CN119448933A 光伏系统的监控告警方法及系统 （深圳益邦物联科技有限公司）

道安乐社区关口二路15号智恒产业园基于预设的温度阈值对三维温度分布场模型进基于局部异常热点区域对光伏组件三维点云结2步骤S2：基于光伏组件多方位热成像视图得到光伏组件步骤S3：基于预设的温度阈值对三维温度分布场模型进步骤S4：基于传感器获取光伏组件电气特性参数；对步骤S5：基于多个时频频率带生成频率带瞬态时频于频率带异常瞬态特征数据生成异常运行状态步骤S6：基于异常温度告警信号以得到区域性热量动2.根据权利要求1所述的光伏系统的监控告警方法，其特征在于，步骤S1的具体步骤步骤S11：对光伏组件阵列进行全方位热成像扫描，以生成光伏组件多方位热成像视3.根据权利要求1所述的光伏系统的监控告警方法，其特征在于，步骤S2的具体步骤步骤S25：基于光伏组件温度分布数据对光伏组件三维点云结构模型进行动态温度插4.根据权利要求3所述的光伏系统的监控告警方法，其特征在3基于光伏组件节点对光伏组件多方位热成像视图进行像基于二维像素点坐标对光伏组件三维点云结构模型进行三维投影坐基于三维投影点坐标将光伏组件温度分布数据对光伏组件三维点云结构模型进行动根据组件结构温差变化数据对初始三维温度场模型进行光流细节补5.根据权利要求1所述的光伏系统的监控告警方法，其特征在于，步骤S3的具体步骤步骤S36：基于异常热斑组件位置数据进行异常温度告警处理，生成异常温度告警信6.根据权利要求1所述的光伏系统的监控告警方法，其基于异常热点区域形态特征对边缘特征点进行离群边缘点分析基于离群边缘特征点对局部异常热点区域进行干扰边缘分割，以得到平滑热斑轮廓7.根据权利要求1所述的光伏系统的监控告警方法，其特征在于，步骤S4的具体步骤48.根据权利要求1所述的光伏系统的监控告警方法，其特征在于，步骤S5的具体步骤步骤S52：基于频率带瞬态时频特征数据对频率带分量分布数据进行频率瞬变波动分9.根据权利要求1所述的光伏系统的监控告警方法，其特征在于，步骤S6的具体步骤步骤S63：对光伏组件潜在故障节点进行故障诊断决策，以生成异常时频故障诊断策步骤S64：对异常时频故障诊断策略及区域性热量动态调整策略进行神经网络模型构温度分布模块，对光伏组件阵列进行全方位热成像扫描，以生成光三维结构模块，基于光伏组件多方位热成像视图得到光伏组热斑区域模块，基于预设的温度阈值对三维温度分布场模型时频分解模块，基于传感器获取光伏组件电气特性参异常时频模块，基于多个时频频率带生成频率带瞬态时频特监控诊断模型模块，基于异常温度告警信号以得到区域性热量动态56频特征数据对频率带分量分布数据进行异常时频变化分析，得到频率带异常瞬态特征数7步骤S12：对光伏组件多方位热成像视图进行组件位置识别，以得到光伏组件节步骤S14：基于光伏组件节点温度值对光伏组件多方位热成像视图进行温度分布组件位置识别确定光伏组件在光伏阵列中的具体位置，为后续步骤提供准确的节点信息，步骤S25：基于光伏组件温度分布数据对光伏组件三维点云结构模型进行动态温8基于三维投影点坐标将光伏组件温度分布数据对光伏组件三维点云结构模型进9步骤S35：基于组件热斑区域对光伏组件三维点云结构模型进行热斑区域精准定置进行关联，生成的异常热斑组件位置数据提供了异常热斑所在光伏组件的准确位置信通过平滑热斑轮廓线对局部异常热点区域进行边界断裂重建，得到组件热斑区[0014]本发明通过边缘特征点识别从局部异常热点区域中提取出具有显著温度变化的边缘特征点，提取的边缘特征点有助于进一步分析异常热点区域的边缘形状和边界信息，步骤S45：基于每个分解单元能量平稳度对多个时频频率带进行频率分量分布分电气特性参数反映了光伏组件的实时工作状态，是监控和分析光伏系统性能的重要依据，步骤S52：基于频率带瞬态时频特征数据对频率带分量分布数据进行频率瞬变波率带异常瞬态特征数据进行异常运行状态告警处理，快速识别和报告光伏组件的异常情步骤S64：对异常时频故障诊断策略及区域性热量动态调整策略进行神经网络模在故障节点的识别帮助运维人员快速进行故障排查和定位，减少故障处理时间和维修成建光伏系统智能监控诊断模型通过神经网络模型综合考虑异常时频故障诊断策略和区域热斑区域模块，基于预设的温度阈值对三维温度分布场模型进行异常温度分析，度分布场模型结合光伏组件温度分布数据，综合考虑光伏组件的空间结构和温度分布情合考虑异常温度告警和异常时频故障诊断策略，利用神经网络等技术进行模型构建和分频特征数据对频率带分量分布数据进行异常时频变化分析，得到频率带异常瞬态特征数热成像中的噪点、阴影等干扰因素，利用图像处理技术,对预处理后的热成像数据进行分无线通信等方式获取电气特性参数，对得到的光伏组件电气特性参数进行多尺度小波分频特征数据对频率带分量分布数据进行异常时频变化分析，得到频率带异常瞬态特征数步骤S12：对光伏组件多方位热成像视图进行组件位置识别，以得到光伏组件节步骤S14：基于光伏组件节点温度值对光伏组件多方位热成像视图进行温度分布像素值对应的实际温度值，对每个光伏组件节点所对应的热成像图像区域进行温度计算，步骤S25：基于光伏组件温度分布数据对光伏组件三维点云结构模型进行动态温三维空间中的对应关系，立体匹配的目标是找到每个特征点在左右两个视角下的对应点，基于三维投影点坐标将光伏组件温度分布数据对光伏组件三维点云结构模型进[0038]本实施例中，对光伏组件多方位热成像视图中的每个节步骤S35：基于组件热斑区域对光伏组件三维点云结构模型进行热斑区域精准定通过平滑热斑轮廓线对局部异常热点区域进行边界断裂重建，得到组件热斑区步骤S45：基于每个分解单元能量平稳度对多个时频频率带进行频率分量分布分步骤S52：基于频率带瞬态时频特征数据对频率带分量分布数据进行频率瞬变波提取频率带的异常瞬态特征数据，这些特征数据反映了频率带在瞬态变化方面的异常情步骤S64：对异常时频故障诊断策略及区域性热量动态调整策略进行神经网络模维护人员采取相应的修复措施，基于异常时频故障诊断策略及区域性热量动态调整策略，热斑区域模块，基于预设的温度阈值对三维温度分布场模型进行异常温度分析，度分布场模型结合光伏组件温度分布数据，综合考虑光伏组件的空间结构和温度分布情合考虑异常温