The invention provides a fault diagnosis method and system for photovoltaic inverters, which includes: collecting operation data of photovoltaic inverters to form test samples; bringing test samples into pre-constructed multi-classifier model to obtain corresponding sample types of test samples; obtaining fault types of inverters according to sample types; and multi-classifier model including support vector machine (SVM) groups with multiple binary classifiers. A combined multi-classifier. This method and system realizes the fault diagnosis of photovoltaic inverters based on support vector machine; adopts excellent decision-making process, decision-oriented acyclic graph, improves decision-making path and improves diagnosis accuracy; uses advanced algorithm, MCKD, effectively extracts fault features and improves diagnosis accuracy.
【技术实现步骤摘要】
一种光伏逆变器故障诊断方法和系统
本专利技术属于新能源
,具体讲涉及一种光伏逆变器故障诊断方法和系统。
技术介绍
光伏逆变器能够将直流电能变为交流电能,是光伏发电系统的核心部件之一,关系到系统的安全、稳定和高效运行。三电平逆变器为光伏发电系统中常用的一种逆变器,其故障诊断技术研究具备重要意义。当前智能诊断技术在三电平逆变器的故障诊断中得到广泛运用,比如BP神经网络、极限学习机、支持向量机等。此类智能故障诊断技术的难点在于:1.如何设置高效的分类器诊断流程;2.如何对样本进行有效的故障特征提取;3.分类器的参数设置问题。
技术实现思路
为克服上述现有技术的不足,本专利技术提出一种光伏逆变器故障诊断方法。实现上述目的所采用的解决方案为:一种光伏逆变器故障诊断方法,其改进之处在于:采集光伏逆变器的运行数据组成测试样本;将所述测试样本带入预先构建的多分类器模型得到所述测试样本对应的样本类型;根据所述样本类型得到逆变器的故障类型;所述多分类器模型包括由多个二分类器支持向量机SVM组合构成的多分类器。本专利技术提供的第一优选技术方案,其改进之处在于,所述多分类器模型的构建包括:采集光伏逆变器运行的历史数据,包括基于故障类型采集的历史数据和正常运行的历史数据;将所述采集到的历史数据生成样本训练集;根据预设的故障特征维数,将所述样本训练集在所述特征维数上投影得到特征样本;采用SVM算法将所述特征样本中每两个样本类型训练生成一个二分类器,所述二分类器数目为样本类型数目取二的组合数,所述样本类型对应光伏逆变器正常情况和各类故障类型情况;将所述多个二分类器进行组合生成多分类器 ...
【技术保护点】
1.一种光伏逆变器故障诊断方法,其特征在于:采集光伏逆变器的运行数据组成测试样本;将所述测试样本带入预先构建的多分类器模型得到所述测试样本对应的样本类型;根据所述样本类型得到逆变器的故障类型;所述多分类器模型包括由多个二分类器支持向量机SVM组合构成的多分类器。
【技术特征摘要】
1.一种光伏逆变器故障诊断方法,其特征在于:采集光伏逆变器的运行数据组成测试样本;将所述测试样本带入预先构建的多分类器模型得到所述测试样本对应的样本类型;根据所述样本类型得到逆变器的故障类型;所述多分类器模型包括由多个二分类器支持向量机SVM组合构成的多分类器。2.如权利要求1所述的方法,其特征在于,所述多分类器模型的构建包括:采集光伏逆变器运行的历史数据,包括基于故障类型采集的历史数据和正常运行的历史数据;将所述采集到的历史数据生成样本训练集;根据预设的故障特征维数,将所述样本训练集在所述特征维数上投影得到特征样本;采用SVM算法将所述特征样本中每两个样本类型训练生成一个二分类器,所述二分类器数目为样本类型数目取二的组合数,所述样本类型对应光伏逆变器正常情况和各类故障类型情况;将所述多个二分类器进行组合生成多分类器,所述多分类器的每个输出结果对应一个样本类型。3.如权利要求1所述的方法,其特征在于,所述光伏逆变器为三电平逆变器;所述光伏逆变器的运行数据包括:桥壁电压值VOA、上管电压值VSa1和下管电压值VSa4。4.如权利要求2或3所述的方法,其特征在于,所述将采集到的历史数据生成样本训练集,包括:在所述三电平逆变器中采集正常情况和各类故障类型情况下多个周期多组的桥壁电压值VOA、上管电压值VSa1和下管电压值VSa4组成的训练样本{VOA,VSa1,VSa4}。5.如权利要求4所述的方法,其特征在于,所述根据预设的故障特征维数,将所述样本训练集在所述特征维数上投影得到特征样本,包括:根据预设的故障特征维数,采用最大相关峭度解卷积MCKD方法对样本{VOA,VSa1,VSa4}进行投影,得到特征样本:F=[f1f2…fL]T;其中,F为特征样本,L为故障特征维数,f1f2…fL为F在各维度上的分量。6.如权利要求2所述的方法,其特征在于,所述将所述多组二分类器进行组合...
【专利技术属性】
技术研发人员:张军军,李春来,秦筱迪,杨立滨,黄晶生,李红涛,丁明昌,杨军,张双庆,李正曦,董颖华,刘美茵,
申请(专利权)人:中国电力科学研究院有限公司,国家电网公司,国网青海省电力公司,国网青海省电力公司电力科学研究院,
类型:发明
国别省市:江苏,32
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。