[发明专利]一种基于模糊C均值聚类的光伏组件健康状态诊断方法

说明书

本发明公开了一种基于模糊C均值聚类的光伏组件健康状态诊断方法，所述方法包括以下步骤：步骤一：基于仿真或实验采集需要的样本，并进行归一化处理，得到样本数据集；步骤二：采用FCM聚类算法对样本数据集进行聚类，并获得聚类中心；步骤三：采用基于正态分布的隶属度函数算法,对样本数据集进行光伏组件健康状态诊断；步骤四：排序、比较各种健康状态的总隶属度，选择最大隶属度所属类别作为样本的最终诊断结果；步骤五：重复步骤三、步骤四直到完成健康状态诊断。本发明能够对故障的严重程度进行判断，也能够对故障提前预警，避免对光伏系统的潜在破坏和火灾风险，提高系统的发电效率和可靠性，对保障光伏系统运行具有重大意义。

技术领域

本发明属于光伏发电领域，尤其涉及一种基于模糊C均值聚类的光伏组件健康状态诊断方法。

背景技术

光伏发电产业在世界范围内快速发展的同时，光伏发电的规模、系统复杂性也在不断增加。光伏系统在运行时是一个非稳定的复杂系统，输出特性随光照、光伏模块表面温度、湿度、风速等环境因素而改变；此外，还受系统部件状况等众多因素影响。因此，能够预测和提前预防光伏系统故障的发生，保证系统运行可靠性，是非常重要的。

目前已经开发了多种检测技术对光伏系统直流侧的线线故障、接地故障和电弧故障进行检测与保护，如基于PV模型实时预测、实时测量I-V参数、机器学习、输出信号特征提取、检测信号注入技术等的故障检测技术。目前提出的故障检测技术方法大多都仅针对故障类型进行诊断与定位，没有对故障的严重程度进行判断，也没有考虑对故障的提前预警。

事实上，仅使用“健康”或“故障”两种状态不能完整地表达光伏系统实际工作状况。相比之下，参照人体健康状态可分为健康、亚健康、生病三种情况，本申请针对光伏系统引入“亚健康”的概念以表征其介于“健康”和“故障”之间的运行状态。综上所述，探索并研究光伏系统早期的故障识别和健康诊断技术，诊断光伏系统亚健康状态，可以避免对光伏系统的潜在破坏和火灾风险，提高系统的发电效率和可靠性，对保障光伏系统运行具有重大意义。

发明内容

本发明的目的在于克服现有技术存在的以上问题，提供一种基于模糊C 均值聚类的光伏组件健康状态诊断方法。

为实现上述技术目的，达到上述技术效果，本发明通过以下技术方案实现：

一种基于模糊C均值聚类的光伏组件健康状态诊断方法，所述方法包括以下步骤：

步骤一：基于仿真或实验采集需要的样本，并进行归一化处理，得到样本数据集；

步骤二：采用FCM聚类算法对样本数据集进行聚类，并获得聚类中心；

步骤三：采用基于正态分布的隶属度函数算法,对样本数据集进行光伏组件健康状态诊断，根据步骤二获得的聚类中心计算隶属度对样本进行量化，计算出特征分量与各个聚类中心之间的隶属度，加权平均计算总隶属度；

步骤四：排序、比较各种健康状态的总隶属度，选择最大隶属度所属类别作为样本的最终诊断结果；

步骤五：重复步骤三、步骤四直到完成健康状态诊断。

进一步地，所述步骤一中归一化处理为：

X＝[V_NORMⁱ,I_NORMⁱ,FFⁱ]；

其中，X为样本的特征向量数据集；

归一化光伏电压为：

归一化光伏电流为：

填充因子为：

进一步地，所述步骤二中FCM聚类算法为：