本發(fā)明涉及新能源場(chǎng)站環(huán)境監(jiān)測(cè)，具體涉及一種基于化學(xué)傳感器的新能源場(chǎng)站環(huán)境監(jiān)測(cè)系統(tǒng)及方法。

背景技術(shù)：

1、化學(xué)傳感器是一種能夠檢測(cè)和響應(yīng)特定化學(xué)物質(zhì)的設(shè)備，它們廣泛應(yīng)用于環(huán)境監(jiān)測(cè)、工業(yè)過(guò)程控制、醫(yī)療診斷、食品安全等領(lǐng)域，利用化學(xué)傳感器可以對(duì)太陽(yáng)能光伏電站、風(fēng)力發(fā)電場(chǎng)、生物質(zhì)能發(fā)電廠等新能源發(fā)電設(shè)施周圍的環(huán)境參數(shù)進(jìn)行實(shí)時(shí)監(jiān)測(cè)和獲取。

2、專利申請(qǐng)?zhí)枮?01910803721.9的專利，其在說(shuō)明書(shū)中記載有“本發(fā)明提供了一種新能源的遠(yuǎn)程監(jiān)控系統(tǒng)，包括：監(jiān)測(cè)端、網(wǎng)絡(luò)側(cè)服務(wù)器和用戶終端；其中，所述監(jiān)測(cè)端，用于監(jiān)測(cè)所述新能源的工作環(huán)境，獲取工作環(huán)境信息，并將工作環(huán)境信息向所述網(wǎng)絡(luò)側(cè)服務(wù)器傳輸；所述網(wǎng)絡(luò)側(cè)服務(wù)器，用于根據(jù)所述監(jiān)測(cè)端傳輸?shù)乃龉ぷ鳝h(huán)境信息，判斷所述新能源的工作環(huán)境是否存在異常，獲取所述新能源的工作環(huán)境的異常信息，并將獲取的異常信息和所述監(jiān)測(cè)端傳輸?shù)乃龉ぷ鳝h(huán)境信息向所述用戶終端傳輸；所述用戶終端，用于將所述異常信息和所述工作環(huán)境信息向工作人員顯示；從而實(shí)現(xiàn)了用戶終端的工作人員對(duì)新能源的工作環(huán)境的遠(yuǎn)程監(jiān)測(cè)”，上述系統(tǒng)雖然通過(guò)監(jiān)測(cè)端收集多種工作環(huán)境信息，并對(duì)這些數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，但是在實(shí)際應(yīng)用中，不同傳感器的數(shù)據(jù)是存在精度和可靠性的差異，同時(shí)在標(biāo)準(zhǔn)化過(guò)程中也會(huì)面對(duì)丟失一些重要數(shù)據(jù)細(xì)節(jié)的情況，尤其是在極端工作環(huán)境下，不同傳感器的測(cè)量差異甚至?xí)绊懪袛嘟Y(jié)果，另外上述系統(tǒng)通過(guò)將場(chǎng)站環(huán)境數(shù)據(jù)與數(shù)據(jù)庫(kù)中的異常數(shù)據(jù)進(jìn)行比對(duì)來(lái)判斷是否存在異常，而異常判定依賴于預(yù)設(shè)的閾值和歷史數(shù)據(jù)，這就要求異常數(shù)據(jù)庫(kù)需要包含足夠多的樣本數(shù)據(jù)和設(shè)定合理的閾值，而一些新建立的場(chǎng)站則會(huì)面對(duì)沒(méi)有足夠樣本數(shù)據(jù)的情況，這樣就會(huì)導(dǎo)致出現(xiàn)誤報(bào)警或者漏報(bào)警的情況。

3、綜上所述，研發(fā)一種基于化學(xué)傳感器的新能源場(chǎng)站環(huán)境監(jiān)測(cè)系統(tǒng)及方法，仍是新能源場(chǎng)站環(huán)境監(jiān)測(cè)技術(shù)領(lǐng)域中亟須解決的關(guān)鍵問(wèn)題。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的是為了解決現(xiàn)有技術(shù)中存在上述系統(tǒng)雖然通過(guò)監(jiān)測(cè)端收集多種工作環(huán)境信息，并對(duì)這些數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，但是在實(shí)際應(yīng)用中，不同傳感器的數(shù)據(jù)是存在精度和可靠性的差異，同時(shí)在標(biāo)準(zhǔn)化過(guò)程中也會(huì)面對(duì)丟失一些重要數(shù)據(jù)細(xì)節(jié)的情況，尤其是在極端工作環(huán)境下，不同傳感器的測(cè)量差異甚至?xí)绊懪袛嘟Y(jié)果，另外上述系統(tǒng)通過(guò)將場(chǎng)站環(huán)境數(shù)據(jù)與數(shù)據(jù)庫(kù)中的異常數(shù)據(jù)進(jìn)行比對(duì)來(lái)判斷是否存在異常，而異常判定依賴于預(yù)設(shè)的閾值和歷史數(shù)據(jù)，這就要求異常數(shù)據(jù)庫(kù)需要包含足夠多的樣本數(shù)據(jù)和設(shè)定合理的閾值，而一些新建立的場(chǎng)站則會(huì)面對(duì)沒(méi)有足夠樣本數(shù)據(jù)的情況，這樣就會(huì)導(dǎo)致出現(xiàn)誤報(bào)警或者漏報(bào)警的情況的問(wèn)題，本發(fā)明提供了一種基于化學(xué)傳感器的新能源場(chǎng)站環(huán)境監(jiān)測(cè)系統(tǒng)及方法。

2、為實(shí)現(xiàn)上述目的，本發(fā)明提供了如下技術(shù)方案：

3、本發(fā)明提供了一種基于化學(xué)傳感器的新能源場(chǎng)站環(huán)境監(jiān)測(cè)系統(tǒng)，包括：邊緣計(jì)算單元，將多種傳感器融合使用，動(dòng)態(tài)調(diào)整數(shù)據(jù)標(biāo)準(zhǔn)化參數(shù)，僅傳輸特征數(shù)據(jù)；

4、跨區(qū)域訪問(wèn)單元，根據(jù)所述特征數(shù)據(jù)進(jìn)行分析，從而獲取異常樣本數(shù)據(jù)，動(dòng)態(tài)調(diào)整異常判定閾值；

5、自我監(jiān)測(cè)單元，根據(jù)所述異常判定閾值進(jìn)行定期自行校準(zhǔn)，自動(dòng)診斷和生成修復(fù)方案；

6、智能協(xié)同單元，根據(jù)所述特征數(shù)據(jù)進(jìn)行協(xié)同異常判定，并智能優(yōu)化設(shè)備。

7、進(jìn)一步地，邊緣計(jì)算單元包括：

8、動(dòng)態(tài)集成系統(tǒng)，將多種傳感器進(jìn)行融合使用，利用機(jī)器學(xué)習(xí)算法依據(jù)傳感器的特性和環(huán)境變化，動(dòng)態(tài)調(diào)整數(shù)據(jù)標(biāo)準(zhǔn)化參數(shù)，消除傳感器精度差異得到標(biāo)準(zhǔn)數(shù)據(jù)；

9、邊緣混合模塊，用于對(duì)所述標(biāo)準(zhǔn)數(shù)據(jù)進(jìn)行預(yù)處理，僅傳輸具有關(guān)鍵特征的數(shù)據(jù)，同時(shí)加入不同通信方式，在不同環(huán)境下進(jìn)行切換使用；

10、跨區(qū)域訪問(wèn)單元包括：

11、分布式數(shù)據(jù)平臺(tái)，用于實(shí)時(shí)訪問(wèn)并獲取各個(gè)新能源場(chǎng)站的所述特征數(shù)據(jù)，對(duì)各個(gè)場(chǎng)站所述特征數(shù)據(jù)進(jìn)行整合與處理，通過(guò)標(biāo)準(zhǔn)化的數(shù)據(jù)格式與協(xié)議，實(shí)現(xiàn)不同場(chǎng)站數(shù)據(jù)的無(wú)縫對(duì)接；

12、特征分析訓(xùn)練模塊，對(duì)獲取的所述特征數(shù)據(jù)進(jìn)行分析、深度挖掘和模式識(shí)別，識(shí)別出所述特征數(shù)據(jù)的共性特征和個(gè)性特征，進(jìn)一步分析和訓(xùn)練異常判定閾值。

13、進(jìn)一步地，自我監(jiān)測(cè)單元包括：

14、自動(dòng)校準(zhǔn)模塊，基于所述異常判定閾值的實(shí)時(shí)變化定期對(duì)傳感器進(jìn)行自動(dòng)校準(zhǔn)，并將傳感器進(jìn)行環(huán)境適配；

15、自診斷模塊，基于傳感器進(jìn)行所述自動(dòng)校準(zhǔn)后的實(shí)時(shí)運(yùn)行狀態(tài)，自動(dòng)診斷并報(bào)告異常狀態(tài)的原因，并生成修復(fù)方案，進(jìn)行軟件維護(hù)或者硬件維護(hù)；

16、智能協(xié)同單元包括：

17、冗余判定模塊，通過(guò)數(shù)據(jù)關(guān)聯(lián)分析和融合判斷，對(duì)多種傳感器的所述特征數(shù)據(jù)進(jìn)行相關(guān)性分析，從而了解真實(shí)的環(huán)境變化反應(yīng)數(shù)據(jù)，并在多個(gè)傳感器的所述特征數(shù)據(jù)都出現(xiàn)異常時(shí)觸發(fā)報(bào)警；

18、智能調(diào)度系統(tǒng)，根據(jù)所述環(huán)境變化反應(yīng)數(shù)據(jù)智能調(diào)度設(shè)備。

19、進(jìn)一步地，邊緣計(jì)算單元的工作流程包括為：

20、動(dòng)態(tài)集成系統(tǒng)，用于處理來(lái)多種傳感器的數(shù)據(jù)，將溫度、濕度、氣壓和化學(xué)物質(zhì)濃度的數(shù)據(jù)整合到一個(gè)數(shù)據(jù)池中，在融合過(guò)程中，通過(guò)加權(quán)融合機(jī)制和各個(gè)傳感器的精度、穩(wěn)定性以及環(huán)境變化，對(duì)各個(gè)傳感器的進(jìn)行權(quán)重更新，加權(quán)平均算法公式：其中qfin為融合后的輸出，ej為第j個(gè)傳感器的測(cè)量值，wj為該傳感器的權(quán)重，u為傳感器的數(shù)量，權(quán)重更新公式：其中是傳感器j在時(shí)間s的噪聲方差；

21、邊緣混合模塊，用于進(jìn)行分析和處理所述標(biāo)準(zhǔn)數(shù)據(jù)，使用主成分分析對(duì)所述標(biāo)準(zhǔn)數(shù)據(jù)進(jìn)行降維處理，提取出最具代表性的特征數(shù)據(jù)，并進(jìn)行異常值檢測(cè)，判斷所述特征數(shù)據(jù)是否超出合理范圍，篩選出具有高關(guān)聯(lián)性的所述特征數(shù)據(jù)，減少不必要的數(shù)據(jù)傳輸，利用動(dòng)態(tài)優(yōu)化公式降低帶寬需求并提高系統(tǒng)實(shí)時(shí)性，在不同的環(huán)境條件下，通信模式切換公式會(huì)根據(jù)當(dāng)前帶寬需求、延遲要求和能耗限制選擇最合適的通信協(xié)議，主成分分析公式：wpca＝rs(w-β)，其中wpca為降維后的數(shù)據(jù)，r為主成分矩陣，β為數(shù)據(jù)的均值，異常檢測(cè)公式：其中tj為第個(gè)j數(shù)據(jù)的t值，為觀測(cè)值，β和α分別為數(shù)據(jù)集的均值和標(biāo)準(zhǔn)差，動(dòng)態(tài)優(yōu)化公式：ueff＝uorig×χcpn，其中ueff為有效傳輸速率，uorig為原始數(shù)據(jù)傳輸速率，χcpn為壓縮效率，通信模式切換公式：minimize?y(b，l，p)＝m1×b+m2×l+m3×p，其中m1，m2，m3是權(quán)重因子用于調(diào)節(jié)帶寬、延遲和功耗的相對(duì)重要性，b，l，p是網(wǎng)絡(luò)帶寬、延遲和功耗。

22、進(jìn)一步地，跨區(qū)域訪問(wèn)單元的工作流程包括為：

23、分布式數(shù)據(jù)平臺(tái)，實(shí)時(shí)訪問(wèn)各個(gè)場(chǎng)站的數(shù)據(jù)庫(kù)中收集所述特征數(shù)據(jù)，所述特征數(shù)據(jù)數(shù)據(jù)格式和協(xié)議通過(guò)哈希算法公式進(jìn)行去重和清洗，使得不同場(chǎng)站的所述特征數(shù)據(jù)能夠保證數(shù)據(jù)唯一性，同時(shí)在傳輸所述特征數(shù)據(jù)的過(guò)程中，使用加權(quán)平均公式對(duì)各區(qū)域的所述特征數(shù)據(jù)進(jìn)行聚合處理，以確保所述特征數(shù)據(jù)的準(zhǔn)確性和完整性，哈希算法公式：i(o)＝hash(o)，其中i(o)是對(duì)數(shù)據(jù)o進(jìn)行哈希處理后的結(jié)果，加權(quán)平均公式：其中pagg為聚合后的數(shù)據(jù)，dj為來(lái)自第j個(gè)場(chǎng)站的數(shù)據(jù)，aj為對(duì)應(yīng)的權(quán)重；

24、特征分析訓(xùn)練模塊，利用大數(shù)據(jù)分析，對(duì)跨區(qū)域收集的海量所述特征數(shù)據(jù)進(jìn)行深度挖掘，分析各個(gè)場(chǎng)站的所述特征數(shù)據(jù)，識(shí)別和提取出所述特征數(shù)據(jù)的共性特征和個(gè)性特征，發(fā)現(xiàn)各個(gè)場(chǎng)站之間的環(huán)境變化和傳感器故障潛在規(guī)律，從而動(dòng)態(tài)調(diào)整異常判定閾值，數(shù)據(jù)深度挖掘公式：其中b為聚類的數(shù)量，db為第b個(gè)聚類的樣本數(shù)，δb為第b個(gè)聚類的中心，動(dòng)態(tài)異常閾值調(diào)整公式：εasd＝εbase×(1+φ)，其中εasd為調(diào)整后的閾值，εbase為初始閾值，φ為根據(jù)數(shù)據(jù)波動(dòng)計(jì)算的動(dòng)態(tài)調(diào)整因子。

25、進(jìn)一步地，自我監(jiān)測(cè)單元的工作流程包括為：

26、自動(dòng)校準(zhǔn)模塊，根據(jù)預(yù)設(shè)周期和實(shí)時(shí)反饋以及異常判定閾值的實(shí)時(shí)變化，進(jìn)行自動(dòng)校準(zhǔn)，在自動(dòng)校準(zhǔn)的過(guò)程中使用最小二乘法優(yōu)化傳感器的偏差和精度，通過(guò)分析歷史數(shù)據(jù)和環(huán)境變化，結(jié)合已知的標(biāo)準(zhǔn)值進(jìn)行對(duì)比和補(bǔ)償修正，調(diào)整傳感器的校準(zhǔn)參數(shù)并進(jìn)行環(huán)境適配，最小二乘法公式：其中為估計(jì)的校準(zhǔn)參數(shù)，n為設(shè)計(jì)矩陣，m為目標(biāo)數(shù)據(jù)；

27、自診斷模塊，用于實(shí)時(shí)監(jiān)控各個(gè)傳感器所述自動(dòng)校準(zhǔn)后的實(shí)時(shí)運(yùn)行狀態(tài)，通過(guò)異常檢測(cè)自動(dòng)診斷故障類型，一旦檢測(cè)到故障，系統(tǒng)會(huì)生成修復(fù)方案，軟件上的調(diào)整或者硬件上的維修建議，修復(fù)方案會(huì)推送到維護(hù)人員的終端，指導(dǎo)操作人員快速處理，異常檢測(cè)公式：其中k(bd)為故障發(fā)生的后驗(yàn)概率，k(db)為觀察到的證據(jù)的似然度，k(b)為故障的先驗(yàn)概率，k(d)為證據(jù)的總概率。

28、進(jìn)一步地，智能協(xié)同單元的工作流程包括為：

29、冗余判定模塊，用于將多種傳感器的所述特征數(shù)據(jù)進(jìn)行相關(guān)性分析，通過(guò)計(jì)算相關(guān)性系數(shù)，從而了解真實(shí)的環(huán)境變化反應(yīng)數(shù)據(jù)，并判斷所述特征數(shù)據(jù)是否存在冗余，在多種傳感器的數(shù)據(jù)都出現(xiàn)異常時(shí)，觸發(fā)冗余判定發(fā)出警報(bào)，相關(guān)性分析公式：

30、其中fab為傳感器a和b′數(shù)據(jù)的皮爾遜相關(guān)系數(shù)，和分別為a和b′的均值；

31、智能調(diào)度系統(tǒng)，用于實(shí)時(shí)監(jiān)控場(chǎng)站的所述環(huán)境變化反應(yīng)數(shù)據(jù)以及能源消耗情況，預(yù)測(cè)未來(lái)的環(huán)境變化動(dòng)態(tài)調(diào)整發(fā)電設(shè)備的運(yùn)行狀態(tài)，并利用智能算法來(lái)不斷優(yōu)化調(diào)度策略，發(fā)電設(shè)備公式：其中z為總成本，zj為第j個(gè)設(shè)備的運(yùn)行成本，aj為設(shè)備的運(yùn)行狀態(tài)，優(yōu)化調(diào)度策略公式：其中y(a)為目標(biāo)函數(shù)，yj(a)為每個(gè)設(shè)備的性能指標(biāo)，oj為設(shè)備的權(quán)重。

32、另一方面，本發(fā)明還提供了一種基于化學(xué)傳感器的新能源場(chǎng)站環(huán)境監(jiān)測(cè)方法，其包括以下步驟：

33、s1、將多種傳感器融合使用，動(dòng)態(tài)調(diào)整數(shù)據(jù)標(biāo)準(zhǔn)化參數(shù)，僅傳輸特征數(shù)據(jù)；

34、s2、根據(jù)所述特征數(shù)據(jù)進(jìn)行分析，從而獲取異常樣本數(shù)據(jù)，動(dòng)態(tài)調(diào)整異常判定閾值；

35、s3、根據(jù)所述異常判定閾值進(jìn)行定期自行校準(zhǔn)，自動(dòng)診斷和生成修復(fù)方案；

36、s4、根據(jù)所述特征數(shù)據(jù)進(jìn)行協(xié)同異常判定，并智能優(yōu)化設(shè)備。

37、進(jìn)一步地，在步驟s1中，將多種傳感器融合使用，動(dòng)態(tài)調(diào)整數(shù)據(jù)標(biāo)準(zhǔn)化參數(shù)，僅傳輸特征數(shù)據(jù)的方法為：

38、將多種傳感器進(jìn)行融合使用，利用機(jī)器學(xué)習(xí)算法依據(jù)傳感器的特性和環(huán)境變化，動(dòng)態(tài)調(diào)整數(shù)據(jù)標(biāo)準(zhǔn)化參數(shù)，消除傳感器精度差異得到標(biāo)準(zhǔn)數(shù)據(jù)；

39、用于對(duì)所述標(biāo)準(zhǔn)數(shù)據(jù)進(jìn)行預(yù)處理，僅傳輸具有關(guān)鍵特征的數(shù)據(jù)，同時(shí)加入不同通信方式，在不同環(huán)境下進(jìn)行切換使用；

40、在步驟s2中，根據(jù)所述特征數(shù)據(jù)進(jìn)行分析，從而獲取異常樣本數(shù)據(jù)，動(dòng)態(tài)調(diào)整異常判定閾值的方法為：

41、用于實(shí)時(shí)訪問(wèn)并獲取各個(gè)新能源場(chǎng)站的所述特征數(shù)據(jù)，對(duì)各個(gè)場(chǎng)站所述特征數(shù)據(jù)進(jìn)行整合與處理，通過(guò)標(biāo)準(zhǔn)化的數(shù)據(jù)格式與協(xié)議，實(shí)現(xiàn)不同場(chǎng)站數(shù)據(jù)的無(wú)縫對(duì)接；

42、對(duì)獲取的所述特征數(shù)據(jù)進(jìn)行分析、深度挖掘和模式識(shí)別，識(shí)別出所述特征數(shù)據(jù)的共性特征和個(gè)性特征，進(jìn)一步分析和訓(xùn)練異常判定閾值。

43、進(jìn)一步地，在步驟s3中，根據(jù)所述異常判定閾值進(jìn)行定期自行校準(zhǔn)，自動(dòng)診斷和生成修復(fù)方案的方法為：

44、基于所述異常判定閾值的實(shí)時(shí)變化定期對(duì)傳感器進(jìn)行自動(dòng)校準(zhǔn)，并將傳感器進(jìn)行環(huán)境適配；

45、基于傳感器進(jìn)行所述自動(dòng)校準(zhǔn)后的實(shí)時(shí)運(yùn)行狀態(tài)，自動(dòng)診斷并報(bào)告異常狀態(tài)的原因，并生成修復(fù)方案，進(jìn)行軟件維護(hù)或者硬件維護(hù)；

46、在步驟s4中，根據(jù)所述特征數(shù)據(jù)進(jìn)行協(xié)同異常判定，并智能優(yōu)化設(shè)備的方法為：

47、通過(guò)數(shù)據(jù)關(guān)聯(lián)分析和融合判斷，對(duì)多種傳感器的所述特征數(shù)據(jù)進(jìn)行相關(guān)性分析，從而了解真實(shí)的環(huán)境變化反應(yīng)數(shù)據(jù)，并在多個(gè)傳感器的所述特征數(shù)據(jù)都出現(xiàn)異常時(shí)觸發(fā)報(bào)警；

48、根據(jù)所述環(huán)境變化反應(yīng)數(shù)據(jù)智能調(diào)度設(shè)備。

49、有益效果

50、采用本發(fā)明提供的技術(shù)方案，與已知的公有技術(shù)相比，具有如下

51、有益效果：

52、本發(fā)明在使用時(shí)，有利于確保數(shù)據(jù)準(zhǔn)確性，減少帶寬消耗，提高實(shí)時(shí)性，適應(yīng)不同工作條件，有利于減少了重復(fù)數(shù)據(jù)帶來(lái)的影響，根據(jù)實(shí)時(shí)數(shù)據(jù)波動(dòng)、季節(jié)變化對(duì)異常判定閾值進(jìn)行動(dòng)態(tài)調(diào)整，有利于避免了傳統(tǒng)靜態(tài)閾值的局限性，有利于確保傳感器的精度始終處于最佳狀態(tài)，減少因環(huán)境變化引起的誤差，有利于提高系統(tǒng)的可靠性和維護(hù)效率，有利于識(shí)別傳感器故障，通過(guò)關(guān)聯(lián)分析保證即使個(gè)別傳感器失效，系統(tǒng)仍能提供可靠的數(shù)據(jù)支持，有利于降低能源消耗并提高發(fā)電效率。