[发明专利]一种光伏阵列多传感器故障检测定位方法

摘要

本发明公开了一种光伏阵列多传感器故障检测定位方法，该方法将传感器分成若干个检测单元，在检测故障时，先将故障定位到检测单元；然后利用改进BP神经网络对检测单元内部的故障特征值与故障位置间的映射关系进行学习，从而实现光伏阵列故障点的检测与定位；最后提出了一种新的非硬性故障判据。本发明故障检测定位方法能适用于大规模光伏阵列又不过多增加系统成本；既能够精确自主检测定位又算法简洁、易于实现。

主权项

1.一种光伏阵列多传感器故障检测定位方法，其特征在于，包括以下步骤：步骤1，布置光伏阵列传感器将一个m×n的光伏阵列分割成i个检测单元，每个检测单元为一个3×3的子阵列，每个检测单元安装若干电压传感器，所述光伏阵列的分割方法为，当光伏阵列能完全分割时，第1，2，3行第1，2，3列共计9个光伏组件组成第1个检测单元；第1，2，3行第4，5，6列组成第2个检测单元；依次类推，第m‑2,m‑1,m行第n‑2,n‑1,n列组成第i个检测单元，不能完全分割时，将剩余行或列与上一检测单元的部分行列组成新的检测单元，其编号方式与之前一致；步骤2，故障检测单元的确定根据下式计算每个检测单元的残差系数θ，当残差系数超过预设的限定值时，判定该检测单元发生故障，式中，U_ave——任一检测单元传感器电压均值；U_i——任一检测单元各传感器电压值；步骤3，计算故障特征值在第i个检测单元内部，根据下列公式计算出光伏组件在不同故障情况下传感器的故障特征值：U_ia＝PV_i4+PV_i5‑PV_i1U_ib＝PV_i5+PV_i6‑PV_i3U_ic＝PV_i7+PV_i8‑PV_i4U_id＝PV_i8+PV_i9‑PV_i6U_unit＝PV_i1+PV_i2+PV_i3＝PV_i4+PV_i5+PV_i6＝PV_i7+PV_i8+PV_i9正常运行时，U_ia＝U_ib＝U_ic＝U_id＝1/3U_unit式中U_unit——检测单元的电压；U_ia、U_ib、U_ic、U_id分别为光伏组件在不同故障情况下传感器的故障特征值；PV_i1为第一个光伏组件的电压；PV_i2为第二个光伏组件的电压；PV_i3为第三个光伏组件的电压；PV_i4为第四个光伏组件的电压；PV_i5为第五个光伏组件的电压；PV_i6为第六个光伏组件的电压；PV_i7为第七个光伏组件的电压；PV_i8为第八个光伏组件的电压；PV_i9为第九个光伏组件的电压；步骤4，故障数据的预处理采用下式对步骤3的第i个检测单元内部的故障特征值进行归一化处理：式中，x_k——样本数据；y_k——经过归一化处理后的数据；步骤5，神经网络的改进采用改进的BP神经网络，其数学表达式为：式中，W(k)——总输出向量；m、n——隐含节点与输入节点数目；W_z——隐含层到输出层的权值——第i个隐含层节点的输出；W_b1——隐含层偏差单元权值；ξ——隐含节点层的激活函数；W_y——反馈误差权值；W_x——输入层到隐含层的权值；I_i(k)——本网络在时间k的第i个输入；W_b2——输出层偏差单元权值；在学习的训练过程中，设k＝1，2，3，…，n；输入向量A_k＝(a₁,a₂,…,a_n)；输出向量B_k＝(b₁,b₂,…,b_n)；隐含层单元输入向量C_k＝(c₁,c₂,…,c_n)；输出向量D_k＝(d₁,d₂,…,d_n)；输出层单元输入向量E_k＝(e₁,e₂,…,e_n)，输出向量F_k＝(f₁,f₂,…,f_n)；隐含层各单元输出阈值{θ_j}，j＝1，2，…，n；输出层各单元输出阈值{γ_j}，j＝1，2，…，n；则有，隐含层各单元输入输出：d_n＝f(k)                     (6)输出层各单元输入及输出响应：f_n＝f(E_k)                     (8)输出层各单元的一般化误差：g_n＝(b_n‑f_n)·f_n·(1‑f_n)              (9)隐含层各单元的一般化误差：修正连接权值：W_y(N+1)＝W_y(N)+α·g_n·d_n；0＜α＜1          (11)W_x(N+1)＝W_x(N)+β·h_n·a_n；0＜β＜1          (12)步骤6，训练神经网络以步骤4经过归一化处理的第i个检测单元内部各传感器的故障特征值作为网络输入，以故障位置编号作为网络的输出，对改进的BP神经网络进行训练；步骤7，实际运行情况下故障位置的确定在实际运行情况下，对各传感器采集到的故障数据进行与步骤4相同的归一化处理，再将其输入训练好的神经网络进行识别，可以得到对应的故障位置编号，即识别出检测单元中发生故障的光伏组件。