CN117938076A - 光储能系统的运维管理方法及装置 - Google Patents

光储能系统的运维管理方法及装置 Download PDF

Info

Publication number
CN117938076A
CN117938076A CN202311869164.3A CN202311869164A CN117938076A CN 117938076 A CN117938076 A CN 117938076A CN 202311869164 A CN202311869164 A CN 202311869164A CN 117938076 A CN117938076 A CN 117938076A
Authority
CN
China
Prior art keywords
equipment
fault
target
maintenance
energy storage
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
Application number
CN202311869164.3A
Other languages
English (en)
Inventor
浦白云
冉琪
齐琳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Anhui Tairan Information Technology Co ltd
Original Assignee
Anhui Tairan Information Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Anhui Tairan Information Technology Co ltd filed Critical Anhui Tairan Information Technology Co ltd
Priority to CN202311869164.3A priority Critical patent/CN117938076A/zh
Publication of CN117938076A publication Critical patent/CN117938076A/zh
Pending legal-status Critical Current

Links

Classifications

    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/20—Administration of product repair or maintenance
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
    • H02J13/00001—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by the display of information or by user interaction, e.g. supervisory control and data acquisition systems [SCADA] or graphical user interfaces [GUI]
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
    • H02J13/00002—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by monitoring
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
    • H02J13/00032—Systems characterised by the controlled or operated power network elements or equipment, the power network elements or equipment not otherwise provided for
    • 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
    • H02S10/00—PV power plants; Combinations of PV energy systems with other systems for the generation of electric power
    • H02S10/20—Systems characterised by their energy storage means
    • 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
    • H02S40/00—Components or accessories in combination with PV modules, not provided for in groups H02S10/00 - H02S30/00
    • H02S40/30—Electrical components
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • H02J2300/22—The renewable source being solar energy
    • H02J2300/24—The renewable source being solar energy of photovoltaic origin

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Power Engineering (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Water Supply & Treatment (AREA)
  • Human Computer Interaction (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明本发明涉及数据处理技术领域，公开了一种光储能系统的运维管理方法及装置，该方法包括：获取光储能系统中目标设备的设备参数，确定目标设备的当前设备参数和标准设备参数之间的设备参数差异，将目标设备的当前设备参数和设备参数差异输入到预先训练好的设备故障分析模型中进行分析，得到目标设备对应的故障信息，根据故障信息生成针对目标设备的设备维修方案和/或设备维护方案。可见，实施本发明能够提高确定目标设备故障信息的确定效率和准确性，提高针对目标设备的设备运维方案的确定准确性和确定效率，能够提高对目标设备进行维修或维护的准确性和效率，进而提高光储能系统的运行安全性和稳定性。

Description

光储能系统的运维管理方法及装置
技术领域
本发明涉及数据处理技术领域，尤其涉及一种光储能系统的运维管理方法及装置。
背景技术
随着全球气候的不断变化，世界能源安全的不确定性，各国均开始对能源结构进行调整，实现由以化石能源为主向以可再生能源为主的能源转型升级，光能发电作为可再生能源的重要组成部分，在能源转型升级中得到快速发展。
光储能系统综合运用先进的电力电子技术，信息技术和智能管理技术，将大量分布式的光电设备进行统一管理。然而，随着光储能系统中光电设备规模的发展，其不可避免的在运行过程中产生故障问题，现有技术中常常通过在设备上安装故障传感器来监测设备的故障，仅具有故障告警和监控功能，且故障检测效率较低，使光储能系统在运行过程中存在极大的安全隐患。因此，提出一种能够提高光储能系统的运行安全性和稳定性的技术方案显得尤为重要。
发明内容
本发明提供了一种光储能系统的运维管理方法及装置，能够有利于提高光储能系统的运行安全性和稳定性。
为了解决上述技术问题，本发明第一方面公开了一种光储能系统的运维管理方法，所述方法包括：
获取光储能系统中目标设备的设备参数，所述目标设备包括光电设备、储能设备和耗能设备中的至少一种，设备参数包括所述目标设备对应的当前设备参数和标准设备参数；
确定所述目标设备的所述当前设备参数和所述标准设备参数之间的设备参数差异；
将所述目标设备的所述当前设备参数和所述设备参数差异输入到预先训练好的设备故障分析模型中进行分析，得到所述目标设备对应的故障信息，所述故障信息包括所述目标设备的当前故障信息和/或预测故障信息；
根据所述故障信息生成针对所述目标设备的设备运维方案，所述设备运维方案包括设备维修方案和/或设备维护方案。
作为一种可选的实施方式，在本发明第一方面中，所述根据所述故障信息生成针对所述目标设备的设备运维方案，包括：
根据所述目标设备对应的故障信息确定所述目标设备对应的故障标签，所述故障标签包括故障类型标签和/或故障等级标签；
获取历史故障标签数据库，所述历史故障标签数据库包括至少一个历史故障标签以及每个所述历史故障标签对应的历史运维方案；
在所述历史故障标签数据库中确定与所述目标设备对应的故障标签相匹配的目标历史运维方案；
根据所述目标设备对应的故障标签和所述目标历史运维方案确定针对所述目标设备的设备运维方案。
作为一种可选的实施方式，在本发明第一方面中，所述方法还包括：
获取所述光储能系统中每个设备的设备历史数据，每个所述设备的设备历史数据包括每个所述设备对应的设备历史故障数据和所述设备历史故障数据对应的设备历史运行参数；
根据每个所述设备的所述设备历史故障数据和所述设备历史运行参数，确定每个所述设备对应的历史故障场景信息；
按照预设的数据规则对每个所述设备的设备历史数据进行数据处理，得到训练数据集；
基于每个所述设备对应的历史故障场景信息和所述训练数据集，建立所述光储能系统对应的设备故障分析模型。
作为一种可选的实施方式，在本发明第一方面中，所述训练数据集包括所述设备历史故障数据对应的参考数据集和所述设备历史运行参数对应的基础数据集；
所述基于每个所述设备对应的历史故障场景信息和所述训练数据集，建立所述光储能系统对应的设备故障分析模型，包括：
选择与所述历史故障场景信息相匹配的算法模型，并基于所述算法模型建立所述光储能系统对应的初始设备故障分析模型；
将所述基础数据集输入到所述初始设备故障分析模型中进行模型训练，得到所述基础数据集对应的模型输出；
根据所述模型输出和所述参考数据集计算所述初始设备故障分析模型对应的模型损失，并确定所述模型损失是否满足预设的模型收敛条件；
当所述模型损失满足预设的模型收敛条件时，确定所述初始设备故障分析模型作为所述光储能系统对应的设备故障分析模型。
作为一种可选的实施方式，在本发明第一方面中，所述方法还包括：
根据所述目标设备对应的故障信息，确定引起所述目标设备故障的故障影响因子；
获取所述目标设备对应的至少一个关联设备的关联设备信息以及所述目标设备与每个所述关联设备之间的设备关联度；
对于每个所述关联设备，根据所述目标设备与该关联设备之间的目标设备关联度确定所述故障影响因子对该关联设备的故障影响系数，并判断所述故障影响系数与预设的故障影响系数阈值之间的关系；
对于每个所述关联设备，当该关联设备的故障影响系数大于所述故障影响系数阈值时，将该关联设备的关联设备信息和所述故障影响因子输入到所述设备故障分析模型中，预测该关联设备对应的关联设备预测故障信息。
作为一种可选的实施方式，在本发明第一方面中，所述故障影响因子包括内部故障影响因子和外部故障影响因子；
所述对于每个所述关联设备，根据所述目标设备与该关联设备之间的目标设备关联度确定所述故障影响因子对该关联设备的故障影响系数，包括：
对于每个所述关联设备，确定所述内部故障影响因子对该关联设备的第一故障影响系数，并确定所述外部故障影响因子对该关联设备的第二故障影响系数；
对于每个所述关联设备，确定所述目标设备与该关联设备之间的目标设备关联度是否大于预设的设备关联度阈值，当所述目标设备关联度大于所述设备关联度阈值时，根据所述目标设备关联度确定所述故障影响因子对应的影响权重，所述影响权重包括所述内部故障影响因子对应的第一影响权重和所述外部故障影响因子对应的第二影响权重；
对于每个所述关联设备，根据所述第一故障影响系数、所述第二故障影响系数、所述第一影响权重和所述第二影响权重，确定该关联设备的故障影响系数。
作为一种可选的实施方式，在本发明第一方面中，所述方法还包括：
获取所述目标设备对应的历史运维信息，所述历史运维信息包括所述目标设备的历史运维次数、历史运维频率、单次运维平均经济成本和单次运维平均时间成本；
根据所述历史运维信息，计算在预设运维周期内所述目标设备对应的综合运维成本，所述综合运维成本包括综合运维经济成本和综合运维时间成本；
确定所述综合运维时间成本在所述运维周期的运维时间占比，并判断所述运维时间占比与预设的运维时间占比阈值之间的第一关系，以及判断所述综合运维成本与预设的设备升级成本之间的第二关系；
当所述第一关系表示所述运维时间占比大于所述运维时间占比阈值，和/或，当所述第二关系表示所述综合运维成本大于所述设备升级成本时，对所述目标设备进行设备升级，所述设备升级包括设备更换或设备改造。
本发明第二方面公开了一种光储能系统的运维管理装置，所述装置包括：
第一获取模块，用于获取光储能系统中目标设备的设备参数，所述目标设备包括光电设备、储能设备和耗能设备中的至少一种，设备参数包括所述目标设备对应的当前设备参数和标准设备参数；
确定模块，用于确定所述目标设备的所述当前设备参数和所述标准设备参数之间的设备参数差异；
分析模块，用于将所述目标设备的所述当前设备参数和所述设备参数差异输入到预先训练好的设备故障分析模型中进行分析，得到所述目标设备对应的故障信息，所述故障信息包括所述目标设备的当前故障信息和/或预测故障信息；
生成模块，用于根据所述故障信息生成针对所述目标设备的设备运维方案，所述设备运维方案包括设备维修方案和/或设备维护方案。
作为一种可选的实施方式，在本发明第二方面中，所述生成模块根据所述故障信息生成针对所述目标设备的设备运维方案的方式具体包括：
根据所述目标设备对应的故障信息确定所述目标设备对应的故障标签，所述故障标签包括故障类型标签和/或故障等级标签；
获取历史故障标签数据库，所述历史故障标签数据库包括至少一个历史故障标签以及每个所述历史故障标签对应的历史运维方案；
在所述历史故障标签数据库中确定与所述目标设备对应的故障标签相匹配的目标历史运维方案；
根据所述目标设备对应的故障标签和所述目标历史运维方案确定针对所述目标设备的设备运维方案。
作为一种可选的实施方式，在本发明第二方面中，所述装置还包括：
第二获取模块，用于获取所述光储能系统中每个设备的设备历史数据，每个所述设备的设备历史数据包括每个所述设备对应的设备历史故障数据和所述设备历史故障数据对应的设备历史运行参数；
所述确定模块，还用于根据每个所述设备的所述设备历史故障数据和所述设备历史运行参数，确定每个所述设备对应的历史故障场景信息；
数据处理模块，用于按照预设的数据规则对每个所述设备的设备历史数据进行数据处理，得到训练数据集；
建立模块，用于基于每个所述设备对应的历史故障场景信息和所述训练数据集，建立所述光储能系统对应的设备故障分析模型。
作为一种可选的实施方式，在本发明第二方面中，所述训练数据集包括所述设备历史故障数据对应的参考数据集和所述设备历史运行参数对应的基础数据集；
所述建立模块基于每个所述设备对应的历史故障场景信息和所述训练数据集，建立所述光储能系统对应的设备故障分析模型的方式具体包括：
选择与所述历史故障场景信息相匹配的算法模型，并基于所述算法模型建立所述光储能系统对应的初始设备故障分析模型；
将所述基础数据集输入到所述初始设备故障分析模型中进行模型训练，得到所述基础数据集对应的模型输出；
根据所述模型输出和所述参考数据集计算所述初始设备故障分析模型对应的模型损失，并确定所述模型损失是否满足预设的模型收敛条件；
当所述模型损失满足预设的模型收敛条件时，确定所述初始设备故障分析模型作为所述光储能系统对应的设备故障分析模型。
作为一种可选的实施方式，在本发明第二方面中，所述确定模块，还用于根据所述目标设备对应的故障信息，确定引起所述目标设备故障的故障影响因子；
所述第一获取模块，还用于获取所述目标设备对应的至少一个关联设备的关联设备信息以及所述目标设备与每个所述关联设备之间的设备关联度；
所述确定模块，还用于对于每个所述关联设备，根据所述目标设备与该关联设备之间的目标设备关联度确定所述故障影响因子对该关联设备的故障影响系数，并判断所述故障影响系数与预设的故障影响系数阈值之间的关系；
所述装置还包括：
预测模块，用于对于每个所述关联设备，当该关联设备的故障影响系数大于所述故障影响系数阈值时，将该关联设备的关联设备信息和所述故障影响因子输入到所述设备故障分析模型中，预测该关联设备对应的关联设备预测故障信息。
作为一种可选的实施方式，在本发明第二方面中，所述故障影响因子包括内部故障影响因子和外部故障影响因子；
所述确定模块对于每个所述关联设备，根据所述目标设备与该关联设备之间的目标设备关联度确定所述故障影响因子对该关联设备的故障影响系数的方式具体包括：
对于每个所述关联设备，确定所述内部故障影响因子对该关联设备的第一故障影响系数，并确定所述外部故障影响因子对该关联设备的第二故障影响系数；
对于每个所述关联设备，确定所述目标设备与该关联设备之间的目标设备关联度是否大于预设的设备关联度阈值，当所述目标设备关联度大于所述设备关联度阈值时，根据所述目标设备关联度确定所述故障影响因子对应的影响权重，所述影响权重包括所述内部故障影响因子对应的第一影响权重和所述外部故障影响因子对应的第二影响权重；
对于每个所述关联设备，根据所述第一故障影响系数、所述第二故障影响系数、所述第一影响权重和所述第二影响权重，确定该关联设备的故障影响系数。
作为一种可选的实施方式，在本发明第二方面中，所述第一获取模块，还用于获取所述目标设备对应的历史运维信息，所述历史运维信息包括所述目标设备的历史运维次数、历史运维频率、单次运维平均经济成本和单次运维平均时间成本；
所述装置还包括：
计算模块，用于根据所述历史运维信息，计算在预设运维周期内所述目标设备对应的综合运维成本，所述综合运维成本包括综合运维经济成本和综合运维时间成本；
所述确定模块，还用于确定所述综合运维时间成本在所述运维周期的运维时间占比，并判断所述运维时间占比与预设的运维时间占比阈值之间的第一关系，以及判断所述综合运维成本与预设的设备升级成本之间的第二关系，当所述第一关系表示所述运维时间占比大于所述运维时间占比阈值，和/或，当所述第二关系表示所述综合运维成本大于所述设备升级成本时，对所述目标设备进行设备升级，所述设备升级包括设备更换或设备改造。
本发明第三方面公开了另一种光储能系统的运维管理装置，所述装置包括：
存储有可执行程序代码的存储器；
与所述存储器耦合的处理器；
所述处理器调用所述存储器中存储的所述可执行程序代码，执行本发明第一方面公开的光储能系统的运维管理方法。
本发明第四方面公开了一种计算机存储介质，所述计算机存储介质存储有计算机指令，所述计算机指令被调用时，用于执行本发明第一方面公开的光储能系统的运维管理方法。
与现有技术相比，本发明实施例具有以下有益效果：
本发明实施例中，获取光储能系统中目标设备的设备参数，确定目标设备的当前设备参数和标准设备参数之间的设备参数差异，将目标设备的当前设备参数和设备参数差异输入到预先训练好的设备故障分析模型中进行分析，得到目标设备对应的故障信息，根据故障信息生成针对目标设备的设备维修方案和/或设备维护方案。可见，实施本发明能够根据目标设备的设备参数以及设备参数与标准参数之间的差异确定目标设备的故障信息，提高了确定目标设备故障信息的确定效率和准确性，提高针对目标设备的设备运维方案的确定准确性和确定效率，能够提高对目标设备进行维修或维护的准确性和效率，进而提高光储能系统的运行安全性和稳定性。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例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是本发明实施例公开的一种光储能系统的运维管理方法的流程示意图；
图2是本发明实施例公开的另一种光储能系统的运维管理方法的流程示意图；
图3是本发明实施例公开的一种光储能系统的运维管理装置的结构示意图；
图4是本发明实施例公开的另一种光储能系统的运维管理装置的结构示意图；
图5是本发明实施例公开的又一种光储能系统的运维管理装置的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，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。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、装置、产品或端没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或端固有的其他步骤或单元。
在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本发明的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
本发明公开了一种光储能系统的运维管理方法及装置，能够根据目标设备的设备参数以及设备参数与标准参数之间的差异确定目标设备的故障信息，提高了确定目标设备故障信息的确定效率和准确性，提高针对目标设备的设备运维方案的确定准确性和确定效率，能够提高对目标设备进行维修或维护的准确性和效率，进而提高光储能系统的运行安全性和稳定性。以下分别进行详细说明。
实施例一
请参阅图1，图1是本发明实施例公开的一种光储能系统的运维管理方法的流程示意图。其中，图1所描述的光储能系统的运维管理方法可以应用于光储能系统的运维管理装置中，其中，光储能系统的运维管理装置可以包括用于生成设备运维方案的智能装置、智能服务器或者智能平台中的任意一种，智能服务器包括本地服务器或者云服务器，本发明实施例不做限定。如图1所示，该光储能系统的运维管理方法可以包括以下操作：
101、获取光储能系统中目标设备的设备参数，目标设备包括光电设备、储能设备和耗能设备中的至少一种，设备参数包括目标设备对应的当前设备参数和标准设备参数。
本发明实施例中，可选的，光储能系统中包括至少一种目标设备，且光储能系统可以用于对系统中的目标设备进行设备监测、设备管理，目标设备可以包括光电设备、储能设备和耗能设备等中的至少一种，光电设备可以包括光伏组件设备、光伏逆变设备以及光电传输设备等中的一种或多种，储能设备可以包括储电设备和/或储热设备，储电设备可以包括蓄电池，储热设备可以包括储热罐等，耗能设备可以包括居民用电设备、工业用电设备等，本发明不做限定。
本发明实施例中，可选的，目标设备的设备参数可以包括目标设备对应的当前设备参数和标准设备参数，目标设备的设备参数可以包括设备运行参数、设备配置参数以及设备性能参数等中的一种或多种，本发明不做限定。
102、确定目标设备的当前设备参数和标准设备参数之间的设备参数差异。
本发明实施例中，可选的，目标设备的设备参数差异可以包括目标设备的当前设备参数和标准设备参数之间的设备运行参数差异、设备配置参数差异以及设备性能参数差异等中的一种或多种，本发明不做限定。
103、将目标设备的当前设备参数和设备参数差异输入到预先训练好的设备故障分析模型中进行分析，得到目标设备对应的故障信息。
本发明实施例中，可选的，目标设备对应的故障信息可以包括目标设备的当前故障信息和/或预测故障信息，其中，目标设备的当前故障信息可以表示目标设备当前的故障状态和/或故障等级，目标设备的预测故障信息可以表示目标设备即将出现的故障状态和/或故障等级，本发明不做限定。
104、根据故障信息生成针对目标设备的设备运维方案。
本发明实施例中，可选的，目标设备的设备运维方案可以包括设备维修方案和/或设备维护方案，其中，设备维修人员可以根据设备维修方案对目标设备的故障进行维修，设备维护人员可以根据设备维护方案对目标设备进行维护，以避免目标设备即将出现的故障，本发明不做限定。
可见，实施图1所描述的光储能系统的运维管理方法能够获取光储能系统中目标设备的设备参数，确定目标设备的当前设备参数和标准设备参数之间的设备参数差异，将目标设备的当前设备参数和设备参数差异输入到预先训练好的设备故障分析模型中进行分析，得到目标设备对应的故障信息，能够根据目标设备的设备参数以及设备参数与标准参数之间的差异确定目标设备的故障信息，提高了确定目标设备故障信息的确定效率和准确性，根据故障信息生成针对目标设备的设备维修方案和/或设备维护方案，提高针对目标设备的设备运维方案的确定准确性和确定效率，能够提高对目标设备进行维修或维护的准确性和效率，进而提高光储能系统的运行安全性和稳定性。
在一个可选的实施例中，该光储能系统的运维管理方法还可以包括以下操作：
获取光储能系统中每个设备的设备历史数据，每个设备的设备历史数据包括每个设备对应的设备历史故障数据和设备历史故障数据对应的设备历史运行参数；
根据每个设备的设备历史故障数据和设备历史运行参数，确定每个设备对应的历史故障场景信息；
按照预设的数据规则对每个设备的设备历史数据进行数据处理，得到训练数据集；
基于每个设备对应的历史故障场景信息和训练数据集，建立光储能系统对应的设备故障分析模型。
该可选的实施例中，可选的，光储能系统中每个设备的设备历史数据可以包括每个设备对应的设备历史故障数据和设备历史故障数据对应的设备历史运行参数，例如，目标设备发生的短路故障以及发生短路故障时一段时间内的运行参数或者瞬时运行参数，每个设备对应的历史故障场景信息可以包括极端气象条件场景、用电负荷激增场景以及操作人员违规操作场景等中的一种或多种，可以基于每个设备对应的历史故障场景信息确定适用于每个场景的模型算法，并基于模型算法和训练数据集建立光储能系统对应的设备故障分析模型，本实施例不做限定。
可见，实施该可选的实施例能够根据每个设备的设备历史故障数据和设备历史运行参数，确定每个设备对应的历史故障场景信息，按照预设的数据规则对每个设备的设备历史数据进行数据处理，得到训练数据集，基于每个设备对应的历史故障场景信息和训练数据集，建立光储能系统对应的设备故障分析模型，能够提高建立的设备故障分析模型对光储能系统中设备故障的分析准确性和分析效率，进而提高针对目标设备的设备运维方案的确定准确性和确定效率，提高光储能系统的运行安全性和稳定性。
在另一个可选的实施例中，训练数据集包括设备历史故障数据对应的参考数据集和设备历史运行参数对应的基础数据集；
基于每个设备对应的历史故障场景信息和训练数据集，建立光储能系统对应的设备故障分析模型可以包括以下操作：
选择与历史故障场景信息相匹配的算法模型，并基于算法模型建立光储能系统对应的初始设备故障分析模型；
将基础数据集输入到初始设备故障分析模型中进行模型训练，得到基础数据集对应的模型输出；
根据模型输出和参考数据集计算初始设备故障分析模型对应的模型损失，并确定模型损失是否满足预设的模型收敛条件；
当模型损失满足预设的模型收敛条件时，确定初始设备故障分析模型作为光储能系统对应的设备故障分析模型。
该可选的实施例中，可选的，训练数据集可以包括设备历史故障数据对应的参考数据集和设备历史运行参数对应的基础数据集，与历史故障场景信息相匹配的算法模型可以是能够满足每个历史故障场景对应的数据特征的算法模型，例如极端气象条件场景对应的多源数据情况以及用电负荷激增场景对应的数据突变情况，根据模型输出和参考数据集计算初始设备故障分析模型对应的模型损失，并确定模型损失是否满足预设的模型收敛条件，当模型损失满足预设的模型收敛条件时，确定初始设备故障分析模型作为光储能系统对应的设备故障分析模型，当模型损失不满足预设的模型收敛条件时，可以通过模型损失对初始设备故障分析模型进行迭代训练，本实施例不做限定。
可见，实施该可选的实施例能够选择与历史故障场景信息相匹配的算法模型，并基于算法模型建立光储能系统对应的初始设备故障分析模型，将基础数据集输入到初始设备故障分析模型中进行模型训练，得到基础数据集对应的模型输出，根据模型输出和参考数据集计算初始设备故障分析模型对应的模型损失，当模型损失满足预设的模型收敛条件时，确定初始设备故障分析模型作为光储能系统对应的设备故障分析模型，能够根据设备的故障场景选择相应的模型算法，并根据历史故障信息对模型进行训练，提高模型对光储能系统中设备故障的分析准确性和分析效率，进而提高针对目标设备的设备运维方案的确定准确性和确定效率，提高光储能系统的运行安全性和稳定性。
实施例二
请参阅图2，图2是本发明实施例公开的一种光储能系统的运维管理方法的流程示意图。其中，图2所描述的光储能系统的运维管理方法可以应用于光储能系统的运维管理装置中，其中，光储能系统的运维管理装置可以包括用于生成设备运维方案的智能装置、智能服务器或者智能平台中的任意一种，智能服务器包括本地服务器或者云服务器，本发明实施例不做限定。如图2所示，该光储能系统的运维管理方法可以包括以下操作：
201、获取光储能系统中目标设备的设备参数，目标设备包括光电设备、储能设备和耗能设备中的至少一种，设备参数包括目标设备对应的当前设备参数和标准设备参数。
202、确定目标设备的当前设备参数和标准设备参数之间的设备参数差异。
203、将目标设备的当前设备参数和设备参数差异输入到预先训练好的设备故障分析模型中进行分析，得到目标设备对应的故障信息。
本发明实施例中，针对步骤201-步骤203的其他描述，请参照实施例一中针对步骤101-步骤103的详细描述，本发明实施例不再赘述。
204、根据目标设备对应的故障信息确定目标设备对应的故障标签。
本发明实施例中，可选的，目标设备对应的故障标签可以包括故障类型标签和/或故障等级标签，故障类型标签可以体现目标设备故障的原因信息，故障等级标签可以体现目标设备故障的严重程度和/或维修紧急程度，本发明不做限定。
205、获取历史故障标签数据库，在历史故障标签数据库中确定与目标设备对应的故障标签相匹配的目标历史运维方案。
本发明实施例中，可选的，历史故障标签数据库可以包括目标设备对应的所有历史故障标签，以及每个历史故障标签对应的历史运维方案，本实施例不做限定。
206、根据目标设备对应的故障标签和目标历史运维方案确定针对目标设备的设备运维方案。
本发明实施例中，可选的，目标设备的设备运维方案可以结合目标历史运维方案中的运维步骤，以实现设备运维方案的快速确定，本发明不做限定。
可见，实施图2所描述的光储能系统的运维管理方法能够获取光储能系统中目标设备的设备参数，确定目标设备的当前设备参数和标准设备参数之间的设备参数差异，将目标设备的当前设备参数和设备参数差异输入到预先训练好的设备故障分析模型中进行分析，得到目标设备对应的故障信息，能够根据目标设备的设备参数以及设备参数与标准参数之间的差异确定目标设备的故障信息，提高了确定目标设备故障信息的确定效率和准确性，根据目标设备对应的故障信息确定目标设备对应的故障标签，在历史故障标签数据库中确定与目标设备对应的故障标签相匹配的目标历史运维方案，根据目标设备对应的故障标签和目标历史运维方案确定针对目标设备的设备运维方案，能够结合历史运维方案确定针对目标设备的设备运维方案，实现设备运维方案的快速确定的同时，提高针对目标设备的设备运维方案的确定准确性以及设备运维方案与设备故障之间的匹配程度，能够提高对目标设备进行维修或维护的准确性和效率，进而提高光储能系统的运行安全性和稳定性。
在一个可选的实施例中，在历史故障标签数据库中确定与目标设备对应的故障标签相匹配的目标历史运维方案可以包括以下操作：
确定历史故障标签数据库中的每个历史故障标签与目标设备对应的故障标签之间的标签匹配度；
确定所有标签匹配度中满足预设标签匹配度条件的目标标签匹配度，并确定目标标签匹配度对应的历史运维方案作为与目标设备对应的故障标签相匹配的目标历史运维方案。
该可选的实施例中，可选的，确定所有标签匹配度中满足预设标签匹配度条件的目标标签匹配度可以包括确定标签匹配度最大值作为目标标签匹配度，也可以确定满足预设数量且标签匹配度相对较大的作为目标标签匹配度，例如确定标签匹配度中最大的三个作为目标标签匹配度，本实施例不做限定。
可见，实施该可选的实施例能够确定历史故障标签数据库中的每个历史故障标签与目标设备对应的故障标签之间的标签匹配度，确定所有标签匹配度中满足预设标签匹配度条件的目标标签匹配度，并确定目标标签匹配度对应的历史运维方案作为与目标设备对应的故障标签相匹配的目标历史运维方案，能够根据标签匹配度确定目标历史运维方案，提高确定出的目标历史运维方案的准确性以及与目标设备故障的匹配程度，进而提高针对目标设备的设备运维方案的确定准确性和确定效率，提高光储能系统的运行安全性和稳定性。
在另一个可选的实施例中，该光储能系统的运维管理方法还可以包括以下操作：
根据目标设备对应的故障信息，确定引起目标设备故障的故障影响因子；
获取目标设备对应的至少一个关联设备的关联设备信息以及目标设备与每个关联设备之间的设备关联度；
对于每个关联设备，根据目标设备与该关联设备之间的目标设备关联度确定故障影响因子对该关联设备的故障影响系数，并判断故障影响系数与预设的故障影响系数阈值之间的关系；
对于每个关联设备，当该关联设备的故障影响系数大于故障影响系数阈值时，将该关联设备的关联设备信息和故障影响因子输入到设备故障分析模型中，预测该关联设备对应的关联设备预测故障信息。
该可选的实施例中，可选的，引起目标设备故障的故障影响因子可以包括内部故障影响因子和外部故障影响因子，其中，内部故障影响因子可以包括目标设备的内部零件老化损坏、目标设备的零件型号不匹配以及目标设备的软件系统与硬件相冲突或不匹配等中的一种或多种，外部故障影响因子可以包括目标设备的外部环境变化、外部连线错误、与目标设备连接的外部设备的影响以及操作人员的误操作等中的一种或多种，本实施例不做限定。
该可选的实施例中，可选的，目标设备对应的关联设备可以包括与目标设备连接的设备和/或受到目标设备的运行影响的设备，与目标设备连接的设备可以包括硬件连接或软件连接，其中，硬件连接可以包括有线连接、铰接等物理连接，软件连接可以包括软件通信连接、软件控制连接等，关联设备的关联设备信息可以包括设备运行信息、设备配置信息以及设备性能信息等中的一种或多种，故障影响因子对关联设备的故障影响系数可以表示目标设备对应的故障影响因子引起关联设备发生与目标设备相同或不同的故障的概率，故障影响系数越大，概率越大，当该关联设备的故障影响系数大于故障影响系数阈值时，将该关联设备的关联设备信息和故障影响因子输入到设备故障分析模型中，预测该关联设备对应的关联设备预测故障信息，本实施例不做限定。
可见，实施该可选的实施例能够根据目标设备与该关联设备之间的目标设备关联度确定故障影响因子对该关联设备的故障影响系数，当该关联设备的故障影响系数大于故障影响系数阈值时，将该关联设备的关联设备信息和故障影响因子输入到设备故障分析模型中，预测该关联设备对应的关联设备预测故障信息，能够确定目标设备的故障是否会引起目标设备的关联设备的故障，并在肯定时预测关联设备的预测故障信息，能够减小目标设备故障对光储能系统中其它设备的影响程度，提高光储能系统的整体运行安全性和稳定性。
在又一个可选的实施例中，故障影响因子包括内部故障影响因子和外部故障影响因子；
对于每个关联设备，根据目标设备与该关联设备之间的目标设备关联度确定故障影响因子对该关联设备的故障影响系数可以包括以下操作：
对于每个关联设备，确定内部故障影响因子对该关联设备的第一故障影响系数，并确定外部故障影响因子对该关联设备的第二故障影响系数；
对于每个关联设备，确定目标设备与该关联设备之间的目标设备关联度是否大于预设的设备关联度阈值，当目标设备关联度大于设备关联度阈值时，根据目标设备关联度确定故障影响因子对应的影响权重，影响权重包括内部故障影响因子对应的第一影响权重和外部故障影响因子对应的第二影响权重；
对于每个关联设备，根据第一故障影响系数、第二故障影响系数、第一影响权重和第二影响权重，确定该关联设备的故障影响系数。
该可选的实施例中，可选的，该可选的实施例中，可选的，引起目标设备故障的故障影响因子可以包括内部故障影响因子和外部故障影响因子，其中，内部故障影响因子可以包括目标设备的内部零件老化损坏、目标设备的零件型号不匹配以及目标设备的软件系统与硬件相冲突或不匹配等中的一种或多种，外部故障影响因子可以包括目标设备的外部环境变化、外部连线错误、与目标设备连接的外部设备的影响以及操作人员的误操作等中的一种或多种，本实施例不做限定。
该可选的实施例中，可选的，内部故障影响因子对该关联设备的第一故障影响系数可以表示目标设备对应的内部故障影响因子引起关联设备发生与目标设备相同或不同的故障的概率，外部故障影响因子对该关联设备的第二故障影响系数可以表示目标设备对应的外部故障影响因子引起关联设备发生与目标设备相同或不同的故障的概率，当目标设备与该关联设备之间的目标设备关联度大于设备关联度阈值时，表示关联设备与目标设备关联紧密，且目标设备的故障对关联设备的影响较大，此时根据目标设备关联度确定故障影响因子对应的影响权重，影响权重包括内部故障影响因子对应的第一影响权重和外部故障影响因子对应的第二影响权重，第一影响权重和第二影响权重用于修正故障影响因子对该关联设备的故障影响系数，本实施例不做限定。
可见，实施该可选的实施例能够确定内部故障影响因子对该关联设备的第一故障影响系数，并确定外部故障影响因子对该关联设备的第二故障影响系数，当目标设备关联度大于设备关联度阈值时，根据目标设备关联度确定故障影响因子对应的影响权重，根据第一故障影响系数、第二故障影响系数、第一影响权重和第二影响权重，确定该关联设备的故障影响系数，能够根据权重对故障影响因子对该关联设备的故障影响系数进行修正，提高确定出的故障影响系数的准确性和可靠性，进而提高确定目标设备的故障是否会引起目标设备的关联设备的故障的准确性，提高光储能系统的整体运行安全性和稳定性。
在又一个可选的实施例中，该光储能系统的运维管理方法还可以包括以下操作：
获取目标设备对应的历史运维信息，历史运维信息包括目标设备的历史运维次数、历史运维频率、单次运维平均经济成本和单次运维平均时间成本；
根据历史运维信息，计算在预设运维周期内目标设备对应的综合运维成本，综合运维成本包括综合运维经济成本和综合运维时间成本；
确定综合运维时间成本在运维周期的运维时间占比，并判断运维时间占比与预设的运维时间占比阈值之间的第一关系，以及判断综合运维成本与预设的设备升级成本之间的第二关系；
当第一关系表示运维时间占比大于运维时间占比阈值，和/或，当第二关系表示综合运维成本大于设备升级成本时，对目标设备进行设备升级，设备升级包括设备更换或设备改造。
该可选的实施例中，可选的，目标设备对应的历史运维信息可以包括目标设备的历史运维次数、历史运维频率、单次运维平均经济成本和单次运维平均时间成本，在预设运维周期内目标设备对应的综合运维成本可以包括综合运维经济成本和综合运维时间成本，其中，预设运维周期可以为一个月、一个季度、半年或者一年，可以由工作人员手动设置，也可以自动生成，综合运维经济成本可以根据历史运维次数和单次运维平均经济成本计算得到，综合运维时间成本可以根据历史运维频率和单次运维平均时间成本计算得到，且综合运维时间成本可以用于计算目标设备因故障而停止工作所造成的经济损失成本，本实施例不做限定。
该可选的实施例中，可选的，综合运维时间成本在运维周期的运维时间占比可以表示在运维周期内目标设备故障停机时间与运维周期的占比，例如当运维周期为30天，目标设备综合运维时间成本为15天时，运维时间占比为50％，预设的设备升级成本可以表示对设备进行升级改造的成本，当第一关系表示运维时间占比大于运维时间占比阈值，和/或，当第二关系表示综合运维成本大于设备升级成本时，对目标设备进行设备升级，设备升级包括设备更换或设备改造，本实施例不做限定。
可见，实施该可选的实施例能够根据目标设备对应的历史运维信息计算在预设运维周期内目标设备对应的综合运维成本，并在目标设备的运维时间占比大于运维时间占比阈值，和/或综合运维成本大于设备升级成本时，对目标设备进行设备升级，降低了反复对目标设备进行运维的情况的发生，进而在一定程度上降低光储能系统的运维成本的同时提高光储能系统的整体运行安全性和稳定性。
实施例三
请参阅图3，图3是本发明实施例公开的一种光储能系统的运维管理装置的结构示意图。其中，图3所描述的光储能系统的运维管理装置可以包括用于生成设备运维方案的智能装置、智能服务器或者智能平台中的任意一种，智能服务器包括本地服务器或者云服务器，本发明实施例不做限定。如图3所示，该光储能系统的运维管理装置可以包括：
第一获取模块301，用于获取光储能系统中目标设备的设备参数，目标设备包括光电设备、储能设备和耗能设备中的至少一种，设备参数包括目标设备对应的当前设备参数和标准设备参数；
确定模块302，用于确定目标设备的当前设备参数和标准设备参数之间的设备参数差异；
分析模块303，用于将目标设备的当前设备参数和设备参数差异输入到预先训练好的设备故障分析模型中进行分析，得到目标设备对应的故障信息，故障信息包括目标设备的当前故障信息和/或预测故障信息；
生成模块304，用于根据故障信息生成针对目标设备的设备运维方案，设备运维方案包括设备维修方案和/或设备维护方案。
可见，实施图3所描述的光储能系统的运维管理装置能够获取光储能系统中目标设备的设备参数，确定目标设备的当前设备参数和标准设备参数之间的设备参数差异，将目标设备的当前设备参数和设备参数差异输入到预先训练好的设备故障分析模型中进行分析，得到目标设备对应的故障信息，能够根据目标设备的设备参数以及设备参数与标准参数之间的差异确定目标设备的故障信息，提高了确定目标设备故障信息的确定效率和准确性，根据故障信息生成针对目标设备的设备维修方案和/或设备维护方案，提高针对目标设备的设备运维方案的确定准确性和确定效率，能够提高对目标设备进行维修或维护的准确性和效率，进而提高光储能系统的运行安全性和稳定性。
在一个可选的实施例中，如图4所示，生成模块304根据故障信息生成针对目标设备的设备运维方案的具体方式包括：
根据目标设备对应的故障信息确定目标设备对应的故障标签，故障标签包括故障类型标签和/或故障等级标签；
获取历史故障标签数据库，历史故障标签数据库包括至少一个历史故障标签以及每个历史故障标签对应的历史运维方案；
在历史故障标签数据库中确定与目标设备对应的故障标签相匹配的目标历史运维方案；
根据目标设备对应的故障标签和目标历史运维方案确定针对目标设备的设备运维方案。
可见，实施图4所描述的光储能系统的运维管理装置能够获取光储能系统中目标设备的设备参数，确定目标设备的当前设备参数和标准设备参数之间的设备参数差异，将目标设备的当前设备参数和设备参数差异输入到预先训练好的设备故障分析模型中进行分析，得到目标设备对应的故障信息，能够根据目标设备的设备参数以及设备参数与标准参数之间的差异确定目标设备的故障信息，提高了确定目标设备故障信息的确定效率和准确性，根据目标设备对应的故障信息确定目标设备对应的故障标签，在历史故障标签数据库中确定与目标设备对应的故障标签相匹配的目标历史运维方案，根据目标设备对应的故障标签和目标历史运维方案确定针对目标设备的设备运维方案，能够结合历史运维方案确定针对目标设备的设备运维方案，实现设备运维方案的快速确定的同时，提高针对目标设备的设备运维方案的确定准确性以及设备运维方案与设备故障之间的匹配程度，能够提高对目标设备进行维修或维护的准确性和效率，进而提高光储能系统的运行安全性和稳定性。
在另一个可选的实施例中，如图4所示，该光储能系统的运维管理装置还可以包括：
第二获取模块305，用于获取光储能系统中每个设备的设备历史数据，每个设备的设备历史数据包括每个设备对应的设备历史故障数据和设备历史故障数据对应的设备历史运行参数；
确定模块302，还用于根据每个设备的设备历史故障数据和设备历史运行参数，确定每个设备对应的历史故障场景信息；
数据处理模块306，用于按照预设的数据规则对每个设备的设备历史数据进行数据处理，得到训练数据集；
建立模块307，用于基于每个设备对应的历史故障场景信息和训练数据集，建立光储能系统对应的设备故障分析模型。
可见，实施图4所描述的光储能系统的运维管理装置能够根据每个设备的设备历史故障数据和设备历史运行参数，确定每个设备对应的历史故障场景信息，按照预设的数据规则对每个设备的设备历史数据进行数据处理，得到训练数据集，基于每个设备对应的历史故障场景信息和训练数据集，建立光储能系统对应的设备故障分析模型，能够提高建立的设备故障分析模型对光储能系统中设备故障的分析准确性和分析效率，进而提高针对目标设备的设备运维方案的确定准确性和确定效率，提高光储能系统的运行安全性和稳定性。
在又一个可选的实施例中，如图4所示，训练数据集包括设备历史故障数据对应的参考数据集和设备历史运行参数对应的基础数据集；
建立模块307基于每个设备对应的历史故障场景信息和训练数据集，建立光储能系统对应的设备故障分析模型的具体方式包括：
选择与历史故障场景信息相匹配的算法模型，并基于算法模型建立光储能系统对应的初始设备故障分析模型；
将基础数据集输入到初始设备故障分析模型中进行模型训练，得到基础数据集对应的模型输出；
根据模型输出和参考数据集计算初始设备故障分析模型对应的模型损失，并确定模型损失是否满足预设的模型收敛条件；
当模型损失满足预设的模型收敛条件时，确定初始设备故障分析模型作为光储能系统对应的设备故障分析模型。
可见，实施图4所描述的光储能系统的运维管理装置能够选择与历史故障场景信息相匹配的算法模型，并基于算法模型建立光储能系统对应的初始设备故障分析模型，将基础数据集输入到初始设备故障分析模型中进行模型训练，得到基础数据集对应的模型输出，根据模型输出和参考数据集计算初始设备故障分析模型对应的模型损失，当模型损失满足预设的模型收敛条件时，确定初始设备故障分析模型作为光储能系统对应的设备故障分析模型，能够根据设备的故障场景选择相应的模型算法，并根据历史故障信息对模型进行训练，提高模型对光储能系统中设备故障的分析准确性和分析效率，进而提高针对目标设备的设备运维方案的确定准确性和确定效率，提高光储能系统的运行安全性和稳定性。
在又一个可选的实施例中，如图4所示，确定模块302，还用于根据目标设备对应的故障信息，确定引起目标设备故障的故障影响因子；
第一获取模块301，还用于获取目标设备对应的至少一个关联设备的关联设备信息以及目标设备与每个关联设备之间的设备关联度；
确定模块302，还用于对于每个关联设备，根据目标设备与该关联设备之间的目标设备关联度确定故障影响因子对该关联设备的故障影响系数，并判断故障影响系数与预设的故障影响系数阈值之间的关系；
该光储能系统的运维管理装置还可以包括：
预测模块308，用于对于每个关联设备，当该关联设备的故障影响系数大于故障影响系数阈值时，将该关联设备的关联设备信息和故障影响因子输入到设备故障分析模型中，预测该关联设备对应的关联设备预测故障信息。
可见，实施图4所描述的光储能系统的运维管理装置能够根据目标设备与该关联设备之间的目标设备关联度确定故障影响因子对该关联设备的故障影响系数，当该关联设备的故障影响系数大于故障影响系数阈值时，将该关联设备的关联设备信息和故障影响因子输入到设备故障分析模型中，预测该关联设备对应的关联设备预测故障信息，能够确定目标设备的故障是否会引起目标设备的关联设备的故障，并在肯定时预测关联设备的预测故障信息，能够减小目标设备故障对光储能系统中其它设备的影响程度，提高光储能系统的整体运行安全性和稳定性。
在又一个可选的实施例中，如图4所示，故障影响因子包括内部故障影响因子和外部故障影响因子；
确定模块302对于每个关联设备，根据目标设备与该关联设备之间的目标设备关联度确定故障影响因子对该关联设备的故障影响系数的具体方式包括：
对于每个关联设备，确定内部故障影响因子对该关联设备的第一故障影响系数，并确定外部故障影响因子对该关联设备的第二故障影响系数；
对于每个关联设备，确定目标设备与该关联设备之间的目标设备关联度是否大于预设的设备关联度阈值，当目标设备关联度大于设备关联度阈值时，根据目标设备关联度确定故障影响因子对应的影响权重，影响权重包括内部故障影响因子对应的第一影响权重和外部故障影响因子对应的第二影响权重；
对于每个关联设备，根据第一故障影响系数、第二故障影响系数、第一影响权重和第二影响权重，确定该关联设备的故障影响系数。
可见，实施图4所描述的光储能系统的运维管理装置能够确定内部故障影响因子对该关联设备的第一故障影响系数，并确定外部故障影响因子对该关联设备的第二故障影响系数，当目标设备关联度大于设备关联度阈值时，根据目标设备关联度确定故障影响因子对应的影响权重，根据第一故障影响系数、第二故障影响系数、第一影响权重和第二影响权重，确定该关联设备的故障影响系数，能够根据权重对故障影响因子对该关联设备的故障影响系数进行修正，提高确定出的故障影响系数的准确性和可靠性，进而提高确定目标设备的故障是否会引起目标设备的关联设备的故障的准确性，提高光储能系统的整体运行安全性和稳定性。
在又一个可选的实施例中，如图4所示，第一获取模块301，还用于获取目标设备对应的历史运维信息，历史运维信息包括目标设备的历史运维次数、历史运维频率、单次运维平均经济成本和单次运维平均时间成本；
该光储能系统的运维管理装置还可以包括：
计算模块309，用于根据历史运维信息，计算在预设运维周期内目标设备对应的综合运维成本，综合运维成本包括综合运维经济成本和综合运维时间成本；
确定模块302，还用于确定综合运维时间成本在运维周期的运维时间占比，并判断运维时间占比与预设的运维时间占比阈值之间的第一关系，以及判断综合运维成本与预设的设备升级成本之间的第二关系，当第一关系表示运维时间占比大于运维时间占比阈值，和/或，当第二关系表示综合运维成本大于设备升级成本时，对目标设备进行设备升级，设备升级包括设备更换或设备改造。
可见，实施图4所描述的光储能系统的运维管理装置能够根据目标设备对应的历史运维信息计算在预设运维周期内目标设备对应的综合运维成本，并在目标设备的运维时间占比大于运维时间占比阈值，和/或综合运维成本大于设备升级成本时，对目标设备进行设备升级，降低了反复对目标设备进行运维的情况的发生，进而在一定程度上降低光储能系统的运维成本的同时提高光储能系统的整体运行安全性和稳定性。
实施例四
请参阅图5，图5是本发明实施例公开的又一种光储能系统的运维管理装置的结构示意图。如图5所示，该光储能系统的运维管理装置可以包括：
存储有可执行程序代码的存储器401；
与存储器401耦合的处理器402；
处理器402调用存储器401中存储的可执行程序代码，执行本发明实施例一或本发明实施例二所描述的光储能系统的运维管理方法中的步骤。
实施例五
本发明实施例公开了一种计算机存储介质，该计算机存储介质存储有计算机指令，该计算机指令被调用时，用于执行本发明实施例一或本发明实施例二所描述的光储能系统的运维管理方法中的步骤。
实施例六
本发明实施例公开了一种计算机程序产品，该计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，且该计算机程序可操作来使计算机执行实施例一或实施例二中所描述的光储能系统的运维管理方法中的步骤。
以上所描述的装置实施例仅是示意性的，其中所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施例的具体描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中,存储介质包括只读存储器(Read-Only Memory，ROM)、随机存储器(Random Access Memory，RAM)、可编程只读存储器(Programmable Read-only Memory，PROM)、可擦除可编程只读存储器(ErasableProgrammable Read Only Memory，EPROM)、一次可编程只读存储器(One-timeProgrammable Read-Only Memory，OTPROM)、电子抹除式可复写只读存储器(Electrically-Erasable Programmable Read-Only Memory，EEPROM)、只读光盘(CompactDisc Read-Only Memory，CD-ROM)或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。
最后应说明的是：本发明实施例公开的一种光储能系统的运维管理方法及装置所揭露的仅为本发明较佳实施例而已，仅用于说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解；其依然可以对前述各项实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或替换，并不使相应的技术方案的本质脱离本发明各项实施例技术方案的精神和范围。

Claims (10)

1.一种光储能系统的运维管理方法，其特征在于，所述方法包括：
获取光储能系统中目标设备的设备参数，所述目标设备包括光电设备、储能设备和耗能设备中的至少一种，设备参数包括所述目标设备对应的当前设备参数和标准设备参数；
确定所述目标设备的所述当前设备参数和所述标准设备参数之间的设备参数差异；
将所述目标设备的所述当前设备参数和所述设备参数差异输入到预先训练好的设备故障分析模型中进行分析，得到所述目标设备对应的故障信息，所述故障信息包括所述目标设备的当前故障信息和/或预测故障信息；
根据所述故障信息生成针对所述目标设备的设备运维方案，所述设备运维方案包括设备维修方案和/或设备维护方案。
2.根据权利要求1所述的光储能系统的运维管理方法，其特征在于，所述根据所述故障信息生成针对所述目标设备的设备运维方案，包括：
根据所述目标设备对应的故障信息确定所述目标设备对应的故障标签，所述故障标签包括故障类型标签和/或故障等级标签；
获取历史故障标签数据库，所述历史故障标签数据库包括至少一个历史故障标签以及每个所述历史故障标签对应的历史运维方案；
在所述历史故障标签数据库中确定与所述目标设备对应的故障标签相匹配的目标历史运维方案；
根据所述目标设备对应的故障标签和所述目标历史运维方案确定针对所述目标设备的设备运维方案。
3.根据权利要求1或2所述的光储能系统的运维管理方法，其特征在于，所述方法还包括：
获取所述光储能系统中每个设备的设备历史数据，每个所述设备的设备历史数据包括每个所述设备对应的设备历史故障数据和所述设备历史故障数据对应的设备历史运行参数；
根据每个所述设备的所述设备历史故障数据和所述设备历史运行参数，确定每个所述设备对应的历史故障场景信息；
按照预设的数据规则对每个所述设备的设备历史数据进行数据处理，得到训练数据集；
基于每个所述设备对应的历史故障场景信息和所述训练数据集，建立所述光储能系统对应的设备故障分析模型。
4.根据权利要求3所述的光储能系统的运维管理方法，其特征在于，所述训练数据集包括所述设备历史故障数据对应的参考数据集和所述设备历史运行参数对应的基础数据集；
所述基于每个所述设备对应的历史故障场景信息和所述训练数据集，建立所述光储能系统对应的设备故障分析模型，包括：
选择与所述历史故障场景信息相匹配的算法模型，并基于所述算法模型建立所述光储能系统对应的初始设备故障分析模型；
将所述基础数据集输入到所述初始设备故障分析模型中进行模型训练，得到所述基础数据集对应的模型输出；
根据所述模型输出和所述参考数据集计算所述初始设备故障分析模型对应的模型损失，并确定所述模型损失是否满足预设的模型收敛条件；
当所述模型损失满足预设的模型收敛条件时，确定所述初始设备故障分析模型作为所述光储能系统对应的设备故障分析模型。
5.根据权利要求1或2所述的光储能系统的运维管理方法，其特征在于，所述方法还包括：
根据所述目标设备对应的故障信息，确定引起所述目标设备故障的故障影响因子；
获取所述目标设备对应的至少一个关联设备的关联设备信息以及所述目标设备与每个所述关联设备之间的设备关联度；
对于每个所述关联设备，根据所述目标设备与该关联设备之间的目标设备关联度确定所述故障影响因子对该关联设备的故障影响系数，并判断所述故障影响系数与预设的故障影响系数阈值之间的关系；
对于每个所述关联设备，当该关联设备的故障影响系数大于所述故障影响系数阈值时，将该关联设备的关联设备信息和所述故障影响因子输入到所述设备故障分析模型中，预测该关联设备对应的关联设备预测故障信息。
6.根据权利要求5所述的光储能系统的运维管理方法，其特征在于，所述故障影响因子包括内部故障影响因子和外部故障影响因子；
所述对于每个所述关联设备，根据所述目标设备与该关联设备之间的目标设备关联度确定所述故障影响因子对该关联设备的故障影响系数，包括：
对于每个所述关联设备，确定所述内部故障影响因子对该关联设备的第一故障影响系数，并确定所述外部故障影响因子对该关联设备的第二故障影响系数；
对于每个所述关联设备，确定所述目标设备与该关联设备之间的目标设备关联度是否大于预设的设备关联度阈值，当所述目标设备关联度大于所述设备关联度阈值时，根据所述目标设备关联度确定所述故障影响因子对应的影响权重，所述影响权重包括所述内部故障影响因子对应的第一影响权重和所述外部故障影响因子对应的第二影响权重；
对于每个所述关联设备，根据所述第一故障影响系数、所述第二故障影响系数、所述第一影响权重和所述第二影响权重，确定该关联设备的故障影响系数。
7.根据权利要求1或2所述的光储能系统的运维管理方法，其特征在于，所述方法还包括：
获取所述目标设备对应的历史运维信息，所述历史运维信息包括所述目标设备的历史运维次数、历史运维频率、单次运维平均经济成本和单次运维平均时间成本；
根据所述历史运维信息，计算在预设运维周期内所述目标设备对应的综合运维成本，所述综合运维成本包括综合运维经济成本和综合运维时间成本；
确定所述综合运维时间成本在所述运维周期的运维时间占比，并判断所述运维时间占比与预设的运维时间占比阈值之间的第一关系，以及判断所述综合运维成本与预设的设备升级成本之间的第二关系；
当所述第一关系表示所述运维时间占比大于所述运维时间占比阈值，和/或，当所述第二关系表示所述综合运维成本大于所述设备升级成本时，对所述目标设备进行设备升级，所述设备升级包括设备更换或设备改造。
8.一种光储能系统的运维管理装置，其特征在于，所述装置包括：
第一获取模块，用于获取光储能系统中目标设备的设备参数，所述目标设备包括光电设备、储能设备和耗能设备中的至少一种，设备参数包括所述目标设备对应的当前设备参数和标准设备参数；
确定模块，用于确定所述目标设备的所述当前设备参数和所述标准设备参数之间的设备参数差异；
分析模块，用于将所述目标设备的所述当前设备参数和所述设备参数差异输入到预先训练好的设备故障分析模型中进行分析，得到所述目标设备对应的故障信息，所述故障信息包括所述目标设备的当前故障信息和/或预测故障信息；
生成模块，用于根据所述故障信息生成针对所述目标设备的设备运维方案，所述设备运维方案包括设备维修方案和/或设备维护方案。
9.一种光储能系统的运维管理装置，其特征在于，所述装置包括：
存储有可执行程序代码的存储器；
与所述存储器耦合的处理器；
所述处理器调用所述存储器中存储的所述可执行程序代码，执行如权利要求1-7任一项所述的光储能系统的运维管理方法。
10.一种计算机存储介质，其特征在于，所述计算机存储介质存储有计算机指令，所述计算机指令被调用时，用于执行如权利要求1-7任一项所述的光储能系统的运维管理方法。
CN202311869164.3A 2023-12-29 2023-12-29 光储能系统的运维管理方法及装置 Pending CN117938076A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311869164.3A CN117938076A (zh) 2023-12-29 2023-12-29 光储能系统的运维管理方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311869164.3A CN117938076A (zh) 2023-12-29 2023-12-29 光储能系统的运维管理方法及装置

Publications (1)

Publication Number Publication Date
CN117938076A true CN117938076A (zh) 2024-04-26

Family

ID=90767850

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311869164.3A Pending CN117938076A (zh) 2023-12-29 2023-12-29 光储能系统的运维管理方法及装置

Country Status (1)

Country Link
CN (1) CN117938076A (zh)

Similar Documents

Publication Publication Date Title
Taheri et al. Distribution system resilience enhancement via mobile emergency generators
CN108921355B (zh) 一种基于时间序列预测模型的告警阈值设定方法及装置
US20180278055A1 (en) System and method for asset health monitoring using multi-dimensional risk assessment
US20130054211A1 (en) Unit commitment for wind power generation
CN115456304A (zh) 考虑台风影响的海上风电场可靠性指标计算方法及装置
CN114548756A (zh) 基于主成分分析的综合能源项目综合效益评价方法及装置
WO2021133249A1 (en) Method and apparatus for generating maintenance plan of wind turbines, device and storage medium
CN112186900A (zh) 一种基于5g技术的综合箱运行监控方法及装置
CN115345519A (zh) 海上风电风险评估方法、装置、设备及存储介质
CN114743703A (zh) 核电站机组的可靠性分析方法、装置、设备和存储介质
CN112801533B (zh) 一种考虑决策依赖不确定的电力系统运行可靠性评估方法
CN118329232A (zh) 一种光伏并网柜的温度监测方法及系统
CN111583594B (zh) 一种配电箱预警系统及预警方法
Mkandawire et al. Component risk trending based on systems thinking incorporating Markov and Weibull inferences
CN117938076A (zh) 光储能系统的运维管理方法及装置
CN116073340A (zh) 一种源荷互动场景下的继电保护定值单生成方法及装置
Yue et al. Development of a risk-informed decision-making capability using standard electric power industry planning tools
CN114330865A (zh) 电网备用容量预测方法、系统、计算机设备及存储介质
CN118278713B (zh) 一种能源系统的智能化管控方法及装置
CN111461498B (zh) 一种超高压变电站交流设备跳闸故障定位、辨识方法及系统
CN116934127B (zh) 基于智慧平台的应急预案生成方法及系统
CN117578446B (zh) 基于组合预测模型的网供负荷预测方法、系统及可读介质
CN118074234B (zh) 基于微电网能量管理系统的调度优化方法及装置
CN118174462B (zh) 应用于通信机房的电力安全配置方法及装置
Nguyen et al. Probabilistic risk-based security assessment for power systems with wind power generation

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication