【技术实现步骤摘要】
基于XGBoost的光伏阵列故障诊断方法
[0001]本专利技术涉及的是一种光伏组件故障诊断领域的技术，具体是一种基于XGBoost的光伏阵 列故障诊断方法。
技术介绍
[0002]现有光伏故障诊断一般采用人工神经网络拟合光伏阵列量测信息与故障类型之间的关 系，需要大量的有标签数据进行训练，数据采集工作量大、模型训练耗时，当实际样本数较小 时，故障诊断精度难以保障；同时，现有基于XGBoost算法的故障诊断技术很少对于不同种类、 不同程度的故障类型进行区分，也不考虑小规模训练样本下的诊断表现，故无法适用于故障类 型复杂多样的光伏阵列领域。
技术实现思路
[0003]本专利技术针对现有技术存在的上述不足，提出一种基于XGBoost的光伏阵列故障诊断方法， 将XGBoost算法引入光伏阵列的故障诊断中，考虑多种不同类型、不同程度的故障的同时准确 性和稳定性具有显著提高。
[0004]本专利技术是通过以下技术方案实现的：
[0005]本专利技术涉及一种基于XGBoost的光伏阵列故障诊断方法，通过建...
【技术保护点】
【技术特征摘要】
1.一种基于XGBoost的光伏阵列故障诊断方法，其特征在于，通过建立光伏组件等效电路模型，根据模型建立光伏组件基本电流方程后分析光照强度、温度对光伏组件内部参数的影响，得到组件伏安特性曲线随光照强度、温度的变化趋势并进一步分析不同程度下的光伏阵列故障对应的伏安特性曲线的变化情况，选取、构建反映不同故障特性的特征量，作为故障诊断的输入向量；然后建立光伏阵列仿真模型以模拟不同类型、不同程度的故障，通过调节光照强度、温度获取伏安特性曲线，读取、构建故障特征量，建立光伏阵列故障数据集，用于在离线阶段训练基于XGBoost算法的光伏阵列故障诊断模型；最后在在线阶段采用训练后的光伏阵列故障诊断模型融合多种不同类型、不同程度故障的光伏阵列故障特征量、光照强度、温度，通过极限梯度提升决策树得到光伏阵列多种不同类型、不同程度的故障。2.根据权利要求1所述的基于XGBoost的光伏阵列故障诊断方法，其特征是，所述的光伏组件等效电路模型包括：光生电流源、二极管、等效并联电阻以及光伏组件等效串联电阻和负载电阻，其中：光伏组件等效串联电阻和负载电阻相串联并与二极管和等效并联电阻均并联于光生电流源正负极。3.根据权利要求1所述的基于XGBoost的光伏阵列故障诊断方法，其特征是，所述的光伏组件基本电流方程是指：根据肖特基二极管的电流方程和光伏组件的等效电路模型，建立光伏组件的基本电流方程：其中：I
ph
为光生电流，I0为二极管的反向饱和电流，R
s
为光伏组件等效串联电阻，R
sh
为等效并联电阻，U为输出电压，I为输出电流，A为二极管修正品质因子A＝nkT/q，n为二极管品质因子，k为玻尔兹曼常数，其值为1.38
×
10
‑
23
J/K，T为光伏组件背板的绝对温度，单位为K，q为电子电荷常数，其值为1.6
×
10
‑
19
C。4.根据权利要求2所述的基于XGBoost的光伏阵列故障诊断方法，其特征是，所述的组件伏安特性曲线随光照强度、温度的变化趋势，通过以下方式得到：光生电流I
ph
随着光照强度G近似地呈线性变化，具体为：其中：G
ref
和T
ref
分别为标准测试条件(standard test condition，STC)的光照强度和温度，其值为1000W/m2和298K；I
phr
为STC条件下的光生电流；α
Imp
为电流温度系数；根据光伏电池的物理特性，反向饱和电流I0随温度T的变化满足：其中：I
0r
和A
r
分别为STC下的反向饱和电流和二极管修正品质因子；E
g
为光伏电池的带隙能量；所述的二极管品质因子n随光照和温度变化不明显，可看作常数；因此，二极管修正品质因子A是仅关于温度T的函数：其中：A
r
为STC下的二极管修正品质因子；所述的串联电阻R
s
随温度变化关系为：其中：R
sr
为STC下的串联电阻，开路电压并联电阻其中：R
shr
为STC下的并联电阻；根据基本电流方程，考虑光照强度和温度对参数的影响，得到正常运行时不同光照强
度和温度条件下光伏组件的伏安特性曲线。5.根据权利要求1所述的基于XGBoost的光伏阵列故障诊断方法，其特征是，所述的故障诊断的输入向量包括：短路故障：选取最大功率点电流I
m
...
【专利技术属性】
技术研发人员：方陈，徐潇源，朱征，徐琴，严正，黄兴德，顾崇寅，宋杰，魏晓川，王梦圆，
申请(专利权)人：华东电力试验研究院有限公司上海交通大学，
类型：发明
国别省市：
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。