一种光伏逆变器故障诊断方法和系统技术方案

本发明专利技术提供了一种光伏逆变器故障诊断方法和系统，包括：采集光伏逆变器的运行数据组成测试样本；将测试样本带入预先构建的多分类器模型得到测试样本对应的样本类型；根据样本类型得到逆变器的故障类型；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。该方法和系统实现基于支持向量机的光伏逆变器故障诊断；采用优秀的决策流程，决策导向无环图，改善决策路径，提高了诊断准确度；采用先进的算法，MCKD,有效提取故障特征，提高诊断准确度。

A Fault Diagnosis Method and System for Photovoltaic Inverter

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，所述多分类器的每个输出结果对应一个样本类型。本专利技术提供的第二优选技术方案，其改进之处在于，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。本专利技术提供的第三优选技术方案，其改进之处在于，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}。本专利技术提供的第四优选技术方案，其改进之处在于，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。本专利技术提供的第五优选技术方案，其改进之处在于，所述将所述多组二分类器进行组合生成多分类器，包括：采用决策导向无环图DDAG法将多个二分类器SVM进行组合，生成多分类器。本专利技术提供的第六优选技术方案，其改进之处在于，所述采集光伏逆变器的运行数据组成测试样本，包括：采集待测三电平逆变器运行过程中连续多个周期的桥壁电压值VOAtest、上管电压值VSa1test和下管电压值VSa4test，并采用MCKD方法生成待测试样本{VOAtest,VSa1test,VSa4test}。一种光伏逆变器故障诊断系统，其改进之处在于，包括数据采集模块、多分类模块和故障分类模块；所述数据采集模块用于采集光伏逆变器的运行数据组成测试样本；所述多分类模块用于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；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；所述故障分类模块用于根据所述样本类型得到逆变器的故障类型本专利技术提供的第七优选技术方案，其改进之处在于，还包括多分类器模型构建模块，所述多分类器模型构建模块用于预先构建多分类器模型。本专利技术提供的第八优选技术方案，其改进之处在于，所述多分类器模型构建模块包括历史数据采集子单元、样本训练集生成子单元、特征样本生成子单元、二分类器生成子单元和多分类器生成子单元；所述历史数据采集子单元用于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；所述样本训练集生成子单元用于将所述采集到的历史数据生成样本训练集；所述特征样本生成子单元用于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；所述二分类器生成子单元用于采用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。与最接近的现有技术相比，本专利技术具有的有益效果如下：1.采用优秀的决策流程，决策导向无环图，改善决策路径，提高了诊断准确度；2.采用先进的算法，MCKD,有效提取故障特征，提高诊断准确度；3.实现基于支持向量机的光伏逆变器故障诊断。附图说明图1为本专利技术提供的一种光伏逆变器故障诊断方法流程示意图；图2为本专利技术提供的一种光伏逆变器故障诊断方法原理示意图；图3为本专利技术使用三电平逆变电器的经典电路图；图4为本专利技术提供的一种光伏逆变器故障诊断方法中一个基于DDAG的SVM多分类扩展实施例示意图。具体实施方式本专利技术采用MCKD方法对样本进行故障特征提取，进而采用决策导向无环图对支持向量机进行多分类扩展，构建故障分类器，最终实现光伏逆变器的故障诊断。下面结合附图对本专利技术的具体实施方式做进一步的详细说明。一种光伏逆变器故障诊断方法流程示意图如图1所示。该方法包括：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。该方法的具体原理如图2所示包括：采集多类别的训练样本集；基于MCKD方法提取训练样本集特征，得到特征样本；采用SVM算法将特征样本训练得到多个二分类器SVM；采用DDAG法将多个二分类器SVM进行组合，生成多分类器；采集待测光伏逆变器的运行数据；经MCKD方法提取待测试运行数据得到测试样本；将测试样本输入多分类器，得到测试样本对应的样本类型，该样本类型对应待测光伏逆变器的故障类型。其中，本专利技术中的光伏逆变器为常用的三电平逆变器，其经典电路图如图3所示。采集多类别的训练样本集包括：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；在三电平逆变器中采集正常情况和各类故障情况下多个周期各多组的桥壁电压值VOA、上管电压值VSa1和下管电压值VSa4，组成样本{VOA,VSa1,VSa4}；其中，可设置采集20个周期5组的样本。将正常样本编为类别1，故障样本按照故障类型编号，当共有K类样本时，故障样本编号分别为2,3，…，K。上管电压值VSa1为图3所示三电平逆变电路中IGBT开关管Sa1处电压值，开关管SA1与直流输入正极相连；下管电压值VSa4为图3所示三电平逆变电路中IGBT开关管Sa4处电压值，开关管SA4与直流输入负极相连。基于MCKD方法提取训练样本集特征，得到特征样本包括：根据预设的故障特征维数，采用M本文档来自技高网...

【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