- 1、本文档共14页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
基于物联网大数据AI技术的智能运维诊断平台
摘要:截至2020年末,我国光伏并网装机量容量253.43GW。“十四五”期间,预计年均光伏新增装机规模将达70-90吉瓦,光伏行业将进入一个蓬勃发展的时代。但是面对光伏电站存在的问题,例如光伏发电效率低、数据分析不到位、产品质量把控难,安全隐患等,对电站人员的运维检修能力、生产管理水平提出了更高的要求。以前粗放式、被动化的管理模式必将被精细化、数字化的管理模式所替代。然而面多光伏电站设备种类繁多,设备数量庞大,设备数据海量等问题,传统的电站监控系统,功能简单,无高效的数据整合、统计、分析能力,呈现方式过于单一,无法满足客户的多样性的需。电站管理人员亟需一套新的软件平台,协助电站人员管理,以达到对设备的精确管控、提高发电量、降低度电成本的最终目的。
关键词:大数据;挖掘技术;光伏电站;诊断分析;模型研究
一、主要内容
(一)整体思路
基于大数据技术的光伏电站诊断分析模型,通过现场的边缘计算设备,对光伏电站数据采集、清洗、分析、挖掘等服务。实现多设备、多业务状态的监控、故障诊断预警、海量数据分析。
通过收集光伏电站全设备信息,精细化管理各个发电单元。发现低效组串、逆变器,阴影、灰尘遮挡,组串性能不一致情况等,最大限度降低发电损失。
同时,逐步建立内蒙分公司数据资产,应用大数据挖掘、人工智能等技术,形成发电、资产一体化管理能力,实现设备科学选型、规范安全生产、资产评估、优化技改、科学对标、智能运维等功能。
(二)采集与分析
按照功能模块类型,光伏电站诊断分析模型可以划分为数据接入与治理、组件清洗模型、低效组串模型、逆变器效率分析模型、在线诊断模型、离散率诊断模型、IV故障分析模型。
首先,通过数据挖掘、清洗、分析等手段对光伏电站的生产运行数据进行实时采集与分析,为运维人员提供全面的数据支持,然后通过预警诊断等功能及早发现设备缺陷,便于运维人员提前设备缺陷,完成消缺工作,提供设备故障准确判断依据。
同时,诊断分析模型收集的电站数据涵盖不同设备配置、不同运行情况、各种突发情况、各年运行数据等全面的电站综合运行数据,为今后电站设备选型、项目投资提供依据,不断提升公司竞争力及可持续发展能力。
1.数据接入与治理
系统采集光伏电站全设备信息,从逆变器、采集器、箱变测控、升压站、数据库采集数据,并传输存储到后台系统中。可以进行不同数据来源、不同数据种类的数据导入。包括全部发电数据信息、故障数据、环境数据、地形图、报表数据等结构化或非结构化数据。可以104、modbus、Webservics、Rest_API、高速同步等方式实时数据采集接入。
从数据源侧开始,统计整理全部输出测点、场站设备测点。根据数据源的通讯协议,配置采集、传输方式,使之具备测点标准化输入输出、满足电力安防要求的穿透隔离功能,启用各区部署的数据存储功能,启用断点续传功能,防止因网络中断或硬件故障导致的数据中断。在数据链路中的各关键节点加载数据质量监控功能模块,边缘计算模型部署内容如下:
常规数据的预处理以及特征提取
异常数据识别、清洗
数据统计计算
数据质量监控汇总
设备工作状态分析
数据转发接口
为保证数据接入质量,实时了解现场部署软、硬件的稳定性,掌握场站设备的通讯状态,监控数据传输链路稳定性,电力设备数据准确性,数据接入提供链路状态监控功能,提供实时的数据接入质量相关指标的监控工具。
数据接入提供监测通讯链路、数据传输质量等关键性能指标的监视功能,了解现场部署采集服务软、硬件的健康程度、数据的健壮性、稳定性、准确性。监控方向包括:数据源数据质量、采集传输质量、全量数据有效性、链路状态监控等。
数据传输的各链路的关键节点加入了数据质量监控算法插件,实现对各链路关键节点处性能和数据质量评估,评估指标数据实时传输至监控服务器。
数据质量能从侧面体现传感器和设备通信的问题,并引导运维人员进行维护和修理,以减低计算的不确定性。
实现传感器检测功能,识别辐照仪、环境温度传感器和背板温度传感器可能存在的问题,包括安装存在偏差、失准和传感器故障等。
对原始SCADA数据进行预处理是实现准确的故障检测和诊断的基础。数据预处理方法包含三个步骤:数据清洗、数据滤波和数据降采样。
数据清洗,SCADA系统采集的数据由于传感器和数据管理系统的原因往往会产生错误的数据或不精确的数据。这些错误数据可能包含无效值、不可用的值、重复值、或越界值。在建立模型之前,这些错误数据应该先被移除。其次,根据光伏电站的发电特性,我们使用的数据采集时间段从上午八点到下午五点,因为该时段对应较高的辐照度,通常是大于50W/m2。测量设备在这种辐照度情况下采集数据的准确率比较高。最后,电流值低于零或者大于短路电流的数值也应该被移除。
数据滤波,清洗后的数据仍会
您可能关注的文档
最近下载
- 《时间序列分析——基于Python》 课件全套 王燕 第1--7章 时间序列分析方法发展概述---多元时间序列分析.pptx
- 电商网红达人带货合作协议电商与达人签署.docx VIP
- 政治选修:专题一知识点汇总.doc VIP
- 2024年政务行业大模型发展洞察.pptx
- 绿植租摆服务租摆绿植养护实施方案.doc
- 湘教版高中地理选择性必修2 区域发展 第二章 区域发展 第四节 生态脆弱区的综合治理——以我国荒漠化地区为例.ppt VIP
- 投资银行业务与经营-期末课后习题.docx
- Java教学设计教案.docx
- 《电子商务模式》考试复习题库(重点200多题).docx
- 一种新型磁性羧基功能化缺陷COF的制备方法及其吸附应用.pdf VIP
文档评论(0)