[發(fā)明專利]一種適用于分布式電站的智能故障預(yù)警方法及系統(tǒng)

有效

• 申請?zhí)枺?/td>: 202110043147.9
• 申請日: 2021-01-13
• 公開（公告）號: CN112803592B
• 公開（公告）日: 2023-03-31
• 發(fā)明（設(shè)計）人: 崔永忠;王海洲;李政汭;熊道遠(yuǎn);邵臻霖;周龍華;劉菲
• 申請（專利權(quán)）人: 廣東省電力開發(fā)有限公司;廣東能源集團(tuán)科學(xué)技術(shù)研究院有限公司
• 主分類號: H02J13/00
• 分類號: H02J13/00;H02J3/38;G06F18/2431;G06F18/2415
• 代理公司: 南京禹為知識產(chǎn)權(quán)代理事務(wù)所(特殊普通合伙) 32272
• 代理人: 王曉東

1.一種適用于分布式電站的智能故障預(yù)警方法，其特征在于：包括，

采集歷史光伏電站故障時的發(fā)電數(shù)據(jù)；

利用所述歷史光伏電站故障時的發(fā)電數(shù)據(jù)建立專家數(shù)據(jù)庫，并且根據(jù)電站不同設(shè)備數(shù)據(jù)進(jìn)行分類存儲；

根據(jù)所述采集的歷史光伏電站故障時的發(fā)電數(shù)據(jù)，建立故障樹分析模型對不同設(shè)備發(fā)生故障的概率進(jìn)行分析，計算出各個設(shè)備發(fā)生故障的概率，根據(jù)所述計算出的概率情況，從高至低依次將設(shè)備的實時數(shù)據(jù)輸入所述專家數(shù)據(jù)庫進(jìn)行故障分析，進(jìn)而對故障情況進(jìn)行快速預(yù)測；

設(shè)定電站有n個設(shè)備構(gòu)成，設(shè)備運行狀態(tài)正常用“0”來表示，運行狀態(tài)異常用“1”來表示，電站故障是由所述電站設(shè)備故障引起的，因此所述電站設(shè)備的運行狀態(tài)決定了電站的運行狀況，用Q(x₁,x₂,…x_n)來表示電站設(shè)備的運行狀態(tài)，則所述故障樹分析模型為如下所示：

設(shè)定t時間內(nèi)設(shè)備x的故障率為γ，則其故障率的計算公式為如下所示：

其中：α為在t時間段內(nèi)設(shè)備x的故障次數(shù)，利用所述故障率對所述設(shè)備x在運行t時間內(nèi)的故障概率進(jìn)行預(yù)測，其計算公式如下：

P(x)＝1-e^-γt

w(x)＝γ(1-P(x))

其中：P(x)為在t時間內(nèi)電力設(shè)備發(fā)生故障的概率，w(x)為在t時間內(nèi)電力設(shè)備發(fā)生故障的頻率；

采集所述光伏電站的實時數(shù)據(jù)，根據(jù)所述故障樹分析模型的分析結(jié)果將所述實時數(shù)據(jù)輸入所述專家數(shù)據(jù)庫進(jìn)行故障分析預(yù)測；

根據(jù)所述故障分析預(yù)測情況進(jìn)行智能故障預(yù)警。

2.如權(quán)利要求1所述的適用于分布式電站的智能故障預(yù)警方法，其特征在于：所述建立專家數(shù)據(jù)庫包括，

所述采集的歷史光伏電站故障時的發(fā)電數(shù)據(jù)包括電站數(shù)據(jù)與電站KPI數(shù)據(jù)，根據(jù)固話或自定義的專家經(jīng)驗對所述數(shù)據(jù)進(jìn)行預(yù)判，并將預(yù)判結(jié)果根據(jù)不同設(shè)備數(shù)據(jù)進(jìn)行分類存儲，構(gòu)成一個專家數(shù)據(jù)庫，并且所述專家數(shù)據(jù)庫以月為周期進(jìn)行更新，確保所述專家數(shù)據(jù)庫信息的實時性。

3.如權(quán)利要求1或2所述的適用于分布式電站的智能故障預(yù)警方法，其特征在于：所述根據(jù)電站不同設(shè)備數(shù)據(jù)進(jìn)行分類存儲包括，

組串的電流電壓、逆變器發(fā)電數(shù)據(jù)、匯流箱的運行狀態(tài)、箱變的電壓功率、光伏組件的輸出功率以及變壓器的運行狀態(tài)。

4.如權(quán)利要求1所述的適用于分布式電站的智能故障預(yù)警方法，其特征在于：所述進(jìn)行故障分析預(yù)測包括，

對所述實時數(shù)據(jù)進(jìn)行故障波形分析，選取一定時間內(nèi)的實時數(shù)據(jù)進(jìn)行圖像繪制，利用擬合公式對圖像曲線的變化進(jìn)行分析，進(jìn)而推斷下一時刻該設(shè)備的數(shù)據(jù)，將預(yù)測數(shù)據(jù)輸入專家數(shù)據(jù)庫中進(jìn)行故障預(yù)測，其中所述擬合公式表示為如下：

y＝ax+b

其中：y為設(shè)備數(shù)據(jù)，x為時間，a為擬合的圖像曲線斜率，b為擬合系數(shù)。

5.如權(quán)利要求1所述的適用于分布式電站的智能故障預(yù)警方法，其特征在于：所述進(jìn)行智能故障預(yù)警包括，

所述智能故障預(yù)警能實現(xiàn)對預(yù)測信息的在線綜合處理、顯示與推力、支持匯集和處理各類預(yù)警信息，對大量預(yù)警信息進(jìn)行分類管理和綜合、壓縮，對不同需求形成不同的預(yù)警顯示方案，利用形象直觀的方式提供全面綜合的預(yù)警提示，對所述預(yù)警信息集中展示，內(nèi)容包括預(yù)警內(nèi)容描述、預(yù)警等級、預(yù)警時間、是否復(fù)歸、是否確認(rèn)，按不同條件進(jìn)行預(yù)警信息的分類檢索，顯示，打印。

6.一種適用于分布式電站的智能故障預(yù)警系統(tǒng)，其特征在于：包括，

電站數(shù)據(jù)采集模塊(100)用于采集歷史光伏電站故障時的發(fā)電數(shù)據(jù)以及實施設(shè)備運行數(shù)據(jù)；

故障預(yù)警分析模塊(200)與所述電站數(shù)據(jù)采集模塊(100)相連接，利用所述電站數(shù)據(jù)采集模塊(100)采集的歷史光伏電站故障時的發(fā)電數(shù)據(jù)建立故障分析模型，并根據(jù)所述采集的實時數(shù)據(jù)進(jìn)行故障預(yù)測；

智能預(yù)警模塊(300)與所述故障預(yù)警分析模塊(200)相連接，用于對所述故障預(yù)警分析模塊(200)的預(yù)測結(jié)果進(jìn)行智能預(yù)警；

所述故障預(yù)警分析模塊(200)包括，

專家數(shù)據(jù)庫(201)與所述電站數(shù)據(jù)采集模塊(100)相連接，對所述歷史光伏電站故障時的發(fā)電數(shù)據(jù)進(jìn)行專家經(jīng)驗分析，將預(yù)測結(jié)果進(jìn)行分類存儲；

故障樹分析模型(202)與所述電站數(shù)據(jù)采集模塊(100)相連接，利用所述采集到的歷史數(shù)據(jù)建立故障樹分析模型，計算各個設(shè)備發(fā)生故障的概率；

故障預(yù)測單元(203)連接于所述電站數(shù)據(jù)采集模塊(100)、專家數(shù)據(jù)庫(201)和故障樹分析模型(202)，根據(jù)所述故障樹分析模型(202)的計算結(jié)果，依次對電站設(shè)備的實時數(shù)據(jù)進(jìn)行故障分析預(yù)測，并將結(jié)果輸入所述專家數(shù)據(jù)庫(201)，獲得預(yù)測結(jié)果；

所述智能預(yù)警模塊(300)包括，

預(yù)警分類單元(301)連接于所述故障預(yù)測單元(203)，獲取多個預(yù)警數(shù)據(jù)源，并根據(jù)各自的特征對大量的預(yù)警信息進(jìn)行合理分類；

預(yù)警信息綜合和壓縮單元(302)連接于所述故障預(yù)測單元(203)，對系統(tǒng)中由同一原因引起的多個預(yù)警信息進(jìn)行合并，只給出核心的預(yù)警或者引起故障的原因，而不顯示所有預(yù)警信息；

預(yù)警智能推理單元(303)連接于所述專家數(shù)據(jù)庫(201)和預(yù)警分類單元(301)，對分類后的預(yù)警信息進(jìn)行時序分析，給出故障報告，提供故障類型和故障過程；

預(yù)警智能顯示單元(304)連接于所述預(yù)警分類單元(301)、預(yù)警信息綜合和壓縮單元(302)和預(yù)警智能推理單元(303)，對所述預(yù)警信息的類別、原因以及預(yù)警報告進(jìn)行顯示。