基于非主成分数据特征的光伏阵列故障诊断方法技术

本发明专利技术涉及一种基于非主成分数据特征的光伏阵列故障诊断方法，其特征在于包括以下步骤：步骤S1:采集光伏发电阵列的相关参数样本，得到参数样本组合；步骤S2:根据参数样本组合，对每个参数样本进行归一化处理，得到待测参数矩阵；步骤S3:对标准数据矩阵做PCA，得到变换矩阵；步骤S4:将待测参数矩阵乘上变换矩阵，得到变换后的参数矩阵，并根据变换后的参数矩阵，选取其非主成分的两维，得到二参数非主成分矩阵；步骤S5:将二参数非主成分矩阵与已知标签数据混合，并做聚类分析，根据二参数非主成分矩阵数据所在类中带有的标签数据，判断其所属类别，完成故障检测与分类。本发明专利技术能够有效识别光伏阵列的故障并对其工作状态进行分类。

【技术实现步骤摘要】
基于非主成分数据特征的光伏阵列故障诊断方法
本专利技术涉及涉及光伏发电故障检测和分类领域，具体涉及一种基于非主成分数据特征的光伏阵列故障诊断方法。
技术介绍
为了缓解化石能源需求并解决生态危机，光伏技术已然成为新能源领域的中坚力量。受益于工艺水平的提高和制造成本的降低，加之太阳能易于获取且丰富，光伏阵列在全球的部署量稳步提升，其装机容量达数百至数千兆瓦。然而，光伏系统因其工作环境特殊，常常受到来自外部或内部的多种故障威胁，例如组件短路、开路、阴影遮蔽等。光伏系统故障会导致系统效率降低和潜在的安全风险。因此，高效的故障诊断技术成为光伏系统维护不可或缺的组成部分。当光伏发电系统出现故障时，进行人工检测需要花费大量时间，还必须使光伏发电系统暂停运行，以保护人员的安全。光伏组件价格目前仍然昂贵，因此较长的检测时间会导致更严重的损失。此外，光伏发电系统通常安装在室外，通常是在人员难以到达的位置，使得人工检测困难重重，并且还会增加维护工作的危险性。鉴于上述问题，建立光伏发电系统故障自动诊断系统势在必行。目前，许多学者提出了多种光伏阵列故障检测手段。例如基于人工神经网络(ANN)的光伏故障检测方法，建立仿真模型并进行分析的检测方法，以及统计分析法等。然而，通常的方法只能对特定光伏阵列进行检测，一旦更换阵列，模型中的参数也需要改变。主成分分析(PCA)是一种经典的统计过程，它通过正交变换得到一组线性不相关变量的值，即主成分。而这组线性不相关变量的值是由一组可能相关变量的观测值转换而来。主成分的数量少于或等于观测值的数量，因此PCA通常用于降维。PCA总是提供最佳正交变换以保持原始数据集具有最大方差的子空间。光伏阵列的输出数据集具有多个特征参数，每个特征参数都可以看作是数据集的一个维度，如果从通常的电压、电流、照度、温度等维度来显示的话，相似度极高，不利于在同一个坐标空间下显示和分类。因此，我们引入了PCA方法对其进行分析，找到了对其有效可视化显示、并进行分类的方法。目前，公开发表的文献及专利中尚未见有将基于PCA数据变换方法应用于光伏发电阵列的故障诊断和分类的研究
技术实现思路
有鉴于此，本专利技术的目的在于提供一种基于非主成分数据特征的光伏阵列故障诊断方法，能够有效识别光伏阵列的故障并对其工作状态进行分类。为实现上述目的，本专利技术采用如下技术方案：一种基于非主成分数据特征的光伏阵列故障诊断方法，其特征在于包括以下步骤：步骤S1:采集光伏发电阵列的相关参数样本，得到参数样本组合；步骤S2:根据参数样本组合，对每个参数样本进行归一化处理，得到待测参数矩阵；步骤S3:对标准数据矩阵做PCA，得到变换矩阵；步骤S4:将待测参数矩阵乘上变换矩阵，得到变换后的参数矩阵，并根据变换后的参数矩阵，选取其非主成分的两维，得到二参数非主成分矩阵；步骤S5:将二参数非主成分矩阵与已知标签数据混合，并做聚类分析，根据二参数非主成分矩阵数据所在类中带有的标签数据，判断其所属类别，完成故障检测与分类。进一步的，所述相关参数样本包括最大功率点的光伏阵列电压参数样本、最大功率点的各组串电流参数样本、温度参数样本以及照度参数样本。进一步的，所述参数样本组合记为{Uk，Ik，Tk，Sk}其中，k为样本采集序号，其中k为1到N的整数，Uk为第k个电气参数样本组合中的电压参数样本，Ik代表第k个电气参数样本组合中的电流参数样本，Tk代表第k个电气参数样本组合中的温度参数样本，Sk代表第k个电气参数样本组合中的光照度参数样本。进一步的，所述步骤S2具体为：采用比例压缩法将同一种参数样本映射到区间区间[0,1]内；电压参数样本U＝(U1,U2...Uk...UN)的具体映射公式为：式中，u表示电压样本归一化后得到的数据，Umax表示数据组U中的最大值，Umin表示数据组U中的最小值，ymax设为1，ymin设为-1；电流参数样本I＝(I1,I2...Ik...IN)的具体映射公式为：式中，i表示电压样本归一化后得到的数据，Imax表示数据组I中的最大值，Imin表示数据组I中的最小值；温度参数样本T＝(T1,T2...Tk...TN)的具体映射公式为：式中，t表示电压样本归一化后得到的数据，Tmax表示数据组T中的最大值，Tmin表示数据组T中的最小值；照度参数样本S＝(S1,S2...Sk…SN)的具体映射公式为：式中，s表示电压样本归一化后得到的数据，Smax表示数据组S中的最大值，Smin表示数据组S中的最小值。进一步的，所述步骤S3具体包括以下步骤：步骤S31：计算标准数据矩阵的协方差矩阵CX,标准数据是由仿真系统得到的光伏阵列各种运行状态下的典型参数值；步骤S32：根据公式CX＝WDW-1，对协方差矩阵CX做特征值分解，矩阵W是由CX的特征向量组成的矩阵，即变换矩阵；进一步的，所述步骤S4具体包括以下步骤，步骤S41：采集p个相关参数样本x1,x2,…xp，每个相关参数样本都采集n个样本，则待测参数矩阵X表示如下：步骤S42：将待测数据矩阵X乘上变换矩阵W，得到新数据矩阵F，则F＝(F1,F2,…,Fp)，其具体计算方法如下：步骤S43：依次计算F1,F2,…,Fp的方差，并从大到小排列，选取方差最小的两个向量，组成二参数非主成分矩阵Y。进一步的，所述步骤S5具体包括以下步骤，步骤S51：将标签数据加入得到的二参数非主成分矩阵Y得到新的矩阵Z，标签数据亦是一个二参数矩阵；步骤S52：对矩阵Z进行K-means聚类分析；步骤S53：观察二参数非主成分矩阵Y中数据所在的类，判断该类中标签数据所属何种状态类型，即可判定测试数据所属的状态类型。进一步的，所述光伏发电阵列的工作状态包括：正常工作(NORMAL)、单组串开路(OPEN)、单组串上1个组件短路(LL)，共计三种状态。本专利技术与现有技术相比具有以下有益效果：本专利技术能够在不影响光伏发电系统工作的情况下进行故障检测与分类，无需采集大量的样本数据对诊断模型进行训练，仅需对仿真得到的标准数据做主成分分析，得到的变换矩阵可以直接对样本测试数据进行变换，并通过聚类后与标签数据比对以检测故障。通过对不同日常运行状态的模拟和实验测试，该方案均可精确的识别出光伏发电系统的运行状况。附图说明图1是本专利技术的流程框图；图2是本专利技术一实施例中的系统电路图图3是本专利技术实施例中的系统实验光伏平台图。图4是本专利技术实施例中使用的仿真光伏状态数据标签图5是本专利技术实施例中开路故障仿真数据的检测结果图6是本专利技术实施例中正常状态仿真数据的检测结果图7是本专利技术实施例中短路故障仿真数据的检测结果图8是本专利技术实施例中开路故障和正常状态仿真数据的检测结果图9是本专利技术实施例中短路故障和正常状态仿真数据的检测结果图10是本专利技术实施例中开路故障和短路故障仿真数据的检测结果图11是本专利技术实施例中使用的实测光伏状态数据标签图12是本专利技术实施例中开路故障实测数据的检测结果图13是本专利技术实施例中正常状态实测数据的检测结果图14是本专利技术实施例中短路故障实测数据的检测结果图15是本专利技术实施例中开路故障和正常状态实测数据的检测结果图16是本专利技术实施例中短路故障和正常状态实测数据的检测结果图17是本专利技术实施例中开路故障和短路故障实测数据的检测结果具体实施方式下面结合附图本文档来自技高网...

【技术保护点】
1.一种基于非主成分数据特征的光伏阵列故障诊断方法，其特征在于包括以下步骤：步骤S1:采集光伏发电阵列的相关参数样本，得到参数样本组合；步骤S2:根据参数样本组合，对每个参数样本进行归一化处理，得到待测参数矩阵；步骤S3:对标准数据矩阵做PCA，得到变换矩阵；步骤S4:将待测参数矩阵乘上变换矩阵，得到变换后的参数矩阵，并根据变换后的参数矩阵，选取其非主成分的两维，得到二参数非主成分矩阵；步骤S5:将二参数非主成分矩阵与已知标签数据混合，并做聚类分析，根据二参数非主成分矩阵数据所在类中带有的标签数据，判断其所属类别，完成故障检测与分类。

【技术特征摘要】
1.一种基于非主成分数据特征的光伏阵列故障诊断方法，其特征在于包括以下步骤：步骤S1:采集光伏发电阵列的相关参数样本，得到参数样本组合；步骤S2:根据参数样本组合，对每个参数样本进行归一化处理，得到待测参数矩阵；步骤S3:对标准数据矩阵做PCA，得到变换矩阵；步骤S4:将待测参数矩阵乘上变换矩阵，得到变换后的参数矩阵，并根据变换后的参数矩阵，选取其非主成分的两维，得到二参数非主成分矩阵；步骤S5:将二参数非主成分矩阵与已知标签数据混合，并做聚类分析，根据二参数非主成分矩阵数据所在类中带有的标签数据，判断其所属类别，完成故障检测与分类。2.根据权利要求1所述的基于非主成分数据特征的光伏阵列故障诊断方法，其特征在于：所述相关参数样本包括最大功率点的光伏阵列电压参数样本、最大功率点的各组串电流参数样本、温度参数样本以及照度参数样本。3.根据权利要求2所述的基于非主成分数据特征的光伏阵列故障诊断方法，其特征在于：所述参数样本组合记为{Uk，Ik，Tk，Sk}其中，k为样本采集序号，其中k为1到N的整数，Uk为第k个电气参数样本组合中的电压参数样本，Ik代表第k个电气参数样本组合中的电流参数样本，Tk代表第k个电气参数样本组合中的温度参数样本，Sk代表第k个电气参数样本组合中的光照度参数样本。4.根据权利要求3所述基于非主成分数据特征的光伏阵列故障诊断方法，其特征在于：所述步骤S2具体为：采用比例压缩法将同一种参数样本映射到区间区间[0,1]内；电压参数样本U＝(U1,U2...Uk...UN)的具体映射公式为：式中，u表示电压样本归一化后得到的数据，Umax表示数据组U中的最大值，Umin表示数据组U中的最小值，ymax设为1，ymin设为-1；电流参数样本I＝(I1,I2...Ik...IN)的具体映射公式为：式中，i表示电压样本归一化后得到的数据，...

【专利技术属性】
技术研发人员：林耀海，
申请(专利权)人：福建农林大学，
类型：发明
国别省市：福建,35