本發(fā)明涉及電力，尤其涉及一種光伏電站風險預測方法、裝置、設備、介質及程序產(chǎn)品。

背景技術：

1、隨著科學技術的發(fā)展，以光電為代表的新能源體系更加注重清潔低碳、安全高效的能源消納和電力儲備。隨著全球對可再生能源的不斷增加，光伏發(fā)電作為一種清潔、環(huán)保、可持續(xù)的能源形式，已經(jīng)成為全球能源供應的重要組成部分。

2、光伏電站在長期運行過程中，由于設備故障、環(huán)境因素的變化以及維護管理的挑戰(zhàn)，面臨著多種潛在風險。設備故障風險主要來源于光伏模塊、逆變器、電池儲能系統(tǒng)、變壓器等核心組件的損壞或老化，這些故障不僅影響電站的發(fā)電效率，嚴重時還可能導致系統(tǒng)停運，因此光伏電站風險預測尤為重要。目前的光伏電站風險監(jiān)測通常依賴單一或局部的數(shù)據(jù)來源，導致預測的精度和覆蓋范圍有限，無法準確地檢測出光伏電站的潛在風險。

技術實現(xiàn)思路

1、本發(fā)明的主要目的在于提供了一種光伏電站風險預測方法、裝置、設備、介質及程序產(chǎn)品，旨在解決現(xiàn)有技術在光伏電站風險預測中依賴數(shù)據(jù)來源單一，導致預測的精度和覆蓋范圍有限，無法準確地檢測出光伏電站的潛在風險的技術問題。

2、為實現(xiàn)上述目的，本發(fā)明提供了一種光伏電站風險預測方法，所述方法包括以下步驟：

3、獲取信息采集系統(tǒng)采集的光伏電站的多維數(shù)據(jù)，所述信息采集系統(tǒng)包括天基采集模塊、空基采集模塊和地基采集模塊，所述多維數(shù)據(jù)包括光伏電站的環(huán)境數(shù)據(jù)、設備狀態(tài)數(shù)據(jù)和設備運行數(shù)據(jù)；

4、對所述多維數(shù)據(jù)進行處理，獲取事件數(shù)據(jù)、特征數(shù)據(jù)和故障結果數(shù)據(jù)，所述事件數(shù)據(jù)包括光伏電站的多個故障事件，所述特征數(shù)據(jù)包括各故障事件對應的特征數(shù)據(jù)，所述特征數(shù)據(jù)由所述故障事件對應的一個或多個產(chǎn)生故障的光伏組件組成，所述故障結果數(shù)據(jù)包括各故障事件對應的故障事件結果；

5、基于所述事件數(shù)據(jù)與所述特征數(shù)據(jù)以及所述故障結果數(shù)據(jù)之間的映射關系構建映射矩陣；

6、根據(jù)所述映射矩陣對所述光伏電站的故障邏輯路徑進行分析，并基于分析結果構建風險預測模型；

7、將所述信息采集系統(tǒng)采集的所述光伏電站的實時監(jiān)測數(shù)據(jù)輸入至所述風險預測模型，獲得所述光伏電站的風險預測結果，所述風險預測結果包括所述光伏電站中各區(qū)域的風險等級。

8、可選地，所述根據(jù)所述映射矩陣對所述光伏電站的故障邏輯路徑進行分析，并基于分析結果構建風險預測模型，包括：

9、根據(jù)所述映射矩陣對所述光伏電站的故障邏輯路徑進行分析，并基于分析結果構建故障邏輯路徑模型，所述故障邏輯路徑模型包括多條故障邏輯路徑；

10、對所述故障邏輯路徑模型中各故障邏輯路徑進行路徑顯著性分析；

11、基于顯著性分析結果構建初始路徑顯著性模型：

12、

13、其中，pi是光伏組件i的可靠性參數(shù)，yi＝{pk:i∈pk,1≤k≤u}表示包含光伏組件i的最小路徑集合，yi包含u條路徑，x＝(x1,...,xn)表示二進制隨機向量，如果光伏組件i工作，則xi等于1，否則xi等于0，n1表示故障邏輯路徑，m(p)表示在光伏組件i可靠性向量p下光伏電站的可靠性；

14、基于各光伏組件與各故障事件之間的邏輯關系對所述初始路徑顯著性模型進行優(yōu)化，獲得風險預測模型。

15、可選地，所述基于各光伏組件與各故障事件之間的邏輯關系對所述初始路徑顯著性模型進行優(yōu)化，獲得風險預測模型，包括：

16、基于所述故障邏輯路徑獲取各光伏組件與各故障事件之間的邏輯關系；

17、根據(jù)所述邏輯關系確定各光伏組件的相對位置以及各光伏組件與各故障事件之間的邏輯連接關系；

18、基于所述相對位置和所述邏輯連接關系構建可靠性塊圖；

19、根據(jù)所述可靠性塊圖對所述初始路徑顯著性模型進行優(yōu)化，獲得候選顯著性模型：

20、

21、其中，m(p)表示在光伏組件i可靠性向量p下光伏電站的可靠性，pi是光伏組件i的可靠性參數(shù)，表示基于光伏組件與故障事件之間的邏輯連接關系以及光伏組件在邏輯連接關系中的相對位置構建的邏輯生成結構函數(shù)，表示光伏電站在光伏組件i作用下正常運行的概率；

22、基于各故障事件對應的光伏組件對所述光伏電站進行生存分析，并基于生存分析結果對所述候選顯著性模型進行優(yōu)化，獲得風險預測模型。

23、可選地，所述基于各故障事件對應的光伏組件對所述光伏電站進行生存分析，并基于生存分析結果對所述候選顯著性模型進行優(yōu)化，獲得風險預測模型，包括：

24、基于各故障事件對應的光伏組件對所述光伏電站進行生存分析，構建生存簽名：

25、

26、根據(jù)所述生存簽名構建所述光伏電站的生存函數(shù)：

27、

28、基于所述生存函數(shù)對所述候選顯著性模型進行優(yōu)化，獲得風險預測模型；其中，表示具有l(wèi)j個光伏組件且的狀態(tài)向量xn的數(shù)量，j＝1,...,n,{s(l1),s(l2),...,s(ln)}表示光伏電站中所有可能狀態(tài)向量的集合，wj(t)表示第j類光伏組件在時間t時的工作狀態(tài)數(shù)量。

29、可選地，所述基于所述生存函數(shù)對所述候選顯著性模型進行優(yōu)化，獲得風險預測模型，包括：

30、獲取各光伏組件的故障時間分布信息；

31、基于所述故障時間分布信息生成邊界條件，所述邊界條件包括上限條件和下限條件：

32、

33、其中，為上限條件，s(t|ts)為下限條件，和表示光伏電站或光伏組件的故障概率隨時間的變化的指數(shù)衰減函數(shù)；

34、根據(jù)所述邊界條件對所述候選顯著性模型進行優(yōu)化，獲得風險預測模型。

35、可選地，所述根據(jù)所述邊界條件對所述候選顯著性模型進行優(yōu)化，獲得風險預測模型，包括：

36、對各光伏組件進行不確定性分析，獲取各光伏組件的不確定性影響信息：

37、

38、ek(t|p)＝max{p(ts>t|tk>t)-p(ts>t|tk≤t)}

39、基于所述不確定性影響信息和所述邊界條件對所述候選顯著性模型進行優(yōu)化，獲得風險預測模型：

40、

41、其中，gk(l|t)表示光伏組件k在特定時間t的相對不確定性影響信息，ek(t|p)表示第k個光伏組件的相對區(qū)間參數(shù)，p(ts>t|tk>t)表示當?shù)趉個光伏組件出現(xiàn)時光伏系統(tǒng)產(chǎn)生故障事件的可能性，p(ts>t|tk≤t)表示第k個光伏組件未出現(xiàn)時光伏系統(tǒng)產(chǎn)生故障事件的可能性，pi是光伏組件i的可靠性參數(shù)，m(p)表示在光伏組件i可靠性向量p下光伏電站的可靠性。

42、此外，為實現(xiàn)上述目的，本發(fā)明還提出一種光伏電站風險預測裝置，所述光伏電站風險預測裝置包括：

43、數(shù)據(jù)采集模塊，用于獲取信息采集系統(tǒng)采集的光伏電站的多維數(shù)據(jù)，所述信息采集系統(tǒng)包括天基采集模塊、空基采集模塊和地基采集模塊，所述多維數(shù)據(jù)包括光伏電站的環(huán)境數(shù)據(jù)、設備狀態(tài)數(shù)據(jù)和設備運行數(shù)據(jù)；

44、數(shù)據(jù)處理模塊，用于對所述多維數(shù)據(jù)進行處理，獲取事件數(shù)據(jù)、特征數(shù)據(jù)和故障結果數(shù)據(jù)，所述事件數(shù)據(jù)包括光伏電站的多個故障事件，所述特征數(shù)據(jù)包括各故障事件對應的特征數(shù)據(jù)，所述特征數(shù)據(jù)由所述故障事件對應的一個或多個產(chǎn)生故障的光伏組件組成，所述故障結果數(shù)據(jù)包括各故障事件對應的故障事件結果；

45、矩陣構建模塊，用于基于所述事件數(shù)據(jù)與所述特征數(shù)據(jù)以及所述故障結果數(shù)據(jù)之間的映射關系構建映射矩陣；

46、模型構建模塊，用于根據(jù)所述映射矩陣對所述光伏電站的故障邏輯路徑進行分析，并基于分析結果構建風險預測模型；

47、風險預測模塊，用于將所述信息采集系統(tǒng)采集的所述光伏電站的實時監(jiān)測數(shù)據(jù)輸入至所述風險預測模型，獲得所述光伏電站的風險預測結果，所述風險預測結果包括所述光伏電站中各區(qū)域的風險等級。

48、此外，為實現(xiàn)上述目的，本技術還提出一種光伏電站風險預測設備，所述設備包括：存儲器、處理器及存儲在所述存儲器上并可在所述處理器上運行的計算機程序，所述計算機程序配置為實現(xiàn)如上文所述的光伏電站風險預測方法的步驟。

49、此外，為實現(xiàn)上述目的，本技術還提出一種計算機可讀存儲介質，所述計算機可讀存儲介質上存儲有計算機程序，所述計算機程序被處理器執(zhí)行時實現(xiàn)如上文所述的光伏電站風險預測方法的步驟。

50、此外，為實現(xiàn)上述目的，本技術還提供一種計算機程序產(chǎn)品，所述計算機程序產(chǎn)品包括計算機程序，所述計算機程序被處理器執(zhí)行時實現(xiàn)如上文所述的光伏電站風險預測方法的步驟。

51、本發(fā)明通過獲取信息采集系統(tǒng)采集的光伏電站的多維數(shù)據(jù)，所述信息采集系統(tǒng)包括天基采集模塊、空基采集模塊和地基采集模塊，所述多維數(shù)據(jù)包括光伏電站的環(huán)境數(shù)據(jù)、設備狀態(tài)數(shù)據(jù)和設備運行數(shù)據(jù)；對所述多維數(shù)據(jù)進行處理，獲取事件數(shù)據(jù)、特征數(shù)據(jù)和故障結果數(shù)據(jù)，所述事件數(shù)據(jù)包括光伏電站的多個故障事件，所述特征數(shù)據(jù)包括各故障事件對應的特征數(shù)據(jù)，所述特征數(shù)據(jù)由所述故障事件對應的一個或多個產(chǎn)生故障的光伏組件組成，所述故障結果數(shù)據(jù)包括各故障事件對應的故障事件結果；基于所述事件數(shù)據(jù)與所述特征數(shù)據(jù)以及所述故障結果數(shù)據(jù)之間的映射關系構建映射矩陣；根據(jù)所述映射矩陣對所述光伏電站的故障邏輯路徑進行分析，并基于分析結果構建風險預測模型；將所述信息采集系統(tǒng)采集的所述光伏電站的實時監(jiān)測數(shù)據(jù)輸入至所述風險預測模型，獲得所述光伏電站的風險預測結果，所述風險預測結果包括所述光伏電站中各區(qū)域的風險等級；由于本發(fā)明通過對故障事件與故障特征以及故障結果之間的映射關系和邏輯路徑進行分析，從而大幅提升了光伏電站風險預測的準確性，通過風險預測模型對光伏電站進行風險預測，從而實現(xiàn)對偏遠地區(qū)的風險預測，提升了風險預測范圍，準確地檢測出光伏電站的潛在風險，確保風險識別的時效性，提升了光伏電站的安全性。