一种耦合物联网的光伏电子产品故障诊断与远程运维系统的制作方法

本发明涉及光伏电子故障诊断远程运维，尤其涉及一种耦合物联网的光伏电子产品故障诊断与远程运维系统。

背景技术：

1、光伏作为清洁能源核心组成部分，近年集中式、分布式光伏装机规模持续高速增长，场站多布局于山地、戈壁、工商业屋顶、居民屋顶等分散区域，光伏组件、逆变器、汇流箱等电子设备数量庞大、部署分散，运维覆盖难度大，行业核心需求集中于提升故障识别准确率、缩短故障响应时长、降低整体运维成本，保障光伏场站发电效率。

2、目前小型分布式光伏场站普遍采用传统人工巡检运维模式，工作原理为运维人员按固定周期到场巡检、抄录设备运行参数，故障发生后由场站管理人员通知运维人员到场排查处置，依赖运维人员的实操经验完成故障判定与消缺，该模式无需额外信息化系统投入，部署门槛低。但存在明显缺陷：巡检覆盖密度有限，组件热斑、电位诱发衰减等早期隐性故障无法及时发现，故障漏判率高；硬故障发生后响应时延长达数小时至数天，发电损失较大；运维质量高度依赖人员经验水平，新人误判率高，偏远场站巡检人力、交通成本极高，难以适配规模化光伏运维需求。

3、当前大中型光伏场站多采用云端集中式光伏运维系统，工作原理为在设备端部署采集传感器，将全量运行数据上传至云端平台，通过固定阈值判定或简单机器学习模型完成故障识别，能够实现设备运行状态的远程集中监控，相比人工巡检大幅降低了现场工作量。但仍存在诸多不足：全量数据上传对网络带宽要求高，偏远场站网络稳定性差时易出现数据丢包、延迟，导致诊断精度大幅下降；所有诊断逻辑均在云端执行，故障响应时延达秒级甚至分钟级，无法对短路、过温等紧急硬故障实现本地快速告警，易引发设备烧毁、起火等安全事故；诊断仅依赖单设备自身运行数据，未实现多源特征交叉融合，弱特征隐性故障识别准确率低，漏判问题突出；系统未打通运维全流程链路，故障诊断后仍需人工完成派单、备件调度、消缺核验，流程断点多，运维效率提升有限。

技术实现思路

1、本发明提出的一种耦合物联网的光伏电子产品故障诊断与远程运维系统，以解决上述现有技术中提到的现有光伏运维故障识别精度低、响应时延高、运维流程不闭环、场景适配性差的问题。

2、为了实现上述目的，本发明采用了如下技术方案：一种耦合物联网的光伏电子产品故障诊断与远程运维系统，包括通过支持多类异构物联网协议适配的通信链路依次耦接的全域感知采集单元、边缘前置诊断单元、云端融合决策单元、运维闭环执行单元及分级授权多端交互单元；

3、全域感知采集单元分布式部署于光伏电子产品全链路节点，覆盖光伏组件、组串逆变器、汇流箱、并网柜、储能模块安装点位，按照动态配置的差异化采样频率采集节点运行电参量、环境参量、工况状态数据，对采集数据完成时钟漂移补偿、坏值剔除、时间戳对齐预处理后，通过断点续传加密通道传输至边缘前置诊断单元；

4、边缘前置诊断单元部署于场站本地工控机，加载经知识蒸馏压缩的轻量化故障识别模型对实时流数据开展毫秒级初阶诊断，识别显性硬故障时触发本地分级告警，同时按预设置信度阈值筛选疑似隐性故障的关联特征片段，连同初阶诊断置信度结果上传至云端融合决策单元；

5、云端融合决策单元部署于混合云架构平台，对接收的边缘侧数据开展跨维度多源特征融合，加载引入注意力机制的时序卷积深度诊断模型精准定位故障，量化故障风险等级、明确诱因与影响边界，生成匹配故障等级的差异化运维处置策略；

6、运维闭环执行单元与场站备品仓储、人员定位、工单调度系统打通数据接口，根据运维策略自动生成派单、备品调度指令，全流程跟踪运维节点并在消缺后开展自动化核验，形成诊断-派单-处置-核验的全闭环链路；

7、分级授权多端交互单元面向运维人员、场站管理员、设备厂商人员提供差异化操作入口，实现告警、工单状态、运行数据的实时同步与双向交互。

8、进一步的，全域感知采集单元包括高精度电参量采集模块、多维度环境参量采集模块、设备工况采集模块及边缘预处理模块；高精度电参量采集模块采样精度不低于0.5级，采集范围覆盖光伏组串开路电压、工作电流、最大功率点功率，逆变器直流侧输入电压电流、交流侧输出电压电流、转换效率、总谐波畸变率，汇流箱各支路电流、母线电压，储能模块充放电电压、充放电电流、单体电芯温度、荷电状态值；多维度环境参量采集模块采集光伏面板倾斜面辐照度、环境干球温度、面板背板温度、场站近地面风速、降雨标识、积雪厚度识别数据；设备工况采集模块采集设备直流开关状态、交流断路器状态、散热风扇转速、防雷器状态、通讯链路信号强度数据；边缘预处理模块首先对各采集节点的时钟漂移进行补偿实现时间戳精准对齐，所采用的时钟漂移补偿对齐公式为：；

9、其中，为第个采集节点采集数据经过补偿后的对齐时间戳，单位为毫秒；为第个采集节点本地时钟记录的采集时间戳，单位为毫秒；为采集节点与边缘网关最近一次时钟同步时的时间偏差值，单位为毫秒；为采集节点的晶振漂移系数，通过连续三次时钟同步的偏差值线性拟合得到；为采集节点与边缘网关最近一次时钟同步的基准时间，单位为毫秒；

10、该补偿方式充分考虑分布式采集节点晶振固有漂移带来的累计时间误差，可将多节点数据的时间对齐误差控制在极低水平，为后续故障特征的时序匹配提供精准数据基础，避免因时序错位导致的故障特征提取错误；预处理模块在完成时间戳对齐后，采用改进3σ准则剔除离群坏值，采用相邻采样点线性插值方法补齐短时间缺失数据，剔除补全过程中保留原始数据标识，避免预处理操作改变原始故障特征。

11、进一步的，边缘前置诊断单元加载的轻量化故障识别模型为以残差结构为基础、经过通道剪枝与知识蒸馏压缩的轻量型卷积神经网络模型，模型参数量适配边缘工控机的存储与计算能力，单次推理时延满足毫秒级实时响应要求，模型训练阶段采用场站积累的显性硬故障样本集完成训练，所识别的显性硬故障类型包括光伏组件正负极短路、组件输出开路、逆变器过温触发保护停机、汇流箱支路熔断器熔断断流、通讯链路完全中断五类故障；

12、边缘前置诊断单元对每一条实时采集数据输出初步诊断结果的同时，输出诊断结果的边缘置信度值，当边缘置信度值高于0.95时，判定为确定发生的显性硬故障，直接触发现场声光告警并标记为紧急运维等级，无需等待云端二次诊断即可推送至运维闭环执行单元，缩短高风险故障的响应时延；

13、当边缘置信度值介于0.6至0.95之间时，判定为存在疑似隐性故障风险，自动截取故障发生前后预设时长的时序特征片段，连同边缘置信度值、点位标识信息打包上传至云端融合决策单元；当边缘置信度值低于0.6时，判定为数据存在采集扰动，直接标记为正常数据不触发告警与上传流程，降低云端的计算负载与传输带宽占用。

14、进一步的，云端融合决策单元接收到边缘侧上传的疑似故障特征片段后，首先开展多源特征维度对齐与融合，具体为将实时采集的故障特征片段、同点位设备历史正常运行基准特征、相邻同规格组串或设备的实时运行特征、场站未来时段气象预报数据、设备全生命周期运维记录数据进行维度统一，构建包含时间步长、特征类别、关联设备三个维度的三阶故障特征张量，消除单源数据采集偏差、环境扰动对诊断结果的干扰；

15、完成特征融合后，云端深度诊断模型输出云端诊断结果与对应的云端置信度值，系统采用云边协同置信度加权融合公式计算最终诊断置信度，作为故障等级判定的依据，所采用的云边协同置信度加权融合公式为：；其中，为故障诊断结果的最终置信度，取值范围为0到1；为边缘前置诊断单元输出的诊断结果置信度，取值范围为0到1；为云端融合决策单元输出的诊断结果置信度，取值范围为0到1；为边缘侧诊断结果的权重值，根据边缘模型近7天在对应场站的诊断准确率动态调整；为云端侧诊断结果的权重值，根据云端模型近30天的全局诊断准确率动态调整，且满足与的和为1；

16、该融合方式摒弃了传统云边协同诊断采用固定权重的弊端，可根据模型实际运行表现动态调整权重分配，同时兼顾边缘诊断的低时延优势与云端诊断的高精度优势，在降低传输带宽占用与云端计算负载的同时，提升整体故障诊断准确率；

17、当最终置信度高于预设阈值时，判定故障诊断结果有效，进入后续运维策略生成流程，当最终置信度低于预设阈值时，自动触发远程专家复核流程，避免误诊与漏诊。

18、进一步的，云端融合决策单元加载的深度诊断模型为引入通道注意力机制与时间注意力机制的双层注意力时序卷积网络模型，模型通过通道注意力模块自动分配不同特征维度的权重，提升热斑、电位诱发衰减、接线端子虚接等弱特征隐性故障的特征敏感度，通过时间注意力模块自动定位时序数据中与故障关联度最高的时间片段，降低无关时序片段对诊断结果的干扰；

19、模型输出结果包含故障发生的精准点位、故障诱因分类结果、故障扩散影响范围、故障潜在发电损失量化值，所覆盖的隐性故障类型包括光伏组件热斑、电位诱发衰减、封装材料老化透光率下降、逆变器转换效率异常衰减、储能模块容量非正常衰减、接线端子接触电阻过大导致的温升异常六类早期隐性故障，上述故障在边缘侧因特征不明显难以被轻量化模型识别，通过云端融合多源数据可实现故障早期阶段的精准识别，避免故障进一步扩大造成设备损坏与发电损失。

20、进一步的，云端融合决策单元生成运维处置策略时，自动调用结构化存储的历史故障案例库，将当前故障的特征向量与案例库中历史故障的特征向量开展余弦相似度匹配，匹配度达到预设阈值时直接复用对应历史案例的标准化处置流程、现场安全操作规范、所需备品备件的型号与数量、故障排查优先级信息，匹配度低于阈值时，自动向对应设备型号的厂商技术人员发送远程协助请求，由厂商技术人员结合故障数据制定针对性处置策略，策略经审核生效后同步存入历史故障案例库，实现案例库的动态迭代更新，随着系统运行时间增加，案例库覆盖的故障场景持续丰富，策略生成的准确率不断提升。

21、进一步的，运维闭环执行单元包括智能派单模块、智能备件调度模块、全流程跟踪模块及自动化消缺核验模块；智能派单模块基于运维人员的实时位置、当前待处理工单负载、历史处置同类型故障的完成率、所持资质与故障类型的匹配度四个维度，计算每个待派单运维人员的综合适配度，选取综合适配度最高的人员作为工单承接人，所采用的运维人员综合适配度计算公式为：；其中，为运维人员承接当前工单的综合适配度得分，取值范围为0到1，得分越高表示适配性越强；为运维人员当前实时位置与故障点位的直线距离，单位为千米；为场站范围内可调度运维人员距离故障点位的最大直线距离，单位为千米；为运维人员当前待处理工单的预计剩余处置时长，单位为分钟；为所有可调度运维人员中待处理工单的最大预计剩余处置时长，单位为分钟；为运维人员历史处置同类型故障的完成满意率，取值范围为0到1；为运维人员所持资质与当前故障处置要求的匹配度，完全满足要求取值为1，部分满足取值为0.5，不满足取值为0；、、、分别为距离维度、负载维度、历史绩效维度、资质维度的权重系数，由场站管理人员根据实际运维需求配置，且满足四个权重系数的和为1；

22、该量化方式通过多维度归一化计算消除不同指标的量纲差异，避免人工派单的主观性与随意性，实现运维任务的最优人员匹配，缩短故障响应时间，提升运维处置效率；智能备件调度模块根据故障类型自动匹配场站备品库中对应的备品备件型号与数量，库存满足需求时自动锁定对应备件并发送领用提醒，库存不足时自动触发距离最近的区域仓储点调货流程；全流程跟踪模块实时同步运维人员的到场签到、故障排查、处置操作的全节点信息；

23、自动化消缺核验模块在运维人员提交消缺完成申请后，自动调取对应点位连续预设时长的运行数据，与故障发生前同时段的正常运行基准值做偏差对比，偏差处于正常阈值范围内则确认消缺完成，自动关闭工单，否则驳回消缺申请要求重新处置。

24、进一步的，分级授权多端交互单元采用基于角色的访问控制机制实现分级权限管控，针对场站管理人员角色开放全量运行数据查看、运维策略参数调整、系统采样频率配置、权限分配的操作权限，支持查看全站的发电数据、故障统计、运维完成率等统计报表；

25、针对一线运维人员角色开放负责片区的故障告警接收、工单状态更新、现场排查音视频回传、备件领用申请的操作权限，仅可查看自身承接工单关联的设备数据与处置要求；

26、针对设备厂商技术人员角色开放对应型号设备的故障诊断模型迭代更新、疑难故障远程排查指导的操作权限，仅可查看自身负责型号设备的脱敏运行数据，无法获取场站其他设备的敏感运行信息；所有角色的操作行为全程记录操作日志，包含操作人、操作时间、操作内容、操作前后的参数变化信息，日志留存满足电力系统安全管控的可追溯要求。

27、进一步的，云端融合决策单元与边缘前置诊断单元之间建立加密的模型增量同步链路，云端每次基于新增故障样本完成深度诊断模型迭代优化后，自动生成对应场站适配的轻量化模型增量更新包，更新包采用差分压缩方式减小传输体积，通过断点续传机制下发至对应场站的边缘前置诊断单元，模型更新过程采用双缓存机制，即旧版本模型持续运行提供诊断服务，新版本模型在后台完成加载与本地测试集精度校验，当新版本模型在本地测试集上的诊断精度不低于旧版本模型时，自动平滑切换至新版本模型运行，切换过程无服务中断，若新版本模型精度不满足要求则自动回滚至旧版本模型，避免模型更新导致的诊断业务中断。

28、进一步的，云端融合决策单元还集成有预测性运维模块，基于连续采集的设备长时序运行数据，通过拟合设备性能退化趋势曲线，预测设备未来预设周期内的性能退化量，当设备性能退化量达到预设预警阈值时，自动生成预测性运维任务，提前安排运维人员在低发电时段开展预防性检修与清洁维护，将故障处置模式从事后抢修转变为事前预防，降低故障停机导致的发电损失；

29、预测性运维模块还可结合历史故障发生规律、气象灾害预警信息，自动生成场站设备的常态化巡检计划，动态调整巡检点位与巡检频率，对故障风险高的点位提高巡检频次，对运行状态稳定的点位适当降低巡检频次，在提升巡检针对性的同时降低运维人员的无效巡检工作量。

30、与现有的技术相比，本发明的有益效果是：

31、本发明采用云边协同分层诊断架构，边缘侧部署轻量化故障识别模型，实现显性硬故障的极快本地告警，仅上传疑似隐性故障的特征片段而非全量运行数据，有效解决了现有集中式云端运维系统带宽占用高、网络不稳定时故障响应滞后甚至失效的问题，断网状态下边缘侧可独立完成本地告警与数据缓存，避免紧急硬故障处置不及时引发的安全事故，同时大幅降低传输资源消耗与云端计算负载。

32、本发明采用多源特征融合的深度诊断逻辑，对分布式采集节点的时钟漂移进行精准补偿实现多源数据时序对齐，引入动态权重的云边诊断置信度融合机制，强化早期隐性故障的弱特征捕捉能力，有效解决了现有运维系统单源数据诊断偏差大、早期隐性故障漏判率高、诊断精度高度依赖运维人员经验的问题，大幅提升全类型故障的识别准确率，减少误诊漏诊情况。

33、本发明打通诊断、派单、备件调度、消缺核验的全链路运维流程，采用多维度量化的运维人员适配度算法实现智能派单，配套标准化历史故障案例库复用与分级授权多端交互机制，有效解决了传统运维流程断点多、人工派单主观性强、消缺核验不规范、信息传递滞后的问题，实现运维全流程的自动化闭环管控，降低运维人力成本，提升整体处置效率。