一种基于改进随机森林算法的光伏阵列故障诊断方法技术

本发明专利技术公开了一种基于改进随机森林算法的光伏阵列故障诊断方法，涉及光伏技术领域，该方法通过光伏阵列总干路和各个支路的参数反映光伏阵列中各条支路的运行状态，通过不同支路之间的阵列间电压差反映支路中各个光伏电池组件的运行状态，从而实现对光伏阵列的故障定位，同时利用包外样本在决策树赋权投票、平局处理和故障特征的重要性度量三个部分进行优化改进，可以使得故障诊断的精度更高、可靠性更强。

【技术实现步骤摘要】
一种基于改进随机森林算法的光伏阵列故障诊断方法
本专利技术涉及光伏
，尤其是一种基于改进随机森林算法的光伏阵列故障诊断方法。
技术介绍
随着能源需求的增长、化石能源的日益枯竭与成本上涨，以及全球气候变暖等诸多因素的影响，可再生能源技术得到了飞速发展，其中，太阳能具有易获取、无噪声、清洁、无穷无尽等优点，成为了可再生能源的重要部分。目前利用太阳能发电主要有两种形式：光热发电和光伏发电。光热发电与火力发电类似，但热能主要来自大规模的镜面收集，将水加热后，利用蒸汽推动传统发电机工作，从而实现发电，这种发电方式虽然规避了硅晶的光电转换，但对光照强度的要求高且发电成本偏高。而光伏发电基于光生伏特效应，直接将太阳能转化为电能，建设周期短，在运行时不会产生废渣、废水和其他污染物，尤其是对于交通不发达的山区、海岛和偏远地区，光伏发电具有更重要的价值。一般情况下，光伏发电都是利用光伏电池组件串、并联组成光伏阵列进行运行的，而光伏阵列使用的光伏电池组件较多，光伏电池组件本身发生故障的概率就较高，并且光伏阵列长期运行在户外，运行环境恶劣，易出现老化和损坏等情况，从而造成光伏电池组件发电效率的降低甚至停止工作。当光伏阵列中某个光伏电池组件发生故障后，会导致系统效率的下降，并对电力系统的运行调度造成不利的影响，严重时，甚至造成财产损失和人员伤亡，因此，对光伏阵列进行故障诊断具有重要意义，目前所采用的故障诊断方法主要包括直接法和间接法两类，间接法比较典型的有红外热量检测法和发电功率对比法，直接法比较典型的有对地电容法、时域反射法、智能诊断算法和电特性检测法，其中，通过将智能诊断算法和电特性检测法进行结合进行故障诊断，是目前非常具有潜力的方法。但目前的光伏阵列故障诊断方法都较少考虑故障定位的情况，主要原因是：目前的智能诊断算法多采用以BP(BackPropagation)为代表的神经网络，而光伏阵列中的光伏电池组件的数目较多，当某一个或某多个光伏电池组件发生故障时，故障的排列组合形式较多，再加上不同的故障类型，有时甚至会出现上百种故障组合，则会需要较多的训练样本，并且训练时间也会随之增加，诊断精度也不能够得到保证，诊断难度较大。
技术实现思路
本专利技术人针对上述问题及技术需求，提出了一种基于改进随机森林算法的光伏阵列故障诊断方法，该方法通过采集阵列间光伏电池组件的电压和电流确定光伏电池组件的运行情况，从而实现故障定位。本专利技术的技术方案如下：一种基于改进随机森林算法的光伏阵列故障诊断方法，该方法包括：确定光伏阵列在运行过程中的典型运行状态，光伏阵列包括n个支路，每个支路中包括m个光伏电池组件，光伏电池组件的典型运行状态用于指示光伏电池组件中的各个光伏电池组件的运行状态，m和n均为正整数；在光伏阵列处于每个典型运行状态时，采集光伏阵列的阵列干路参数、各个支路对应的阵列支路参数以及不同支路之间的阵列间电压差；根据阵列干路参数、阵列支路参数以及阵列间电压差构建故障特征向量，根据故障特征向量构建得到光伏阵列的数据样本集，将数据样本集划分为训练样本集和测试样本集；基于随机森林算法利用训练样本集训练得到光伏阵列故障诊断模型，并利用测试样本集对光伏阵列故障诊断模型进行测试，光伏阵列故障诊断模型中包括N个决策树，N为正整数且N≥2；利用测试完成的光伏阵列故障诊断模型对待诊断光伏阵列进行诊断，得到N个决策树对各个典型运行状态的投票结果；根据各个典型运行状态对应的投票结果得到待诊断光伏阵列的故障诊断结果，故障诊断结果用于指示光伏阵列中的各个光伏电池组件的运行状态。其进一步的技术方案为，阵列干路参数和每个阵列支路参数分别包括电路的最大功率点电压、最大功率点电流、开路电压和短路电流。其进一步的技术方案为，光伏阵列故障诊断模型中包括N个决策树及每个决策树对应的权值，则利用测试完成的光伏阵列故障诊断模型对待诊断光伏阵列进行诊断，包括：N个决策树对各个典型运行状态进行投票，每个决策树将自身对应的权值作为票数投出；统计得到各个典型运行状态对应的投票结果。其进一步的技术方案为，基于随机森林算法利用训练样本集训练得到光伏阵列故障诊断模型，包括：对包含p个样本的训练样本集进行N轮抽样，对于每一轮抽样，采用有放回的抽样方式抽样p次得到该轮抽样对应的子训练样本集和包外样本集，子训练集中包括该轮抽样中抽取到的p个样本，包外样本集中包括训练样本集中在该轮抽样中未被抽取的样本，p为正整数；根据每一轮抽样对应的子训练样本集训练得到一个决策树，并利用该轮抽样对应的包外样本集对决策树进行测试得到包外准确率，根据包外准确率计算得到决策树对应的权值；对训练得到的N个决策树和每个决策树对应的权值进行汇总得到光伏阵列故障诊断模型。其进一步的技术方案为，根据包外准确率计算得到决策树对应的权值，包括计算：其中，w(i)为第i个决策树对应的权值，Hoob(i)为第i个决策树对应的包外准确率，i和j均为参数，1≤i≤N且i为正整数。其进一步的技术方案为，该方法还包括：将N个包外样本集进行汇总得到总包外样本集，对于总包外样本集中的每个样本，利用训练得到的光伏阵列故障诊断模型对样本进行测试得到初始包外准确率；样本共包括K个故障特征，在其中第k个故障特征中加入噪声，并利用光伏阵列故障诊断模型重新对样本进行测试得到新的包外准确率，计算初始包外准确率和新的包外准确率之间的差值确定第k个特征的重要性度量值，K为正整数，k为参数且k的起始值为1；在k＜K时，令k＝k+1，并再次执行在其中第k个故障特征中加入噪声的步骤；直至k＝K时得到K个故障特征的重要性度量值；对于训练样本集中的每个样本，删除样本的K个故障特征中重要性度量值最小的t个故障特征，得到处理后的训练样本集；基于随机森林算法利用处理后的训练样本集构建得到光伏阵列故障诊断模型。其进一步的技术方案为，根据各个典型运行状态对应的投票结果得到待诊断光伏阵列的故障诊断结果，包括：若最高的投票数对应的典型运行状态仅包括一个，则将最高的投票数对应的典型运行状态作为故障诊断结果输出；若最高的投票数对应的典型运行状态包括至少两个，则选取权值最高的L个决策树对各个典型运行状态重新进行投票，若存在一个典型运行状态获得最多个决策树的选择，则将典型运行状态作为故障诊断结果输出；否则将权值最高的决策树选择的典型运行状态作为故障诊断结果输出，L为正整数且2≤L＜N。本专利技术的有益技术效果是：1、本申请公开了一种基于改进随机森林算法的光伏阵列故障诊断方法，采集光伏阵列总干路和各个支路的参数以及不同支路之间的阵列间电压差，光伏阵列总干路和各个支路的参数可以反映光伏阵列中各条支路的运行状态，从而诊断出光伏阵列中哪条支路发生了何种故障，而不同支路之间的阵列间电压差可以反映出支路中各个光伏电池组件的运行状态，从而诊断出具体是哪个光伏电池组件发生了何种故障，两类信息的结合有效地实现了光伏阵列的故障定位；同时利用随机森林算法，该算法适用于实际光伏阵列的特点，克服了传统神经网络算法需要数据量大、训练时间长等问题，能够简单快速地完成诊断任务。2、本申请公开的方法基于数据驱动的思想，将随机森林算法、决策树赋权、投票平局处理和变量重要性度量结合起来，实现光伏阵列的故障诊断并有效提升诊断精度。3、本申本文档来自技高网...

【技术保护点】
1.一种基于改进随机森林算法的光伏阵列故障诊断方法，其特征在于，所述方法包括：确定光伏阵列在运行过程中的典型运行状态，所述光伏阵列包括n个支路，每个支路中包括m个光伏电池组件，所述光伏电池组件的典型运行状态用于指示所述光伏电池组件中的各个光伏电池组件的运行状态，m和n均为正整数；在所述光伏阵列处于每个所述典型运行状态时，采集所述光伏阵列的阵列干路参数、各个支路对应的阵列支路参数以及不同支路之间的阵列间电压差；根据所述阵列干路参数、阵列支路参数以及阵列间电压差构建故障特征向量，根据所述故障特征向量构建得到所述光伏阵列的数据样本集，将所述数据样本集划分为训练样本集和测试样本集；基于随机森林算法利用所述训练样本集训练得到光伏阵列故障诊断模型，并利用所述测试样本集对所述光伏阵列故障诊断模型进行测试，所述光伏阵列故障诊断模型中包括N个决策树，N为正整数且N≥2；利用测试完成的所述光伏阵列故障诊断模型对待诊断光伏阵列进行诊断，得到所述N个决策树对各个所述典型运行状态的投票结果；根据各个所述典型运行状态对应的投票结果得到所述待诊断光伏阵列的故障诊断结果，所述故障诊断结果用于指示所述光伏阵列中的各个光伏电池组件的运行状态。...

【技术特征摘要】
1.一种基于改进随机森林算法的光伏阵列故障诊断方法，其特征在于，所述方法包括：确定光伏阵列在运行过程中的典型运行状态，所述光伏阵列包括n个支路，每个支路中包括m个光伏电池组件，所述光伏电池组件的典型运行状态用于指示所述光伏电池组件中的各个光伏电池组件的运行状态，m和n均为正整数；在所述光伏阵列处于每个所述典型运行状态时，采集所述光伏阵列的阵列干路参数、各个支路对应的阵列支路参数以及不同支路之间的阵列间电压差；根据所述阵列干路参数、阵列支路参数以及阵列间电压差构建故障特征向量，根据所述故障特征向量构建得到所述光伏阵列的数据样本集，将所述数据样本集划分为训练样本集和测试样本集；基于随机森林算法利用所述训练样本集训练得到光伏阵列故障诊断模型，并利用所述测试样本集对所述光伏阵列故障诊断模型进行测试，所述光伏阵列故障诊断模型中包括N个决策树，N为正整数且N≥2；利用测试完成的所述光伏阵列故障诊断模型对待诊断光伏阵列进行诊断，得到所述N个决策树对各个所述典型运行状态的投票结果；根据各个所述典型运行状态对应的投票结果得到所述待诊断光伏阵列的故障诊断结果，所述故障诊断结果用于指示所述光伏阵列中的各个光伏电池组件的运行状态。2.根据权利要求1所述的方法，其特征在于，所述阵列干路参数和每个所述阵列支路参数分别包括电路的最大功率点电压、最大功率点电流、开路电压和短路电流。3.根据权利要求1或2所述的方法，其特征在于，所述光伏阵列故障诊断模型中包括N个决策树及每个所述决策树对应的权值，则所述利用测试完成的所述光伏阵列故障诊断模型对待诊断光伏阵列进行诊断，包括：所述N个决策树对各个所述典型运行状态进行投票，每个所述决策树将自身对应的权值作为票数投出；统计得到各个所述典型运行状态对应的投票结果。4.根据权利要求3所述的方法，其特征在于，所述基于随机森林算法利用所述训练样本集训练得到光伏阵列故障诊断模型，包括：对包含p个样本的训练样本集进行N轮抽样，对于每一轮抽样，采用有放回的抽样方式抽样p次得到该轮抽样对应的子训练样本集和包外样本集，所述子训练集中包括该轮抽样中抽取到的p个样本，所述包外样本集中包括所述训练样本集中...

【专利技术属性】
技术研发人员：陶洪峰，周超超，魏强，刘巍，周龙辉，王鹏，
申请(专利权)人：江南大学，
类型：发明
国别省市：江苏,32