本发明涉及场站故障分析的，具体为一种新能源场站运行故障智能演化分析方法及系统。
背景技术：
1、在可再生能源管理领域中，涉及到新能源场站的智能化监控与维护，尤其是太阳能发电站中的光伏组件管理。光伏组件的高效运行和可靠性是保障新能源场站稳定供电的关键因素之一，然而，光伏组件在长期运行中容易出现热斑效应，这是由组件表面不均匀遮挡以及组件内部缺陷等因素引起的局部过热现象。热斑效应不仅降低了光伏组件的效率，还会对组件的表面玻璃产生应力，增加破损风险，从而影响整体系统的稳定性和寿命。
2、针对光伏组件热斑效应导致的玻璃破损问题，目前的解决方案存在诸多不足之处。传统的故障检测手段往往滞后，难以及时发现热斑并处理早期故障，导致小问题逐渐演变成大故障。此外，现有的光伏组件故障检测和预防技术普遍缺乏智能化、系统化的故障预测和分析能力，难以充分利用实时监测数据进行有效的风险评估和预防措施制定。
技术实现思路
1、针对现有技术的不足，本发明提供了一种新能源场站运行故障智能演化分析方法及系统，解决了上述背景技术中的问题。
2、为实现以上目的，本发明通过以下技术方案予以实现：一种新能源场站运行故障智能演化分析方法，包括以下步骤：
3、s1、利用计算机模拟软件，将新能源场站内部署的光伏组件进行仿真模拟，以获取光伏组件初步仿真图像，并将光伏组件初步仿真图像划分为若干组区域；
4、s2、对新能源场站内的光伏组件进行实时监测与记录，以获取组件遮挡数据信息和相关电池片性能数据信息，生成条件变化集合，根据条件变化集合对光伏组件初步仿真图像进行进一步仿真，以构建热斑呈现系数rcxs，并结合红外热像仪，在光伏组件初步仿真图像中识别并确定热斑分布区域，并做序号标记；
5、s3、实时监测光伏组件表面玻璃的相关应力差异数据，并监测玻璃的边界条件数据，以生成玻璃呈现集合，当识别出热斑分布区域时，分析光伏组件表面玻璃受到热斑效应的破坏程度，依据相关应力差异数据，并结合经训练后的光伏组件表面玻璃的力学模型，模拟出热斑分布区域内，由热斑效应引起的玻璃应力分布，以获取相应热斑分布区域的热应力系数rfxs；
6、s4、结合s2步骤和s3步骤中获取的热斑呈现系数rcxs和相应区域的热应力分布系数rfxs，拟合获取相应热斑分布区域的故障预测指数gyzs，并综合比较若干组热斑分布区域的故障预测指数gyzs，评估出热应力梯度，将热应力梯度与预先设置的差异阈值q进行对比分析，以综合估判光伏组件表面玻璃破裂的风险，并采取相应的预防手段。
7、优选的，s1、将新能源场站内的光伏组件进行仿真模拟，得到光伏组件初步仿真图像，并将光伏组件初步仿真图像划分为若干组区域，分别划分为一号区域、二号区域、三号区域、...、n号区域。
8、优选的，s21、通过在光伏组件周围部署若干组监测仪器，以监测获取条件变化集合，所述条件变化集合包括组件遮挡数据信息和相关电池片性能数据信息，其中，所述组件遮挡数据信息包括光伏组件上各个区域的遮挡物类型、遮挡物的遮挡面积、遮挡物的透光度tgd以及遮挡物位置，并根据各个区域遮挡物的遮挡面积，计算获取各个区域的遮挡物面积占比zzb；
9、所述相关电池片性能数据信息包括光伏组件上各个区域内太阳能电池片的光电转换效率gdzx以及输出电流值sdz；
10、s22、依据s21步骤获取的条件变化集合，将光伏组件初步仿真图像进行进一步仿真，仿真内容如下：
11、s221、根据各个区域所监测到的遮挡物类型、遮挡物位置、遮挡物的遮挡面积zdmj以及遮挡物的透光度tgd，在光伏组件初步仿真图像的基础上，对光伏组件的遮挡情况进行模拟；
12、s222、并根据遮挡物位置，确定具体受影响的太阳能电池片所在区域；
13、s223、根据各个区域内太阳能电池片的光电转换效率gdzx以及输出电流值sdz，生成各区域输出电流的分布图，以展示电流变化情况，生成整体输出功率的分布图，展示光伏组件不同区域的功率输出情况。
14、优选的，s23、基于组件遮挡数据信息，将遮挡物面积占比zzb及相应区域遮挡物的透光度tgd做线性归一化处理后，并将相应的数据值映射在区间内，分析计算获取相应区域内的温度差异因子wcyz，具体按照以下方式获取：
15、；
16、式中，表示为第i区域内的遮挡物面积占比，表示为第i区域内遮挡物的透光度，及分别表示为第i区域内的遮挡物面积占比及第i区域内遮挡物的透光度的权重系数，其中，0＜≤1，0＜≤1，且+＝1。
17、优选的，s24、依据相关电池片性能数据信息，并结合s23步骤中所获取的温度差异因子wcyz，并经过线性归一化处理后，计算获取相应区域的取热斑呈现系数rcxs，具体按照以下方式获取：
18、；
19、式中，及均为权重系数，i表示为第i区域内太阳能电池片的光电转换效率，sdzi表示为第i区域内太阳能电池片的输出电流值，其中，0＜≤1，0＜≤1，且+＝1，表示为第一修正常数，ln2表示为以e为底的自然对数，即ln2=loge2。
20、优选的，s31、在对条件变化集合进行监测获取的同时，监测获取玻璃呈现集合，所述玻璃呈现集合包括光伏组件表面玻璃的相关应力差异数据和玻璃的边界条件数据，其中，光伏组件表面玻璃的相关应力差异数据包括各个区域玻璃厚度bhd、热应力ryz、热斑温度rbwd以及热斑面积rjm，并从若干组区域内抽取出具有热斑效应的区域的相关应力差异数据；
21、所述玻璃的边界条件数据包括玻璃边界处支撑点数量及各个支撑点间的间距，并比对各个支撑点间的间距是否一致，若不一致，则抽取出间距最大值和间距最小值，以计算获取边界支撑点间距差值bjjc。
22、优选的，s32、使用卷积神经网络构建初始模型，并以玻璃呈现集合对初始模型进行训练和测试，并将训练后的初始模型作为状态识别模型，获取状态识别模型内的特征信息，并将获取的特征信息对状态识别模型进行训练和测试，结合识别出的热斑分布区域，将训练后的状态识别模型作为光伏组件表面玻璃的力学模型，并经过训练后的光伏组件表面玻璃的力学模型，计算获取相应热斑分布区域的热应力系数rfxs；
23、s33、结合s32步骤中光伏组件表面玻璃的力学模型，通过将热斑温度rbwd及相应区域内的热应力ryz相关联，并经过线性归一化处理后，计算获取相应区域的热应力系数rfxs，具体按照以下公式获取：
24、；
25、式中，表示为第j热斑分布区域内的热应力系数，表示为第j热斑分布区域内的玻璃厚度，表示为第j热斑分布区域内的热斑温度，表示为第j热斑分布区域内的热斑面积，表示为第j热斑分布区域内的热应力，均为权重系数，其中，0＜≤1，0＜≤1，0＜≤1，0＜≤1，且＝1，表示为第二修正常数。
26、优选的，s41、通过将热斑呈现系数rcxs和相应区域的热应力分布系数rfxs相关联，并经过线性归一化处理后，拟合获取相应热斑分布区域的故障预测指数gyzs，具体按照以下方式获取：
27、；
28、式中，表示为第j热斑分布区域内的热斑呈现系数，表示为第j热斑分布区域内的热应力分布系数，表示为第j热斑分布区域内的边界支撑点间距差值，表示为第三修正常数，及均为权重系数，其中，0＜≤1，0＜≤1，0＜≤1，且+＝1。
29、优选的，s42、依照s41步骤中获取相应热斑分布区域的故障预测指数gyzs的方式，分别计算出若干组热斑分布区域的故障预测指数gyzs，并根据相邻的热斑分布区域间距d，评估出热应力梯度，具体按照以下方式获取：
30、；
31、式中，和为相邻热斑分布区域内的故障预测指数，表示为这两个热斑分布区域之间的间距；
32、s43、预先设置差异阈值q，并通过将差异阈值q与热应力梯度进行比对分析，以综合估判光伏组件表面玻璃破裂的风险，具体估判内容如下：
33、若热应力梯度超过差异阈值q时，估判当前热斑分布区域内涉及到的光伏组件表面玻璃存在破裂风险，此时将立即派遣相关人员清理光伏组件表面的遮挡物；同时根据热斑位置和太阳光照角度，调整光伏组件的安装角度；
34、若热应力梯度未超过差异阈值q时，估判当前热斑分布区域内涉及到的光伏组件表面玻璃暂未存在破裂风险，此时将继续保持对光伏组件的实时监测。
35、一种新能源场站运行故障智能演化分析系统，包括模拟仿真模块、环境数据监测模块、热斑分析模块、结构数据监测模块、运行故障演化模块以及预测管理模块；
36、模拟仿真模块，利用计算机模拟软件，将新能源场站内部署的光伏组件进行仿真模拟，以获取光伏组件初步仿真图像，并将光伏组件初步仿真图像划分为若干组区域；
37、环境数据监测模块，对新能源场站内的光伏组件进行实时监测与记录，以获取组件遮挡数据信息和相关电池片性能数据信息，生成条件变化集合；
38、热斑分析模块，根据条件变化集合对光伏组件初步仿真图像进行进一步仿真，以构建热斑呈现系数rcxs，并结合红外热像仪，在光伏组件初步仿真图像中识别并确定热斑分布区域，并做序号标记；
39、结构数据监测模块，实时监测光伏组件表面玻璃的相关应力差异数据，并监测玻璃的边界条件数据，以生成玻璃呈现集合；
40、运行故障演化模块，当识别出热斑分布区域时，分析光伏组件表面玻璃受到热斑效应的破坏程度，依据相关应力差异数据，并结合经训练后的光伏组件表面玻璃的力学模型，模拟出热斑分布区域内，由热斑效应引起的玻璃应力分布，以获取相应热斑分布区域的热应力系数rfxs；
41、预测管理模块，结合s2步骤和s3步骤中获取的热斑呈现系数rcxs和相应区域的热应力分布系数rfxs，拟合获取相应热斑分布区域的故障预测指数gyzs，并综合比较若干组热斑分布区域的故障预测指数gyzs，评估出热应力梯度，将热应力梯度与预先设置的差异阈值q进行对比分析，以综合估判光伏组件表面玻璃破裂的风险，并根据相应的破裂风险等级，采取相应的预防手段。
42、本发明提供了一种新能源场站运行故障智能演化分析方法及系统，具备以下有益效果：
43、（1）通过实时监测光伏组件的遮挡信息和电池片性能数据，生成条件变化集合，并结合红外热像仪识别热斑分布区域，该过程能够及时捕捉光伏组件的动态变化，进一步确保分析数据的准确性和实时性；在识别出热斑分布区域后，利用实时监测的玻璃应力差异数据和边界条件数据，结合经过训练的力学模型，模拟热斑效应引起的玻璃应力分布；通过获取热应力系数rfxs，能够精确评估热斑效应对光伏组件玻璃的破坏程度。结合热斑呈现系数rcxs和热应力系数rfxs，拟合出热斑分布区域的故障预测指数gyzs，通过综合比较若干组热斑分布区域的故障预测指数gyzs，进一步评估出热应力梯度，并与预设的差异阈值q进行对比分析，从而准确判断光伏组件表面玻璃破裂的风险等级。根据热应力梯度的分析结果，制定并采取相应的预防手段。总之，该方法通过精准的仿真模拟、实时监测、智能化分析和预测，进一步提高光伏组件的运行可靠性和安全性，以减少故障发生的概率，延长组件的使用寿命，具有重要的实用价值和推广意义。
44、其中，通过提出热斑效应与玻璃破裂风险的联动分析方法，模拟热斑效应引起的玻璃应力分布，获取热应力系数rfxs，并结合热斑呈现系数rcxs，拟合出故障预测指数gyzs，这种联动分析方法能够更直观地反映热斑效应对玻璃破裂的影响，提供了一种创新的风险评估手段。
45、（2）通过监测条件变化集合和玻璃呈现集合，获取了光伏组件表面玻璃的相关应力差异数据和玻璃的边界条件数据，利用这些数据，首先计算了玻璃的边界支撑点间距差值，进一步了解玻璃的支撑情况，然后，构建了初始模型，并使用卷积神经网络对初始模型进行训练和测试，将训练后的初始模型作为状态识别模型，获取了内部的特征信息，这一步骤的新颖性在于利用卷积神经网络构建了光伏组件表面玻璃的力学模型，从而实现了对玻璃状态的智能识别和预测。
46、（3）通过拟合获取相应热斑分布区域的故障预测指数gyzs，这种方法考虑了热斑呈现程度和热应力分布对光伏组件表面玻璃破裂的影响，有效综合了不同因素的影响程度，进一步提高对破裂风险的准确评估。再结合相邻的热斑分布区域间距d，评估出热应力梯度，这种方法通过综合考虑了热应力的梯度变化情况，有效识别出潜在的破裂风险区域。并将其与热应力梯度进行比对分析，以综合评估光伏组件表面玻璃破裂的风险。若热应力梯度超过差异阈值q，则立即采取清理遮挡物和调整安装角度等措施，以减少局部温度上升的风险；若未超过阈值，则继续保持实时监测，以确保及时发现潜在的破裂风险，这种方法通过动态调整预警阈值和及时采取优化措施，有效降低了光伏组件表面玻璃破裂的风险，提高了系统的可靠性和稳定性。
1.一种新能源场站运行故障智能演化分析方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的一种新能源场站运行故障智能演化分析方法，其特征在于：
3.根据权利要求1所述的一种新能源场站运行故障智能演化分析方法，其特征在于：
4.根据权利要求3所述的一种新能源场站运行故障智能演化分析方法，其特征在于：
5.根据权利要求4所述的一种新能源场站运行故障智能演化分析方法，其特征在于：
6.根据权利要求1所述的一种新能源场站运行故障智能演化分析方法，其特征在于：
7.根据权利要求6所述的一种新能源场站运行故障智能演化分析方法，其特征在于：
8.根据权利要求1所述的一种新能源场站运行故障智能演化分析方法，其特征在于：
9.根据权利要求8所述的一种新能源场站运行故障智能演化分析方法，其特征在于：
10.一种新能源场站运行故障智能演化分析系统，应用上述权利要求1~9任一项所述的一种新能源场站运行故障智能演化分析方法，其特征在于：包括模拟仿真模块、环境数据监测模块、热斑分析模块、结构数据监测模块、运行故障演化模块以及预测管理模块；
