本發明涉及光伏微電網充電樁的檢測，尤其是涉及一種用于光伏微電網充電樁的檢測方法、系統及存儲介質。

背景技術：

1、傳統光伏微電網充電樁的檢測方法如下：

2、光伏組件檢測

3、輸出性能測試：通過測量電壓、電流、功率等參數，評估光伏板的發電效率。

4、熱成像檢測：利用紅外熱像儀識別組件熱點或損壞。

5、污染與老化檢測：定期檢查表面污染(如灰塵、積雪)及材料老化(如龜裂、脫層)。

6、儲能系統檢測

7、容量與循環壽命測試：評估電池的實際容量衰減和充放電循環次數。

8、健康狀態(soh)監測：通過內阻、電壓一致性等參數判斷電池健康度。

9、電力電子設備檢測

10、逆變器效率測試：驗證直流轉交流的轉換效率及波形質量(如諧波失真)。

11、充放電控制器功能驗證：確保充放電邏輯正常，避免過充或過放。

12、電能質量分析

13、電壓/頻率穩定性測試：監測并網/離網模式下的電能參數是否符合標準。

14、諧波與干擾檢測：分析電網中的諧波含量及電磁干擾問題。

15、充電樁功能檢測

16、接口兼容性測試：驗證對不同車型充電協議(如ccs、chademo)的支持。

17、安全防護測試：包括漏電保護、過溫保護等功能的觸發條件。

18、人工巡檢與定期維護

19、依賴技術人員現場檢查，效率較低且存在主觀性。

20、傳統檢測依賴人工，實時性差，難以覆蓋隱性故障，側重于組件級離線測試，缺乏系統性、實時性和智能化，其缺點集中體現在穩定性、成本等方面。

技術實現思路

1、本發明提供一種用于光伏微電網充電樁的檢測方法、系統及存儲介質，可以進行整體性的系統性的高效檢測。

2、為實現上述目的，本發明采用了如下技術方案：

3、本說明書公開了一種用于光伏微電網充電樁的檢測方法，包括：

4、s1.多維度數據協同采集:

5、采集光伏組件數據，包括光伏組件的輸出電流ipv、光伏組件的輸出電壓vpv、光伏板背板溫度數據tpv和光伏板灰塵遮擋面積acover；

6、采集儲能系統數據，包括電池組充放電功率pess、荷電狀態數據socess、單體電池內阻參數rcell和電池組溫度變化速率δtess；

7、采集充電樁數據，包括直流母線電壓紋波系數γdc、充電槍接觸電阻值rcontact、功率模塊結溫數據tjunc和環境鹽霧濃度csalt；

8、采集環境與用戶數據，包括可再生能源消納優先級lpriority、分時電價策略sprice、用戶操作頻次fuser和環境腐蝕速率ρcorr；

9、s2.時空特征融合與關聯建模:

10、光伏數據融合:

11、

12、其中，σ(tpv)為tpv的標準差，μ(tpv)為tpv的平均值，utemp為溫度場均勻性指標；edev為發電效率偏差率；ptheory為組件標稱功率；cdust為灰塵影響系數，atotal為光伏板總面積；αweather為沙塵修正因子；

13、儲能數據分析：

14、

15、max(rcell)為最大單體電池內阻，min(rcell)為最小單體電池內阻，mean(rcell)為平均內阻；dir為內阻離散度系數，rtr為熱失控風險指數，tmax為電池組最高溫度，tavg為電池組平均溫度，thresholdsafe為安全閾值，dcap_rate為容量衰減率貢獻因子，積分項表示從初始時刻到當前時間t內，充放電功率的絕對能量累積量，cinital為電池初始容量，ncycle為電池標稱循環次數；rsoc為荷電狀態對電池內阻的敏感性系數；dcap為容量衰減率，ccurrent為當前可用容量；eeco為充放電經濟性指數，eeco_norm為經濟性指數歸一化值，eeco_max為歷史最大日成本，

16、充電樁建模：

17、

18、cte為熱電耦合因子，為直流母線電壓紋波系數對功率模塊結溫數據的偏導數，λcontact為接觸電阻老化率，nplug為插拔次數，tambient為環境溫度，βcorr為腐蝕加速因子，cstandard為標準鹽霧濃度限值，tref為參考溫度；rripple為紋波系數超標率；rinsul為絕緣電阻；

19、s3.多物理場耦合健康度評估：

20、光伏系統健康度模型：spv＝0.35edev+0.25utemp+0.3cdust+0.1wpriority；

21、消納優先級權重

22、儲能系統健康度模型：sess＝0.35dcap+0.25dir+0.2rtr+0.1dcap_rate+0.1rsoc-0.05eeco_norm；

23、充電樁健康度模型：scp＝0.35ainsul+0.25λcontact+0.2rripple+0.1βcorr+0.1cte；

24、s4.故障診斷：

25、將spv、sess、scp、wpriority、cte、fuser、λcontact、ρcorr和eeco作為貝葉斯網絡的節點變量，基于歷史故障庫生成條件概率表；

26、將utemp、cdust、edev、dir、eeco、rtr、λcontact、cte和rripple作為圖神經網絡的節點特征，計算邊權重：能量傳輸效率pcharge為充電有效功率，輸出每個節點的故障概率向量；

27、基于貝葉斯網絡輸出的條件概率表和圖神經網絡輸出的故障概率向量，融合得到故障根因概率分布和維修策略優先級列表，作為檢測結果。

28、本說明書中，用于光伏微電網充電樁的檢測方法還包括s5.動態閉環控制與模型優化：

29、溫度控制：當utemp低于0.8倍設計溫度閾值，清潔光伏板灰塵，以降低acover，提高光伏組件的發電效率；

30、內阻平衡控制：當dir超過5％時，調用主動均衡參數，對電池組進行均衡處理，以減少內阻離散度，提升電池組整體性能；

31、溫度與效率控制：當充電樁功率模塊結溫上升速率超過10％/℃時，提升散熱風扇轉速至100％，同時降低充電功率20％，以防止過熱并保障充電安全；

32、經濟性控制：當實時電價高于平均電價時，根據分時電價策略，切換至谷電價時段進行充電，以降低充電成本；

33、模型優化，動態參數更新：

34、αweather：根據氣象局發布的沙塵預警動態調整，無預警時設為0.8，橙色預警時設為1.1，紅色預警時設為1.2，以反映沙塵對光伏組件發電效率的影響；

35、冷卻效率系數ηcool：根據風扇轉速-風量曲線實時計算，公式為ηcool＝qdesign/qair，其中qdesign為設計風量，qair為實際風量，以準確評估散熱系統的效率，并優化散熱策略；

36、閉環驗證：

37、計算健康度變化量δs＝|safter-sbefore|/|sbefore|×100％，其中sbefore為控制前的健康度，safter為控制后的健康度，若δs≥15％，則判定控制有效；若δs<15％，則進行人工復核，以進一步分析原因并采取相應的措施。

38、本說明書中，當僅評估當前健康狀態時，使用接觸電阻變化量δrcontact＝rcurrent-rinitial代替λcontact，即充電樁健康度模型變更為：scp＝0.35ainsul+0.25δrcontact+0.2rripple+0.1βcorr+0.1cte；rcurrent為當前接觸電阻，rinitial為初始接觸電阻。

39、本說明書中，所述光伏組件數據的采集頻率為每秒一次，并通過卡爾曼濾波算法對輸出電流ipv和輸出電壓vpv進行噪聲抑制；所述儲能系統數據中，單體電池內阻參數rcell的測量采用交流阻抗譜法，且測量頻率根據電池組溫度變化速率δtess動態調整：當δtess>2℃/min時，測量頻率提升至每10分鐘一次。

40、本說明書中，對dcap進行以下動態校準：

41、

42、本說明書中，ainsul通過csalt與濕度傳感器數據的乘積進行修正。

43、本說明書中，所述貝葉斯網絡的條件概率表采用動態貝葉斯網絡結構，每24小時基于最新故障數據進行參數更新。

44、本說明書中，所述圖神經網絡的邊權重計算中，若能量傳輸效率ηtrans<85％，則觸發邊權重的指數衰減機制：

45、權重＝ηtrans×e-k(t-t0)，k為衰減系數。

46、本說明書還公開了一種用于光伏微電網充電樁的檢測系統，用于實現上述中任意一項所述的用于光伏微電網充電樁的檢測方法，用于光伏微電網充電樁的檢測系統包括：

47、數據采集模塊，用于多維度數據協同采集；

48、特征融合與建模模塊，用于時空特征融合與關聯建模；

49、健康度評估模塊，用于多物理場耦合健康度評估；

50、診斷模塊，用于故障診斷。

51、本說明書還公開了一種計算機可讀存儲介質，所述存儲介質存儲計算機指令，當計算機讀取所述計算機指令時，所述計算機執行如上述中任意一項所述的用于光伏微電網充電樁的檢測方法。

52、綜上所述，本發明至少具有以下有益效果：

53、本發明實現了全維度實時監測與數據融合、智能化故障診斷與根因定位、多物理場耦合健康度評估精度提升，評估結果與實際故障狀態的吻合度達較高，顯著優于傳統單一指標評估方法。