CN119515347A 新能源场站运维故障诊断方法、设备及可读存储介质 （国家电投集团湖北电力有限公司光伏分公司）

2针对每个类群分组，获取类群分组包含的各个光伏电站的光伏将待预测时间点对应的气象因素数据输入目标类群分组对应的目标光伏发电功率预将目标光伏发电功率预测模型输出的光伏发电功率预测值与待诊断光伏电站在所述BP神经网络模型进行改进得到改进的BP采集样本光伏组件的电气特性参数以及故障类型分类结果，部分作为训通过测试样本对待验证故障分析模型进行验证，若验证通过，则以待验步骤1、初始化BP神经网络模型的权值和阈值，设定BP神经网络与蚁群算法的初始参3将训练数据集输入光伏发电功率预测模型进行计算，对光伏发用各本征模态分量IMF与残差分量RES用麻雀搜索算法优化各SVM回归模型的惩罚参数c和核函数参数g，在得到各本征模态分量IMF与残差分量RES的预测模型的同将各本征模态分量IMF与残差分量RES的预测模型预测出的光伏发电功率值进行叠加，迭代次数满足最大值时，迭代过程结束，将寻找到的超参数带入预8.根据权利要求1至7中任一项所述的新基于每个类群分组包括的光伏电站的输出功率和气象参数计算每个类群分组的相关基于每两个类群分组之间的距离以及每两个类群分组的相关性计算得到每两个类群4将相似度最高的两个类群分组作为一个新类群分组合并，并返回9.一种新能源场站运维故障诊断设备，其特征在利要求1至8中任一项所述的新能源场站运维故障诊断权利要求1至8中任一项所述的新能源场站运维故障诊断方法的步5[0009]将待预测时间点对应的气象因素数据输入目标类群分组对应的目标光伏发电功[0010]将目标光伏发电功率预测模型输出的光伏发电功率预测值与待诊断光伏电站在法对BP神经网络模型进行改进得到改进的BP神经网[0012]基于故障分析模型输出的故障类型分类结果矩阵，确定各组光伏组件的故障类6偏差超过阈值时，将待诊断光伏电站中各组光伏组件的电气特性参数输入故障分析模型，[0018]图2为本申请实施例方案中涉及的新能源场站运维故障诊断设备的硬件结构示意[0023]步骤S10，对新能源场站中多个光伏电站按照相似性进行聚类，得到多个类群分7[0029]当一类群分组包括多个光伏电站时，首先对多个光伏电站的多维度参数进行平[0030]当一类群分组包括1个光伏电站时，以该光伏电站的多维度参数作为类群分组的包括类群分组1和类群分组2的相似度1、类群分组1和类群分组3的相似度2以及类群分组2些光伏电站的发电功率以及对应的气象因素数据作为训练数据，并以气象因素数据为输[0043]对光伏发电功率预测模型开展性能评价可以光伏发电功率预测模型的输出以及8[0053]利用得到的适应度值更新蚂蚁速度和位置，根据更新的蚂蚁位置再计算适应度[0060]步骤S202，用各本征模态分量IMF与残差分量RES的训练集建立各自的SVM回归模到各本征模态分量IMF与残差分量RES9[0086]在将获取的各个类群分组的光伏电站的光伏发电功率数据及同时刻气象因素数[0092]基于两个电站之间的距离以及两个电站的输出功率和气象参数的相关性计算得[0099]步骤S40，将待预测时间点对应的气象因素数据输入目标类群分组对应的目标光[0100]步骤S50，将目标光伏发电功率预测模型输出的光伏发电功率预测值与待诊断光由蚁群算法对BP神经网络模型进行改进得到改进的BP[0105]采集样本光伏组件的电气特性参数以及故障类型分类结网络进行问题求解时，有时会因为数据样本间的差异性太大导致函数处理时出现多个峰gggg偏差超过阈值时，将待诊断光伏电站中各组光伏组件的电气特性参数输入故障分析模型，[0141]存储器可以是各种类型的存储介质，例如随机存取存储器(randomaccessmemory，RAM)、只读存储器(read_onlymemory，ROM)、非易失性RAM(non_volatileRAM，NVRAM)、闪存、光存储器、硬盘、可编程ROM(programmableROM，PROM)、可擦除PROM例或设计方案不应被解释为比其它实施例或设计方案更优选或更