计算；
C，所述电场实时数据提取模块从电场实时数据库中提取监测点信息、调度要求值、电场级性能指标、电场机组运行状态和数据、电场控制数据、电场环境数据和机组级性能指标，转入实时数据预处理模块，实时数据预处理模块综合这些数据，并结合滤波结果、机组级性能计算值、电场级性能计算值、模型预测数据库中的预测数据，进行系统模型预测数据分析，并进行异常检测，判断是否属于异常状态，第二数据发送模块将实时数据发送至电场实时数据库。
进一步，所述步骤7)中，异常分析报警过程包括以下步骤：
Ⅰ)所述数据提取模块从电场实时数据库中提取调度要求值、电场级性能指标、电场机组运行状态和数据、机组级性能指标和系统真实采样值，并传输至故障规则库模块，为各系统工作流程关系、以及故障规则的制定、故障点的确定提供规则参考；
Ⅱ)所述数据提取模块从电场实时数据库中提取调度要求值、电场控制数据、系统模型预测值和系统真实采样值，同时系统性能指标设定模块采集系统设置的电场级性能指标，将上述数据传输至故障规则库模块，故障规则库模块综合以上数据进行电场级性能指标分析；
Ⅲ)所述数据提取模块从电场实时数据库中提取电场机组运行状态和数据、电场环境数据、机组级性能指标、系统模型预测值和系统真实采样值，同时系统性能指标设定模块采集系统设置的机组级性能指标，将上述数据传输至故障规则库模块，故障规则库模块综合以上数据进行机组级性能指标分析；
Ⅳ)所述数据提取模块从电场实时数据库中提取电场机组运行状态和数据、电场控制数据和系统真实采样值，同时系统性能指标设定模块采集系统设置的电场级性能指标和机组级性能指标，将上述数据传输至故障信号判断模块，进行用户设置性能指标分析；
Ⅴ)所述数据提取模块从电场实时数据库中提取调度要求值、电场级性能指标、电场机组运行状态和数据、电场控制数据、电场环境数据、机组级性能指标、系统模型预测值和系统真实采样值，并传输至故障信号判断模块，结合步骤Ⅱ)、Ⅲ)和Ⅳ)的性能指标分析数据进行关联性分析，分析与可能的故障点相关联的机组模块，判断故障影响范围；
Ⅵ)所述故障信号判断模块中，根据故障规则库模块和预测值实时判断真实值是否处于正常工作范围内，如果出现异常，根据故障规则库判断故障点，进行异常分析报警，且将故障决策结果通过第三数据发送模块发送给电场实时数据库和故障显示回馈子系统。
进一步，所述机组级性能指标包括各机组数据安全变化率、上下限范围和各机组控制死区，由电场操作人员设定；所述电场级性能指标包括电场有功和无功数据安全变化率、电场数据控制死区，由调度中心操作人员设定。
进一步，所述电场环境变化值包括电场所在地辐照度、温度、湿度、外部阴影面积等时变数据。
进一步，所述故障规则库模块包括模糊控制算法结合人类经验组成的专家系统，专家系统把领域专家以往的诊断经验归纳成规则，并运用经验规则通过推理来进行故障诊断，专家系统由知识库、数据库、学习机、推理机、解释器、上下文、征兆获取和人机交互界面组成，专家系统通过各个模型系统的预测值与系统滤波后的真实值实时对比分析，并结合历史数据库和逻辑推理程序不断的推算，推算出光伏发电系统中各个子系统是否处于正常工作状态，如果出现异常状态则通过逻辑推理推算出系统故障出处，并提供合理的解决方案；专家系统又具备自适应学习能力，能够不断的完善自身数据库和知识库。
本发明具有的优点和积极效果是：
1、本发明基于理论计算和数据挖掘分析的光伏故障诊断系统从整个电场层次去判断整个电站可能的故障点；这些故障点包括通信系统、机组状况、控制系统、天气等因素，能够真正的从真实电场运行受外界不同干扰的角度去考虑，该系统能对电场整体性能进行故障分析，同时能够对电场内部具体工作机组进行故障分析，提高了系统的实用性和故障判断准确性；
2、本发明从整个电场的角度出发，分析电场各个机组设备的运行状况，并结合系统模型的预测值实时判断各机组的运行状况；同时故障决策系统通过智能算法使故障诊断系统具有自主学习的功能，能够不断的提高系统的故障判断准确率；同时由于系统数据为实时数据，所以系统实时性较高；同时该光伏故障诊断系统能够将电场侧实时数据、电场外部环境数据、机组模型预测数据、故障源等数据实时存储，使系统具有故障回顾的功能，提升电场运行安全等级、提高电场电能质量；
3、本发明基于理论计算和数据挖掘分析的光伏故障诊断系统从整个电场的角度对整个电场进行详细建模，对电站各个工作模块进行实时不间断的监控和性能分析，能够对真实电场的外部环境、电场实时运行状态进行统计分析，并预测电场短时间内将来的运行状况，提高电场运行的安全等级，提升电场电能质量。
附图说明
构成本发明创造的一部分的附图用来提供对本发明创造的进一步理解，本发明创造的示意性实施例及其说明用于解释本发明创造，并不构成对本发明创造的不当限定。在附图中：
图1是本发明的总结构图；
图2是本发明中所述数据存储子系统的结构图；
附图标记说明：
1-数据存储子系统；2-数据采集子系统；3-系统建模预测子系统；4-数据挖掘子系统；5-故障决策子系统；6-故障显示回馈子系统；7-数据预处理模块；8-模型预测数据库；9-电场实时数据库；10-故障决策数据库；11-历史数据预处理模块；12-历史数据库。
具体实施方式
下面结合附图对本发明的具体实施例做详细说明。
如图1～2所示，基于理论计算和数据分析的光伏故障诊断系统，包括数据存储子系统1、数据采集子系统2、系统建模预测子系统3、数据挖掘子系统4、故障决策子系统5和故障显示回馈子系统6；
所述数据存储子系统1包括：数据预处理模块7、模型预测数据库8、电场实时数据库9、故障决策数据库10、历史数据预处理模块11和历史数据库12；数据预处理模块7将数据采集子系统2中实时采集到的来自不同数据源的数据分类并发送到电场实时数据库9，模型预测数据库8接收电场实时数据库9中的电场环境数据和系统模型预测值；故障决策数据库10存储故障决策依据、故障决策结果和故障回馈信息；历史数据预处理模块11接收来自不同数据源的历史数据并存入历史数据库12；历史数据库12存储整个系统归档后的实时数据、预测数据、故障数据；
所述数据采集子系统2包括数据通信采集模块和第一数据发送模块，数据通信采集模块通过数据接口接收需求数据，经过处理后，第一数据发送模块将接收到的数据发送给电场实时数据库9；所述需求数据具体包括：调度要求值、电场环境变化值、电场机组运行状态和数据、用户设定值；所述调度要求值由电力调度中心发送；所述电场环境变化值由电场传感器发送，用于系统建模预测子系统3对将来数据变化的预测；所述电场机组运行状态和数据由电场各运行机组发送；所述用户设定值由电场操作台人员发送。其中电场环境变化值、电场机组运行状态和数据、用户设定值属于电场数据。所述数据接口包括RS485接口、RS232接口、RS422接口和串行接口；
所述系统建模预测子系统3包括：环境数据提取模块、系统建模预测模块和预测数据发送模块；环境数据提取模块采集电场实时数据库9的电场环境数据；系统建模预测模块根据现场数据建立模型，并从模型预测数据库和电场实时数据库9中提取实时数据，根据实时数据预测各机组将来的运行状态；预测数据发送模块将预测的数据发送给电场实时数据库9里。
所述数据挖掘子系统4包括：电场实时数据提取模块、实时数据预处理模块、数据滤波模块和第二数据发送模块；电场实时数据提取模块从电场实时数据库9提取实时数据；实时数据预处理模块将电场实时数据按机组设备不同进行分类、解析；数据滤波模块根据不同的噪声扰动分类采用不同的智能滤波算法对系统数据进行滤波；第二数据发送模块将滤波后的数据值和实时数据发送给电场实时数据库9；
所述故障决策子系统5包括：数据提取模块、系统性能指标设定模块、故障规则库模块、故障信号判断模块和第三数据发送模块；所述数据提取模块从电场实时数据库9提取实时数据；系统性能指标设定模块采集系统设置的各机组和电场正常工作的性能指标；故障规则库模块为各系统工作流程关系、以及故障规则的制定、故障点的确定提供规则参考，具有自适应调整功能；故障信号判断模块分析与可能的故障点相关联的机组模块，判断故障影响范围，根据规则库和预测值实时判断真实值是否处于正常工作范围内，如果出现异常，根据故障规则库判断故障点；第三数据发送模块将故障决策结果发送给电场实时数据库9和故障显示回馈子系统6；
所述故障显示回馈子系统6包括数据接收模块、故障显示回馈模块和第四数据发送模块；所述数据接收模块接收来自故障决策子系统5的故障诊断结果；故障显示回馈模块显示系统判断的可能故障源头，并接收电场操作人员反馈回的真实故障源头；第四数据发送模块将电场操作人员反馈回的真实故障源头反馈回数据存储子系统1和故障决策子系统5以完善故障规则库。
所述数据采集子系统2、系统建模预测子系统3、数据挖掘子系统4、故障决策子系统5生成的实时数据保存至数据存储子系统1。
还提供一种利用基于理论计算和数据分析的光伏故障诊断系统的诊断方法，包括如下步骤：
1)所述数据采集子系统2通过数据接口接收需求数据，经过处理后，数据采集子系统2将接收到的数据发送给数据存储子系统1，其中需求数据具体包括：调度要求值、电场环境变化值、电场机组运行状态和数据、用户设定值；调度要求值由电力调度中心发送；电场环境变化值由电场传感器发送，用于系统建模预测子系统3对将来数据变化的预测；电场机组运行状态和数据由电场各运行机组发送；用户设定值由电场操作台人员发送；所述数据接口包括RS485接口、RS232接口、RS422接口和串行接口；
2)所述数据存储子系统1的数据预处理模块7将数据采集子系统2中实时采集到的来自不同数据源的数据分类，并发送到数据存储子系统1中的电场实时数据库9；
3)所述系统建模预测子系统3采集电场实时数据库9里的电场环境数据，建立模型，进行预测计算，将预测数据发送给电场实时数据库9；与此同时，所述数据挖掘子系统4从电场实时数据库9里提取监测点信息、电场机组运行状态和数据、电场环境数据，实时数据预处理模块将实时数据按机组设备不同进行分类、解析，并结合预测数据和自身存储的模拟噪声，进行噪声干扰类型分类；
4)数据挖掘子系统4中的数据滤波模块根据不同的噪声干扰类型分类采用不同的智能滤波算法，判断属于哪种噪声，选择适当的滤波器，对噪声进行滤波，将滤波结果回传至电场实时数据库9；
5)所述系统建模预测子系统3根据建立的模型、数据挖掘子系统4回传至电场实时数据库9里的滤波结果、模型预测数据库8和电场实时数据库9中提取的实时数据进行预测计算，预测各机组将来的运行状态，将预测数据发送给电场实时数据库9；
6)所述电场实时数据提取模块从电场实时数据库9中提取实时数据、预测数据和滤波结果，转入实时数据预处理模块，实时数据预处理模块进行系统模型预测数据分析，并进行异常检测；
7)故障决策子系统5从电场实时数据库9中提取实时数据，分析与可能的故障点相关联的机组模块，判断故障影响范围，根据故障规则库模块和电场实时数据库9中提取的预测数据，实时判断现场工况是否处于正常状态，如果出现异常，故障规则库模块判断故障点，故障信号判断模块进行异常分析报警，且将故障决策依据、故障决策结果和故障回馈信息传至电场实时数据库9，将故障决策结果传至故障显示回馈子系统6；
8)故障规则库模块具有自适应调整功能，经过反复的判断与数据积累，能够不断的完善自身数据库和知识库，更加准确的判断下一次的故障点；
9)故障显示回馈子系统6显示系统判断的可能故障源头，显示提示界面。
其中，所述步骤2)中，数据分类过程包括以下步骤：
a，所述模型预测数据库8接收并储存电场实时数据库9中的电场环境数据和系统模型预测值，系统建模预测子系统3需要从电场实时数据库9中提取数据时，模型预测数据库8就会将电场环境数据和系统模型预测值回传至电场实时数据库9；
b，所述故障决策数据库10接收并储存电场实时数据库9中的故障决策依据、故障决策结果和故障回馈信息，故障决策子系统5需要从电场实时数据库9中提取数据的时候，故障决策数据库10会将这些数据回传至电场实时数据库9；
c，历史数据预处理模块11接收电场实时数据库9中来自不同数据源的数据，包括实时数据、预测数据和故障数据，并存入历史数据库12进行归档，以后出现故障查找原因需要在历史数据库12里查找。
其中，所述步骤6)中，异常检测过程包括以下步骤：
A，所述电场实时数据提取模块从电场实时数据库9中提取监测点信息、电场机组运行状态和数据、电场控制数据和机组级性能指标，实时数据预处理模块对这些数据进行机组级性能计算，根据现场有多少机组，再进行电场级性能计算；
B，所述电场实时数据提取模块从电场实时数据库9中提取监测点信息、调度要求值、电场级性能指标和电场控制数据，实时数据预处理模块对这些数据进行电场级性能计算；
C，所述电场实时数据提取模块从电场实时数据库9中提取监测点信息、调度要求值、电场级性能指标、电场机组运行状态和数据、电场控制数据、电场环境数据和机组级性能指标，转入实时数据预处理模块，实时数据预处理模块综合这些数据，并结合滤波结果、机组级性能计算值、电场级性能计算值、模型预测数据库8中的预测数据，进行系统模型预测数据分析，并进行异常检测，判断是否属于异常状态，第二数据发送模块将实时数据发送至电场实时数据库9。
所述步骤7)中，异常分析报警过程包括以下步骤：
Ⅰ)所述数据提取模块从电场实时数据库9中提取调度要求值、电场级性能指标、电场机组运行状态和数据、机组级性能指标和系统真实采样值，并传输至故障规则库模块，为各系统工作流程关系、以及故障规则的制定、故障点的确定提供规则参考；
Ⅱ)所述数据提取模块从电场实时数据库9中提取调度要求值、电场控制数据、系统模型预测值和系统真实采样值，同时系统性能指标设定模块采集系统设置的电场级性能指标，将上述数据传输至故障规则库模块，故障规则库模块综合以上数据进行电场级性能指标分析；
Ⅲ)所述数据提取模块从电场实时数据库9中提取电场机组运行状态和数据、电场环境数据、机组级性能指标、系统模型预测值和系统真实采样值，同时系统性能指标设定模块采集系统设置的机组级性能指标，将上述数据传输至故障规则库模块，故障规则库模块综合以上数据进行机组级性能指标分析；
Ⅳ)所述数据提取模块从电场实时数据库9中提取电场机组运行状态和数据、电场控制数据和系统真实采样值，同时系统性能指标设定模块采集系统设置的电场级性能指标和机组级性能指标，将上述数据传输至故障信号判断模块，进行用户设置性能指标分析；
Ⅴ)所述数据提取模块从电场实时数据库9中提取调度要求值、电场级性能指标、电场机组运行状态和数据、电场控制数据、电场环境数据、机组级性能指标、系统模型预测值和系统真实采样值，并传输至故障信号判断模块，结合步骤Ⅱ)、Ⅲ)和Ⅳ)的性能指标分析数据进行关联性分析，分析与可能的故障点相关联的机组模块，判断故障影响范围；
Ⅵ)所述故障信号判断模块中，根据故障规则库模块和预测值实时判断真实值是否处于正常工作范围内，如果出现异常，根据故障规则库模块判断故障点，进行异常分析报警，且将故障决策结果通过第三数据发送模块发送给电场实时数据库9和故障显示回馈子系统6。
其中，噪声干扰类型分类和数据滤波过程中，因为系统信号容易受到外界不可避免的噪声的影响，会存在一定的波动现象，造成信号失真，所以必须对采集到的信号通过Kalman滤波或者自适应滤波等滤波方法进行实时滤波处理，在数据滤波模块中进行，还原其真实信号，滤除噪声。其中噪声干扰类型分类主要针对电场各不同机组、不同信号可能会受到不同的噪声干扰，噪声干扰包括近似白噪声干扰、阶跃信号干扰、高斯白噪声干扰、有多种干扰源共同造成的干扰；
其中，故障规则库模块为各系统工作流程关系、以及故障规则的制定、故障点的确定提供规则参考，具有自适应调整功能，其中故障规则的制定可以通过模糊控制算法结合人类经验组成专家系统，包含各种现场故障可能的造成原因。其中自适应调整功能是指能够根据现场回馈的故障诊断结果不断的修正故障规则数据库，以提高故障诊断的准确度。
其中，故障信号判断模块分析与可能的故障点相关联的机组模块，判断故障影响范围，根据规则库和预测值实时判断真实值是否处于正常工作范围内，如果出现异常，根据故障规则库判断故障点；
所述机组级性能指标包括各机组数据安全变化率、上下限范围和各机组控制死区，由电场操作人员设定；所述电场级性能指标包括电场有功和无功数据安全变化率、电场数据控制死区，由调度中心操作人员设定。其中，各机组数据安全变化率是指电场有功和无功机组允许单次变化的最大值，分为单次变化率和分钟级变化率。上下限范围是指各机组正常的出力控制范围。各机组控制死区是指各机组或电场出力正常的波动范围。调度中心是指电力调度中心，根据各电场电能质量集中统筹管理各光伏电场的发电量。
所述电场环境变化值包括电场所在地辐照度、温度、湿度、外部阴影面积等时变数据。
故障规则库模块中的专家系统是把领域专家以往的诊断经验归纳成规则，并运用经验规则通过推理来进行故障诊断。专家系统由知识库、数据库、学习机、推理机、解释器、上下文、征兆获取和人机交互界面组成。专家系统通过各个模型系统的预测值与系统滤波后的真实值实时对比分析，并结合历史数据库12和逻辑推理程序不断的推算，推算出光伏发电系统中各个子系统是否处于正常工作状态。如果出现异常状态则通过相应的逻辑推理推算出系统故障出处，并提供合理的解决方案。同时专家系统又具备自适应学习能力，能够不断地根据本系统的数据特点不断的完善自身数据库和知识库，成为一个针对本系统特点的故障诊断系统，提高故障辨识能力，降低故障的误报和漏报率。
模糊控制算法结合人类经验组成的专家系统是一个智能计算机程序，可求解特定领域问题，现实中诊断领域存在的经验性专家知识往往具有模糊性，降低了知识表达的准确性，因此可以将模糊数学知识和专家经验相结合，引入到专家的模糊知识表示中。模糊专家诊断系统主要由知识库、中间数据库、模糊推理机、人机接口、前端处理程序等部分组成。
以上对本发明的实施例进行了详细说明，但所述内容仅为本发明的较佳实施例，不能被认为用于限定本发明的实施范围。凡依本发明申请范围所作的均等变化与改进等，均应仍归属于本发明的专利涵盖范围之内。
Claims (10)
1.基于理论计算和数据分析的光伏故障诊断系统，其特征在于：包括数据存储子系统(1)、数据采集子系统(2)、系统建模预测子系统(3)、数据挖掘子系统(4)、故障决策子系统(5)和故障显示回馈子系统(6)；
所述数据存储子系统(1)包括：数据预处理模块(7)、模型预测数据库(8)、电场实时数据库(9)、故障决策数据库(10)、历史数据预处理模块(11)和历史数据库(12)；数据预处理模块(7)将数据采集子系统(2)中实时采集到的来自不同数据源的数据分类并发送到电场实时数据库(9)，模型预测数据库(8)接收电场实时数据库(9)中的电场环境数据和系统模型预测值；故障决策数据库(10)存储故障决策依据、故障决策结果和故障回馈信息；历史数据预处理模块(11)接收来自不同数据源的历史数据并存入历史数据库(12)；历史数据库(12)存储整个系统归档后的实时数据、预测数据、故障数据；
所述数据采集子系统(2)包括数据通信采集模块和第一数据发送模块，数据通信采集模块通过数据接口接收需求数据，经过处理后，第一数据发送模块将接收到的数据发送给电场实时数据库(9)；
所述系统建模预测子系统(3)根据现场数据建立模型，并从模型预测数据库(8)和电场实时数据库(9)中提取实时数据，根据实时数据预测各机组将来的运行状态，将预测数据发送给电场实时数据库(9)里；
所述数据挖掘子系统(4)包括：电场实时数据提取模块、实时数据预处理模块、数据滤波模块和第二数据发送模块；电场实时数据提取模块从电场实时数据库(9)提取实时数据；实时数据预处理模块将电场实时数据按机组设备不同进行分类、解析；数据滤波模块根据不同的噪声扰动分类采用不同的智能滤波算法对系统数据进行滤波；第二数据发送模块将滤波后的数据值和实时数据发送给电场实时数据库(9)；
所述故障决策子系统(5)包括：数据提取模块、系统性能指标设定模块、故障规则库模块、故障信号判断模块和第三数据发送模块；所述数据提取模块从电场实时数据库(9)提取实时数据；系统性能指标设定模块采集系统设置的各机组和电场正常工作的性能指标；故障规则库模块为各系统工作流程关系、以及故障规则的制定、故障点的确定提供规则参考，具有自适应调整功能；故障信号判断模块分析与可能的故障点相关联的机组模块，判断故障影响范围，根据规则库和预测值实时判断真实值是否处于正常工作范围内，如果出现异常，根据故障规则库判断故障点；第三数据发送模块将故障决策结果发送给电场实时数据库(9)和故障显示回馈子系统(6)；
所述故障显示回馈子系统(6)显示系统判断的可能故障源头，并接收电场操作人员反馈回的真实故障源头，将电场操作人员反馈回的真实故障源头反馈回数据存储子系统(1)和故障决策子系统(5)以完善故障规则库；
所述数据采集子系统(2)、系统建模预测子系统(3)、数据挖掘子系统(4)、故障决策子系统(5)生成的实时数据保存至数据存储子系统(1)。
2.根据权利要求1所述的基于理论计算和数据分析的光伏故障诊断系统，其特征在于：所述系统建模预测子系统(3)包括：环境数据提取模块、系统建模预测模块和预测数据发送模块；环境数据提取模块采集电场实时数据库(9)的电场环境数据；系统建模预测模块根据现场数据建立模型，并从模型预测数据库和电场实时数据库(9)中提取实时数据，根据实时数据预测各机组将来的运行状态；预测数据发送模块将预测的数据发送给电场实时数据库(9)里。
3.根据权利要求2所述的基于理论计算和数据分析的光伏故障诊断系统，其特征在于：所述故障显示回馈子系统(6)包括数据接收模块、故障显示回馈模块和第四数据发送模块；所述数据接收模块接收来自故障决策子系统(5)的故障诊断结果；故障显示回馈模块显示系统判断的可能故障源头，并接收电场操作人员反馈回的真实故障源头；第四数据发送模块将电场操作人员反馈回的真实故障源头反馈回数据存储子系统(1)和故障决策子系统(5)以完善故障规则库。
4.一种利用权利要求3所述的基于理论计算和数据分析的光伏故障诊断系统的诊断方法，其特征在于：包括如下步骤：
1)所述数据采集子系统(2)通过数据接口接收需求数据，经过处理后，数据采集子系统(2)将接收到的数据发送给数据存储子系统(1)，其中需求数据具体包括：调度要求值、电场环境变化值、电场机组运行状态和数据、用户设定值；调度要求值由电力调度中心发送；电场环境变化值由电场传感器发送，用于系统建模预测子系统(3)对将来数据变化的预测；电场机组运行状态和数据由电场各运行机组发送；用户设定值由电场操作台人员发送；
2)所述数据存储子系统(1)的数据预处理模块(7)将数据采集子系统(2)中实时采集到的来自不同数据源的数据分类，并发送到数据存储子系统(1)中的电场实时数据库(9)；
3)所述系统建模预测子系统(3)采集电场实时数据库(9)里的电场环境数据，建立模型，进行预测计算，将预测数据发送给电场实时数据库(9)；与此同时，所述数据挖掘子系统(4)从电场实时数据库(9)里提取监测点信息、电场机组运行状态和数据、电场环境数据，实时数据预处理模块将实时数据按机组设备不同进行分类、解析，并结合预测数据和自身存储的模拟噪声，进行噪声干扰类型分类；
4)数据挖掘子系统(4)中的数据滤波模块根据不同的噪声干扰类型分类采用不同的智能滤波算法，判断属于哪种噪声，选择适当的滤波器，对噪声进行滤波，将滤波结果回传至电场实时数据库(9)；
5)所述系统建模预测子系统(3)根据建立的模型、数据挖掘子系统(4)回传至电场实时数据库(9)里的滤波结果、模型预测数据库(8)和电场实时数据库(9)中提取的实时数据进行预测计算，预测各机组将来的运行状态，将预测数据发送给电场实时数据库(9)；
6)所述电场实时数据提取模块从电场实时数据库(9)中提取实时数据、预测数据和滤波结果，转入实时数据预处理模块，实时数据预处理模块进行系统模型预测数据分析，并进行异常检测；
7)故障决策子系统(5)从电场实时数据库(9)中提取实时数据，分析与可能的故障点相关联的机组模块，判断故障影响范围，根据故障规则库模块和电场实时数据库(9)中提取的预测数据，实时判断现场工况是否处于正常状态，如果出现异常，故障规则库模块判断故障点，故障信号判断模块进行异常分析报警，且将故障决策依据、故障决策结果和故障回馈信息传至电场实时数据库(9)，将故障决策结果传至故障显示回馈子系统(6)；
8)故障规则库模块具有自适应调整功能，经过反复的判断与数据积累，能够不断的完善自身数据库和知识库，更加准确的判断下一次的故障点；
9)故障显示回馈子系统(6)显示系统判断的可能故障源头，显示提示界面。
5.根据权利要求4所述的诊断方法，其特征在于：所述步骤2)中，数据分类过程包括以下步骤：
a，所述模型预测数据库(8)接收并储存电场实时数据库(9)中的电场环境数据和系统模型预测值，系统建模预测子系统(3)需要从电场实时数据库(9)中提取数据时，模型预测数据库(8)就会将电场环境数据和系统模型预测值回传至电场实时数据库(9)；
b，所述故障决策数据库(10)接收并储存电场实时数据库(9)中的故障决策依据、故障决策结果和故障回馈信息，故障决策子系统(5)需要从电场实时数据库(9)中提取数据的时候，故障决策数据库(10)会将这些数据回传至电场实时数据库(9)；
c，历史数据预处理模块(11)接收电场实时数据库(9)中来自不同数据源的数据，包括实时数据、预测数据和故障数据，并存入历史数据库(12)进行归档，以后出现故障查找原因需要在历史数据库(12)里查找。
6.根据权利要求4所述的诊断方法，其特征在于：所述步骤6)中，异常检测过程包括以下步骤：
A，所述电场实时数据提取模块从电场实时数据库(9)中提取监测点信息、电场机组运行状态和数据、电场控制数据和机组级性能指标，实时数据预处理模块对这些数据进行机组级性能计算，根据现场有多少机组，再进行电场级性能计算；
B，所述电场实时数据提取模块从电场实时数据库(9)中提取监测点信息、调度要求值、电场级性能指标和电场控制数据，实时数据预处理模块对这些数据进行电场级性能计算；
C，所述电场实时数据提取模块从电场实时数据库(9)中提取监测点信息、调度要求值、电场级性能指标、电场机组运行状态和数据、电场控制数据、电场环境数据和机组级性能指标，转入实时数据预处理模块，实时数据预处理模块综合这些数据，并结合滤波结果、机组级性能计算值、电场级性能计算值、模型预测数据库(8)中的预测数据，进行系统模型预测数据分析，并进行异常检测，判断是否属于异常状态，第二数据发送模块将实时数据发送至电场实时数据库(9)。
7.根据权利要求4所述的诊断方法，其特征在于：所述步骤7)中，异常分析报警过程包括以下步骤：
Ⅰ)所述数据提取模块从电场实时数据库(9)中提取调度要求值、电场级性能指标、电场机组运行状态和数据、机组级性能指标和系统真实采样值，并传输至故障规则库模块，为各系统工作流程关系、以及故障规则的制定、故障点的确定提供规则参考；
Ⅱ)所述数据提取模块从电场实时数据库(9)中提取调度要求值、电场控制数据、系统模型预测值和系统真实采样值，同时系统性能指标设定模块采集系统设置的电场级性能指标，将上述数据传输至故障规则库模块，故障规则库模块综合以上数据进行电场级性能指标分析；
Ⅲ)所述数据提取模块从电场实时数据库(9)中提取电场机组运行状态和数据、电场环境数据、机组级性能指标、系统模型预测值和系统真实采样值，同时系统性能指标设定模块采集系统设置的机组级性能指标，将上述数据传输至故障规则库模块，故障规则库模块综合以上数据进行机组级性能指标分析；
Ⅳ)所述数据提取模块从电场实时数据库(9)中提取电场机组运行状态和数据、电场控制数据和系统真实采样值，同时系统性能指标设定模块采集系统设置的电场级性能指标和机组级性能指标，将上述数据传输至故障信号判断模块，进行用户设置性能指标分析；
Ⅴ)所述数据提取模块从电场实时数据库(9)中提取调度要求值、电场级性能指标、电场机组运行状态和数据、电场控制数据、电场环境数据、机组级性能指标、系统模型预测值和系统真实采样值，并传输至故障信号判断模块，结合步骤Ⅱ)、Ⅲ)和Ⅳ)的性能指标分析数据进行关联性分析，分析与可能的故障点相关联的机组模块，判断故障影响范围；
Ⅵ)所述故障信号判断模块中，根据故障规则库模块和预测值实时判断真实值是否处于正常工作范围内，如果出现异常，根据故障规则库模块判断故障点，进行异常分析报警，且将故障决策结果通过第三数据发送模块发送给电场实时数据库(9)和故障显示回馈子系统(6)。
8.根据权利要求6或7所述的诊断方法，其特征在于：所述机组级性能指标包括各机组数据安全变化率、上下限范围和各机组控制死区，由电场操作人员设定；所述电场级性能指标包括电场有功和无功数据安全变化率、电场数据控制死区，由调度中心操作人员设定。
9.根据权利要求5所述的诊断方法，其特征在于：所述电场环境变化值包括电场所在地辐照度、温度、湿度和/或外部阴影面积这些时变数据。
10.根据权利要求7所述的诊断方法，其特征在于：所述故障规则库模块包括模糊控制算法结合人类经验组成的专家系统，专家系统把领域专家以往的诊断经验归纳成规则，并运用经验规则通过推理来进行故障诊断，专家系统由知识库、数据库、学习机、推理机、解释器、上下文、征兆获取和人机交互界面组成，专家系统通过各个模型系统的预测值与系统滤波后的真实值实时对比分析，并结合历史数据库(12)和逻辑推理程序不断的推算，推算出光伏发电系统中各个子系统是否处于正常工作状态，如果出现异常状态则通过逻辑推理推算出系统故障出处，并提供合理的解决方案；专家系统又具备自适应学习能力，能够不断的完善自身数据库和知识库。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510038794.5A CN104571099B (zh) | 2015-01-26 | 2015-01-26 | 基于理论计算和数据分析的光伏故障诊断系统和诊断方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510038794.5A CN104571099B (zh) | 2015-01-26 | 2015-01-26 | 基于理论计算和数据分析的光伏故障诊断系统和诊断方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104571099A CN104571099A (zh) | 2015-04-29 |
| CN104571099B true CN104571099B (zh) | 2017-05-24 |
Family
ID=53087425
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510038794.5A Active CN104571099B (zh) | 2015-01-26 | 2015-01-26 | 基于理论计算和数据分析的光伏故障诊断系统和诊断方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104571099B (zh) |
Families Citing this family (31)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104820874A (zh) * | 2015-05-18 | 2015-08-05 | 国家电网公司 | 电力调度中心的监控方法 |
| CN104950675B (zh) * | 2015-06-12 | 2018-01-23 | 华北电力大学 | 多工况电力系统自适应控制方法及装置 |
| CN105043593B (zh) * | 2015-06-30 | 2017-10-24 | 株洲南车时代电气股份有限公司 | 一种机车温度传感器故障诊断及容错估计方法 |
| CN105186535B (zh) * | 2015-09-25 | 2017-06-09 | 国网吉林省电力有限公司长春供电公司 | 基于无功电压控制电网设备状态和无功电压的诊断平台 |
| CN105337575B (zh) * | 2015-11-17 | 2017-11-17 | 广州健新自动化科技有限公司 | 光伏电站状态预测及故障诊断方法和系统 |
| CN105488610B (zh) * | 2015-11-23 | 2017-05-10 | 国网山东省电力公司信息通信公司 | 一种电力应用系统故障实时分析诊断方法 |
| CN105548867A (zh) * | 2015-12-01 | 2016-05-04 | 天津市电力科技发展公司 | 一种高压断路器触头状态诊断系统及方法 |
| CN105425591B (zh) * | 2015-12-29 | 2017-12-08 | 北京国能日新系统控制技术有限公司 | 基于风电场区域实时风速分析调控风电场有功的方法和装置 |
| CN105652658B (zh) * | 2015-12-29 | 2018-12-04 | 国能日新科技股份有限公司 | 基于光伏电场数据分析及实时环境监测的有功控制系统 |
| US10546241B2 (en) * | 2016-01-08 | 2020-01-28 | Futurewei Technologies, Inc. | System and method for analyzing a root cause of anomalous behavior using hypothesis testing |
| CN106682081A (zh) * | 2016-11-23 | 2017-05-17 | 云南电网有限责任公司电力科学研究院 | 基于多模型的变压器性能综合分析系统 |
| EP3388910A1 (en) | 2017-04-10 | 2018-10-17 | ABB Schweiz AG | Method and apparatus for monitoring the condition of subsystems within a renewable generation plant or microgrid |
| JP6824121B2 (ja) * | 2017-07-14 | 2021-02-03 | 株式会社東芝 | 状態検知装置、状態検知方法及びプログラム |
| CN108008332B (zh) * | 2017-11-29 | 2020-02-14 | 国网山东省电力公司电力科学研究院 | 一种基于数据挖掘的新能源远程测试设备故障诊断方法 |
| CN108228800B (zh) * | 2017-12-29 | 2022-03-15 | 无锡十一新能源投资有限公司 | 一种基于数据挖掘的光伏发电系统异常检测系统及方法 |
| CN111092598A (zh) * | 2018-10-24 | 2020-05-01 | 浙江昱能科技有限公司 | 一种光伏发电系统智能运维方法 |
| CN109800498A (zh) * | 2019-01-16 | 2019-05-24 | 国能日新科技股份有限公司 | 一种光伏电站数据诊断系统 |
| CN109949436A (zh) * | 2019-03-06 | 2019-06-28 | 万洲电气股份有限公司 | 基于重点能耗设备模型诊断分析的工业智能优化节能系统 |
| CN110336534B (zh) * | 2019-07-15 | 2022-05-03 | 龙源（北京）太阳能技术有限公司 | 一种基于光伏阵列电气参数时间序列特征提取的故障诊断方法 |
| CN110765575A (zh) * | 2019-09-19 | 2020-02-07 | 广州供电局有限公司 | 电力系统的应急仿真装置、计算机设备及存储介质 |
| CN110909989A (zh) * | 2019-11-08 | 2020-03-24 | 北京京能电力股份有限公司 | 一种用于多电厂的机组性能分析系统及方法 |
| CN110796243B (zh) * | 2019-11-27 | 2023-04-07 | 重庆大学 | 一种连续型运行监测数据模拟发生方法及装置 |
| CN111260127A (zh) * | 2020-01-14 | 2020-06-09 | 南京悠淼科技有限公司 | 基于全机数字孪生模型的故障预测系统及方法 |
| CN111539642B (zh) * | 2020-04-29 | 2023-08-04 | 西安电子科技大学青岛计算技术研究院 | 一种基于面向对象的电厂数据采集处理系统及其方法 |
| CN111884587B (zh) * | 2020-07-17 | 2021-09-14 | 特变电工新疆新能源股份有限公司 | 一种光伏组件故障诊断及预测方法 |
| CN112436546A (zh) * | 2020-11-13 | 2021-03-02 | 王捷 | 分布式混储电能质量调节装置及其一体云控制平台 |
| CN112803592B (zh) * | 2021-01-13 | 2023-03-31 | 广东省电力开发有限公司 | 一种适用于分布式电站的智能故障预警方法及系统 |
| CN112633614A (zh) * | 2021-01-15 | 2021-04-09 | 东方电气集团科学技术研究院有限公司 | 一种基于特征提取的实时故障程度诊断系统及方法 |
| CN114337540B (zh) * | 2021-12-31 | 2023-09-12 | 重庆跃达新能源有限公司 | 光伏状态检测方法、系统及存储介质 |
| CN115296418A (zh) * | 2022-08-26 | 2022-11-04 | 中国电建集团江西省电力设计院有限公司 | 一种光伏发电设备运行状态远程监测及管控系统 |
| CN115993504B (zh) * | 2023-03-23 | 2023-08-18 | 山东盛日电力集团有限公司 | 一种电气设备的智能故障诊断方法及系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2007008940A2 (en) * | 2005-07-11 | 2007-01-18 | Brooks Automation, Inc. | Intelligent condition-monitoring and dault diagnostic system |
| CN102393698A (zh) * | 2011-09-29 | 2012-03-28 | 李海波 | 大型设备运行状态监测系统及故障诊断的控制方法 |
| CN102759711A (zh) * | 2012-06-27 | 2012-10-31 | 广东电网公司电力科学研究院 | 一种基于数据挖掘的风力发电机组故障诊断方法 |
| CN103645052A (zh) * | 2013-12-11 | 2014-03-19 | 北京航空航天大学 | 一种风电机组齿轮箱远程在线状态监测及寿命评估方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1374167B1 (en) * | 2001-03-08 | 2010-05-12 | California Institute Of Technology | Real-time spatio-temporal coherence estimation for autonomous mode identification and invariance tracking |
-
2015
- 2015-01-26 CN CN201510038794.5A patent/CN104571099B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2007008940A2 (en) * | 2005-07-11 | 2007-01-18 | Brooks Automation, Inc. | Intelligent condition-monitoring and dault diagnostic system |
| CN102393698A (zh) * | 2011-09-29 | 2012-03-28 | 李海波 | 大型设备运行状态监测系统及故障诊断的控制方法 |
| CN102759711A (zh) * | 2012-06-27 | 2012-10-31 | 广东电网公司电力科学研究院 | 一种基于数据挖掘的风力发电机组故障诊断方法 |
| CN103645052A (zh) * | 2013-12-11 | 2014-03-19 | 北京航空航天大学 | 一种风电机组齿轮箱远程在线状态监测及寿命评估方法 |
Non-Patent Citations (2)
| Title |
|---|
| 光伏系统故障诊断方法综述;王元章 等;《电源技术综述》;20130930;第37卷(第9期);第1700-1705页 * |
| 基于BP神经网络的光伏阵列故障诊断研究;王元章 等;《电力系统保护与控制》;20130816;第41卷(第16期);第108-113页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN104571099A (zh) | 2015-04-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104571099B (zh) | 基于理论计算和数据分析的光伏故障诊断系统和诊断方法 | |
| CN105245185B (zh) | 一种接入配电网的区域分布式光伏故障诊断系统及方法 | |
| CN102637019B (zh) | 一种工业生产过程智能集成故障诊断方法及装置 | |
| CN102638100B (zh) | 地区电网设备异常告警信号关联分析与诊断方法 | |
| CN110320892A (zh) | 基于Lasso回归的污水处理设备故障诊断系统及方法 | |
| CN110262463A (zh) | 一种基于深度学习的轨道交通站台门故障诊断系统 | |
| CN107346466A (zh) | 一种电力调度系统的控制方法及装置 | |
| CN106324428A (zh) | 基于大数据的电力电缆监测系统及监测方法 | |
| CN107145959A (zh) | 一种基于大数据平台的电力数据处理方法 | |
| CN103953393B (zh) | 一种矿井通风系统分区稳定式动态监测与预警系统 | |
| CN104979912A (zh) | 一种光伏发电系统的监控方法与系统 | |
| CN113450065A (zh) | 一种用于风电场的生产运营管理系统及方法 | |
| CN106780115A (zh) | 异常用电监测与定位系统及方法 | |
| CN105225007A (zh) | 一种基于gabp神经网络的扇区运行性能综合检测方法及系统 | |
| CN112576312B (zh) | 智能化综采工作面电液控支架数据收集及处理方法 | |
| CN115063058B (zh) | 一种基于模型驱动和数据驱动的综合能源态势感知系统 | |
| CN108964023A (zh) | 一种用于电网的母线电压态势短期预测方法及系统 | |
| CN112907929A (zh) | 一种基于用电信息的环保监测系统和方法 | |
| CN101893862A (zh) | 基于网络学习的可再生能源综合发电控制系统 | |
| CN105825314A (zh) | 一种基于集中运维模式的监视信息分析方法和系统 | |
| CN104239973A (zh) | 基于风浪预测的海上风电施工维护窗区的选择方法 | |
| CN114567072B (zh) | 光伏电站的控制系统 | |
| CN115827579A (zh) | 一种分布式储能信息化管控与运营平台架构 | |
| CN113850017B (zh) | 一种基于潮流变化图谱的系统级故障分析系统及方法 | |
| Zhang et al. | Distributed Architecture of Power Grid Asset Management and Future Research Directions |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CP03 | Change of name, title or address | ||
| CP03 | Change of name, title or address |
Address after: Room 227, 2nd floor, No. 27 Building Material City Middle Road, Xisanqi, Haidian District, Beijing 100096 Patentee after: New energy Polytron Technologies Inc Address before: 100081 four, 407, 19 Building, 68 South Road, Haidian District, Beijing. Patentee before: Beijing Guo Nengxin system control technique company limited |
|
| PE01 | Entry into force of the registration of the contract for pledge of patent right | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: Photovoltaic fault diagnosis system and method based on theoretical calculation and data analysis Effective date of registration: 20190404 Granted publication date: 20170524 Pledgee: Zhongguancun Beijing technology financing Company limited by guarantee Pledgor: New energy Polytron Technologies Inc Registration number: 2019990000290 |
|
| PC01 | Cancellation of the registration of the contract for pledge of patent right | ||
| PC01 | Cancellation of the registration of the contract for pledge of patent right |
Date of cancellation: 20200911 Granted publication date: 20170524 Pledgee: Zhongguancun Beijing technology financing Company limited by guarantee Pledgor: SPRIXIN TECHNOLOGY Co.,Ltd. Registration number: 2019990000290 |