The present invention relates to an intelligent photovoltaic array fault diagnosis method based on adaptive neural network, which includes the following steps: collecting photovoltaic electrical characteristic data under various working conditions, and processing the original fault data by sampling and filtering; Total fault feature data are compressed to 3-D feature data to obtain new feature data; 4: K-fold cross-test is used to divide the new feature data into test set and training set, and set the number of membership function and the type of membership function; 5: generating the initial fuzzy reasoning system; 6: building the model of adaptive neural network fuzzy reasoning system; 7: judging light. The technology of the invention can effectively diagnose and classify photovoltaic arrays in fault, and has high classification accuracy and accuracy compared with other machine learning algorithms.
【技术实现步骤摘要】
基于自适应神经模糊推理系统的光伏阵列故障诊断方法
本专利技术涉及光伏发电阵列故障检测和分类领域,具体涉及一种基于自适应神经模糊推理系统的光伏阵列故障诊断方法。
技术介绍
随着全球化学能源危机加剧,清洁能源受到广泛的关注,而太阳能由于得天独厚的优势,是清洁能源中非常重要的一员。根据国家统计局报告,2017年,全国发电量6.5万亿千瓦时,比上年增长5.9%。其中,火电增长5.1%,水电增长0.5%,核电增长16.3%,风电增长24.4%,太阳能发电增长57.1%,太阳能的需求日益提高,光伏电站的装机量日益增长。然而,光伏电站由于其户外环境影响,较容易发生故障。如果这些故障不及时发现与排除,将会直接影响光伏发电系统的正常运行,严重时甚至会烧坏电池组件引发火灾。因此,故障诊断对于其提高发电效率,可靠性和安全性是十分有必要的。近年来,国内外学者已经开发了许多方法来检测和分类光伏系统中的故障。在这些方法中,基于智能算法和机器学习的方法受到越来越多的关注。基于模型仿真的方法通常是创建和光伏阵列等效的电路模型,在模型上测试模型的输出值和实际光伏电站的输出值之间比较差异化,得出故障信息。LeianChen等人提出基于未知故障信号的矢量AR模型来诊断光伏故障,该模型需要大量的传感器和开关,在实际应用中存在传感器较多,过于复杂的问题;基于智能算法和机器学习的方法通常是通过提取光伏电站的各项数据通过智能算法计算得出计算结果,从这些结果中分析光伏电站的工作状况。例如,ZhenhanYi等人提出了一种基于多分辨率信号分解(MRSD)和模糊推理系统(FIS)的故障诊断算法。然而,该算法 ...
【技术保护点】
1.一种基于自适应神经模糊推理系统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:采集各种工况条件下的光伏电气特性数据及环境参数,并通过采样滤波处理构成原始故障数据;步骤S2:从原始故障数据中提取七维的故障特征,得到七维故障样本数据集;步骤S3:利用线性判别分析算法,对七维故障特征进行降维压缩至三维,得到三维的故障样本数据集;步骤S4:根据所述步骤S3获得的三维的故障样本数据集,随机分成独立的训练数据集和测试数据集,并设定隶属度函数个数和隶属度函数种类;步骤S5:根据设定的隶属度函数个数以及隶属度函数种类作为模糊推理系统的初始参数,并根据获得的训练数据集采用网格分割生成初始模糊推理系统;步骤S6:采用反向传播和最小二乘算法混合神经网络算法训练初始模糊推理系统,使模型输出与训练数据集训练集结果不断逼近,当达到预设条件时训练停止,得到自适应神经网络模糊推理系统模型;步骤S7:根据所得自适应神经模糊推理系统模型,对所述测试数据集的光伏阵列电压电流辐照度和温度处理后的数据进行检测和分类,判断光伏阵列系统是否处于故障状态;若处于故障状态,则给出故障种类。
【技术特征摘要】
1.一种基于自适应神经模糊推理系统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:采集各种工况条件下的光伏电气特性数据及环境参数,并通过采样滤波处理构成原始故障数据;步骤S2:从原始故障数据中提取七维的故障特征,得到七维故障样本数据集;步骤S3:利用线性判别分析算法,对七维故障特征进行降维压缩至三维,得到三维的故障样本数据集;步骤S4:根据所述步骤S3获得的三维的故障样本数据集,随机分成独立的训练数据集和测试数据集,并设定隶属度函数个数和隶属度函数种类;步骤S5:根据设定的隶属度函数个数以及隶属度函数种类作为模糊推理系统的初始参数,并根据获得的训练数据集采用网格分割生成初始模糊推理系统;步骤S6:采用反向传播和最小二乘算法混合神经网络算法训练初始模糊推理系统,使模型输出与训练数据集训练集结果不断逼近,当达到预设条件时训练停止,得到自适应神经网络模糊推理系统模型;步骤S7:根据所得自适应神经模糊推理系统模型,对所述测试数据集的光伏阵列电压电流辐照度和温度处理后的数据进行检测和分类,判断光伏阵列系统是否处于故障状态;若处于故障状态,则给出故障种类。2.根据权利要求1所述的基于自适应神经模糊推理系统的光伏阵列故障诊断方法,其特征在于:所述各种工况包括正常工作、线线故障、老化故障、阴影故障和开路故障。3.根据权利要求1所述的基于自适应神经模糊推理系统的光伏阵列故障诊断方法,其特征在于:所述光伏电气特性数据包括光伏阵列的最大功率点电压、光伏组串的最大功率点电流、实时光伏面板温度、实时辐射度。4.根据权利要求1所述的基于自适应神经模糊推理系统的光伏阵列故障诊断方法,其特征在于:所述采样滤波处理采用基于凯泽窗的有限长单位冲激响应低通滤波器来实现同相位滤波,滤除噪声干扰,平滑测量。5.根据权利要求2所述的基于自适应神经模糊推理系统的光伏阵列故障诊断方法,其特征在于:所述总体故障特征数据:包括归一化电压其中,Va最大功率点电压;Ns光伏阵列组件的串联数;Np光伏阵列的组件数;VMPPT-STC标准环境下功率;n光伏理想因子;K为波尔兹曼常数,q为电子电荷量;β为光伏开路电压温度系数;归一化电流其中,Ia最大功率点电流;α为光伏短路电流温度系数;归一化功率归一化电流电压斜率归一化辐照度Ga:最大功率点时辐照度;Gstc:标准辐照度1000W/㎡。归一化温度Ta:最大功率点时温度;Tstc:标准温度25℃。6....
【专利技术属性】
技术研发人员:陈志聪,甘雨涛,吴丽君,林培杰,程树英,
申请(专利权)人:福州大学,
类型:发明
国别省市:福建,35
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。