太阳能光伏电板热斑实时预警方法、装置及存储介质与流程

本发明属于太阳能光伏发电监测与故障诊断，具体涉及一种基于多参数融合与智能算法的太阳能光伏电板热斑实时预警方法及系统。

背景技术：

1、在全球能源转型的大背景下，太阳能光伏发电因其清洁、可再生的特性得到了迅猛发展。然而，光伏电站在长期户外运行过程中，不可避免地会受到灰尘遮挡、鸟粪覆盖、树叶遮蔽或组件自身老化、隐裂等因素的影响。这些因素会导致光伏组件局部电池片被反向偏置，成为负载消耗其他电池片产生的电能，并将其转化为热能，从而形成局部高温区域，即“热斑效应”。

2、针对光伏电板热斑因局部过热导致的效率下降与安全隐患，现有的检测手段仍然存在明显不足。传统的热斑检测主要依赖于单一参数的监测，例如仅依靠电气参数或仅依赖定期的人工红外热成像巡检。传统单参数检测方法存在准确率低、误报率高等问题。仅依赖电压和电流的电气特征检测时，由于光伏阵列通常采用串并联结构，单块组件甚至单个电池片的轻微热斑所引起的电气参数变化容易被逆变器噪声或整体电网的波动所掩盖，导致系统无法在热斑早期及时发现，往往在造成不可逆物理损伤时才能报警，准确率极低。仅依赖红外热成像的图像检测时，容易受到环境温度、太阳辐照度突变、甚至周围建筑物玻璃反光的干扰。例如，云层遮挡瞬间或风速剧烈变化都会引起光伏板表面温度的局部差异，这种非故障性的温度波动极易被系统误判为热斑，导致极高的误报率。传统的单参数或简单阈值预警方法缺乏对组件物理状态的深度感知，无法从多维度交叉验证故障的真实性。

3、为了克服上述缺陷，迫切需要一种能够突破单一数据局限性、实现早期精准预警的新型监测架构。

技术实现思路

1、本发明的目的在于克服现有技术的不足，提供一种基于多参数融合与智能算法的太阳能光伏电板热斑实时预警方法、装置及存储介质，旨在解决传统单参数检测方法中存在的准确率低、误报率高的技术问题，通过多源参数的协同采集与特征、决策双级融合，实现光伏热斑的早期精准识别与分级预警，保障光伏电站的安全高效运行。

2、为解决上述技术问题，本发明采用的技术方案是：

3、本发明首先提供一种太阳能光伏电板热斑实时预警方法，包括以下步骤：

4、s1.同步采集光伏电板的多源参数，所述多源参数包括电流、电压、温度、应力及红外图像；

5、s2.对采集到的多源数据进行噪声消除和一致性处理；

6、s3.从处理后的多源数据中提取特征并构建融合特征向量；

7、s4.采用双引擎驱动模型对构建的融合特征向量进行处理，输出模型分类结果；

8、s5.根据模型分类结果，输出不同等级的热斑预警信息。

9、本发明还提供一种太阳能光伏电板热斑实时预警装置，包括：

10、一个或多个处理器；

11、存储器，用于存储一个或多个程序，

12、当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现上述提供的所述的太阳能光伏电板热斑实时预警方法的步骤。

13、本发明还提供一种存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述提供的所述的太阳能光伏电板热斑实时预警方法的步骤。

14、本发明方法的有益效果在于：

15、1.本方法提出融合多源参数的实时监测体系，突破单一数据局限性，提升预警可靠性。应力数据的加入是本发明的一大亮点，能够提前感知由隐裂或封装退化导致的内应力异常，比单纯的温度或电学参数更具前瞻性。

16、2.通过特征级与决策级双模态融合框架，在决策级融合阶段通过加权投票机制整合多模型结果，动态调整权重，降低误报率。即使在恶劣天气或逆变器剧烈扰动导致某一单项参数失效时，其他维度的参数也能通过权重调整弥补缺失，保证系统稳定。

17、3.采用卷积神经网络与随机森林双引擎驱动，结合了深度学习在图像空间特征提取上的绝对优势和传统机器学习在多维统计特征分类上的高效性。实现热斑分级预警，使得运维人员能够根据严重程度合理安排清洗、检修或组件替换计划，避免了运维资源浪费。

1.一种太阳能光伏电板热斑实时预警方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的太阳能光伏电板热斑实时预警方法，其特征在于，步骤s3，包括：

3.根据权利要求2所述的太阳能光伏电板热斑实时预警方法，其特征在于，对构建的融合特征向量的所有特征进行归一化，将其映射至[0,1]区间：

4.根据权利要求2所述的太阳能光伏电板热斑实时预警方法，其特征在于，温度梯度的模长的计算公式为：

5.根据权利要求2所述的太阳能光伏电板热斑实时预警方法，其特征在于，步骤s4中，双引擎驱动模型为卷积神经网络子模型和随机森林子模型；通过加权投票机制整合双引擎模型的输出结果：

6.根据权利要求2所述的太阳能光伏电板热斑实时预警方法，其特征在于，卷积神经网络子模型、随机森林子模型的权重需满足归一化约束：

7.根据权利要求2所述的太阳能光伏电板热斑实时预警方法，其特征在于，步骤s2中，采用z-score归一化方法与滑动滤波算法消除数据噪声，以确保多源数据的一致性。

8.根据权利要求2所述的太阳能光伏电板热斑实时预警方法，其特征在于，步骤s5中，所述热斑预警信息的状态级别划分为正常、轻度热斑、中度热斑及重度热斑四个等级。

9.一种太阳能光伏电板热斑实时预警装置，其特征在于：包括：

10.一种存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-8中任一项所述的太阳能光伏电板热斑实时预警方法的步骤。