一种基于光伏功率异常的边坡预警方法及系统

本发明涉及地质灾害监测预警与新能源运维交叉，尤其涉及一种基于光伏功率异常的边坡预警方法及系统。

背景技术：

1、随着新能源产业的规模化发展，大量光伏电站建设于山地、丘陵或复杂地质边坡之上。地质边坡稳定直接关系到光伏阵列的结构安全与电站的持续运营，因此，边坡滑移监测预警至关重要。现有技术中，传统边坡深部位移监测依赖钻孔埋设测斜设备，不仅施工成本高昂、破坏场区脆弱的表土生态，且只能实现稀疏的点状布设，存在大量监测盲区。与此同时，光伏电站自身每时每刻都在产生海量的组串功率、电压等实时运行数据，仅被单一排他地用于发电诊断，其时空特征与土体形变间的物理联系从未被本领域认知利用。

2、针对光伏支架因基础微位移导致的倾角改变或组件损伤，现有技术多依赖无人机可见光等后置巡检手段。捕获宏观物理损伤时，边坡往往已经发生了不可逆的显著位移，错失早期微变形阶段的预警窗口期。为此，亟需一种打破光伏运维与地质监测数据壁垒、能实现早期前置预警的新型监测预警方法。

技术实现思路

1、为了解决上述问题，本发明提出一种基于光伏功率异常的边坡预警方法及系统，以解决上述问题。

2、本技术公开了一种基于光伏功率异常的边坡预警方法，包括以下步骤：

3、s1、构建边坡光伏阵列的空间拓扑模型，并获取目标区域内在多个连续时刻的多源运行数据与环境数据；

4、s2、基于空间拓扑模型，计算各光伏组串相对于其空间邻域的功率异常偏离度，构建功率失配空间分布特征；

5、s3、对功率失配度空间分布矩阵进行时空序列分析，识别并追踪时空连续的功率失配簇，提取其空间生长速率与方向特征；

6、s4、构建并训练从功率失配簇生长特征向量到边坡实际滑移状态的映射模型；

7、s5、实时获取边坡光伏的多源运行数据及环境数据并输入至映射模型中，输出边坡的滑移风险等级与滑移方向预估值并执行分级预警响应。

8、优选的，所述s1包括：

9、s11、以坡脚固定基准点为原点建立坡面坐标系，记录各光伏组串的空间位置坐标并关联其唯一标识符，构建光伏阵列空间拓扑模型；

10、s12、实时提取目标区域内各光伏组串在连续时刻的直流输出功率、直流电流、直流电压时序数据，以及同步的光伏辐照度和组件电池板温度；

11、s13、对s12提取的数据进行有效性筛选，剔除无效采样时刻；

12、对通过有效性筛选的有效时刻的实测直流输出功率按下式归一化：

13、

14、其中，为时刻该组串光伏在stc条件下的归一化功率值，为时刻该光伏组串的实测直流输出功率，为标准测试条件下的辐照度，为时刻的实测光伏辐照度，为光伏组件的功率温度系数，为标准测试条件下的电池温度，为时刻该光伏组串的组件电池板温度；

15、经归一化后得到以组串编号为行、以时间为列的功率时空矩阵：

16、

17、其中，为组串编号。

18、优选的，s13中所述有效性筛选的规则如下：

19、当辐照度低于预设的有效辐照度下限阈值时，该时刻的全部组串数据标记为无效；

20、当某个组串所连接的逆变器通过通信协议向电站监控系统上报的工作状态处于非mppt正常追踪模式时，该组串在对应时刻的运行数据被标记为无效；

21、当某个组串的运行数据中存在明显空缺时，该组串此时刻数据标记为无效。

22、优选的，所述s2包括：

23、s21、以目标组串的中心坐标为基准，提取与其在坡面上、下、左、右物理相邻的组串，构成四邻域集合：

24、s22、计算目标组串在时刻的功率失配度：

25、

26、其中，为组串在时刻的归一化功率值，为组串的邻域集合内所有组串在时刻归一化功率的算术平均值；

27、遍历全部目标组串，构建功率失配度时空矩阵：

28、

29、s23、对功率失配度时空矩阵进行交叉验证，包括电流离散度与电压联合校核与运维故障标记排除；

30、所述电流离散度与电压联合校核包括：

31、计算该光伏组串在同一时刻的原始电流与电压相对于其邻域均值的相对偏差与；

32、根据光伏组件输出特性进行如下解耦判别，包括三种情形：

33、情形a：若且，同时伴随，则判定为伪失配，在中予以剔除；

34、情形b：若，变化微小，但，则判定为伪失配，予以剔除。

35、情形c：若，，但或在正常波动范围内，则此类组串的失配标记予以保留，并提升其置信度权重；

36、所述运维故障标记排除包括：若电站运维数据库中已登记组串存在已知故障，则该组串在故障修复前直接从中置零，不参与后续失配演化计算。

37、s24、对原功率失配度时空矩阵进行更新重构，形成用于表征边坡基础微变形的地质致因失配度时空矩阵。

38、优选的，s24中重构规则如下：

39、若组串在时刻被判定为情形a、情形b或存在已知运维故障，则；

40、若组串在时刻被判定为情形c，则将原失配度乘以预设的置信度增益权重（），即；

41、若不满足上述任一情形，则保留原值，即。

42、优选的，所述s3包括：

43、s31、对地质致因失配度时空矩阵中各时刻的失配度值进行空间扫描，将失配度绝对值超过预设失配阈值的组串标记为异常点，将空间上直接相邻的异常点归入同一连通域，形成该时刻的功率失配簇；

44、s32、对相邻时刻与的任意两个失配簇与，按下式计算空间交并比：

45、

46、若大于预设追踪阈值，则判定为的延续，归入同一条失配簇追踪链，对无法匹配已有追踪链的失配簇新建追踪链，连续多个时刻未匹配到后继的追踪链判定为终止；

47、s33、对每条失配簇追踪链，逐时刻统计其所包含的组串数量和空间覆盖范围，当同时满足时序单调性与空间方向集中度条件时，判定处于生长状态；

48、s34、对已判定为生长状态的失配簇追踪链，提取空间生长速率与生长主轴方向，构成空间演化特征向量；

49、所述空间生长速率计算公式如下：

50、

51、其中，为空间生长速率，为该追踪链被判定进入生长状态的起始时刻，为追踪链的最新时刻，为对应时刻的失配组串数；

52、所述生长主轴方向计算公式如下：

53、

54、其中，为生长主轴方向。

55、优选的，所述s4包括：

56、s41、将空间生长速率和生长主轴方向构成输入特征向量，将边坡滑移风险等级和滑移方向构成输出标签向量；

57、s42、基于输入特征向量与输出标签向量构建训练样本集；

58、s43、构建映射模型的基础架构，包括输入层、隐藏层和输出层，输出层包括分类分支和回归分支；

59、综合损失函数如下：

60、

61、其中，为权重系数，为最大风险等级，为实测滑移风险等级，为方向角预估值，为综合实测滑移方向，为滑移风险等级多分类的交叉熵损失函数，为滑移方向回归的平均绝对误差损失函数；

62、将训练样本集输入映射模型，得到训练完成的映射模型；

63、s44、将训练完成的映射模型的网络结构及全部权重参数固化为模型文件，部署于光伏电站的边缘计算网关或云端服务器。

64、优选的，所述s42包括：

65、调取历史数据库中同时具备光伏运行数据与地质实测位移数据的重叠时段，按预设滑动时间窗截取数据片段，提取每个片段的输入特征向量；

66、针对同一时间窗内的输出标签向量，执行下述操作：

67、提取光伏阵列周边预设空间范围内各地质监测点的平均滑移速率和平均滑移方向；

68、计算各监测点到当前功率失配簇质心的空间距离，以及空间距离分配反比衰减权重；

69、对所有监测点的实测滑移速率与方向进行加权融合，得到该时间窗口的综合平均滑移速率，并根据滑移风险等级映射规则，生成该时间窗对应的滑移风险等级；

70、对于各监测点的平均滑移方向，采用向量分解法进行加权融合，将各监测点方向转化为单位向量，加权合成后提取相角作为综合实测滑移方向；

71、将输入特征向量与实测输出标签向量配对形成一条多源异构训练样本，构建完整的训练样本集。

72、优选的，所述s5包括：

73、s51、以预设实时采样周期获取当前时刻及最近滑动时间窗口内的多源运行数据及环境数据，依序执行s1至s3，生成当前时刻的实时特征向量；

74、s52、将s51生成的实时特征向量输入至s4映射模型中，通过模型的前向传播计算，实时输出当前时刻边坡的滑移风险等级与滑移方向预估值；

75、s53、将s52输出的滑移风险等级与预设的阈值区间进行匹配，根据匹配结果生成对应的分级预警指令，将预警指令连同滑移方向预估值、失配簇的空间位置信息打包，推送至光伏电站综合运维平台，以触发对应等级的现场巡检或应急响应预案。

76、本技术还公开了一种基于光伏功率异常的边坡预警系统，用于实现上述基于光伏功率异常的边坡预警方法，包括处理器、特征提取模块、映射模块和预警模块；

77、所述特征提取模块用于获取边坡区域各光伏组串的多源数据并归一化处理，基于光伏组串空间布局构建功率失配度空间分布特征，通过时空序列分析识别功率失配簇并提取其生长速率与方向特征；

78、所述映射模块用于调用预先训练的映射模型，输入所述功率失配簇的生长速率与方向特征，输出边坡滑移风险等级与滑移方向预估值；

79、所述预警模块用于在滑移风险等级达到预设阈值时触发分级预警。

80、本发明的有益效果：

81、（1）以既有光伏组串的运行及环境数据取代传统钻孔测斜，消除了土建施工对场区生态的破坏，实现了高密度的边坡光伏系统的面式覆盖监测；

82、（2）通过捕捉光伏阵列微弱时空演化特征，将预警窗口从宏观滑移损伤预警前移至基础微变形阶段，突破了传统巡检与点式监测无法感知早期变形的时序滞后瓶颈；

83、（3）引入多源电气参量（电流、电压时序特征）对功率异常进行交叉验证与多级过滤，有效解耦了组件硬件故障、瞬态气象遮挡与地质渐进蠕变信号，使预警成果具备极强的抗伪失配鲁棒性。