CN112803592B - 一种适用于分布式电站的智能故障预警方法及系统 - Google Patents

Abstract

本发明公开了一种适用于分布式电站的智能故障预警方法及系统，包括采集历史光伏电站故障时的发电数据；利用所述历史数据建立专家数据库，并且根据电站不同设备数据进行分类存储；根据所述采集的故障数据，建立故障树分析模型进行设备故障概率分析；采集所述光伏电站的实时数据，根据所述故障树分析模型的分析结果将所述实时数据输入所述专家数据库进行故障分析预测；根据所述预测情况进行智能故障预警。减少场站监管的工作量、实现不同类型各光伏电站的统一监管、多层监控、从而实现无人值班少人值守的运营模式；建立新的故障预警方法，提高光伏电站故障预警的准确度和速度，提高了电站运行的稳定性、可靠性以及运行管理效率。

Description

一种适用于分布式电站的智能故障预警方法及系统

技术领域

本发明涉及分布式电站故障预警的技术领域，尤其涉及一种适用于分布式电站的智能故障预警方法及系统。

背景技术

近年来，新能源行业的快速发展，开发公司光伏发电站投产数量日益增多，所辖电站分布地域广、场址分散，且电站监控系统的功能简单，无高效的数据整合、统计、分析能力。由于光伏发电站分布地域广并且设备数量多，很难对电站运行故障进行预警，并且发生故障时也很难快速准确地找出故障发生原因，电站运维团队的日常办公无标准的操作路程及规则制度，巡检项目多，现场人员技能不足，无闭环式管理，存在低效、故障的运行器件时，无法通过故障预警与自诊断方法主动提醒，设备长期运行于亚健康状态，会导致大量的电量损失，提高设备的运营成本，因此需要建立一个分布式电站的智能故障预警方法，提高光伏电站的管理效率。

发明内容

本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。

鉴于上述现有光伏电站存在的问题，提出了本发明。

因此，本发明解决的技术问题是：电站设备众多，数据采集量大，难以进行快速故障预测；存在低效、故障的运行器件时，无法通过故障预警与自诊断方法主动提醒，设备长期运行于亚健康状态；发生预警后，没有明确清晰的解决故障问题的思路；并且日常设备维护采用手工模式，低效、易错，保存、查找不便。

为解决上述技术问题，本发明提供如下技术方案：采集历史光伏电站故障时的发电数据；利用所述历史数据建立专家数据库，并且根据电站不同设备数据进行分类存储；根据所述采集的故障数据，建立故障树分析模型进行设备故障概率分析；采集所述光伏电站的实时数据，根据所述故障树分析模型的分析结果将所述实时数据输入所述专家数据库进行故障分析预测；根据所述预测情况进行智能故障预警。

作为本发明所述的适用于分布式电站的智能故障预警方法的一种优选方案，其中：所述建立专家数据库包括，所述采集到的历史故障数据包括电站数据与电站KPI数据，根据固话或自定义的专家经验对所述数据进行预判，并将预判结果根据不同设备数据进行分类存储，构成一个专家数据库，并且所述专家数据库以月为周期进行更新，确保所述专家数据库信息的实时性。

作为本发明所述的适用于分布式电站的智能故障预警方法的一种优选方案，其中：所述根据电站不同设备数据进行分类存储包括，组串的电流电压、逆变器发电数据、汇流箱的运行状态、箱变的电压功率、光伏组件的输出功率以及变压器的运行状态。

作为本发明所述的适用于分布式电站的智能故障预警方法的一种优选方案，其中：所述建立故障树分析模型进行设备故障概率分析包括，所述故障树分析模型对不同设备发生故障的概率进行分析，计算出各个设备发生故障的概率，根据所述计算出的概率情况，从高至低依次将设备的实时数据输入所述专家数据库进行故障分析，进而对故障情况进行快速预测。

作为本发明所述的适用于分布式电站的智能故障预警方法的一种优选方案，其中：所述故障树分析模型包括，设定电站有n个设备构成，设备运行状态正常用“0”来表示，运行状态异常用“1”来表示，电站故障是由所述电站设备故障引起的，因此所述电站设备的运行状态决定了电站的运行状况，用Q(x₁,x₂,…x_n)来表示电站设备的运行状态，则所述故障树分析模型为如下所示：

设定t时间内设备x的故障率为γ，则其故障率的计算公式为如下所示：

其中：∝为在t时间段内设备x的故障次数，利用所述故障率对所述设备x在运行T时间内的故障概率进行预测，其计算公式如下：

P(x)＝1-e^-γt

w(x)＝γ(1-P(x))

其中：P(x)为在t时间内电力设备发生故障的概率，w(x)为在t时间内电力设备发生故障的频率。

作为本发明所述的适用于分布式电站的智能故障预警方法的一种优选方案，其中：所述进行故障分析预测包括，对所述实时数据进行故障波形分析，选取一定时间内的实时数据进行图像绘制，利用拟合公式对图像曲线的变化进行分析，进而推断下一时刻该设备的数据，将所述预测数据输入专家数据库中进行故障预测，其中所述拟合公式表示为如下：

y＝ax+b

其中：y为设备数据，x为时间，a拟合的图像曲线斜率，b为拟合系数。

作为本发明所述的适用于分布式电站的智能故障预警方法的一种优选方案，其中：所述进行智能故障预警包括，所述智能故障预警能实现对预测信息的在线综合处理、显示与推力、支持汇集和处理各类预警信息，对大量预警信息进行分类管理和综合、压缩，对不同需求形成不同的预警显示方案，利用形象直观的方式提供全面综合的预警提示，对所述预警信息集中展示，内容包括预警内容描述、预警等级、预警时间、是否复归、是否确认等，可以按不同条件进行预警信息的分类检索，显示，打印。

作为本发明所述的适用于分布式电站的智能故障预警系统的一种优选方案，其中：电站数据采集模块用于采集分布式电站历史故障数据以及实施设备运行数据；故障预警分析模块与所述电站数据采集模块相连接，利用所述电站数据采集模块采集的历史数据建立故障分析模型，并根据所述采集的实时数据进行故障预测；智能预警模块与所述故障预警分析模块相连接，用于对所述故障预警分析模块的预测结果进行智能预警。

作为本发明所述的适用于分布式电站的智能故障预警系统的一种优选方案，其中：所述故障预警分析模块包括，专家数据库与所述电站数据采集模块相连接，对所述历史故障数据进行专家经验分析，将预测结果进行分类存储；故障树分析模型与所述电站数据采集模块相连接，利用所述采集到的历史数据建立故障树分析模型，计算各个设备发生故障的概率；故障预测单元连接于所述电站数据采集模块、专家数据库和故障树分析模型，根据所述故障树分析模型的计算结果，依次对电站设备的实时数据进行故障分析预测，并将结果输入所述专家数据库，获得预测结果。

作为本发明所述的适用于分布式电站的智能故障预警系统的一种优选方案，其中：所述智能预警模块包括，预警分类单元连接于所述故障预测单元，获取多个预警数据源，并根据各自的特征对大量的预警信息进行合理分类；预警信息综合和压缩单元连接于所述故障预测单元，对系统中由同一原因引起的多个预警信息进行合并，只给出核心的预警或者引起故障的原因，而不显示所有预警信息；预警智能推理单元连接于所述专家数据库和预警分类单元，对分类后的预警信息进行时序分析，给出故障报告，提供故障类型和故障过程。预警智能显示单元连接于所述预警分类单元、预警信息综合和压缩单元和预警智能推理单元，对所述预警信息的类别、原因以及预警报告进行显示。

本发明的有益效果：减少场站监管的工作量、实现不同类型各光伏电站的统一监管、多层监控、从而实现无人值班少人值守的运营模式；建立新的故障预警方法，提高光伏电站故障预警的准确度和速度，提高了电站运行的稳定性、可靠性以及运行管理效率，提升生产运行管理水平，降低生产运行和设备维护成本。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。其中：

图1为本发明第一个实施例所述的适用于分布式电站的智能故障预警方法的流程示意图；

图2为本发明第一个实施例所述的适用于分布式电站的智能故障预警方法的拟合图像曲线图；

图3为本发明第二个实施例所述的适用于分布式电站的智能故障预警系统的流程示意图。

具体实施方式

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合说明书附图对本发明的具体实施方式做详细的说明，显然所描述的实施例是本发明的一部分实施例，而不是全部实施例。基于本发明中的实施例，本领域普通人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明的保护的范围。

在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是本发明还可以采用其他不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施例的限制。

其次，此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个实施例中”并非均指同一个实施例，也不是单独的或选择性的与其他实施例互相排斥的实施例。

本发明结合示意图进行详细描述，在详述本发明实施例时，为便于说明，表示器件结构的剖面图会不依一般比例作局部放大，而且所述示意图只是示例，其在此不应限制本发明保护的范围。此外，在实际制作中应包含长度、宽度及深度的三维空间尺寸。

同时在本发明的描述中，需要说明的是，术语中的“上、下、内和外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一、第二或第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。

本发明中除非另有明确的规定和限定，术语“安装、相连、连接”应做广义理解，例如：可以是固定连接、可拆卸连接或一体式连接；同样可以是机械连接、电连接或直接连接，也可以通过中间媒介间接相连，也可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。

实施例1

参照图1～2，为本发明的第一个实施例，该实施例提供了一种适用于分布式电站的智能故障预警方法，包括：

S1：采集历史光伏电站故障时的发电数据。其中需要说明的是，

利用光伏阵列(光伏组件温度检测仪)、巡日装置、逆变器(通过逆变器监测汇流情况)、环境监测仪、摄像头等设备进行信息的采集。

S2：利用历史数据建立专家数据库，并且根据电站不同设备数据进行分类存储。其中需要说明的是，

采集到的历史故障数据包括电站数据与电站KPI数据，根据固话或自定义的专家经验对数据进行预判，并将预判结果根据不同设备数据进行分类存储，构成一个专家数据库，并且专家数据库以月为周期进行更新，确保专家数据库信息的实时性；

进一步的是，根据电站不同设备数据进行分类存储包括，组串的电流电压、逆变器发电数据、汇流箱的运行状态、箱变的电压功率、光伏组件的输出功率以及变压器的运行状态，其中组串的电流电压包括光伏组串输出直流电压、输出直流电流、输出直流功率等，逆变器发电数据包括直流电压、电流、功率，交流电压、电流、逆变器内温度、时钟、频率、功率因数等，汇流箱的运行状态包括汇流箱输出电压、汇流箱输出功率、电流监测允差报警、传输电缆/短路故障告警、空气开关状态等，光伏组件的输出功率包括汇流箱采集数据显示各个光伏仿真的输出功率，定位异常光伏组件。

S3：根据采集的故障数据，建立故障树分析模型进行设备故障概率分析。其中需要说明的是，

故障树分析模型对不同设备发生故障的概率进行分析，计算出各个设备发生故障的概率，根据计算出的概率情况，从高至低依次将设备的实时数据输入专家数据库进行故障分析，进而对故障情况进行快速预测；

进一步的是，设定电站有n个设备构成，设备运行状态正常用“0”来表示，运行状态异常用“1”来表示，电站故障是由电站设备故障引起的，因此电站设备的运行状态决定了电站的运行状况，用Q(x₁,x₂,…x_n)来表示电站设备的运行状态，则故障树分析模型为如下所示：

设定t时间内设备x的故障率为γ，则其故障率的计算公式为如下所示：

其中：∝为在t时间段内设备x的故障次数，利用故障率对设备x在运行T时间内的故障概率进行预测，其计算公式如下：

P(x)＝1-e^-γt

w(x)＝γ(1-P(x))

其中：P(x)为在t时间内电力设备发生故障的概率，w(x)为在t时间内电力设备发生故障的频率。

S4：采集光伏电站的实时数据，根据故障树分析模型的分析结果将实时数据输入专家数据库进行故障分析预测。其中需要说明的是，

进行故障分析预测包括，对实时数据进行故障波形分析，选取一定时间内的实时数据进行图像绘制，利用拟合公式对图像曲线的变化进行分析，进而推断下一时刻该设备的数据，将预测数据输入专家数据库中进行故障预测，其中拟合公式表示为如下：

y＝ax+b

其中：y为设备数据，x为时间，a拟合的图像曲线斜率，b为拟合系数。

例如，给定6组数据分别为：(0.08,0)、(0.24,0.2)、(0.37,0.4)、(0.68,0.6)、(0.87,0.8)以及(1,1)根据6组数据进行图像曲线绘制，绘制结果参照图2，图中实线为由6组数据绘制而成的曲线，虚线为由曲线得出的拟合公式，可以看出此图像曲线的拟合公式为：y＝0.97x-0.03。

S5：根据预测情况进行智能故障预警。其中需要说明的是，

进行智能故障预警包括，智能故障预警能实现对预测信息的在线综合处理、显示与推力、支持汇集和处理各类预警信息，对大量预警信息进行分类管理和综合、压缩，对不同需求形成不同的预警显示方案，利用形象直观的方式提供全面综合的预警提示，对预警信息集中展示，内容包括预警内容描述、预警等级、预警时间、是否复归、是否确认等，可以按不同条件进行预警信息的分类检索，显示，打印。

为了更好地对本发明方法中采用的技术效果加以验证说明，本实施例中选择一种基于对区间运动曲线的故障预警方法进行测试，以科学论证的手段对比试验结果，以验证本方法所具有的真实效果；

选取丰收东方红站的运行状态数据进行故障预测，其中光伏电站内的基本电网频率为60.0HZ，利用本发明方法和传统基于对区间运动曲线的故障预警方法对丰收东方红站未来5天的故障情况进行预测分析，其中使用本方法进行电站故障预测时，收集电站前一个月的故障数据，建立专家数据库，利用故障树模型进行各个设备的故障概率分析，再对5天内电站的实时运行数据进行故障预测；而使用传统基于对区间运动曲线的故障预警方法，通过组网技术对设备进行检测于信息采集，并部署云端数据库对采集到的信息进行存储，通过应用层与云端数据库的数据交互，来评价设备的健康状态并对异常状况进行预警，利用MATLB软件对两种方法的故障预警时间以及准确度进行测试，其测试结果如下表1所示：

表1：光伏电站故障预测结果。

通过表1可以看出，从故障预警时间方面来看，使用传统区间运动方法的时间稳定在20s左右，而本发明所需时间虽然起伏较大，但是一般都为15左右，并且在第4天时进行预警只用了8s，因此本发明方法可以节省预警时间；另一方面，从准确度角度来看，使用传统方法的准确率在70％几，而本方法均保持在80％以上，明显在准确率方面本发明方法达到的效果要好。

实施例2

参照图3，为本发明的第二个实施例，该实施例不同于第一个实施例的是，提供了一种适用于分布式电站的智能故障预警系统，包括：电站数据采集模块100、故障预警分析模块200以及智能预警模块300，其中电站数据采集模块100用于采集分布式电站历史故障数据以及实施设备运行数据；故障预警分析模块200与电站数据采集模块100相连接，利用电站数据采集模块100采集的历史数据建立故障分析模型，并根据采集的实时数据进行故障预测；智能预警模块300与故障预警分析模块200相连接，用于对故障预警分析模块200的预测结果进行智能预警；

进一步的是，故障预警分析模块200包括，专家数据库201与电站数据采集模块100相连接，对历史故障数据进行专家经验分析，将预测结果进行分类存储；故障树分析模型202与电站数据采集模块100相连接，利用采集到的历史数据建立故障树分析模型，计算各个设备发生故障的概率；故障预测单元203连接于电站数据采集模块100、专家数据库201和故障树分析模型202，根据故障树分析模型202的计算结果，依次对电站设备的实时数据进行故障分析预测，并将结果输入专家数据库201，获得预测结果；

智能预警模块300包括，预警分类单元301连接于故障预测单元203，获取多个预警数据源，并根据各自的特征对大量的预警信息进行合理分类；预警信息综合和压缩单元302连接于故障预测单元203，对系统中由同一原因引起的多个预警信息进行合并，只给出核心的预警或者引起故障的原因，而不显示所有预警信息；预警智能推理单元303连接于专家数据库201和预警分类单元301，对分类后的预警信息进行时序分析，给出故障报告，提供故障类型和故障过程。预警智能显示单元304连接于预警分类单元301、预警信息综合和压缩单元302和预警智能推理单元303，对预警信息的类别、原因以及预警报告进行显示；

更进一步的是，模块以及单元之间的连接均使用光纤进行信息传输，其信息容量大、损耗低，传送距离长、抗电磁干扰能力强并且安全性能和保密性好，可以有效避免数据在传输过程中发生错误，缩短信息传输时间。

不难理解的是，本实施例中所提供的系统，其涉及电站数据采集模块100、故障预警分析模块200以及智能预警模块300，例如可以是运行在计算机可读程序，通过提高各模块的程序数据接口实现。

应当认识到，本发明的实施例可以由计算机硬件、硬件和软件的组合、或者通过存储在非暂时性计算机可读存储器中的计算机指令来实现或实施。所述方法可以使用标准编程技术-包括配置有计算机程序的非暂时性计算机可读存储介质在计算机程序中实现，其中如此配置的存储介质使得计算机以特定和预定义的方式操作——根据在具体实施例中描述的方法和附图。每个程序可以以高级过程或面向对象的编程语言来实现以与计算机系统通信。然而，若需要，该程序可以以汇编或机器语言实现。在任何情况下，该语言可以是编译或解释的语言。此外，为此目的该程序能够在编程的专用集成电路上运行。

此外，可按任何合适的顺序来执行本文描述的过程的操作，除非本文另外指示或以其他方式明显地与上下文矛盾。本文描述的过程(或变型和/或其组合)可在配置有可执行指令的一个或多个计算机系统的控制下执行，并且可作为共同地在一个或多个处理器上执行的代码(例如，可执行指令、一个或多个计算机程序或一个或多个应用)、由硬件或其组合来实现。所述计算机程序包括可由一个或多个处理器执行的多个指令。

进一步，所述方法可以在可操作地连接至合适的任何类型的计算平台中实现，包括但不限于个人电脑、迷你计算机、主框架、工作站、网络或分布式计算环境、单独的或集成的计算机平台、或者与带电粒子工具或其它成像装置通信等等。本发明的各方面可以以存储在非暂时性存储介质或设备上的机器可读代码来实现，无论是可移动的还是集成至计算平台，如硬盘、光学读取和/或写入存储介质、RAM、ROM等，使得其可由可编程计算机读取，当存储介质或设备由计算机读取时可用于配置和操作计算机以执行在此所描述的过程。此外，机器可读代码，或其部分可以通过有线或无线网络传输。当此类媒体包括结合微处理器或其他数据处理器实现上文所述步骤的指令或程序时，本文所述的发明包括这些和其他不同类型的非暂时性计算机可读存储介质。当根据本发明所述的方法和技术编程时，本发明还包括计算机本身。计算机程序能够应用于输入数据以执行本文所述的功能，从而转换输入数据以生成存储至非易失性存储器的输出数据。输出信息还可以应用于一个或多个输出设备如显示器。在本发明优选的实施例中，转换的数据表示物理和有形的对象，包括显示器上产生的物理和有形对象的特定视觉描绘。

如在本申请所使用的，术语“组件”、“模块”、“系统”等等旨在指代计算机相关实体，该计算机相关实体可以是硬件、固件、硬件和软件的结合、软件或者运行中的软件。例如，组件可以是，但不限于是：在处理器上运行的处理、处理器、对象、可执行文件、执行中的线程、程序和/或计算机。作为示例，在计算设备上运行的应用和该计算设备都可以是组件。一个或多个组件可以存在于执行中的过程和/或线程中，并且组件可以位于一个计算机中以及/或者分布在两个或更多个计算机之间。此外，这些组件能够从在其上具有各种数据结构的各种计算机可读介质中执行。这些组件可以通过诸如根据具有一个或多个数据分组(例如，来自一个组件的数据，该组件与本地系统、分布式系统中的另一个组件进行交互和/或以信号的方式通过诸如互联网之类的网络与其它系统进行交互)的信号，以本地和/或远程过程的方式进行通信。

应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (6)

1.一种适用于分布式电站的智能故障预警方法，其特征在于：包括，

采集历史光伏电站故障时的发电数据；

利用所述历史光伏电站故障时的发电数据建立专家数据库，并且根据电站不同设备数据进行分类存储；

根据所述采集的历史光伏电站故障时的发电数据，建立故障树分析模型对不同设备发生故障的概率进行分析，计算出各个设备发生故障的概率，根据所述计算出的概率情况，从高至低依次将设备的实时数据输入所述专家数据库进行故障分析，进而对故障情况进行快速预测；

设定电站有n个设备构成，设备运行状态正常用“0”来表示，运行状态异常用“1”来表示，电站故障是由所述电站设备故障引起的，因此所述电站设备的运行状态决定了电站的运行状况，用Q(x₁,x₂,…x_n)来表示电站设备的运行状态，则所述故障树分析模型为如下所示：

设定t时间内设备x的故障率为γ，则其故障率的计算公式为如下所示：

其中：α为在t时间段内设备x的故障次数，利用所述故障率对所述设备x在运行t时间内的故障概率进行预测，其计算公式如下：

P(x)＝1-e^-γt

w(x)＝γ(1-P(x))

其中：P(x)为在t时间内电力设备发生故障的概率，w(x)为在t时间内电力设备发生故障的频率；

采集所述光伏电站的实时数据，根据所述故障树分析模型的分析结果将所述实时数据输入所述专家数据库进行故障分析预测；

根据所述故障分析预测情况进行智能故障预警。

2.如权利要求1所述的适用于分布式电站的智能故障预警方法，其特征在于：所述建立专家数据库包括，

所述采集的历史光伏电站故障时的发电数据包括电站数据与电站KPI数据，根据固话或自定义的专家经验对所述数据进行预判，并将预判结果根据不同设备数据进行分类存储，构成一个专家数据库，并且所述专家数据库以月为周期进行更新，确保所述专家数据库信息的实时性。

3.如权利要求1或2所述的适用于分布式电站的智能故障预警方法，其特征在于：所述根据电站不同设备数据进行分类存储包括，

组串的电流电压、逆变器发电数据、汇流箱的运行状态、箱变的电压功率、光伏组件的输出功率以及变压器的运行状态。

4.如权利要求1所述的适用于分布式电站的智能故障预警方法，其特征在于：所述进行故障分析预测包括，

对所述实时数据进行故障波形分析，选取一定时间内的实时数据进行图像绘制，利用拟合公式对图像曲线的变化进行分析，进而推断下一时刻该设备的数据，将预测数据输入专家数据库中进行故障预测，其中所述拟合公式表示为如下：

y＝ax+b

其中：y为设备数据，x为时间，a为拟合的图像曲线斜率，b为拟合系数。

5.如权利要求1所述的适用于分布式电站的智能故障预警方法，其特征在于：所述进行智能故障预警包括，

所述智能故障预警能实现对预测信息的在线综合处理、显示与推力、支持汇集和处理各类预警信息，对大量预警信息进行分类管理和综合、压缩，对不同需求形成不同的预警显示方案，利用形象直观的方式提供全面综合的预警提示，对所述预警信息集中展示，内容包括预警内容描述、预警等级、预警时间、是否复归、是否确认，按不同条件进行预警信息的分类检索，显示，打印。

6.一种适用于分布式电站的智能故障预警系统，其特征在于：包括，

电站数据采集模块(100)用于采集历史光伏电站故障时的发电数据以及实施设备运行数据；

故障预警分析模块(200)与所述电站数据采集模块(100)相连接，利用所述电站数据采集模块(100)采集的历史光伏电站故障时的发电数据建立故障分析模型，并根据所述采集的实时数据进行故障预测；

智能预警模块(300)与所述故障预警分析模块(200)相连接，用于对所述故障预警分析模块(200)的预测结果进行智能预警；

所述故障预警分析模块(200)包括，

专家数据库(201)与所述电站数据采集模块(100)相连接，对所述历史光伏电站故障时的发电数据进行专家经验分析，将预测结果进行分类存储；

故障树分析模型(202)与所述电站数据采集模块(100)相连接，利用所述采集到的历史数据建立故障树分析模型，计算各个设备发生故障的概率；

故障预测单元(203)连接于所述电站数据采集模块(100)、专家数据库(201)和故障树分析模型(202)，根据所述故障树分析模型(202)的计算结果，依次对电站设备的实时数据进行故障分析预测，并将结果输入所述专家数据库(201)，获得预测结果；

所述智能预警模块(300)包括，

预警分类单元(301)连接于所述故障预测单元(203)，获取多个预警数据源，并根据各自的特征对大量的预警信息进行合理分类；

预警信息综合和压缩单元(302)连接于所述故障预测单元(203)，对系统中由同一原因引起的多个预警信息进行合并，只给出核心的预警或者引起故障的原因，而不显示所有预警信息；

预警智能推理单元(303)连接于所述专家数据库(201)和预警分类单元(301)，对分类后的预警信息进行时序分析，给出故障报告，提供故障类型和故障过程；

预警智能显示单元(304)连接于所述预警分类单元(301)、预警信息综合和压缩单元(302)和预警智能推理单元(303)，对所述预警信息的类别、原因以及预警报告进行显示。

Images