本发明涉及光伏与人工智能，具体涉及一种基于云计算的光伏智慧运维管理方法及系统。
背景技术：
1、太阳能作为一种高效清洁的能源，已经成为未来电力来源的重要组成部分，分布式光伏电站在节能减排、绿色发展的形势下发展迅速。分布式光伏电站运维间接影响配电网的电能质量，导致分布式光伏电站的发电量损失。
2、光伏电站的运维需要投入大量的人力、物力和财力，但是现有的运维管理方法在成本控制方面存在一定的不足，需要进一步降低运维成本。并且，由于分布式光伏运维效果很大程度上受限于运维人员的专业技能和作业水平，影响评价结果的准确性，间接影响分布式光伏电站的发电质量和经济效益。
3、虽然现有的光伏运维管理方法引入了人工智能和大数据等技术，但是在故障诊断等方面的智能化程度仍然不足，缺乏可解释性，计算效率较低。并且，光伏电站的故障模式多样且复杂，ai的准确识别和预测仍存在困难，由于ai技术的复杂性和不确定性，其系统的稳定性难以保证。例如，可能受到数据质量、噪声和异常值的影响，导致其性能不稳定。
4、因此，需要建立更加准确、有效的基于云计算的光伏智慧运维管理方法及系统。
技术实现思路
1、鉴于上述问题，提出了本发明以便提供一种克服上述全部或至少一部分问题的基于云计算的光伏智慧运维管理方法及系统。
2、根据本发明的一个方面，提供了一种基于云计算的光伏智慧运维管理方法，包括：
3、通过安装在光伏电站的传感器采集光伏设备的运行数据和环境数据，其中，所述运行数据包括电流、电压以及功率，所述环境数据包括温度、湿度、风速以及光照强度；
4、通过时序分析方法对所述运行数据和环境数据进行预处理和特征提取，得到综合特征向量，其中，所述时序分析方法融合arima模型和指数平滑模型；
5、将所述综合特征向量输入至光伏故障检测模型，自动识别出异常数据和故障模式，其中，所述光伏故障检测模型为shap模型，所述shap模型中融合特征交互项，以增强所述shap模型的可解释性。
6、更进一步地，所述通过时序分析方法对所述运行数据和环境数据进行预处理和特征提取，得到综合特征向量进一步包括：
7、从预处理后的所述运行数据和环境数据中提取出反映运行状态和环境因素变化的特征向量；
8、将所述arima模型的预测结果作为所述指数平滑模型的输入，或者，将所述arima模型与所述指数平滑模型的参数进行联合估计，以对所述特征向量进行调整得到所述综合特征向量。
9、更进一步地，所述综合特征向量的计算公式为：
10、
11、其中，yt为t时刻的综合特征向量，xt为t时刻的特征向量，xt-1为t-1时刻的特征向量，α、β和μt分别为arima模型的参数和随机误差项，ht为指数平滑模型t时刻的参数，γ为指数平滑模型的预设权重阈值。
12、更进一步地，所述shap模型中融合特征交互项进一步包括：
13、定义对所述shap模型的预测结果具有共同影响的特征交互项；
14、计算所述特征交互项的shapley值，利用所述shapley值对所述shap模型的预测结果进行解释。
15、更进一步地，所述特征交互项的表达式为：
16、
17、其中，ωi为权重参数，表示特征向量xi对预测结果的贡献程度，xi为第i个特征的值，γij为交互项参数，表示特征xi和特征xj之间的交互作用对预测结果的影响程度，用来衡量两个特征同时出现时对预测结果的共同影响，n为特征的数量。
18、更进一步地，所述arima模型包括异常值处理机制，根据所述异常值处理机制对所述异常值进行调整，以减少所述异常值对所述arima模型预测结果的影响。
19、更进一步地，所述异常值处理机制的计算公式为：
20、y(t)＝ω0+ω1x1(t)+ω2x2(t)+...+ωnxn(t)
21、其中，y(t)为在时间点t的预测值，ω0是截距，ω1x1(t)+ω2x2(t)+...+ωnxn(t)是线性组合项，ω1至ωn为回归系数，x1(t)至xn(t)为序列数据中的特征变量。
22、更进一步地，根据所述光伏电站的运行状态、故障类型、故障频率、故障影响范围、维护记录次数、环境因素和设备数据进行量化评分得到综合得分；
23、根据所述综合得分将所述光伏电站的光伏设备划分为高优先级、中优先级和低优先级等级。
24、更进一步地，所述综合得分的计算公式为：
25、score＝w1×state+w2×faulttype+w3×faultfrequency+w4×faultimpact+w5×env+w6×equipment+w7×time+w8×maintenance+w9×usage+w10×operationalefficiency
26、其中，score为综合得分，w1至w10为各个量化指标的权重，state为光伏设备的运行状态，faulttype为不同类型的故障，faultfrequency为故障频率，faultimpact为故障影响范围，env为环境因素，equipment为设备物理状态，time为时间，maintenance为维护记录次数，usage为设备的实际使用状况，operationalefficiency为设备的性能。
27、根据本发明的另一方面，提供了一种基于云计算的光伏智慧运维管理系统，包括：
28、数据采集模块，用于通过安装在光伏电站的传感器采集光伏设备的运行数据和环境数据，其中，所述运行数据包括电流、电压以及功率，所述环境数据包括温度、湿度、风速以及光照强度；
29、特征提取模块，用于通过时序分析方法对所述运行数据和环境数据进行预处理和特征提取，得到综合特征向量，其中，所述时序分析方法融合arima模型和指数平滑模型；
30、故障检测模块，用于将所述综合特征向量输入至光伏故障检测模型，自动识别出异常数据和故障模式，其中，所述光伏故障检测模型为shap模型，所述shap模型中融合特征交互项，以增强所述shap模型的可解释性。
31、根据本发明提供的方案，通过安装在光伏电站的传感器采集光伏设备的运行数据和环境数据，其中，所述运行数据包括电流、电压以及功率，所述环境数据包括温度、湿度、风速以及光照强度；通过时序分析方法对所述运行数据和环境数据进行预处理和特征提取，得到综合特征向量，其中，所述时序分析方法融合arima模型和指数平滑模型；将所述综合特征向量输入至光伏故障检测模型，自动识别出异常数据和故障模式，其中，所述光伏故障检测模型为shap模型，所述shap模型中融合特征交互项，以增强所述shap模型的可解释性。本发明增强了模型的准确性和可解释性，同时促进特征选择和降维，提高了模型的计算效率。
1.一种基于云计算的光伏智慧运维管理方法，其特征在于，包括：
2.根据权利要求1所述的基于云计算的光伏智慧运维管理方法，其特征在于，所述通过时序分析方法对所述运行数据和环境数据进行预处理和特征提取，得到综合特征向量进一步包括：
3.根据权利要求1所述的基于云计算的光伏智慧运维管理方法，其特征在于，所述综合特征向量的计算公式为：
4.根据权利要求1所述的基于云计算的光伏智慧运维管理方法，其特征在于，所述shap模型中融合特征交互项进一步包括：
5.根据权利要求4所述的基于云计算的光伏智慧运维管理方法，其特征在于，所述特征交互项的表达式为：
6.根据权利要求3所述的基于云计算的光伏智慧运维管理方法，其特征在于，所述arima模型包括异常值处理机制，根据所述异常值处理机制对所述异常值进行调整，以减少所述异常值对所述arima模型预测结果的影响。
7.根据权利要求6所述的基于云计算的光伏智慧运维管理方法，其特征在于，所述异常值处理机制的计算公式为：
8.根据权利要求1所述的基于云计算的光伏智慧运维管理方法，其特征在于，根据所述光伏电站的运行状态、故障类型、故障频率、故障影响范围、维护记录次数、环境因素和设备数据进行量化评分得到综合得分；
9.根据权利要求8所述的基于云计算的光伏智慧运维管理方法，其特征在于，所述综合得分的计算公式为：
10.一种基于云计算的光伏智慧运维管理系统，该系统基于如权利要求1-9任一项所述的基于云计算的光伏智慧运维管理方法，其特征在于，包括：
