本发明属于光伏电站运维，涉及一种光伏新能源运维调度系统。
背景技术：
1、随着全球能源需求增长和环境问题的日益突出，清洁能源成为解决能源和环境双重挑战的重要选择，其中光伏新能源作为一种可再生、无污染的能源形式备受关注。然而，大规模的光伏发电系统需要进行有效的运维调度以确保设备和系统的稳定运行，并提高发电量和可靠性。随着光伏技术的进步和成本的降低，光伏发电规模迅速扩大。光伏发电系统运维管理面临一系列挑战和需求，如设备维护、故障排查、数据监测与分析以及资源调度与计划等。为了提高光伏发电的效益和可持续性，需要科学合理的运维调度，结合信息技术的发展和创新，实现设备状态的实时追踪和分析，并根据实际情况进行调度和优化，提高运维效率和可靠性。通过光伏新能源运维调度的有效实施，可为清洁能源发展做出重要贡献。
2、光伏电站的主要输入是来自太阳的光能，因此受光照强度的影响，同时也受包括天气温度和湿度等气象条件因素的影响。然而，由于气象条件因素作为输入，其与光伏电站输出电能之间的关系复杂而难以被量化，导致人们难以通过监测当前的气象条件而预测期望的电能输出，使故障检测的效率下降。此外，当前对光伏设备的故障排查往往需要实时拍摄光伏设备的图像进行分析，大量占用资源而导致运维效率低的问题。
技术实现思路
1、为解决现有技术中存在的上述问题，本发明提供了一种光伏新能源运维调度系统。
2、本发明的目的可以通过以下技术方案实现：
3、本技术提供了一种光伏新能源运维调度系统，包括现场采集模块、数据分析模块、故障排查模块和调度分配模块，所述现场采集模块、数据分析模块、故障排查模块和调度分配模块通信连接，其中：
4、所述现场采集模块，用于收集现场光伏电站的气象因子和实际电能输出数据，所述气象因子包括光照强度、天气温度和天气湿度，所述电能输出包括电流、电压和功率；
5、所述数据分析模块，用于将现场的气象因子数据输入离线训练的电能预测模型，输出预测的期望电能输出；利用实际电能输出减去期望电能输出，获得电能绝对误差；将电能绝对误差除以期望电能输出，获得电能相对误差；所述离线训练的电能预测模型，通过收集正常工作时的气象因子和电能输出数据训练的广义可加模型；所述广义可加模型，以气象因子数据为解释变量，电能输出为响应变量；
6、所述故障排查模块，用于当电能相对误差大于阈值 a时，对光伏设备进行故障排查，故障排查内容包括故障设备定位和故障类型确定，并记录故障发生的时间；
7、所述调度分配模块，用于对光伏设备运维进行调度分配，所述调度分配包括设备调度和人员调度；所述设备调度，用于根据故障发生的位置及其对应的故障类型，对故障设备进行更换或修理；所述人员调度，用于根据故障类型与对应的时间段之间的关联性，对具有维修不同故障类型的不同运维人员的工作时间进行安排和管理。
8、具体地，所述广义可加模型，包括以下构建步骤：
9、s1、构建光伏数据集：收集历史时期正常工作时的气象因子及其对应的电能输出数据，构建成光伏数据集；
10、s2、数据集划分：将光伏数据集的样本划分为训练集和预测集；其中训练集用于构建模型，预测集用于评估模型的预测性能；
11、s3、单因子显著性检验：构建单个解释变量与响应变量之间的单因子模型，检验模型的显著性；
12、s4、构建广义可加模型：将通过显著性检验的单因子模型逐个相加，获得广义可加模型；
13、s5、模型性能评估：将预测集输入构建完成的广义可加模型中，输出预测值，计算预测值与实际值之间的决定系数，评估模型的预测性能。
14、进一步地，步骤s2中，所述训练集和预测集，分别占光伏数据集样本数的80%和20%。
15、进一步地，步骤s3中，所述单因子，还包括不同解释变量之间的交互项。
16、进一步地，步骤s4中，所述通过显著性检验，具体表现为模型p值小于等于0.05。
17、进一步地，步骤s4中，所述广义可加模型，表达式为：
18、，
19、式中，为具有加和性质的恒等连接函数； u y为响应变量，即电能输出数据变量；为光滑函数，所述光滑函数配置为三次样条函数， x i为第 i个通过显著检验的解释变量，即气象因子数据变量， k i为三次样条函数的节点数，控制着解释变量数值范围内的区间数，每个区间都有一条由三次样条函数拟合的曲线， n为通过显著性检验的解释变量个数； t j为第 j个通过显著性检验的交互项， t为通过显著性检验的交互项个数。
20、进一步地，步骤s5中，所述决定系数，计算公式为：
21、，
22、式中， y i为响应变量的实测值； z i为响应变量的预测值；为实测值的平均值； n为样本数。
23、进一步地，所述电能相对误差，计算公式为：
24、，
25、式中， e r表示电能相对误差； e a表示实际电能输出； e b表示期望电能输出。
26、进一步地，故障排查模块中，所述故障排查，包括以下步骤：
27、t1、获取历史时期光伏设备发生故障时的故障数据对其对应的时间段，所述故障数据包括光伏设备图像和光伏设备性能参数，所述光伏设备包括光伏电池板、逆变器和电网设备；
28、t2、根据故障数据对故障类型进行分类，所述故障类型包括物理损坏类型和性能故障类型，所述物理损坏类型通过提取光伏设备图像的数据特征定位发生损坏的部位来确定，所述性能故障类型根据对光伏设备性能参数进行聚类分析来确定；
29、t3、建立故障类型与对应的时间段之间的关联性；
30、t4、获取实时的故障数据，定位故障发生的位置及其对应的故障类型。
31、本发明的有益效果：
32、通过收集现场光伏电站的气象因子和实际电能输出数据；将气象因子数据输入离线训练的广义可加模型，输出预测的期望电能输出；利用实际电能输出和期望电能输出，计算电能相对误差；当电能相对误差大于阈值a时，对光伏设备进行故障排查，并记录故障发生的时间；根据故障发生的位置及其对应的故障类型，对故障设备进行更换或修理；根据故障类型与对应的时间段之间的关联性，对具有维修不同故障类型的不同运维人员的工作时间进行安排和管理。本发明解决了气象因子与电能输出之间的关系难以被量化，导致使故障检测的效率下降的问题，同时解决故障排查需要实时监测，大量占用资源而导致运维效率低的问题。
1.一种光伏新能源运维调度系统，其特征在于：包括现场采集模块、数据分析模块、故障排查模块和调度分配模块，所述现场采集模块、数据分析模块、故障排查模块和调度分配模块通信连接，其中：
2.根据权利要求1所述的一种光伏新能源运维调度系统，其特征在于：所述广义可加模型，包括以下构建步骤：
3.根据权利要求2所述的一种光伏新能源运维调度系统，步骤s2中，所述训练集和预测集，分别占光伏数据集样本数的80%和20%。
4.根据权利要求2所述的一种光伏新能源运维调度系统，步骤s3中，所述单因子，还包括不同解释变量之间的交互项。
5.根据权利要求2所述的一种光伏新能源运维调度系统，步骤s4中，所述通过显著性检验，具体表现为模型p值小于等于0.05。
6.根据权利要求2所述的一种光伏新能源运维调度系统，步骤s4中，所述广义可加模型，表达式为：
7.根据权利要求2所述的一种光伏新能源运维调度系统，步骤s5中，所述决定系数，计算公式为：
8.根据权利要求1所述的一种光伏新能源运维调度系统，所述电能相对误差，计算公式为：
9.根据权利要求1所述的一种光伏新能源运维调度系统，故障排查模块中，所述故障排查，包括以下步骤：
