[发明专利]一种基于随机森林算法的光伏阵列故障诊断方法

说明书

本发明公开了一种基于随机森林算法的光伏阵列故障诊断方法，涉及光伏技术领域，该方法包括：采集光伏阵列处于各个典型运行状态时，各个支路和总干路对应的电路参数组，根据采集到的电路参数组构建得到故障特征向量，从而构建数据样本集，利用数据样本集基于随机森林算法构建得到光伏阵列故障诊断模型，利用该模型对待诊断光伏阵列进行诊断，得到各个典型运行状态对应的投票结果，根据各个投票结果得到待诊断光伏阵列的故障诊断结果，该方法基于数据驱动的思想，利用随机森林算法构建光伏阵列故障诊断模型，适用于实际光伏阵列的特点，克服了传统神经网络算法需要数据量大、训练时间长等问题，能够简单快速地完成诊断任务。

技术领域

本发明涉及光伏技术领域，尤其是一种基于随机森林算法的光伏阵列故障诊断方法。

背景技术

随着能源需求的增长、化石能源的日益枯竭与成本上涨，以及全球气候变暖等诸多因素的影响，可再生能源技术得到了飞速发展，其中，太阳能具有易获取、无噪声、清洁、无穷无尽等优点，成为了可再生能源的重要部分。目前利用太阳能发电主要有两种形式：光热发电和光伏发电。光热发电与火力发电类似，但热能主要来自大规模的镜面收集，将水加热后，利用蒸汽推动传统发电机工作，从而实现发电，这种发电方式虽然规避了硅晶的光电转换，但对光照强度的要求高且发电成本偏高。而光伏发电基于光生伏特效应，直接将太阳能转化为电能，建设周期短，在运行时不会产生废渣、废水和其他污染物，尤其是对于交通不发达的山区、海岛和偏远地区，光伏发电具有更重要的价值。

一般情况下，光伏发电都是利用光伏电池组件串、并联组成光伏阵列进行运行的，而光伏阵列使用的光伏电池组件较多，光伏电池组件本身发生故障的概率就较高，并且光伏阵列长期运行在户外，运行环境恶劣，易出现老化和损坏等情况，从而造成光伏电池组件发电效率的降低甚至停止工作。当光伏阵列中某个光伏电池组件发生故障后，会导致系统效率的下降，并对电力系统的运行调度造成不利的影响，严重时，甚至造成财产损失和人员伤亡，因此，对光伏阵列进行故障诊断具有重要意义，目前所采用的故障诊断方法主要包括直接法和间接法两类，间接法比较典型的有红外热量检测法和发电功率对比法，直接法比较典型的有对地电容法、时域反射法、智能诊断算法和电特性检测法。其中，通过将智能诊断算法和电特性检测法进行结合进行故障诊断，是目前非常具有潜力的方法。目前的智能诊断算法多采用以BP(Back Propagation)为代表的神经网络，由于光伏阵列可能出现的故障类型较多，因此需要大量训练样本和训练时间，算法结构复杂、实现难度大、诊断时间过长且诊断的精度和可靠性也不高。

发明内容

本发明人针对上述问题及技术需求，提出了一种基于随机森林算法的光伏阵列故障诊断方法，该方法基于数据驱动的思想，利用随机森林算法构建故障诊断模型，适用于实际光伏阵列的特点，克服了传统神经网络算法需要数据量大、训练时间长等问题，能够简单快速地完成诊断任务。

本发明的技术方案如下：

一种基于随机森林算法的光伏阵列故障诊断方法，该方法包括：

确定光伏阵列在运行过程中的典型运行状态，光伏阵列包括n个支路，每个支路包括m个光伏组件，m和n均为正整数且m≤4、n≤4；

在光伏阵列处于各个典型运行状态时，分别采集光伏阵列中的各个支路和总干路对应的电路参数组，每个电路参数组中包括k个电路参数，k为正整数，根据采集到的n+1个电路参数组构建得到一个p维的故障特征向量，其中，p＝k*(n+1)；

根据获取到的故障特征向量构建光伏阵列的数据样本集，将数据样本集划分为训练样本集和测试样本集；

基于随机森林算法利用训练样本集构建得到光伏阵列故障诊断模型，并利用测试样本集对光伏阵列故障诊断模型进行测试，光伏阵列故障诊断模型中包括s个决策树，s≥2且s为正整数；

利用测试完成的光伏阵列故障诊断模型对待诊断光伏阵列进行诊断，得到s个决策树对各个典型运行状态的投票结果；