(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211205245.9 (22)申请日 2022.09.29 (71)申请人 优得新能源科技 （宁波） 有限公司 地址 315202 浙江省宁波市镇海区骆驼街 道锦业街18号13 -1-3室 (72)发明人 罗群芳　肖洁　文栋　 (74)专利代理 机构 上海剑秋知识产权代理有限 公司 31382 专利代理师 徐海兵 (51)Int.Cl. G06F 16/25(2019.01) G06F 16/35(2019.01) G06F 16/23(2019.01) G06Q 10/00(2012.01) G06Q 50/06(2012.01) (54)发明名称 一种基于人工智能的光伏电站性能检测系 统及方法 (57)摘要 本发明涉及光伏电站性能检测技术领域， 具 体为一种基于人工智能的光伏电站性能检测系 统及方法， 包括： 数据采集模块、 数据库、 数据分 析模块、 数据诊断模块、 智能调度模块和手机终 端； 通过数据采集模块利用搜索引擎技术采集光 伏电站监控系统内的实时数据， 并将数据发送至 所述数据库； 通过数据库存储所有采集到的实时 数据； 通过数据分析模块分析数据是否出现异 常， 若异常则进行报警处理； 通过数据诊断模块 提取异常数据， 确认故障点， 分析故障原因并规 划最佳的方案措施； 通过智能调度模块对电站的 故障信息进行调度， 并将信息发送至所述手机终 端； 通过手机终端以三维可视化显示故障点位置 信息， 并通过语音交互的形式进行方案的选择； 提高了检修效率。 权利要求书3页 说明书8页 附图2页 CN 115544140 A 2022.12.30 CN 115544140 A 1.一种基于人工智能的光伏电站性能检测系统， 其特征在于： 所述系统包括： 数据采集 模块、 数据库、 数据分析模块、 数据诊断模块、 智能调度模块和手机终端； 通过所述数据采集模块利用搜索引擎技术采集光伏电站监控系统内的实时数据， 并将 数据发送至所述数据库； 通过所述数据库存 储所有采集到的实时数据； 通过所述数据分析模块分析 数据是否出现异常， 若异常则进行报警处 理； 通过所述数据诊断模块提取异常数据， 确认故障点， 分析故障原因并规划最佳的方案 措施； 通过所述智能调度模块对光伏电站的故障信 息进行调度， 并将信 息发送至所述手机终 端； 通过所述手机终端以三维可视化显示故障点位置信 息， 并通过语音交互 的形式进行方 案的选择。 2.根据权利要求1所述的一种基于人工智能的光伏电站性 能检测系统， 其特征在于： 所 述数据分析模块包括数据分类单元、 数据对比单元和报警单元； 所述数据分类单元用于利 用朴素贝叶斯分类模型将数据进行分类处理， 并将分类后的数据上传至所述数据对比单 元； 所述数据对比单元用于对比不同时刻同一种数据的变化程度， 判断数据是否发生异常， 若发生明显异常， 则进入报警单元； 所述报警单元用于利用指示灯对异常数据进行报警处 理。 3.根据权利要求1所述的一种基于人工智能的光伏电站性 能检测系统， 其特征在于： 所 述数据诊断模块包括数据提取单元、 数据诊断单元和措施选择单元； 所述数据提取单元用 于提取发生异常的数据， 并将提取 的数据发送至所述数据诊断单元； 所述数据诊断单元用 于对异常数据进行诊断， 确认故障设备和其具体位置， 并分析其 故障原因； 所述措施选择单 元接收到所述数据诊断单 元的结果后， 用于提供几种检修 光伏电站故障的最佳 方案； 所述数据诊断单元包括故障确认子单元和 原因分析子单元； 所述故障确认子单元用于 确认故障设备及故障点具体位置； 所述原因分析子单元用于根据异常数据信息及故障设备 分析其故障原因。 4.根据权利要求1所述的一种基于人工智能的光伏电站性 能检测系统， 其特征在于： 所 述智能调度模块包括人员调取单元和信息调 度单元； 所述人员调取单元用于调取所登记的 当天负责故障电站的运 维人员； 所述信息调 度单元用于将调 度信息发送至运 维人员的手机 终端上。 5.根据权利要求1所述的一种基于人工智能的光伏电站性 能检测系统， 其特征在于： 所 述手机终端包括显示单元、 语音交互单元和信息返回单元； 所述显示单元用于利用3D显示 技术显示光伏电站故障设备及故障点具体位置信息； 所述语音交互单元用于利用智能语音 系统与运维人员进行交互， 告知其具体措施的选择； 所述信息返回单元用于将运维人员实 际采取措施及电站具体故障原因返回到数据库。 6.一种基于人工智能的光伏电站性能检测方法， 其特 征在于： 包括以下步骤： S1： 利用搜索引擎 技术采集光伏电站监控系统内的实时数据； S2： 存储所有采集到的实时数据； S3： 分析数据是否出现异常， 若异常则进行报警处 理；权　利　要　求　书 1/3 页 2 CN 115544140 A 2S4： 提取异常数据， 确认故障点， 分析故障原因并规划最佳的方案措施； S5： 对光伏电站的故障信息进行调度； S6： 以三维可视化显示故障点 位置信息， 并通过语音交 互的形式进行 方案的选择。 7.根据权利要求6所述的一种基于人工智能的光伏电站性 能检测方法， 其特征在于： 在 步骤S3中： 为了分析 数据是否异常， 首 先利用主成分 分析法提取监控数据的关键词： 设定有n个监控数据， 每个监控数据观测p个指标， 将原始数据写成矩阵： 将数据标准化后， 得到建立变量的相关系数矩阵： 则 进一步得到R相应的监控数据特征向量： 由特征向量得到特征值为λ1， λ2，…， λp， 而由于选取主成分 的个数需要依据主成分的贡献率与累计贡献率， 其中第k个主成分数据的贡献率为： 样本前m个主成分的累计贡献率为： 那么第i主成分Fi为： Fi ＝a1iX1+a2iX2+…+apiXp， 其中i＝1， 2，…， p； 接着利用朴素贝叶斯分类模型将采集到的监控数据根据关键词进行分组处理， 并将不 同时间提取的关键词相同的数据归为 一组， 从而得到数据集V＝{vi}， i＝1， 2，…， p； 最后通过对比同一组内的实时数据， 来判断组内数据是否发生异常： 设定x时间里第i组内数据为Y＝{yx}， x＝1， 2， …， n， 则其均值为 此时， 当 有一个数据yn+1进入组内， 则将其与E(Y)进行比较， 若|yn+1‑E(Y)|＞ η 时， 此时判断数据发生 异常， 反之， 则数据无异常； 若数据发生异常， 则进入报警状态， 此时， 指示灯亮红灯。 8.根据权利要求7所述的一种基于人工智能的光伏电站性 能检测方法， 其特征在于： 在 步骤S4中： 当x时间时， 系统 处于报警状态， 则进入数据诊断模式： 首先提取发生异常的数据， 并确认其对应的组别： 若发生异常的数据为第i组内的数 据， 则其组别为Fi； 接着对异常数据进行诊断： 根据数据的组别关键词Fi确认其故障设备， 并通过对 光伏电 站内的设备进行 标号处理来进一 步确认其故障位置信息； 然后利用k线图将数据差值制成图表并根据异常数据信息及故障设备分析其故障原 因： 将数据集Y＝{yx}， x＝1， 2， …， n内的每 一个数据与前一个数据做差值， 则h(x)＝yx+1‑yx， x＝1， 2，…， n， 将h(x)制作成k线图， 并根据k线图的上升及下降趋势来判断设备的故障原 因； 最后根据其故障原因提供几种检修 光伏电站故障的最佳 方案。 9.根据权利要求6所述的一种基于人工智能的光伏电站性 能检测方法， 其特征在于： 在权　利　要　求　书 2/3 页 3 CN 115544140 A 3