一种多源数据融合的新能源场站无人运维系统的制作方法

本发明涉及新能源场站运维，尤其涉及一种多源数据融合的新能源场站无人运维系统。

背景技术：

1、随着新能源产业的迅猛发展，光伏、风电等新能源场站的建设规模持续扩大，场站数量逐年递增，且多数场站部署于户外偏远区域，地形条件复杂、自然环境恶劣，给场站运维工作带来了极大的挑战；目前，新能源场站的主流运维模式仍以人工巡检、单一数据监测及半自动化运维为主，同时现有技术方案均未解决多源异构数据深度融合、场景化权重自适应、运维闭环自校验等核心技术问题，已难以满足大规模新能源场站高效、精准、低成本的运维需求。

2、现有新能源场站运维技术普遍存在诸多技术短板：人工巡检模式过度依赖运维人员现场作业，运维效率低下、成本居高不下，受自然环境影响显著且存在巡检盲区，易导致设备故障漏检、误检；单一数据监测模式仅针对核心设备运行参数进行单一维度监测，未实现多源数据联动融合，数据割裂严重，无法全面判断场站整体运行状态；半自动化运维模式虽引入部分自动化设备，但故障识别、定位及处置仍需人工参与，无人化程度低。

技术实现思路

1、本发明要解决的技术问题是提供一种多源数据融合的新能源场站无人运维系统，该多源数据融合的新能源场站无人运维系统能够解决上述的问题。

2、为解决上述问题，提供以下技术方案：

3、设计一种多源数据融合的新能源场站无人运维系统，包括多源数据采集模块、数据预处理模块、多源数据融合模块、无人运维执行模块、系统管控模块和数据存储模块：

4、各模块之间通过物联网通信模块实现双向数据交互，形成完整的运维闭环，所述多源数据融合模块包括特征提取单元、特征层融合单元、决策层融合单元、融合权重调整单元和融合精度校验单元，所述特征提取单元对不同类型数据采用差异化提取方法得到特征向量，所述特征层融合单元采用改进的cnn-lstm神经网络模型，对所述特征向量进行空间关联性和时间关联性融合，生成统一融合特征，所述决策层融合单元结合模糊推理算法和贝叶斯估计算法，根据所述统一融合特征生成场站运行状态评估结果及运维指令，所述融合权重调整单元根据当前场站类型和运行场景，动态调整所述特征层融合单元和决策层融合单元中不同数据源的融合权重，所述融合精度校验单元实时计算融合结果精度，并在精度超出预设阈值时，自动修正所述改进的cnn-lstm神经网络模型的参数以及所述融合权重，直至融合误差≤5%，所述无人运维执行模块接收所述运维指令执行处置，处置完成后，触发所述多源数据融合模块根据重新采集的数据再次评估设备状态，直至设备恢复正常，形成闭环校验。

5、上述技术方案通过构建包含特征层和决策层的双层融合架构，并引入融合精度自校验与权重动态调整机制，实现了多源数据从采集、融合、决策到执行与验证的全流程自动闭环。相比于现有技术中将数据融合、故障诊断和运维执行相割裂的方案，本系统通过处置后的再评估闭环，确保运维措施真实有效，显著提升了场站运行的可靠性和无人化运维的智能化水平。

6、进一步的，所述多源数据采集模块包括设备运行数据采集单元，所述设备运行数据采集单元采集光伏组件、风机、储能设备、变流器、汇流箱、箱变的实时运行参数，其中光伏组件相关参数采集频率为10s/次，风机相关参数采集频率为5s/次，储能设备及变流器相关参数采集频率为8s/次。

7、上述技术方案通过针对不同设备特性设定差异化的高频采集频率，能够精确捕捉光伏组件的缓慢功率波动、风机的快速工况变化以及储能和变流器的动态响应过程，为后续多源数据融合与故障判别提供了高时间分辨率的输入数据，有效避免了因采样频率不当导致的状态漏判或误判。

8、进一步的，所述多源数据采集模块还包括环境气象数据采集单元，其采集光照强度、风速、风向、温度、湿度、降水、积雪厚度、沙尘浓度、能见度，采集频率为1min/次，其中光照强度测量范围为0-2000w/m²，测量精度为±5w/m²，风速测量范围为0-60m/s，测量精度为±0.1m/s。

9、上述技术方案通过集成沙尘浓度、积雪厚度、能见度等新能源场站特有的环境因子，并结合宽量程、高精度的光照和风速传感器，能够全面刻画场站设备所处的外部微气象环境，为数据分析提供了关键的工况关联信息，使得系统能够区分设备自身故障与环境因素诱发的性能衰减，提升诊断的准确性。

10、进一步的，所述多源数据采集模块还包括安防环境数据采集单元，其包括高清网络摄像头、红外热成像探测器、声音传感器及振动传感器；所述高清网络摄像头以25帧/秒进行视频采集，所述红外热成像探测器温度测量范围为-20℃-150℃，测量精度为±0.5℃；所述安防环境数据采集单元的异常识别响应时间≤20s。

11、上述技术方案通过融合视觉、红外热成像及声振多维度监测手段，构建了立体化的场站安防与设备状态感知体系。红外热成像探测器的高精度测温能力能够快速发现设备局部过热等隐患，声振传感器则可捕捉变压器、风机等设备的异常机械响声和振动，配合20秒内的快速响应机制，可将安全与环境风险消灭在萌芽阶段。

12、进一步的，所述数据预处理模块包括数据格式标准化单元、噪声去除单元、缺失值填补单元和数据归一化单元，所述数据格式标准化单元将结构化数据转换为json格式，半结构化数据转换为xml格式，非结构化数据经特征提取后转换为结构化特征数据，所述噪声去除单元采用改进卡尔曼滤波算法，其滤波系数根据数据类型动态调整，所述缺失值填补单元根据缺失数据占比动态选择线性插值、多项式插值或相似性匹配填补算法，所述数据归一化单元采用min-max归一化算法，将数据归一化到固定区间。

13、上述技术方案通过针对多源异构数据的分层预处理策略，从格式标准化、自适应噪声去除到智能化缺失值填补，形成了一条高质量的数据清洗流水线。特别是根据数据类型动态调整滤波系数的改进卡尔曼滤波算法，能够在滤除噪声的同时最大程度保留原始信号中的故障特征，而动态选择的填补算法则保证了在恶劣通信条件下数据的完整性，为融合模块提供了坚实的数据基础。

14、进一步的，所述改进的cnn-lstm神经网络模型包括依次连接的cnn卷积层、lstm循环层和全连接层，所述cnn卷积层提取特征的空间关联性，所述lstm循环层提取时间关联性，所述全连接层映射得到所述统一融合特征，所述决策层融合单元对模糊推理和贝叶斯估计的结果进行加权融合，得到所述场站运行状态评估结果，所述融合权重调整单元存储有与不同场站类型和运行场景对应的初始融合权重表，并通过实时辨识运行场景，调用对应的初始融合权重实现所述动态调整。

15、上述技术方案通过定义改进cnn-lstm模型的清晰逐层结构，将空间多源关联与时间序列演化深度结合，提取的融合特征更具表征能力。同时，融合权重调整单元通过存储的先验权重表与实时场景辨识，实现了不同工况下设备数据和环境数据权重的自动切换，使得模型在光伏场站的晴天模式、风机的大风切变模式等多种场景下均能保持最优诊断性能，解决了固定权重模型适应性差的难题。

16、进一步的，所述无人运维执行模块包括故障识别定位单元、自主移动巡检单元和应急处置单元，所述故障识别定位单元结合gps定位模块和场站电子地图实现故障定位，定位精度≤1m，故障响应时间≤30s，所述自主移动巡检单元包括无人机巡检系统和地面巡检机器人，所述无人机巡检系统搭载高清采集设备对地形复杂区域进行故障细节采集，所述地面巡检机器人采用slam导航算法实现自主避障，并搭载处置装置以完成处置动作，所述应急处置单元针对预设的极端场景自动启动应急方案，并在处置完成后由所述多源数据融合模块进行效果校验。

17、上述技术方案通过空中无人机与地面机器人协同作业，突破了传统单一巡检手段的限制，能够覆盖山地、水面、屋顶等复杂地形，并实现从宏观巡查到故障细节采集、再到简单现场处置的无人化作业链条。结合亚米级精度的故障定位和30秒内的快速响应，以及处置后的自动效果校验，显著缩短了故障平均修复时间。

18、进一步的，所述系统管控模块包括云端管控平台、人机交互接口和权限管理单元，所述云端管控平台支持多终端登录，通过图表实现数据可视化，并自动生成运维报表，所述人机交互接口具备故障报警提示和运维进度提醒功能，所述权限管理单元设置管理员、运维人员、查看三级权限，各级权限对应不同的操作范围。

19、上述技术方案通过云端管控平台实现了对场站群的远程集中监视与管控，自动生成的运维报表降低了人工统计工作量。分级权限管理体系确保了系统操作的安全性与规范性，防止越权操作引发的运行风险，而具备语音控制功能的人机交互接口则提升了现场操作的便捷性。

20、进一步的，所述数据存储模块包括本地存储和云端备份，所述本地存储采用工业级固态硬盘，容量≥1tb，用于存储近3个月的实时数据和预处理数据，所述云端备份采用分布式云存储，用于存储历史数据，支持数据永久备份和快速恢复，所述数据存储模块采用加密存储。

21、上述技术方案通过本地热数据和云端冷数据的双重存储架构，兼顾了高频实时数据的读写性能与海量历史数据的安全永久保存。工业级固态硬盘确保了在恶劣环境下数据存取的可靠性，分布式云存储的快速恢复能力则保障了数据在极端事故下的不丢失。

22、进一步的，所述多源数据采集模块的数据传输单元采用5g和lora双模无线传输方式，其中5g传输方式用于传输实时性要求高的数据，lora传输方式用于传输实时性要求较低的数据，所述运维闭环包括采集、预处理、融合、决策、执行、校验全流程。

23、上述技术方案通过5g和lora双模通信的协同，兼顾了高清视频、高频振动等大带宽实时数据的低延迟传输与气象、安防等小数据量长周期数据的低功耗广域覆盖，确保了整个场站物联网通信的可靠性和经济性，并从物理上贯通了从采集到执行校验的完整运维闭环。

24、与现有技术相比，本发明的有益效果在于：

25、1、该多源数据融合的新能源场站无人运维系统，通过采用特征层与决策层双层融合、融合权重自适应以及闭环自校验相结合的技术方案，解决了现有系统数据融合深度不足、场景适应性差及运维处置闭环缺失的问题，实现了新能源场站无人运维系统的全流程自动化和智能化；

26、2、该多源数据融合的新能源场站无人运维系统，通过将环境气象、安防等多维度数据与设备运行数据进行融合，并结合改进的cnn-lstm模型，能够准确区分环境因素与设备自身故障，大幅降低误报率，提升故障诊断的精准度；

27、3、该多源数据融合的新能源场站无人运维系统，通过无人机与地面机器人协同的自主移动巡检，以及处置后基于数据融合的闭环校验，实现了故障识别、定位、处置和验证的完整无人化闭环，显著减少了人工介入，提升了极端环境下运维的安全性和效率。