摘要
本发明属于光伏设备故障预警系统技术领域,本发明公开了一种用于光伏电站的新能源设备故障预警系统,包括:首先按照预设频率采集光伏系统参数,形成时间序列数据库;然后对参数进行预处理,生成物理特征数据集和分析特征数据集;接着构建动态贝叶斯网络模型和机器学习分类模型,分别基于物理特征数据集和分析特征数据集进行故障分析,生成两种故障概率分布;再计算两种分布的一致性指标,根据一致性指标采取相应的决策策略,生成综合故障概率;最后根据故障概率值与预设阈值的比较结果确定故障状态,生成预警信号。本发明通过融合物理模型和数据驱动方法,实现了两种模型结果的智能融合,提高了故障预警的准确性和可靠性。
技术关键词
故障预警系统
新能源设备
机器学习分类模型
综合故障
时间序列数据库
光伏电站
光伏系统
曲线特征
指标
动态贝叶斯网络
电压
时域特征
频域特征
动态贝叶斯模型
统计特征
功率
物理
参数
系统为您推荐了相关专利信息
故障预警系统
驾驶习惯数据
新能源汽车
故障记录数据
预警模型
机器学习分类模型
执行自动校准
自动校准方法
仪器设备状态
时间序列分析方法
储能电池
深度学习算法
储能系统
放电参数
计算机执行指令