CN109783542A - 分布式能源系统的数据分析方法及装置 - Google Patents

Abstract

本发明提供了分布式能源系统的数据分析方法及装置，使设备层具有相应的计算能力，从而获得深度数据；同时，利用云平台的数据广度对设备层的数据进行深入分析。使得设备层和云平台之间形成良好的数据配合关系，能够较早地发现潜在的问题，进而提高了系统的稳定性和可靠性。

Description

分布式能源系统的数据分析方法及装置

技术领域

本发明属于新能源发电技术领域，尤其涉及分布式新能源系统的数据分析方法及装置。

背景技术

分布式能源系统相对传统的集中式供能的能源系统而言，传统的集中式供能系统采用大容量设备、集中生产，然后通过专门的输送设施(例如，大电网、大热网等)将各种能量输送给较大范围内的众多用户。而分布式能源系统则是直接面向用户，按用户的需求就地生产并供应能量，具有多种功能，可满足多重目标的中、小型能量转换利用系统。

目前的分布式能源系统仅仅是收集数据、存储数据，或者对数据进行简单的分析、对比，缺乏深入分析系统的运维和故障诊断的能力。

发明内容

有鉴于此，本发明的目的在于提供一种分布式能源系统的数据分析方法及装置，以解决传统的分布式能源系统缺乏深入分析系统的运维和故障诊断的技术问题，其技术方案如下：

第一方面，本发明提供了一种分布式能源系统的数据分析方法，应用于设备层，所述方法包括：

接收云平台发送的模式切换指令，并根据所述模式切换指令切换至目标工作模式；

在所述目标工作模式下获得目标数据，并将所述目标数据发送至云平台，以使所述云平台对所述目标数据进行分析得到分析结果；

其中，所述目标数据包括以下至少一种：直接采集得到的数据，以及对直接采集得到的数据按照预设分析方式进行分析得到的二次分析数据。

可选地，所述目标工作模式为定点全速模式；

所述在所述目标工作模式下获得目标数据，并将所述目标数据发送至云平台，包括：

将数据采集周期缩短至最短数据采集周期，并按照所述最短数据采集周期采集数据；

将采集到的数据形成数据流并发送至云平台。

可选地，所述目标工作模式为分析模式；

所述在所述目标工作模式下获得目标数据，并将所述目标数据发送至云平台，包括：

获取巡检数据范围内的采集数据，所述巡检数据范围包含于所述模式切换指令中；

对所述采集数据按照预设计算方式进行计算得到所述二次分析数据，并将所述二次分析数据发送至云平台。

可选地，所述目标工作模式为模型分析模式；

所述在所述目标工作模式下获得目标数据，并将所述目标数据发送至云平台，包括：

获取所述云平台下发的计算模型的可执行文件；

对所述计算模型的可执行文件进行正确性校验；

当验证正确后，执行所述可执行文件得到所述二次分析数据，并将所述二次分析数据发送至云平台。

第二方面，本发明还提供了一种分布式能源系统的数据分析方法，应用于云平台中，所述方法包括：

向目标设备发送模式切换指令，所述模式切换指令用于指示所述目标设备切换至目标工作模式；

接收所述目标设备上传的处于所述目标工作模式时获得的目标数据，所述目标数据包括以下至少一种：所述目标设备采集的数据和对采集到的数据按照预设分析方式分析得到的二次分析数据；

分析所述目标数据得到分析结果。

可选地，所述目标数据包括所述目标设备对所采集的数据按照预设计算方式计算得到的二次分析数据；

所述分析所述目标数据得到分析结果，包括：

将所述二次分析数据输入至预制的数学模型中得到诊断结果。

可选地，所述目标数据包括所述目标设备执行所述云平台下发的计算模型的可执行文件后得到的二次分析数据；

所述分析所述目标数据得到分析结果，包括：

将所述二次分析数据输入至深度分析计算模型中得到深度分析结果。

可选地，所述向目标设备发送模式切换指令，包括：

确定云平台的目标模式及相应的目标设备；

依据所述目标模式生成所述模式切换指令，并将所述模式切换指令发送至所述目标设备。

第三方面，本发明还提供了一种分布式能源系统的数据分析装置，应用于设备层，所述装置包括：

模式切换模块，用于接收云平台发送的模式切换指令，并根据所述模式切换指令切换至目标工作模式；

获取模块，用于在所述目标工作模式下获得目标数据，并将所述目标数据发送至云平台，以使所述云平台对所述目标数据进行分析得到分析结果；

其中，所述目标数据包括以下至少一种：直接采集得到的数据，以及对直接采集得到的数据按照预设分析方式进行分析得到的二次分析数据。

第四方面，本发明还提供了一种分布式能源系统的数据分析装置，应用于云平台中，所述装置包括：

发送模块，用于向目标设备发送模式切换指令，所述模式切换指令用于指示所述目标设备切换至目标工作模式；

接收模块，用于接收所述目标设备上传的处于所述目标工作模式时获得的目标数据，所述目标数据包括以下至少一种：所述目标设备采集的数据和对采集到的数据按照预设分析方式分析得到的二次分析数据；

分析模块，用于分析所述目标数据得到分析结果。

本实施例提供的分布式能源系统的数据分析方法，使设备层具有相应的计算能力，从而获得深度数据；同时，利用云平台的数据广度对设备层的数据进行深入分析。使得设备层和云平台之间形成良好的数据配合关系，能够较早地发现潜在的问题，进而提高了系统的稳定性和可靠性。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例提供的一种分布式能源系统的结构示意图；

图2是本发明实施例提供的一种分布式能源系统的数据分析方法的流程图；

图3是本发明实施例提供的定点分析模式下数据传输过程的示意图；

图4是本发明实施例提供的定点分析模式的工作流程图；

图5是本发明实施例提供的巡检模式下数据传输过程的示意图；

图6是本发明实施例提供的巡检过程的工作流程图；

图7是本发明实施例提供的深度分析模式下的数据传输过程示意图；

图8是本发明实施例提供的深度分析模式对应的具体工作过程的流程图；

图9是本发明实施例提供的一种分布式能源系统的数据分析装置的框图；

图10是本发明实施例提供的另一种分布式能源系统的数据分析装置的框图。

具体实施方式

目前的分布式能源系统中，分布式发电设备由于缺乏广度维度的数据，导致这些设备缺乏判断数据是否存在问题的能力；而云平台上具有广度的数据，但缺乏深度的数据，其数据粒度不足，许多数据特征被遗漏或忽略掉。设备和云平台之间没有形成较好的配合关系，导致设备在出现故障前很多问题无法被提前发现。本申请提供了分布式能源系统的数据分析方法，该方法利用物联网中的边缘计算技术起到桥梁作用，将云平台的计算能力进行延展、直接深入到设备层(包括分布式发电设备和采集设备)，从而获得深度数据。同时，利用云平台的数据广度对设备层分析后获得的数据进行深入分析获得设备性能、故障、隐患、寿命预测等结果。

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

请参见图1，示出了本发明实施例提供的一种分布式能源系统的结构示意图，如图1所示，该分布式能源系统包括分布式发电设备1、采集设备2和云平台3；

分布式发电设备1是指利用可再生资源发电的设备，例如，可以包括光伏逆变器、储能逆变器、变流器、生物质发电设备等。分布式发电设备1可以将自身的信息(例如，运行状态信息)发送至云平台3。

采集设备2是在分布式发电设备1与云平台之间实现数据采集、数据传输等功能的设备或模块，例如，数据采集器、通信管理机、4G模块、WiFi模块、串口转以太网模块、HMI设备、发电设备内部可更换的子板卡、数据网关等设备。

其中，通过采集设备2辅助分布式发电设备1能够支持边缘计算技术，因此，采集设备2和分布式发电设备1可以统称为边缘计算节点。

云平台3收集分布式发电设备1或采集设备2上传的数据，并对这些数据进行分析，获得分析结果，例如，得到分布式发电设备2的故障原因、潜在的问题等。

其中，本发明实施例提供的云平台3具有三种工作模式依次为：定点分析模式、巡检模式和深度分析模式；边缘计算节点具有相对应的三种工作模式依次为：定点全速模式、分析模式和模型分析模式。

定点分析模式是运维人员针对具体的某台边缘计算节点的数据进行深度定点分析，例如，采用AR技术的电站运维与诊断。

巡检模式是云平台不定期的自动查询每个边缘计算节点的数据，此种模式下需要边缘计算节点对采集到的数据进行分析、计算，从而得到计算结果数据，边缘计算节点将计算结果数据上传至云平台。云平台对这些计算结果数据进行分析得到分析结果。

深度分析模式为云平台针对特定的边缘计算节点，重点寻找设备故障隐患、寿命评估、可靠性评估、最佳运维点等功能提供数据依据。

请参见图2，示出了本申请实施例提供的一种分布式能源系统的数据分析方法的流程图，该方法应用于图1所示的分布式能源系统中，如图2所示，该方法可以包括以下步骤：

S100，云平台向目标设备发送模式切换指令。

目标设备是指当前需要切换至目标工作模式的分布式发电设备或采集设备。目标设备的范围可以根据具体的工作模式的需求确定。

该模式切换指令用于指示目标设备切换至目标工作模式，目标设备的目标工作模式可以是定点全速模式、分析模式和模型分析模式中的任意一种模式。

模式切换指令中包含目标工作模式的信息，而且，云平台处于巡检模式时，模式切换指令中携带巡检数据范围。

S200，目标设备根据该模式切换指令切换至目标工作模式。

目标设备通过解析模式切换指令获得目标工作模式的信息，并将自身的工作模式切换至该目标工作模式。

S300，目标设备在目标工作模式下获得目标数据，并将目标数据发送至云平台。

在目标工作模式为定点全速模式的情况下，目标设备将数据采集周期缩短至最短数据采集周期，按照该最短数据采集周期采集数据，并将采集到的数据形成数据流并发送至云平台。从而实现获得细粒度的数据。

在目标工作模式为分析模式的情况下，目标设备解析模式切换指令还能获得巡检数据范围，获取巡检数据范围内的采集数据，并对该采集数据按照预设计算方式进行计算得到二次分析数据；将该二次分析数据发送至云平台。

在目标工作模式为模型分析模式的情况下，云平台会向目标设备下发计算模型的可执行文件，目标设备验证该可执行文件正确后执行该可执行文件得到相应的模型执行结果，并将该模型执行结果作为目标数据发送至云平台。

S400，云平台分析所述目标数据得到分析结果。

云平台对目标设备上传的目标数据进行分析得到分析结果。

例如，在定点分析模式下，云平台利用目标设备上传的数据流实现电站的AR运行和维护。

在巡检模式下，云平台将目标设备上传的二次分析数据输入至预制的数学模型中得到相应的诊断结果。

在深度分析模式下，云平台接收目标设备上传的模型执行结果(即，中间结果)输入至深度分析计算模型中，得到相应的深度分析结果，例如，深度分析结果包括但不限于设备的整体运行状况、核心器件的工作环境偏差值、核心器件的寿命区间预测、自损耗情况等。

本实施例提供的分布式能源系统的数据分析方法，使设备层具有相应的计算能力，从而获得深度数据；同时，利用云平台的数据广度对设备层的数据进行深入分析。使得设备层和云平台之间形成良好的数据配合关系，能够较早地发现潜在的问题，进而提高了系统的稳定性和可靠性。

下面将逐一介绍三种工作模式的具体工作过程：

(1)云平台工作在定点分析模式、采集设备/分布式发电设备工作在定点全速模式。

请参见图3，定点分析模式下，云平台会向需要进行定点分析的采集设备/分布式发电设备下发定点分析指令，接收到定点分析指令的采集设备/分布式发电设备会主动暂停采集无关设备的数据，并将数据采集周期缩短至设备所能适配的最短周期，然后将以最短采集周期采集到的数据形成数据流上传至云平台。

请参见图4，是本发明实施例提供的定点分析模式的工作流程图，此种应用场景下，云平台下发的模式切换指令即定点分析指令，用于指示设备切换至定点全速模式。

如图4所示，定点分析过程可以包括以下步骤：

S110，云平台向待定点分析设备发送定点分析指令。

待定点分析设备是指需要进行定点分析的分布式发电设备/采集设备。

云平台的定点分析模式由运维人员触发，当云平台开启定点分析模式后，向需要进行定点分析的采集设备/分布式发电设备发送定点分析指令，以使这些设备开启定点全速模式。

S120，待定点分析设备接收到定点分析指令后开启定点全速模式，将数据采集周期缩短至设备能支持的最短数据采集周期。

待定点分析设备进入定点全速模式后，暂停采集无关设备的数据，并将暂停状态上报至云平台，暂停状态更新后，待定点分析设备会将数据采集周期缩短至自身所支持的最短数据采集周期。

其中，受到实际环境影响，不同的采集设备/分布式发电设备所支持的最短数据采集周期会有所不同。

此外，未接收到云平台下发的定点分析指令的采集设备/分布式发电设备不会改变数据采集周期。

S130，待定点分析设备按照最短数据采集周期采集数据，并将采集到的数据形成数据流上传至云平台。

待定点分析设备采集的数据流上传至云平台后，为后续的功能做出数据支撑，例如，为AR运维技术提供实时数据流。

本实施例提供的分布式能源系统的数据分析方法，可以根据需求缩短采集设备/分布式发电设备的数据采集周期，获得细粒度采集数据，为后续进行深入分析提供数据支撑。

(2)云平台工作在巡检模式、采集设备/分布式发电设备工作在分析模式。

云平台启动巡检模式后边缘计算节点会对应启动分析模式，该模式下云平台会挑选出需要巡检的设备范围及数据范围，并且将数据范围下发至需要巡检的设备。此种应用场景下，云平台下发的模式切换指令即巡检指令和巡检数据范围。

请参见图5，巡检过程中，云平台向指定的采集设备或分布式发电设备下发巡检指令及巡检数据范围，指定的采集设备或分布式发电设备依据巡检指令开启分析模式并获取巡检数据范围内的数据，并对获得的巡检数据范围内的数据进行分析得到计算结果数据，然后，将计算结果数据上传至云平台中。

请参见图6，是本发明实施例提供的巡检过程的工作流程图，如图6所示，巡检过程具体可以包括以下步骤：

S210，云平台向待巡检设备发送巡检指令，其中，巡检指令中包括巡检数据范围。

待巡检设备是指需要进行巡检的边缘计算节点，即需要巡检的分布式发电设备或采集设备。

巡检数据范围是指与待巡检设备有关的需要进行巡检的数据。

待巡检设备和巡检数据范围均可以由工作人员挑选，选出待巡检设备和巡检数据范围后，云平台会向待巡检设备发送相应的巡检指令，该巡检指令用于使待巡检设备切换至分析模式，并获取巡检数据范围内的数据。

S220，待巡检设备接收到巡检指令后开启分析模式，并获取巡检数据范围内的数据。

待巡检设备接收到云平台下发的巡检指令后，对应开启分析模式，在分析模式下，待巡检设备会开辟出专用的数据空间，对指定的巡检数据范围内的数据进行跟踪和记录。获取的巡检数据范围内的数据可以称为一次数据。

S230，待巡检设备对巡检数据范围内的数据进行计算得到计算结果数据并上传至云平台。

然后，待巡检设备会对获得的巡检数据范围内的数据进行分析，得到计算结果数据，其中，计算结果数据可以包括最大值、最小值、平均值、均方根值、最大值平均值、最小值平均值、FFT分析结果、周期特征值的间隔时间、发生频率等。

其中，待巡检设备得到计算结果数据后按照指定的时间间隔上传至云平台，该时间间隔可以由云平台指定。

S240，云平台对接收到的计算结果数据进行分析得到诊断结果。

云平台将待巡检设备上传的计算结果数据输入至预制的数学模型中，得到相应的诊断结果。其中，数学模型是一组数学公式，根据诊断参数设计得到，用于判断诊断参数是否正常。

S250，云平台将该诊断结果发送至指定的显示设备进行显示。

云平台得到诊断结果后，可以将该诊断结果发送至指定的显示设备上进行显示。其中指定的显示设备可以是web浏览器或移动终端APP。

本实施例提供的分布式能源系统的数据分析方法，采集设备或分布式发电设备可以对采集的数据进行分析得到计算结果数据并上传至云平台。云平台对接收到的计算结果数据进行深入分析，得到待巡检设备的诊断结果。该方法使得采集设备/分布式发电设备具有一定的计算能力，获得数据的深度，从而为深入分析分布式能源系统中设备的运维与故障诊断提供有力的数据支持。

(3)云平台工作在深度分析模式、采集设备/分布式发电设备工作在模型分析模式。

请参见图7，此种工作模式下，云平台向采集设备/分布式发电设备下发模式切换指令中包含可执行的模型文件，采集设备/分布式发电设备对接收到的模型验证正确后，收集相应的数据并利用接收到的模型得到模型执行结果，然后将该模型执行结果上传至云平台，由云平台将该模型执行结果作为计算模型的输入数据，对设备的整体运行状况、核心器件工作环境偏差值、核心器件的寿命、损耗情况进行预测分析。

请参见图8，示出了深度分析模式对应的具体工作过程的流程图，如图8所示，深度分析模式的具体工作过程可以包括以下步骤：

S310，云平台向待深度分析设备下发模式切换指令，该模式切换指令中包括计算模型的可执行文件。

待深度分析设备是指需要进行深度分析的设备，例如，前述的经过巡检确定出的可能存在问题的设备。

云平台可以根据巡检模式下得到的初步的诊断结果，确定可能存在问题的趋势范围。然后，云平台再从计算模型库、器件模型库、设备标准特征值模板库、设备数据趋势库等数据获取相应的模型进行模型综合得到计算模型；然后，将计算模型动态生成采集设备/分布式发电设备可执行的二进制、源码、动态库、脚本等形式的文件。这些可执行文件可以通过网络下发至待深度分析设备。

S320，待深度分析设备对所述计算模型的可执行文件进行正确性验证，若验证正确，则执行S330。若验证不正确，则结束当前流程。

待深度分析设备接收到模式切换指令后解析该模式切换指令获得计算模型的可执行文件，并对计算模型的可执行文件进行正确性验证。

正确性验证过程可以包括安全性检查、沙盒验证；其中，安全性检查包括但不限于：对可执行文件的文件内容正确性验证、调用接口验证、计算资源申请合法性等。启动沙盒验证程序对可执行文件进行运行态正确性判断，判断无误后进入正式启动环节。

S330，待深度分析设备执行该可执行文件得到模型执行结果并上传至云平台。

待深度分析设备加载接收到的可执行文件后，会根据计算模型的要求获取相应的数据并存储到对应的数据库或数据文件中。确定计算模型所需的数据均已获得后，当根据当前设备的资源剩余情况确定需要分配资源时，为当前设备动态分配CPU资源和内存资源，并开启独立的进程或线程执行计算模型。

在执行完计算模型后会生成模型执行结果，并将该模型执行结果上传至云平台对数据进行最终处理，至此完成一个周期的工作。之后，该待深度分析设备自动进入下一个计算周期。如果计算模型发生改变，则该带深度分析设备会在最近一次完成计算后更新计算模型，即替换为最新的计算模型。

S340，云平台将接收到的模型执行结果进行深入分析得到深度分析结果。

其中，云平台将待深度分析设备上传的模型执行结果输入至云平台中的深度分析计算模型中，该深度分析计算模型输出相应的深度分析结果，例如，深度分析结果包括但不限于设备的整体运行状况、核心器件的工作环境偏差值、核心器件的寿命区间预测、自损耗情况等。

此外，待深度分析设备上传的模型执行结果被引用的方式包括但不限制为：数据图表显示、实时数值显示、数据二次分析、历史数据存储、设备问题诊断分析、模型基础数据、AR/VR技术引用数据、寿命分析、预测数据、区块链可信计算、电费实时计算、调度控制计算、参数动态调节计算、VPP虚拟电站调度等。

本实施例提供的分布式能源系统的数据分析方法，云平台向待深度分析设备下发计算模型的可执行文件，待深度分析设备验证可执行文件正确后，执行该计算模型得到模型执行结果，并将该模型执行结果上传至云平台。云平台对模型执行结果进行深度分析，得到深入分析系统的运维和故障诊断的结果，例如，深度分析得到设备的整体运行状况、核心器件工作环境偏差值、核心器件的寿命、损耗情况等。

相应于上述的分布式能源系统的数据分析方法实施例，本申请还提供了分布式能源系统的数据分析装置实施例。

请参见图9，示出了本申请实施例提供的一种分布式能源系统的数据分析装置的结构示意图，该装置应用于分布式发电设备或采集设备中，如图9所示，该装置可以包括：模式切换模块110和获取模块120。

模式切换模块110，用于接收云平台发送的模式切换指令，并根据模式切换指令切换至目标工作模式。

获取模块120，用于在目标工作模式下获得目标数据，并将目标数据发送至云平台，以使云平台对目标数据进行分析得到分析结果。

其中，目标数据包括以下至少一种：分布式发电设备或采集设备直接采集得到的数据，以及对直接采集得到的数据按照预设分析方式进行分析得到的二次分析数据。

在目标工作模式为定点全速模式的应用场景下，获取模块120具体用于：将数据采集周期缩短至最短数据采集周期，并按照所述最短数据采集周期采集数据；将采集到的数据形成数据流并发送至云平台。

在目标工作模式为分析模式的应用场景下，获取模块120具体用于：获取巡检数据范围内的采集数据，所述巡检数据范围包含于所述模式切换指令中；然后，对采集数据按照预设计算方式进行计算得到所述二次分析数据，并将所述二次分析数据发送至云平台。

在目标工作模式为模型分析模式的应用场景下，获取模块120具体用于：获取所述云平台下发的计算模型的可执行文件；对计算模型的可执行文件进行正确性校验；当验证正确后，执行可执行文件得到所述二次分析数据，并将二次分析数据发送至云平台。

本实施例提供的分布式能源系统的数据分析装置，使设备层具有相应的计算能力，从而获得深度数据；同时，利用云平台的数据广度对设备层的数据进行深入分析。使得设备层和云平台之间形成良好的数据配合关系，能够较早地发现潜在的问题，进而提高了系统的稳定性和可靠性。

请参见图10，示出了本申请实施例提供的另一种分布式能源系统的数据分析装置的结构示意图，该装置应用于云平台中，如图10所示，该装置包括：发送模块210、接收模块220、分析模块230。

发送模块210，用于向目标设备发送模式切换指令。

所述模式切换指令用于指示所述目标设备切换至目标工作模式。

确定云平台的目标模式及相应的目标设备范围，然后，生成相应的模式切换指令并发送至目标设备。

接收模块220，用于接述目标设备上传的处于目标工作模式时获得的目标数据。

所述目标数据包括以下至少一种：所述目标设备采集的数据和对采集到的数据按照预设分析方式分析得到的二次分析数据。

分析模块230，用于分析目标数据得到分析结果。

在定点分析模式的应用场景下，目标设备获得的细粒度数据可以用于实现深度定点分析，例如，实现电站的AR运维和诊断。

在巡检模式的应用场景下，云平台将目标设备获得的二次分析数据输入至预制的数学模型中得到相应的诊断结果。

在深度分析模式的应用场景下，云平台将目标设备上传的二次分析数据(即，模型执行数据)输入至深度分析计算模型中，得到深度分析结果。

本实施例提供的分布式能源系统的数据分析方法，使设备层具有相应的计算能力，从而获得深度数据；同时，利用云平台的数据广度对设备层的数据进行深入分析。使得设备层和云平台之间形成良好的数据配合关系，能够较早地发现潜在的问题，进而提高了系统的稳定性和可靠性。

对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本发明所必须的。

需要说明的是，本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。对于装置类实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

本申请各实施例方法中的步骤可以根据实际需要进行顺序调整、合并和删减。

本申请各实施例中的装置及终端中的模块和子模块可以根据实际需要进行合并、划分和删减。

本申请所提供的几个实施例中，应该理解到，所揭露的终端，装置和方法，可以通过其它的方式实现。例如，以上所描述的终端实施例仅仅是示意性的，例如，模块或子模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个子模块或模块可以结合或者可以集成到另一个模块，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或模块的间接耦合或通信连接，可以是电性，机械或其它的形式。

作为分离部件说明的模块或子模块可以是或者也可以不是物理上分开的，作为模块或子模块的部件可以是或者也可以不是物理模块或子模块，即可以位于一个地方，或者也可以分布到多个网络模块或子模块上。可以根据实际的需要选择其中的部分或者全部模块或子模块来实现本实施例方案的目的。

另外，在本申请各个实施例中的各功能模块或子模块可以集成在一个处理模块中，也可以是各个模块或子模块单独物理存在，也可以两个或两个以上模块或子模块集成在一个模块中。上述集成的模块或子模块既可以采用硬件的形式实现，也可以采用软件功能模块或子模块的形式实现。

最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

对所公开的实施例的上述说明，使本领域技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (10)

1.一种分布式能源系统的数据分析方法，其特征在于，应用于设备层，所述方法包括：

接收云平台发送的模式切换指令，并根据所述模式切换指令切换至目标工作模式；

在所述目标工作模式下获得目标数据，并将所述目标数据发送至云平台，以使所述云平台对所述目标数据进行分析得到分析结果；

其中，所述目标数据包括以下至少一种：直接采集得到的数据，以及对直接采集得到的数据按照预设分析方式进行分析得到的二次分析数据。

2.根据权利要求1所述的方法，其特征在于，所述目标工作模式为定点全速模式；

所述在所述目标工作模式下获得目标数据，并将所述目标数据发送至云平台，包括：

将数据采集周期缩短至最短数据采集周期，并按照所述最短数据采集周期采集数据；

将采集到的数据形成数据流并发送至云平台。

3.根据权利要求1所述的方法，其特征在于，所述目标工作模式为分析模式；

所述在所述目标工作模式下获得目标数据，并将所述目标数据发送至云平台，包括：

获取巡检数据范围内的采集数据，所述巡检数据范围包含于所述模式切换指令中；

对所述采集数据按照预设计算方式进行计算得到所述二次分析数据，并将所述二次分析数据发送至云平台。

4.根据权利要求1所述的方法，其特征在于，所述目标工作模式为模型分析模式；

所述在所述目标工作模式下获得目标数据，并将所述目标数据发送至云平台，包括：

获取所述云平台下发的计算模型的可执行文件；

对所述计算模型的可执行文件进行正确性校验；

当验证正确后，执行所述可执行文件得到所述二次分析数据，并将所述二次分析数据发送至云平台。

5.一种分布式能源系统的数据分析方法，其特征在于，应用于云平台中，所述方法包括：

向目标设备发送模式切换指令，所述模式切换指令用于指示所述目标设备切换至目标工作模式；

接收所述目标设备上传的处于所述目标工作模式时获得的目标数据，所述目标数据包括以下至少一种：所述目标设备采集的数据和对采集到的数据按照预设分析方式分析得到的二次分析数据；

分析所述目标数据得到分析结果。

6.根据权利要求5所述的方法，其特征在于，所述目标数据包括所述目标设备对所采集的数据按照预设计算方式计算得到的二次分析数据；

所述分析所述目标数据得到分析结果，包括：

将所述二次分析数据输入至预制的数学模型中得到诊断结果。

7.根据权利要求5所述的方法，其特征在于，所述目标数据包括所述目标设备执行所述云平台下发的计算模型的可执行文件后得到的二次分析数据；

所述分析所述目标数据得到分析结果，包括：

将所述二次分析数据输入至深度分析计算模型中得到深度分析结果。

8.根据权利要求5-7任一项所述的方法，其特征在于，所述向目标设备发送模式切换指令，包括：

确定云平台的目标模式及相应的目标设备；

依据所述目标模式生成所述模式切换指令，并将所述模式切换指令发送至所述目标设备。

9.一种分布式能源系统的数据分析装置，其特征在于，应用于设备层，所述装置包括：

模式切换模块，用于接收云平台发送的模式切换指令，并根据所述模式切换指令切换至目标工作模式；

获取模块，用于在所述目标工作模式下获得目标数据，并将所述目标数据发送至云平台，以使所述云平台对所述目标数据进行分析得到分析结果；

其中，所述目标数据包括以下至少一种：直接采集得到的数据，以及对直接采集得到的数据按照预设分析方式进行分析得到的二次分析数据。

10.一种分布式能源系统的数据分析装置，其特征在于，应用于云平台中，所述装置包括：

发送模块，用于向目标设备发送模式切换指令，所述模式切换指令用于指示所述目标设备切换至目标工作模式；

接收模块，用于接收所述目标设备上传的处于所述目标工作模式时获得的目标数据，所述目标数据包括以下至少一种：所述目标设备采集的数据和对采集到的数据按照预设分析方式分析得到的二次分析数据；

分析模块，用于分析所述目标数据得到分析结果。