[发明专利]一种分布式光伏数据分层存储方法和系统

说明书

本发明公开一种基于云端协同计算架构的弹性分布式光伏数据分层存储方法和系统，系统包括智能终端、云端服务器和边缘端服务器；智能终端采集分布式光伏数据，传输至边缘端服务器；边缘端服务器接收和存储所述分布式光伏数据，按照预设的异常数据识别规则，进行异常数据识别，并存储异常数据识别结果；边缘端服务器将所存储的光伏数据以及异常数据识别结果，同步至云端服务器；云端服务器对所同步的数据进行分层存储处理，得到分层处理后的云端数据库，然后将云端数据库同步至边缘端数据库。利用本发明能够实现在不同网络环境、不同终端计算能力等应用环境下，光伏数据的存储和处理过程优化，为及时准确地分析光伏电站的安全稳定运行状态提供基础。

技术领域

本发明涉及云计算的数据处理技术领域，特别是一种基于云端协同计算架构的弹性分布式光伏数据分层存储方法和系统。

背景技术

随着国家对光伏发电的鼓励和光伏发电技术的迅速发展，近年来光伏电站迅速增多，光伏装机容量在电网中占有的比例越来越高。在光伏电站运行过程中，数据采集系统采集电站的运行参数，监控、记录电站的运行状态，是分析光伏电站是否稳定运行中不可缺少的部分。研究系统记录的数据不仅可以分析、掌握光伏电站的运行状态，也可以优化光伏电站的设计。各类传感器采集光伏电站的运行参数包括：光伏组件输出的电压和电流，并网电压和电流，太阳辐照度、风速、环境温度和组件温度。

20世纪70年代以来，世界开始流行利用太阳能发电，许多发达国家相继建立太阳能发电厂，到2005年全世界已累计安装使用电量达到142万kW，美国在1997年提出百万太阳能屋顶计划，到2010年达到总容量302.5万kW。我国太阳能丰富且范围广，在2010-2020年普及光伏发电并且每年安装100MW光伏发电系统。随着我国新能源行业的蓬勃发展，光伏发电所占比重越来越大。而光伏电站大多建在交通闭塞、人烟稀少的地区，并且网络环境极其不稳定，传统的光伏电站早期的监控采用有线采集，延时高，不稳定，无法做到实时监控。随着光伏产业的发展，数据监控系统也由原来的有线改成无线，数据存储变成云存储，云计算技术虽然为大数据处理提供了高效的计算平台，但是同样由于带宽和延迟两大瓶颈，面对工业场景下复杂的网络环境，对光伏电站的运行维护很难有突破性提升。

名词解释

MapReduce，是一种编程模型，用于大规模数据集(大于1TB)的并行运算。MapReduce期间，Map会将数据按照同属性或其他规则分类分片，对每各种类别的数据同时进行处理，Reduce阶段则基于每种类别的处理结果进一步处理。

发明内容

本发明的目的是提供一种分布式光伏数据分层存储方法和系统，能够实现在不同网络环境、不同终端计算能力等应用环境下，光伏数据的存储和处理过程优化，为及时准确地分析光伏电站的安全稳定运行状态提供基础。本发明采用的技术方案如下。

一方面，本发明提供一种分布式光伏数据分层存储方法，由边缘端服务器执行，包括：

接收各分布式光伏电站的智能终端上传的光伏数据；按照预设的异常数据识别规则，对接收到的光伏数据进行异常数据识别，并获取异常数据识别结果；

将所接收的光伏数据以及获取的异常数据识别结果，同步至云端服务器；

接收云端服务器对数据进行分层存储处理后发出的存储数据同步信息，以将云端服务器的云端数据库同步至边缘端数据库。

可选的，方法还包括：将异常数据识别结果反馈至异常数据对应的智能终端，使得智能终端响应于接收到异常数据识别结果，输出报警信息或执行异常数据对应的调控操作。

可选的，所述预设的异常数据识别规则为，利用基于相关系数的k-means聚类算法识别异常数据，包括步骤：

a1)计算数据集中任意不同数据之间的相关系数以及平均相关系数：

相关系数计算公式为：