本發(fā)明涉及通信、物聯(lián)網(wǎng)、電力領(lǐng)域，具體而言，涉及一種基于物聯(lián)網(wǎng)的光伏電表數(shù)據(jù)通訊與動(dòng)態(tài)處理方法及其系統(tǒng)。

背景技術(shù)：

1、隨著分布式光伏發(fā)電系統(tǒng)的大規(guī)模部署，光伏電表作為核心監(jiān)測(cè)單元，需實(shí)時(shí)采集電流、電壓、環(huán)境參數(shù)及電網(wǎng)狀態(tài)等多維度數(shù)據(jù)，并通過物聯(lián)網(wǎng)實(shí)現(xiàn)跨區(qū)域協(xié)同管理。然而，復(fù)雜戶外環(huán)境(如極端溫度、陰影遮擋、組件老化)導(dǎo)致數(shù)據(jù)波動(dòng)劇烈，傳統(tǒng)集中式通信架構(gòu)面臨數(shù)據(jù)安全風(fēng)險(xiǎn)高、動(dòng)態(tài)響應(yīng)滯后等問題。例如，加密傳輸靜態(tài)化易被破解，特征耦合數(shù)據(jù)難以精準(zhǔn)解耦環(huán)境干擾與設(shè)備故障，風(fēng)險(xiǎn)傳播模型缺乏時(shí)空關(guān)聯(lián)性，異常檢測(cè)依賴人工經(jīng)驗(yàn)，導(dǎo)致運(yùn)維效率低下且存在安全隱患。

2、目前行業(yè)普遍采用ssl/tls協(xié)議保障數(shù)據(jù)傳輸安全，結(jié)合閾值告警機(jī)制實(shí)現(xiàn)異常監(jiān)測(cè)?，F(xiàn)有技術(shù)通過固定加密算法(如aes)對(duì)電表數(shù)據(jù)加密，采用時(shí)間序列分析提取發(fā)電特征，并基于規(guī)則引擎觸發(fā)功率調(diào)整。部分方案引入邊緣計(jì)算節(jié)點(diǎn)實(shí)現(xiàn)本地?cái)?shù)據(jù)處理，通過冗余存儲(chǔ)提升可靠性。在風(fēng)險(xiǎn)預(yù)測(cè)方面，多采用線性回歸或支持向量機(jī)建立靜態(tài)模型，結(jié)合歷史數(shù)據(jù)生成運(yùn)維策略。

3、然而，現(xiàn)有技術(shù)存在顯著缺陷：靜態(tài)加密難以應(yīng)對(duì)動(dòng)態(tài)攻擊，密鑰管理漏洞易導(dǎo)致數(shù)據(jù)泄露；特征解耦方法忽略環(huán)境參數(shù)與設(shè)備狀態(tài)的耦合效應(yīng)，無法精準(zhǔn)識(shí)別陰影遮擋、熱斑效應(yīng)等隱性風(fēng)險(xiǎn)；固定閾值告警機(jī)制對(duì)復(fù)雜風(fēng)險(xiǎn)傳播(如高溫引發(fā)的連鎖故障)缺乏預(yù)見性，響應(yīng)延遲可達(dá)分鐘級(jí)。此外，集中式存儲(chǔ)面臨單點(diǎn)故障風(fēng)險(xiǎn)，可視化界面交互性差，難以支撐實(shí)時(shí)決策。這些缺陷嚴(yán)重制約了光伏系統(tǒng)在智能電網(wǎng)中的高效協(xié)同能力。

技術(shù)實(shí)現(xiàn)思路

1、針對(duì)上述背景技術(shù)中提出的需求，本發(fā)明實(shí)施例提供一種基于物聯(lián)網(wǎng)的光伏電表數(shù)據(jù)通訊與動(dòng)態(tài)處理方法及其系統(tǒng)，旨在通過基于物聯(lián)網(wǎng)的光伏電表數(shù)據(jù)通訊與動(dòng)態(tài)處理方法，實(shí)時(shí)采集光伏電表的電流、電壓、環(huán)境溫度等多維度數(shù)據(jù)，并采用生成對(duì)抗網(wǎng)絡(luò)(gan)等技術(shù)進(jìn)行數(shù)據(jù)加密，確保數(shù)據(jù)傳輸過程中的安全性；同時(shí)，通過風(fēng)險(xiǎn)傳播建模與實(shí)時(shí)優(yōu)化調(diào)度，提升光伏系統(tǒng)的運(yùn)行效率和安全性，避免設(shè)備故障或性能下降帶來的風(fēng)險(xiǎn)。

2、一種基于物聯(lián)網(wǎng)的光伏電表數(shù)據(jù)通訊與動(dòng)態(tài)處理方法，具體步驟包括：

3、步驟一：多模態(tài)數(shù)據(jù)加密采集

4、本步驟通過部署在光伏陣列和電網(wǎng)節(jié)點(diǎn)的傳感器，實(shí)時(shí)采集電流、電壓、環(huán)境溫度、光照強(qiáng)度及電網(wǎng)負(fù)荷狀態(tài)等原始數(shù)據(jù)。

5、為避免數(shù)據(jù)在傳輸過程中被竊取或篡改，采用動(dòng)態(tài)加密技術(shù)對(duì)原始數(shù)據(jù)進(jìn)行保護(hù)。具體而言，系統(tǒng)構(gòu)建了一個(gè)生成對(duì)抗網(wǎng)絡(luò)(gan)，生成器會(huì)將原始電表數(shù)據(jù)與隨機(jī)加密矩陣進(jìn)行像素級(jí)異或運(yùn)算，生成看似隨機(jī)但保留數(shù)據(jù)特征的加密數(shù)據(jù)流；判別器則不斷學(xué)習(xí)真實(shí)數(shù)據(jù)與加密數(shù)據(jù)的差異，最終使加密數(shù)據(jù)在統(tǒng)計(jì)特性上與真實(shí)數(shù)據(jù)無法區(qū)分。例如，當(dāng)光照傳感器檢測(cè)到輻照度為800w/m2時(shí)，生成器會(huì)將其轉(zhuǎn)換為特定加密格式(如“1011→0100”)，確保即使數(shù)據(jù)被截獲也無法直接解析出真實(shí)物理量值。

6、加密后的數(shù)據(jù)通過物聯(lián)網(wǎng)通信模塊(如lora或nb-iot)傳輸至云端服務(wù)器。

7、步驟二：數(shù)據(jù)特征解耦與重構(gòu)

8、加密數(shù)據(jù)到達(dá)云端后，需分離出影響發(fā)電效率的核心因素(如光照變化、組件老化、陰影遮擋等)。系統(tǒng)采用數(shù)學(xué)上的導(dǎo)數(shù)分析方法，計(jì)算不同環(huán)境參數(shù)對(duì)發(fā)電量的敏感度。例如，通過分析歷史數(shù)據(jù)發(fā)現(xiàn)，當(dāng)組件溫度每升高1℃，發(fā)電效率下降0.4％，而輻照度每增加100w/m2，電流輸出提升2.1a?；谶@些敏感度系數(shù)，系統(tǒng)將混合數(shù)據(jù)流分解為獨(dú)立的時(shí)間-空間特征分量：時(shí)間分量反映晝夜周期和天氣突變的影響，空間分量則標(biāo)識(shí)不同光伏板組的性能差異。最終重構(gòu)的特征矩陣中，每列對(duì)應(yīng)一個(gè)獨(dú)立影響因素(如“溫度影響因子列”“輻照度響應(yīng)列”)，為后續(xù)風(fēng)險(xiǎn)分析提供結(jié)構(gòu)化輸入。

9、步驟三：動(dòng)態(tài)風(fēng)險(xiǎn)建模

10、基于解耦后的特征數(shù)據(jù)，系統(tǒng)模擬光伏系統(tǒng)在復(fù)雜環(huán)境下的風(fēng)險(xiǎn)傳播過程。例如，高溫天氣可能導(dǎo)致組件過熱，其風(fēng)險(xiǎn)會(huì)像“熱量擴(kuò)散”一樣從局部熱點(diǎn)向周圍區(qū)域蔓延。數(shù)學(xué)模型將風(fēng)險(xiǎn)擴(kuò)散速度與溫度梯度、風(fēng)速等參數(shù)關(guān)聯(lián)：當(dāng)某區(qū)域溫度達(dá)到60℃時(shí)，風(fēng)險(xiǎn)擴(kuò)散系數(shù)d增大至0.08，使得相鄰組件在10分鐘內(nèi)風(fēng)險(xiǎn)值上升15％。同時(shí)，系統(tǒng)引入“風(fēng)險(xiǎn)承載能力”概念，例如在強(qiáng)光照條件下(輻照度>1000w/m2)，組件的最大可承受風(fēng)險(xiǎn)能力kc提升至0.9(滿值為1)，而陰雨天氣時(shí)kc降至0.6。通過交替方向隱式(adi)算法，每5分鐘更新一次全場(chǎng)風(fēng)險(xiǎn)熱圖，紅色區(qū)域表示需立即干預(yù)的高風(fēng)險(xiǎn)位置(如某逆變器連接點(diǎn)溫度異常)。

11、步驟四：實(shí)時(shí)優(yōu)化調(diào)度

12、結(jié)合電網(wǎng)實(shí)時(shí)電價(jià)信號(hào)p(t)(如峰時(shí)電價(jià)1.2元/kwh、谷時(shí)0.3元/kwh)和風(fēng)險(xiǎn)熱圖h(x,t)，系統(tǒng)動(dòng)態(tài)調(diào)整電力調(diào)度策略。例如，當(dāng)某區(qū)域風(fēng)險(xiǎn)值超過0.7時(shí)，自動(dòng)降低該區(qū)域輸出功率10％以避免設(shè)備過載；同時(shí)，在電價(jià)高峰時(shí)段優(yōu)先調(diào)用低風(fēng)險(xiǎn)區(qū)域的電能，最大化收益。優(yōu)化過程通過深度強(qiáng)化學(xué)習(xí)實(shí)現(xiàn)：神經(jīng)網(wǎng)絡(luò)模擬不同調(diào)度策略下的長(zhǎng)期收益(如未來24小時(shí)總收益＝售電收入-設(shè)備維護(hù)成本)，并反向傳播修正策略參數(shù)。例如，當(dāng)預(yù)測(cè)到午后將出現(xiàn)雷暴天氣時(shí)，系統(tǒng)提前在低風(fēng)險(xiǎn)時(shí)段儲(chǔ)備電能，并在電價(jià)峰值時(shí)段釋放，使單日收益提升8％～12％。

13、步驟五：異常檢測(cè)與自愈

14、系統(tǒng)持續(xù)比對(duì)實(shí)際發(fā)電功率與預(yù)測(cè)值的偏差，定位潛在故障。例如，若某組光伏板實(shí)際電流比預(yù)測(cè)值低30％，且殘差指標(biāo)連續(xù)3次超過閾值，則觸發(fā)故障診斷流程。算法首先排除環(huán)境因素(如云層遮擋)，再通過拓?fù)浞治龃_定故障位置：若相鄰多塊組件同時(shí)異常，則判斷為匯流箱故障；若僅單塊組件異常，則可能為面板破損或接線脫落。確定故障后，系統(tǒng)自動(dòng)切換備用電路，并通過冗余線路維持供電。例如，當(dāng)檢測(cè)到第5號(hào)組串異常時(shí)，控制繼電器將其從主回路斷開，并啟用預(yù)存的第12號(hào)備用組串接入，整個(gè)過程在200ms內(nèi)完成。

15、步驟六：分布式存儲(chǔ)驗(yàn)證

16、為保障數(shù)據(jù)存儲(chǔ)的可信度，系統(tǒng)將加密后的數(shù)據(jù)分塊存儲(chǔ)于多個(gè)邊緣節(jié)點(diǎn)(如區(qū)域網(wǎng)關(guān)、本地服務(wù)器)。每份數(shù)據(jù)塊附加基于數(shù)學(xué)難題的“承諾標(biāo)簽”，例如利用格密碼(lattice)生成不可偽造的哈希值。當(dāng)需要驗(yàn)證數(shù)據(jù)完整性時(shí)，驗(yàn)證方無需獲取原始數(shù)據(jù)，只需通過零知識(shí)證明協(xié)議確認(rèn)存儲(chǔ)節(jié)點(diǎn)確實(shí)持有正確的數(shù)據(jù)塊。

17、步驟七：可視化與用戶交互

18、系統(tǒng)將各環(huán)節(jié)處理結(jié)果整合為可視化界面，幫助運(yùn)維人員直觀掌握全局狀態(tài)。例如：

19、風(fēng)險(xiǎn)熱圖：用顏色梯度顯示全場(chǎng)風(fēng)險(xiǎn)分布，點(diǎn)擊紅色區(qū)域可查看具體參數(shù)(如“坐標(biāo)(3,5)風(fēng)險(xiǎn)值0.85，溫度62℃”)；

20、功率曲線：疊加顯示預(yù)測(cè)值與實(shí)際值，異常點(diǎn)自動(dòng)標(biāo)注可能原因(如“14:25功率下降：云層遮擋導(dǎo)致輻照度驟降”)；

21、設(shè)備拓?fù)洌喝S呈現(xiàn)光伏陣列連接關(guān)系，故障設(shè)備閃爍提示并提供維修建議(如“更換組串5的mc4接頭”)。

22、用戶可通過手勢(shì)縮放查看細(xì)節(jié)，或設(shè)置閾值告警(如“風(fēng)險(xiǎn)>0.8時(shí)發(fā)送短信通知”)。界面數(shù)據(jù)每30秒刷新一次，支持多終端(pc、平板、ar眼鏡)訪問。

23、進(jìn)一步的：一種基于物聯(lián)網(wǎng)的光伏電表數(shù)據(jù)通訊與動(dòng)態(tài)處理系統(tǒng)，包括：

24、數(shù)據(jù)采集與加密模塊，該模塊用于通過部署在光伏陣列和電網(wǎng)節(jié)點(diǎn)的傳感器實(shí)時(shí)采集原始數(shù)據(jù)，包括電流、電壓、環(huán)境溫度、光照強(qiáng)度和電網(wǎng)負(fù)荷狀態(tài)，并對(duì)所采集的原始數(shù)據(jù)進(jìn)行加密。

25、數(shù)據(jù)解密與特征解耦模塊，該模塊用于接收從數(shù)據(jù)采集與加密模塊傳輸來的加密數(shù)據(jù)流，進(jìn)行數(shù)據(jù)解密，并通過導(dǎo)數(shù)分析方法對(duì)環(huán)境參數(shù)對(duì)發(fā)電量的敏感度進(jìn)行計(jì)算，解耦數(shù)據(jù)流中的時(shí)間分量和空間分量，生成特征矩陣。

26、動(dòng)態(tài)風(fēng)險(xiǎn)建模與更新模塊，該模塊基于特征矩陣，構(gòu)建光伏系統(tǒng)的動(dòng)態(tài)風(fēng)險(xiǎn)模型，并根據(jù)溫度、風(fēng)速、輻照度等因素進(jìn)行實(shí)時(shí)更新，生成全場(chǎng)風(fēng)險(xiǎn)熱圖；

27、電力調(diào)度與優(yōu)化模塊，該模塊基于電網(wǎng)實(shí)時(shí)電價(jià)信號(hào)和風(fēng)險(xiǎn)熱圖，使用深度強(qiáng)化學(xué)習(xí)算法動(dòng)態(tài)調(diào)整電力輸出策略，優(yōu)化光伏系統(tǒng)的電能調(diào)用；

28、異常檢測(cè)與故障定位模塊，該模塊用于監(jiān)控光伏系統(tǒng)的發(fā)電功率與預(yù)測(cè)值的偏差，當(dāng)發(fā)現(xiàn)殘差超過預(yù)設(shè)閾值時(shí)，進(jìn)行故障診斷并定位故障位置；

29、數(shù)據(jù)存儲(chǔ)與驗(yàn)證模塊，該模塊用于將加密后的數(shù)據(jù)存儲(chǔ)在多個(gè)邊緣節(jié)點(diǎn)，并附加承諾標(biāo)簽以確保數(shù)據(jù)的完整性；

30、可視化與用戶交互模塊，該模塊用于生成并展示系統(tǒng)的可視化界面，幫助運(yùn)維人員直觀掌握系統(tǒng)的運(yùn)行狀態(tài)，并提供閾值告警功能。

31、本發(fā)明的有益效果：本發(fā)明采用生成對(duì)抗網(wǎng)絡(luò)(gan)進(jìn)行動(dòng)態(tài)加密，相比傳統(tǒng)的靜態(tài)加密(如aes)，能夠有效應(yīng)對(duì)動(dòng)態(tài)攻擊，提升數(shù)據(jù)傳輸?shù)陌踩?。即使?shù)據(jù)在傳輸過程中被截獲，也無法直接解析出真實(shí)數(shù)據(jù)，確保了光伏電表數(shù)據(jù)的隱私性和完整性。通過特征解耦方法，將影響發(fā)電效率的因素(如溫度、輻照度等)進(jìn)行獨(dú)立處理，更精準(zhǔn)地識(shí)別出陰影遮擋、熱斑效應(yīng)等隱性風(fēng)險(xiǎn)，從而提高風(fēng)險(xiǎn)預(yù)測(cè)的準(zhǔn)確性。

32、本發(fā)明通過構(gòu)建動(dòng)態(tài)風(fēng)險(xiǎn)傳播模型，能夠模擬風(fēng)險(xiǎn)從局部區(qū)域向整個(gè)光伏系統(tǒng)擴(kuò)散的過程，實(shí)時(shí)生成風(fēng)險(xiǎn)熱圖。這種模型具有較強(qiáng)的時(shí)空關(guān)聯(lián)性，能夠在系統(tǒng)運(yùn)行過程中及時(shí)發(fā)現(xiàn)并預(yù)警潛在風(fēng)險(xiǎn)，避免傳統(tǒng)方法中由于響應(yīng)延遲帶來的故障蔓延和損失。

33、本發(fā)明系統(tǒng)采用分布式存儲(chǔ)，將加密數(shù)據(jù)分散存儲(chǔ)于多個(gè)邊緣節(jié)點(diǎn)，并使用零知識(shí)證明協(xié)議驗(yàn)證數(shù)據(jù)的完整性。這避免了集中式存儲(chǔ)的單點(diǎn)故障問題，增強(qiáng)了系統(tǒng)的數(shù)據(jù)安全性和可靠性。