The invention relates to a fault feature extraction and diagnosis method for photovoltaic grid-connected inverters based on ISOS DBN model, which belongs to the field of signal processing and diagnosis of photovoltaic power generation system. It includes the following steps: collecting current signals of inverters under various working conditions and normalizing them; using training samples for DBN training, using ISOS algorithm to optimize the parameters of the network model in the training process, obtaining an ISOS DBN model and training set characteristic data; calculating the class centers of different fault types of training set characteristic data set, forming a fault sample database; The test samples are input into the ISOS DBN model to calculate the characteristic data of the test samples, and the angle cosine distance between the test samples and the fault centers in the sample library is calculated. The fault types are determined by comparing the sample fault library. The invention has the advantages of simple operation, easy implementation, high automation, avoidance of excessive human factors and high practicability.
【技术实现步骤摘要】
一种基于ISOS-DBN模型的光伏并网逆变故障特征提取诊断方法
本专利技术属于光伏发电系统信号处理与诊断领域,具体涉及一种基于ISOS-DBN模型的光伏并网逆变故障特征提取诊断方法。
技术介绍
目前,电力电子设备已经广泛成为各种电源的重要组成成分,承担着电力变换的任务,其工作时的稳定状态与可靠性关乎整个系统的安全运行。以光伏并网逆变为例,一旦出现故障,不仅会影响逆变侧交流设备的运行,还会产生“垃圾电”影响电网的安全运行。因此为确保设备与电网能长期稳定运行,开展故障诊断技术研究具有现实意义。目前故障诊断技术研究主要分为两部分:特征提取与故障诊断。光伏并网逆变器有多种类型,以三相电压源型逆变VSI为例,其故障类型主要繁多,主要有单管故障,同一半桥中双管故障,同一桥臂双管故障,不同桥臂双管交叉故障。针对多种故障情况,首先是选择合适的方法进行故障信号特征提取,故障特征的有效性越强,后续故障诊断与故障定位越简单。目前特征提取主要采用信号处理(如FFT)与统计分析(如PCA)的方法,这些方法具有人工干预大,自动化程度低的缺点。
技术实现思路
针对上述提到现有技术的缺点,本专利技术提出一种基于ISOS-DBN模型的故障特征提取及故障诊断方法。考虑到深度置信网络(DBN)挖掘数据深层次特征的特点。本专利技术利用DBN直接对原始信号进行深层挖掘特征信号,最后将提取的特征建立故障样本库,以利用夹角余弦距离进行故障诊断。但是目前DBN网络结构大都依靠经验选取,尚无合适的方法指导其选择过程,而且网络结构的选择对故障特征提取与诊断具有重要意义。因此在DBN的网络训练中,加入改进的共生生 ...
【技术保护点】
1.一种基于ISOS‑DBN模型的光伏并网逆变故障特征提取诊断方法,其特征在于,包括以下步骤:(1)采集各种工作状态下逆变器交流测电流信号,并作归一化处理,以及划分训练样本集与测试样本集;(2)DBN训练:利用训练样本对深度置信网络DBN进行训练,训练过程中采用改进的共生生物搜索算法ISOS对网络模型参数即隐含层层数与各层神经元节点数进行优化选择,得到一个ISOS‑DBN模型与训练集特征数据;(3)故障样本库建立:计算训练集特征数据集不同故障类别的类心,形成故障样本库;(4)将测试样本输入至训练好的ISOS‑DBN模型中计算出待测样本特征数据,并计算测试集样本与样本库中各故障类心的夹角余弦距离;(5)对比样本故障库确定故障类型。
【技术特征摘要】
1.一种基于ISOS-DBN模型的光伏并网逆变故障特征提取诊断方法,其特征在于,包括以下步骤:(1)采集各种工作状态下逆变器交流测电流信号,并作归一化处理,以及划分训练样本集与测试样本集;(2)DBN训练:利用训练样本对深度置信网络DBN进行训练,训练过程中采用改进的共生生物搜索算法ISOS对网络模型参数即隐含层层数与各层神经元节点数进行优化选择,得到一个ISOS-DBN模型与训练集特征数据;(3)故障样本库建立:计算训练集特征数据集不同故障类别的类心,形成故障样本库;(4)将测试样本输入至训练好的ISOS-DBN模型中计算出待测样本特征数据,并计算测试集样本与样本库中各故障类心的夹角余弦距离;(5)对比样本故障库确定故障类型。2.根据权利要求1所述的一种基于ISOS-DBN模型的光伏并网逆变故障特征提取诊断方法,其特征在于,所述步骤(1)具体为:(1.1)全信号采集:通过电流传感器采集各种工作状态下逆变器交流测电流信号;(1.2)原始数据合成:将每一次采集的三相交流电流按照设定长度进行截取并合成为一条数据,得到总样本X=(x1,x2,...,xω),ω为故障类别,假如每类故障下有i个样本,则总样本数量为i*ω,工频交流电一个周期为0.02s,假如采样频率为fc,那么一条样本的数据总长度为:N=3fc/f网其中,f网为电网频率50Hz;(1.3)数据预处理:将步骤(1.2)中采集到的数据集进行归一化处理至[0,1]区间内,目的在于取消各维数据间数量级差别,消除量纲;并且分为训练集与测试集。3.根据权利要求1所述的一种基于ISOS-DBN模型的光伏并网逆变故障特征提取诊断方法,其特征在于,所述ISOS-DBN模型为:DBN网络...
【专利技术属性】
技术研发人员:张彼德,孔令瑜,李宜,梅婷,洪锡文,陈颖倩,肖丰,
申请(专利权)人:西华大学,
类型:发明
国别省市:四川,51
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。