CN115658772A - 一种无人机光伏巡检数据类资产管理方法及系统 - Google Patents
一种无人机光伏巡检数据类资产管理方法及系统 Download PDFInfo
- Publication number
- CN115658772A CN115658772A CN202211400748.1A CN202211400748A CN115658772A CN 115658772 A CN115658772 A CN 115658772A CN 202211400748 A CN202211400748 A CN 202211400748A CN 115658772 A CN115658772 A CN 115658772A
- Authority
- CN
- China
- Prior art keywords
- photovoltaic
- aerial vehicle
- unmanned aerial
- fault
- 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.)
- Pending
Links
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提出一种无人机光伏巡检数据类资产管理方法及系统,采取如下步骤:S1、基于无人机光伏巡检数据设计相对应的光伏巡检数据整理与挖掘模型;S2、构建光伏组件状态评估和故障预警模型,实现光伏组件状态评估和潜在故障的预警;S3、基于无人机光伏巡检数据和光伏组件状态评估和故障预警模型的评估和预警结果,汇总统计并生成光伏组件状态评估结果和故障预警管理表。本发明的有益效果为:可对无人机光伏巡检数据进行深入挖掘,实现数据可视化的同时,可快速的定位故障点,明确其地理位置,快速预警并提出运维措施,并深入综合分析不同故障类型之间的联系,有效防止故障的扩大,有针对性地提出进一步的运维措施,为光伏电站的稳定运行提供保障。
Description
技术领域
本发明涉及新能源领域,涉及光伏信息管理领域,特别是指一种无人机光伏巡检数据类资产管理方法及系统。
背景技术
光伏电站的巡检模式逐渐由人工巡检方式转变为无人机巡检方式,无人机在日常的巡检运作中会产生大量的巡检数据,目前,对于这类无人机光伏数据类资产的管理工作普遍采用传统的数据存储管理手段,仅能实现数据的采集和存储,这些数据仅仅用于当时的故障识别。在关键数据的提取以及数据关联关系的建立等方面仍需依靠人工进行,费时费力。同时,光伏巡检数据是否存在异常往往很难辨知,而且在进行故障识别之后,海量光伏巡检数据往往会长期搁置,未能有效地进行二次挖掘利用,难以产生应有的价值。
发明内容
本发明提出一种无人机光伏巡检数据类资产管理方法及系统,解决了现有技术中上述的问题。
本发明的技术方案是这样实现的:
一种无人机光伏巡检数据类资产管理方法,包括如下步骤:
S1、基于无人机光伏巡检数据设计相对应的光伏巡检数据整理与挖掘模型;
S2、构建光伏组件状态评估和故障预警模型,实现光伏组件状态评估和潜在故障的预警;
S3、基于无人机光伏巡检数据和光伏组件状态评估和故障预警模型的评估和预警结果,汇总统计并生成光伏组件状态评估结果和故障预警管理表;
进一步的,还包括以地理可视化的形式,动态展示一段时间内的光伏组件状态评估结果,实现光伏组件状态评估结果的动态反馈的步骤;
进一步的,还包括基于无人机在光伏巡检中采集的图像数据构建无人机光伏巡检数据故障分类特征库和光伏组件巡检故障数据关系关联特征库,无人机光伏巡检数据故障分类特征库主要基于各类型故障数据的特征对光伏巡检数据进行故障分类存储,光伏组件巡检故障数据关系关联特征库主要基于故障间的相互影响和联系进行存储。根据无人机光伏巡检数据故障分类指标特征训练构建无人机光伏巡检数据故障分类模型,无人机光伏巡检数据故障分类模型主要基于神经网络算法根据故障分类特征库对故障分类模型进行训练学习,并根据故障类型提出故障原因和运维措施,实现巡检数据故障分类和运维的步骤。
进一步的,还包括根据无人机光伏巡检数据故障分类特征库和光伏组件巡检故障数据关系关联特征库构建无人机光伏巡检故障综合分析模型,实现无人机光伏巡检故障数据的综合分析;无人机光伏巡检故障综合分析模型基于故障类型与故障之间的关系分析现有故障类型与后续可能引发的故障。
本发明还提出一种无人机光伏巡检数据类资产管理系统,采用以上所述的无人机光伏巡检数据类资产方法实现无人机光伏巡检数据类资产的管理。
本发明的有益效果为:本发明所述的无人机光伏巡检数据类资产管理方法及系统,可对无人机光伏巡检数据进行深入挖掘,实现数据可视化的同时,可快速的定位故障点,明确其地理位置,快速预警并提出运维措施,并深入综合分析不同故障类型之间的联系,有效防止故障的扩大,有针对性地提出进一步的运维措施,为光伏电站的稳定运行提供保障。
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,下面描述中的附图仅仅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性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明一种无人机光伏巡检数据类资产管理方法及系统第一个实施例的原理示意图;
图2为本发明一种无人机光伏巡检数据类资产管理方法及系统第二个实施例的原理示意图;
图3为本发明一种无人机光伏巡检数据类资产管理方法及系统第三个实施例的原理示意图。
具体实施方式
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,所描述的实施例仅仅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作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。
实施例1
如图1所示,一种无人机光伏巡检数据类资产管理方法,包括如下步骤:
S1、基于无人机光伏巡检数据设计相对应的光伏巡检数据整理与挖掘模型,具体为:
整理无人机巡检发现的故障数据,并进行聚类分析,形成各光伏组件故障频率分析结果;
利用k均值聚类算法,将故障数据分为k组,根据光伏组件的故障频率分为经常故障、偶尔故障、可能故障、无故障四种情况;
聚类属于非监督学习,K均值聚类是最基础常用的聚类算法,它的基本思想是,通过迭代寻找K个簇(Cluster)的一种划分方案,使得聚类结果对应的损失函数最小;
其中,损失函数可以定义为各个样本距离所属簇中心点的误差平方和:
其中xi代表第i个样本,ci是xi所属的簇,μci代表簇对应的中心点,M是样本总数;
首先将数据进行标准化和异常点过滤;
然后随机选取K个中心,记为μ1 (0),μ2 (0),…,μk (0);
之后定义损失函数:
令t=0,1,2,...t为迭代步数,重复如下过程知道J收敛:
(1)对于每一个样本xi,将其分配到距离最近的中心
(2)对于每一个类中心k,重新计算该类的中心
光伏巡检数据整理与挖掘模型基于预设的模板实现对无人机光伏巡检数据的挖掘、配组及格式的标准化,并唤醒对应的光伏组件状态评估和故障预警模型;
S2、构建光伏组件状态评估和故障预警模型,实现光伏组件状态评估和潜在故障的预警,具体为:
根据故障次数、故障间隔、故障持续时间和故障等级几个指标,构建光伏组件状态评估和故障预警模型,确定指标的各主成分在各线性组合中的系数,系数计算公式为:
其中S为指标的各主成分在各线性组合中的系数,C为成分载荷,R为对应特征根;
然后确定各因素在综合得分模型中的系数,即
Z=(S1×F1+S2×F2+…+Sn×Fn)/(F1+F2+…+Fn)
其中Z为综合系数,Sn为各成分的系数,Fn为各成分对应的方差解释度;
将各因素在综合得分模型中的系数进行归一化处理,即:
Q=α/(Z1+Z2+…+Zn)
其中Q为权重,α为综合系数即1,Zn为各综合系数,最终确定光伏组件状态评估的指标及其对应的权重系数;
利用光伏电站实时运维数据以及历史主成分因子的平均值,对各指标进行打分,并利用权重系数,最终得到状态评估的最终分数,即:
γ=Z1*θ1+Z2*θ2+…+Zn*θn
其中γ为最终的状态评估分数,Zn为权重系数,θn为各指标得分;
S3、基于无人机光伏巡检数据和光伏组件状态评估和故障预警模型的评估和预警结果,汇总统计并生成光伏组件状态评估结果和故障预警管理表。
光伏组件状态评估结果和故障预警管理表内存储无人机光伏巡检数据、无人机光伏巡检数据评估指标、对应的评估结果以及是否为故障组件并进行预警。
一种无人机光伏巡检数据类资产管理系统,采用本实施例中所述的无人机光伏巡检数据类资产管理方法实现无人机光伏巡检数据类资产的管理。
本实施例中,光伏巡检数据整理与挖掘模型基于预设的模板实现无人机光伏巡检数据的挖掘、配组和格式的标准化。当光伏巡检数据整理与挖掘模型对巡检数据进行挖掘整理时会整理并汇总发现的异常数据,在完成数据的挖掘和整理后形成光伏组件状态评估结果和故障预警管理表,并立刻反馈到光伏电站运维管理系统,另外挖掘整理后的光伏组件状态评估结果和故障预警管理表会被存储,方便以后的二次利用。
实施例2
如图2所示,一种无人机光伏巡检数据类资产管理方法,包括如下步骤:
S1、基于无人机光伏巡检数据设计相对应的光伏巡检数据整理与挖掘模型;
S2、构建光伏组件状态评估和故障预警模型,实现光伏组件状态评估和潜在故障的预警;
S3、基于无人机光伏巡检数据和光伏组件状态评估和故障预警模型的评估和预警结果,汇总统计并生成光伏组件状态评估结果和故障预警管理表;
S4、以地理可视化的形式,动态展示一段时间内的光伏组件状态评估结果,实现光伏组件状态评估结果的动态反馈的步骤,并实时捕捉异常的光伏组件状态评估结果,实现无人机光伏巡检系统与光伏电站运维管理系统的同步预警的步骤。
其中,光伏组件故障告警利用地理可视化方式标记故障点,并携带当前捕捉到的光伏组件故障数据评估结果,故障同时发送到无人机光伏巡检系统与光伏电站运维管理系统,实现同步预警,将当前捕捉到的异常无人机光伏巡检数据评估结果及其对应的源数据来源发送至管理人员终端。
光伏巡检数据整理与挖掘模型主要对数据进行数据审查、筛选、处理,并利用关联分析、聚类分析、决策树等手段实现无人机光伏巡检数据的挖掘、配组及格式的标准化,并唤醒对应的光伏组件状态评估和故障预警模型。
一种无人机光伏巡检数据类资产管理系统,采用本实施例中所述的无人机光伏巡检数据类资产方法实现无人机光伏巡检数据类资产的管理。
本实施例中,光伏巡检数据整理与挖掘模型基于预设的模板实现无人机光伏巡检数据的挖掘、配组和格式的标准化。当光伏巡检数据整理与挖掘模型对巡检数据进行挖掘整理时会整理并汇总发现的异常数据,在完成数据的挖掘和整理后,唤醒并利用对应的光伏组件状态评估和故障预警模型进行分析,形成光伏组件状态评估结果和故障预警管理表立刻反馈到光伏电站运维管理系统,同时,汇总后的数据将以地理可视化标记故障点的形式展示出来。另外挖掘整理后的光伏组件状态评估结果和故障预警管理表会被存储,方便以后的二次利用。
实施例3
如图3所示,一种无人机光伏巡检数据类资产管理方法,包括如下步骤:
S1、基于无人机光伏巡检数据设计相对应的光伏巡检数据整理与挖掘模型;
S2、构建光伏组件状态评估和故障预警模型,实现光伏组件状态评估和潜在故障的预警;
S3、基于无人机光伏巡检数据和光伏组件状态评估和故障预警模型的评估和预警结果,汇总统计并生成光伏组件状态评估结果和故障预警管理表;
S4、以地理可视化的形式,动态展示一段时间内的光伏组件状态评估结果,实现光伏组件状态评估结果的动态反馈的步骤,并实时捕捉异常的光伏组件状态评估结果,实现无人机光伏巡检系统与光伏电站运维管理系统的同步预警的步骤。
其中,光伏组件故障告警利用地理可视化方式标记故障点,并携带当前捕捉到的光伏组件故障数据评估结果,故障同时发送到无人机光伏巡检系统与光伏电站运维管理系统,实现同步预警,将当前捕捉到的异常无人机光伏巡检数据评估结果及其对应的源数据来源发送至管理人员终端;
S5、基于无人机在光伏巡检中采集的图像数据构建无人机光伏巡检数据故障分类特征库和光伏组件巡检故障数据关系关联特征库,根据无人机光伏巡检数据故障分类指标特征训练构建无人机光伏巡检数据故障分类模型,并根据故障类型提出故障原因和运维措施,实现巡检数据故障分类和运维的步骤;
本实施例中,基于无人机在光伏巡检中采集的图像数据,利用卷积神经网络模型对巡检数据进行故障识别,并基于人工结合机器学习的方式实现无人机光伏巡检数据故障分类特征库和光伏组件巡检故障数据关系关联特征库的构建;
利用最短路径算法计算无人机飞行路径,用最短距离对所有故障点进行二次巡检;算法公式如下:
A-1[i][j]=cost[i][j]
Ak+1[i][j]=min(Ak[i][j],Ak[i][k+1]+Ak[k+1][j])(-1≤k≤n-2)
其中cost为邻接矩阵存储方式,二维数组A用来存放当前顶点之间的最短路径长度,分量A[i][j]表示当前顶点i到顶点j到最短路径长度;Floyd算法到基本思想是递推产生一个矩阵序列A0,A1,…,Ak,…,An,其中Ak[i][j]表示从顶点i到顶点j的路径上经过的顶点编号不大于k的最短路径长度;
S6、根据无人机光伏巡检数据故障分类特征库和光伏组件巡检故障数据关系关联特征库构建无人机光伏巡检故障综合分析模型,实现无人机光伏巡检故障数据的综合分析;
不同故障之间可能会相互影响,小故障有可能引起大故障,通过无人机光伏巡检故障综合分析模型,深入综合分析不同故障类型之间的联系,可有效防止故障的扩大,并根据分析结果有针对性地提出进一步的运维措施。
一种无人机光伏巡检数据类资产管理系统,采用本实施例中所述的无人机光伏巡检数据类资产方法实现无人机光伏巡检数据类资产的管理。
本实施例中,光伏巡检数据整理与挖掘模型基于预设的模板实现无人机光伏巡检数据的挖掘、配组和格式的标准化。当光伏巡检数据整理与挖掘模型对巡检数据进行挖掘整理时会整理并汇总发现的异常数据,在完成数据的挖掘和整理后形成光伏组件状态评估结果和故障预警管理表立刻反馈到光伏电站运维管理系统,同时,汇总后的数据将以地理可视化标记故障点的形式展示出来。另外挖掘整理后的光伏组件状态评估结果和故障预警管理表会被存储,方便以后的二次利用。通过无人机光伏巡检故障综合分析模型,深入综合分析不同故障类型之间的联系,可有效防止故障的扩大,并根据分析结果有针对性地提出进一步的运维措施。
本发明的有益效果为:本发明所述的无人机光伏巡检数据类资产管理方法及系统,可对无人机光伏巡检数据进行深入挖掘,实现数据可视化的同时,可快速的定位故障点,明确其地理位置,快速预警并提出运维措施,并深入综合分析不同故障类型之间的联系,有效防止故障的扩大,有针对性地提出进一步的运维措施,为光伏电站的稳定运行提供保障。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (5)
1.一种无人机光伏巡检数据类资产管理方法,其特征在于,包括如下步骤:
S1、基于无人机光伏巡检数据设计相对应的光伏巡检数据整理与挖掘模型;
S2、构建光伏组件状态评估和故障预警模型,实现光伏组件状态评估和潜在故障的预警;
S3、基于无人机光伏巡检数据和光伏组件状态评估和故障预警模型的评估和预警结果,汇总统计并生成光伏组件状态评估结果和故障预警管理表。
2.根据权利要求1所述的无人机光伏巡检数据类资产管理方法,其特征在于,还包括以地理可视化的形式,动态展示一段时间内的光伏组件状态评估结果,实现光伏组件状态评估结果的动态反馈的步骤。
3.根据权利要求1所述的无人机光伏巡检数据类资产管理方法,其特征在于,还包括基于无人机在光伏巡检中采集的图像数据构建无人机光伏巡检数据故障分类特征库和光伏组件巡检故障数据关系关联特征库。根据无人机光伏巡检数据故障分类指标特征训练构建无人机光伏巡检数据故障分类模型,并根据故障类型提出故障原因和运维措施,实现巡检数据故障分类和运维的步骤。
4.根据权利要求1所述的无人机光伏巡检数据类资产管理方法,其特征在于,还包括根据无人机光伏巡检数据故障分类特征库和光伏组件巡检故障数据关系关联特征库构建无人机光伏巡检故障综合分析模型,实现无人机光伏巡检故障数据的综合分析。
5.一种无人机光伏巡检数据类资产管理系统,其特征在于,采用权利要求1~4中的方法,实现无人机光伏巡检数据类资产的管理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211400748.1A CN115658772A (zh) | 2022-11-09 | 2022-11-09 | 一种无人机光伏巡检数据类资产管理方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211400748.1A CN115658772A (zh) | 2022-11-09 | 2022-11-09 | 一种无人机光伏巡检数据类资产管理方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115658772A true CN115658772A (zh) | 2023-01-31 |
Family
ID=85015392
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211400748.1A Pending CN115658772A (zh) | 2022-11-09 | 2022-11-09 | 一种无人机光伏巡检数据类资产管理方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115658772A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116862482A (zh) * | 2023-09-04 | 2023-10-10 | 成都昱风能源有限公司 | 基于人工智能和大数据分析的发电站巡检系统和方法 |
-
2022
- 2022-11-09 CN CN202211400748.1A patent/CN115658772A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116862482A (zh) * | 2023-09-04 | 2023-10-10 | 成都昱风能源有限公司 | 基于人工智能和大数据分析的发电站巡检系统和方法 |
CN116862482B (zh) * | 2023-09-04 | 2023-11-07 | 成都昱风能源有限公司 | 基于人工智能和大数据分析的发电站巡检系统和方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2021184630A1 (zh) | 基于知识图谱定位排污对象的方法及相关设备 | |
US20230141886A1 (en) | Method for assessing hazard on flood sensitivity based on ensemble learning | |
CN110705855A (zh) | 一种企业环境画像评价方法及系统 | |
CN103760901A (zh) | 一种基于关联规则分类器的轨道交通故障识别方法 | |
CN110348490A (zh) | 一种基于支持向量机算法的土壤质量预测方法及装置 | |
CN111506635A (zh) | 一种基于自回归和朴素贝叶斯算法的居民用电行为分析的系统及方法 | |
CN115511367B (zh) | 生产线的质量智能管理系统 | |
CN115658772A (zh) | 一种无人机光伏巡检数据类资产管理方法及系统 | |
CN112365186A (zh) | 一种电力信息系统健康度评估方法及其评估系统 | |
CN115719283A (zh) | 一种智能化会计管理系统 | |
CN112200238A (zh) | 基于声响特征的硬岩拉剪破裂识别方法与装置 | |
CN115617784A (zh) | 一种信息化配电的数据处理系统及其处理方法 | |
CN116541782A (zh) | 一种电力营销数据异常识别方法 | |
CN113657747B (zh) | 一种企业安全生产标准化级别智能评定系统 | |
CN107357941A (zh) | 一种可实时对水雨情数据进行检验的系统和方法 | |
CN113485218A (zh) | 一种基于5g的智慧物联监管平台 | |
CN113267601A (zh) | 一种基于机器视觉和数据分析的工业生产环境远程实时监测云平台 | |
CN110807174B (zh) | 一种基于统计分布的污水厂厂群出水分析及异常识别方法 | |
CN116865994A (zh) | 一种基于大数据的网络数据安全预测方法 | |
CN114676931B (zh) | 一种基于数据中台技术的电量预测系统 | |
CN113191170B (zh) | 公共设施二维码损毁巡检有效性预测方法及系统 | |
CN115392710A (zh) | 一种基于数据过滤的风电机组运行决策方法及系统 | |
CN112732773B (zh) | 一种继电保护缺陷数据的唯一性校核方法及系统 | |
CN207232961U (zh) | 一种可实时对水雨情数据进行检验的系统 | |
CN112561230A (zh) | 基于电气特征的环保设备状态监测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |