本發明涉及智慧能源，尤其涉及一種智慧電廠的智能巡檢方法、系統及設備。

背景技術：

1、隨著新能源電站規模的擴大和運維要求的提高，傳統的巡檢方式已無法滿足電力設施安全穩定運行的需求。

2、目前，電力設施的運維工作主要依賴于人工巡檢和基于固定攝像頭的簡單視頻監控系統，這些方式往往效率低下，難以做到精細化管理和預測性維護，直接影響了電力設施的安全穩定運行。并且傳統巡檢方式存在諸多缺陷，具體來說，人工巡檢方式往往費時費力、易受惡劣天氣影響、無法實現實時監控等；而基于固定攝像頭的簡單視頻監控系統可能存在覆蓋有限、缺乏自主分析能力和主動預警機制等缺陷。

3、因此，有必要提供一種智慧電廠的智能巡檢方法、系統及設備解決上述技術問題。

技術實現思路

1、為解決上述技術問題，本發明提供一種智慧電廠的智能巡檢方法、系統及設備用于解決傳統巡檢方式下的低效、不及時、精準監測與故障預警不足以及火災隱患早期檢測困難的問題。

2、本發明提供的一種智慧電廠的智能巡檢方法，所述巡檢方法包括：

3、采集目標智慧電站中目標設備的實時設備數據，根據所述實時設備數據構建所述目標智慧電站對應的三維虛擬電站模型；

4、獲取所述目標設備的歷史運行數據和實時運行數據，并基于機器學習算法構建所述目標設備對應的設備故障預測模型，識別并定位所述目標設備的設備故障位置；

5、通過無人巡檢設備采集所述目標智慧電站中光伏組件的光伏巡檢圖像，并對所述光伏巡檢圖像進行熱斑識別生成潛在光伏熱斑信息；

6、基于視覺技術和深度學習算法識別所述目標設備的表面異常狀態；

7、構建防火偵測網絡監測所述目標智慧電站的當前區域溫度并與預設溫度閾值進行比對，生成對應的異常溫度信息；

8、基于所述設備故障位置、潛在光伏熱斑信息、表面異常狀態和異常溫度信息，結合所述三維虛擬電站模型，生成所述目標智慧電站的智能巡檢結果發送給管理端。

9、優選的，所述采集目標智慧電站中目標設備的實時設備數據，根據所述實時設備數據構建所述目標智慧電站對應的三維虛擬電站模型，具體包括：

10、基于徑向基函數確定所述實時設備數據中每個數據點處的插值曲面，所述實時設備數據中的當前數據點位置處的插值曲面的表達式如下所示：

11、式中，表示實時設備數據中的當前數據點位置；表示當前數據點位置x處的插值曲面；表示與當前數據點相鄰的數據點數量；表示三維插值系數；表示徑向基函數；表示與當前數據點相鄰的第m個數據點位置；表示當前數據點位置x和第m個數據點位置之間的距離；表示當前數據點位置x處的插值穩定系數；σ表示求和符號；

12、在確定所述實時設備數據中所有數據點位置處的插值曲面后，結合所述實時設備數據，構建所述目標智慧電站對應的三維虛擬電站模型。

13、優選的，在得到所述目標智慧電站對應的三維虛擬電站模型后，基于網絡優化算法，通過調整所述實時設備數據中每個數據點的位置，對所述三維虛擬電站模型進行相應優化，調整后的所述實時設備數據中的當前數據點位置的表達式如下所示：

14、式中，表示調整后的實時設備數據中的當前數據點位置；表示實時設備數據中的當前數據點位置；表示平滑強度系數；表示與當前數據點相鄰的數據點數量；表示與當前數據點相鄰的第m個數據點；σ表示求和符號；

15、根據調整后的所述實時設備數據中每個數據點的位置，得到優化后的所述三維虛擬電站模型。

16、優選的，所述獲取所述目標設備的歷史運行數據和實時運行數據，并基于機器學習算法構建所述目標設備對應的設備故障預測模型，識別并定位所述目標設備的設備故障位置，具體包括：

17、獲取所述目標設備的歷史運行數據和實時運行數據，提取所述歷史運行數據中的關鍵特征生成對應的歷史運行特征，并提取所述實時運行數據中的關鍵特征生成對應的實時運行特征；

18、基于機器學習算法根據所述歷史運行特征和實時運行特征構建所述目標設備對應的設備故障預測模型；

19、基于所述設備故障預測模型對所述目標設備進行故障檢測，識別并定位所述目標設備的設備故障位置。

20、優選的，所述通過無人巡檢設備采集所述目標智慧電站中光伏組件的光伏巡檢圖像，并對所述光伏巡檢圖像進行熱斑識別生成潛在光伏熱斑信息，具體包括：

21、根據所述目標智慧電站中光伏組件的組件分布情況，規劃所述無人巡檢設備的預設巡檢路線；

22、控制所述無人巡檢設備按照所述預設巡檢路線進行巡檢，并通過所述無人巡檢設備上搭載的巡檢傳感器對所述目標智慧電站中光伏組件進行拍攝，生成所述光伏巡檢圖像；

23、對所述光伏巡檢圖像進行特征提取生成光伏巡檢特征，并對所述光伏巡檢特征進行熱斑識別生成所述潛在光伏熱斑信息。

24、優選的，所述對所述光伏巡檢圖像進行特征提取生成光伏巡檢特征，并對所述光伏巡檢特征進行熱斑識別生成所述潛在光伏熱斑信息，具體包括：

25、對所述光伏巡檢圖像進行灰度化處理，并對灰度化處理后的所述光伏巡檢圖像進行特征提取生成所述光伏巡檢特征，所述光伏巡檢特征的表達式為：

26、式中，表示光伏巡檢特征；i、j表示光伏巡檢特征中的特征像素點位置；表示光伏巡檢特征的特征像素的鄰域標準差；表示光伏巡檢特征在特征像素點位置i處的二階導數；表示光伏巡檢特征在特征像素點位置i、j處的二階導數；表示光伏巡檢特征在特征像素點位置j處的二階導數。

27、優選的，計算得到所述光伏巡檢特征的極值的表達式如下所示：

28、式中，表示光伏巡檢特征；表示光伏巡檢特征的極值；i、j表示光伏巡檢特征中的特征像素點位置；表示光伏巡檢特征的特征像素的鄰域標準差；表示光伏巡檢特征在特征像素點位置i處的二階導數；表示光伏巡檢特征在特征像素點位置i、j處的二階導數；表示光伏巡檢特征在特征像素點位置j處的二階導數；

29、選取所述光伏巡檢特征的極值對應的特征像素點作為穩定光伏巡檢特征點，根據所述穩定光伏巡檢特征點的圓形鄰域的小波特征確定光伏巡檢特征方向，并獲取所述穩定光伏巡檢特征點對應的4*4矩形區域，統計所述穩定光伏巡檢特征點的水平方向值之和、垂直方向值之和、水平方向絕對值之和以及垂直方向絕對值之和得到潛在光伏熱斑特征，根據所述潛在光伏熱斑特征確定所述光伏巡檢圖像對應的所述潛在光伏熱斑信息。

30、一種智慧電廠的智能巡檢系統，應用于如權利要求1-7任意一項所述的一種智慧電廠的智能巡檢方法，所述巡檢系統包括：

31、模型構建模塊，用于采集目標智慧電站中目標設備的實時設備數據，根據所述實時設備數據構建所述目標智慧電站對應的三維虛擬電站模型；

32、故障定位模塊，用于獲取所述目標設備的歷史運行數據和實時運行數據，并基于機器學習算法構建所述目標設備對應的設備故障預測模型，識別并定位所述目標設備的設備故障位置；

33、熱斑識別模塊，用于通過無人巡檢設備采集所述目標智慧電站中光伏組件的光伏巡檢圖像，并對所述光伏巡檢圖像進行熱斑識別生成潛在光伏熱斑信息；

34、表面異常模塊，用于基于視覺技術和深度學習算法識別所述目標設備的表面異常狀態；

35、溫度比對模塊，用于構建防火偵測網絡監測所述目標智慧電站的當前區域溫度并與預設溫度閾值進行比對，生成對應的異常溫度信息；

36、結果發送模塊，用于基于所述設備故障位置、潛在光伏熱斑信息、表面異常狀態和異常溫度信息，結合所述三維虛擬電站模型，生成所述目標智慧電站的智能巡檢結果發送給管理端。

37、一種電子設備，包括存儲器和處理器，所述存儲器中存儲有計算機程序，當所述處理器運行所述存儲器存儲的計算機程序時，所述處理器執行如上任一項所述的智慧電廠的智能巡檢方法。

38、與相關技術相比較，本發明提供的一種智慧電廠的智能巡檢方法、系統及設備具有如下有益效果：

39、本發明通過模型構建模塊、故障識別模塊、熱斑識別模塊、表面異常模塊、溫度比對模塊以及結果發送模塊，可以采集目標智慧電站中目標設備的實時設備數據，根據實時設備數據構建目標智慧電站對應的三維虛擬電站模型；獲取目標設備的歷史運行數據和實時運行數據，并基于機器學習算法構建目標設備對應的設備故障預測模型，識別并定位目標設備的設備故障位置；通過無人巡檢設備采集目標智慧電站中光伏組件的光伏巡檢圖像，并對光伏巡檢圖像進行熱斑識別生成潛在光伏熱斑信息；基于視覺技術和深度學習算法識別目標設備的表面異常狀態；構建防火偵測網絡監測目標智慧電站的當前區域溫度并與預設溫度閾值進行比對，生成對應的異常溫度信息；基于設備故障位置、潛在光伏熱斑信息、表面異常狀態和異常溫度信息，結合三維虛擬電站模型，生成目標智慧電站的智能巡檢結果發送給管理端，從而可以實現電力設施的高效、精準、實時的智能巡檢，提升電力設施的運維效率，降低電力設施的運維成本，保障其安全穩定運行，解決了傳統巡檢模式下的低效、不及時、精準監測與故障預警不足以及火災隱患早期檢測困難的問題。

40、本發明可以采用機器學習算法構建設備故障預測模型，精確識別并定位設備故障位置，從而可以實現電力設施的高效、精準、實時的智能巡檢，提高了故障預測的準確性，顯著減少了意外停機事件，提升了設備可用性和運維質量；同時，本發明通過應用無人智能巡檢技術，可以大大降低人工巡視的成本和時間消耗，提高了巡檢效率和準確性；本發明通過構建防火偵測網絡可以實時監測電站的區域溫度，并識別電站的異常溫度情況，進而可以及時檢測和預警電站的潛在火災風險，大幅度降低了因火情造成的財產損失，確保了電站運營的連續性和安全性，保障了電力設施的安全、穩定運行。