[发明专利]一种基于非侵入式状态检测的光伏阵列故障诊断方法

说明书

本发明属于光伏发电技术领域，具体涉及一种基于非侵入式状态检测的光伏阵列故障诊断方法。在对原始数据进行主成分分析的基础上，将时序电压、电流数据进行极点对称模态分解，并采用镜像延拓来修复模态分解后本征模函数的断点缺失。将分解出来的本征模函数进行Hilbert‑Huang变换并形成Hilbert边际谱能量，放大了时序电压、电流的实际波形，减小了噪声的影响，实现了特征向量的有效提取。利用Adaboost算法形成的组合分类器，采用模糊聚类‑马氏距离模型计算出样本组的矢量相似度，对组合分类器的权重系数进行有效更新，加强了分类器对误差的感知能力，从而实现对故障数据的有效挖掘，实现了光伏阵列系统的在线故障诊断。

技术领域

本发明属于光伏发电技术领域，具体涉及一种基于非侵入式状态检测的光伏阵列故障诊断方法。

背景技术

随着对可再生能源的支持力度的不断提升，越来越多的大型光伏设备不断地投入使用。光伏阵列作为光伏发电系统的重要组成部分，对其电气参数监测和故障类型诊断显得尤为重要。由于光伏发电设备一般位于荒漠、矿坑以及屋顶等位置，工作环境较为恶劣，所以光伏阵列组件的运行状态和绝缘水平受外部环境的影响较大，从而使得光伏阵列容易发生短路、开路以及绝缘老化等故障情况屡见不鲜。由此可见，寻求一种有效的光伏阵列故障诊断方法对于提高光伏发电系统的利用率水平具有极大的现实意义。传统的光伏阵列故障诊断方法包括基于热成像及超声波的物理检测法、能量衰减计算法、I-V曲线分析法等。物理检测法主要是通过红外热成像、超声探测等物理手段，通过检测到光伏阵列温度的梯度变化实现对光伏阵列运行情况的实时监测，此方法虽然具有较强的简便性和实践性，但是需要另外购置昂贵的检测设备，并且需要较高的维护成本和较大的人员劳动强度。能量衰减计算法主要是通过测量环境温度和辐照度来估算理论输出电压、电流和功率，再计算理论值和实际值之间的差值，并将差值作为诊断算法的输入数据以实现故障诊断。这种方法的缺点在于，光伏阵列处于最大功率追踪点(MPPT)时，仿真模型与实际系统之间的数据误差增大，会造成故障诊断模型的严重判断错误。I-V曲线分析法是当前光伏阵列故障诊断的通用方法，在工程实践中具有广泛的应用，但是采用这种方法时需要将逆变器退出运行，从而会造成不必要的人为误差。

发明内容

为克服传统光伏阵列故障诊断方式的缺点，实现准确、快速、经济、便捷的光伏阵列故障诊断，本发明所要解决的技术问题在于提供一种基于非侵入式状态检测的光伏阵列故障诊断方法。

本发明是这样实现的，

首先在将原始数据进行主成分分析(PCA)的基础之上，采用极点模态分解(ESMD)的改进希尔伯特-黄变换对数据的处理。之后是应用模糊聚类-马氏距离模型形成计算相似度，从而完成主分类器的权重系数更新，实现了主分类器对一般情况下的光伏阵列故障的自适应诊断，而非传统方式下的人工测量。

一种基于非侵入式状态检测的光伏阵列故障诊断方法，包含以下步骤：

步骤1、对输入数据进行PCA降维处理以及标准化，求出输入系统时序电压电流的极值点，并记为E_p＝(x_i,y_i)其中，i＝1,2,…,n，设两两所求的极值点之间的线段点为F_t，t＝1,2,…,n-1,则F_t表示为:

步骤2、采用内部插值法对P条曲线进行拟合，得到计算均值计算曲线L^*：

设某一输入的原始数据向量为x(t)，求出原始数据向量x(t)与计算均值计算曲线L^*之间的差值并重复步骤2，直到计算均值计算曲线的绝对值小于允许误差ε或者迭代次数小于最大迭代次数K≤K_max，求得首个分解后的本征模函数IMF₁；