一种光伏直流电弧检测方法及系统技术方案

本发明专利技术提供一种光伏直流电弧检测方法及系统，包括：采用霍尔传感器获取光伏直流回路的电流信号；提取所述电流信号的时域特征、频域特征以及小波特征；包括：时频变化率和时频变化率绝对值均值；高频分量与低频分量之差和频域去零标准差；各频带小波系数标准差、最高频带小波系数绝对值均值以及高频分量最大值；将所述时域特征、频域特征以及小波特征输入到训练好的梯度提升树模型，根据模型的分类结果检测光伏直流回路中是否产生电弧。本发明专利技术从时域、频域、小波三个层面分析了直流电弧的特征，并针对直流电弧特性选择了合理的特征值处理，可以多层次、多角度地展现电弧电流特征，作为训练集具备更好的训练效果，提高了模型识别准确率。确率。确率。

【技术实现步骤摘要】
一种光伏直流电弧检测方法及系统


[0001]本专利技术属于直流电弧检测领域，更具体地，涉及一种光伏直流电弧检测方法及系统。

技术介绍

[0002]随着全球电气化进程加速推进，电力需求持续上升，光伏发电快速普及，但国内外的光伏事故也呈现上升趋势。电弧是一种气体放电现象，会产生高温、高亮度和辐射。当出现电弧现象时，若不及时灭弧处置，可能会导致线缆损坏、发电量损失，甚至是火灾。在光伏系统中，直流侧常见的电弧种类之一是串联电弧，常见于光伏系统的MC4端子处。为了在电弧出现时及时切断该支路，需要在光伏系统中增加电弧检测功能。
[0003]现有技术利用并联电容电流检测低压串联直流电弧的方法，实时检测电容电流波形，根据预设时间窗内电容电流波形计算电容电流的变化率，再根据电容电流波形计算电容电流频谱，然后计算相邻两个时间窗的电容电流变化率及频谱面积变化量，当所述相邻两个时间窗的电容电流变化率在预设范围内且在预设频率范围内相邻两个时间窗的频谱面积变化量在预设范围内时，则该电容所在支路发生串联直流电弧故障。该检测方法需要采取并联电容的方式采样，电路连接不够简便，且运行回路和检测回路通过电路直接连接，可能会出现安全问题；其判断电弧电流的算法由固定的算法，相邻两个时间窗的电容电流变化率、频谱面积变化量在预设范围内来进行判断，判断的准确性不高。
[0004]另外，现有技术将采样电感串在汇流箱输出到逆变器的线路上，电容串联电流互感器一次侧绕组后并联在采样电感两端，电流互感器的二次侧绕组采集直流侧电弧的特征交流信号送滤波放大电路，滤波放大电路的输出处理后的电流信号送入数字信号处理器进行判断后，输出判断结果经过通讯模块送出。采集光伏系统直流侧交流电流信号并提取出频域的信号特征；对上述信号进行预判断；对GAN模型进行训练；判断直流故障电弧并发送警报信息。为了降低误检率并提高检测系统的鲁棒性，将生成式对抗网络引入故障电弧的判断。能够降低直流故障电弧的误检率，提高检出率，确保光伏系统直流侧安全稳定运行。但是该方法使用的GAN模型存在训练不易收敛的问题，训练需要达到纳什平衡，没有稳定达到纳什平衡的方法；其使用的直流电弧检测技术需要采取电流互感器的方式采样，电路连接不够简便；并且没有给操作人员提供交互的方案，操作人员很难对设备进行操作。

技术实现思路

[0005]针对现有技术的缺陷，本专利技术的目的在于提供一种光伏直流电弧检测方法及系统，旨在解决光伏直流电流电弧检测困难、准确率低、容易频繁发生误判，电弧电流难以及时发现的问题。
[0006]为实现上述目的，第一方面，本专利技术提供了一种光伏直流电弧检测方法，包括如下步骤：采用霍尔传感器获取光伏直流回路的电流信号，所述霍尔传感器与光伏直流回路
通过磁场连接，不存在线路连接，所获取的电流信号不受霍尔传感器影响；提取所述电流信号的时域特征、频域特征以及小波特征；所述时频特征包括：时频变化率和时频变化率绝对值均值，光伏直流回路中产生电弧时，时频变化率大于第一阈值；所述电弧的持续时间超过预设时间时，所述时频变化率绝对值均值大于第二阈值；所述频域特征包括：高频分量与低频分量之差和频域去零标准差，光伏直流回路中产生电弧时，所述高频分量与低频分量之差增大；所述频域去零标准差体现电流的频域离散程度，有电弧产生时，频域离散程度大，无电弧产生时，频域离散程度小；所述小波特征包括：各频带小波系数标准差、最高频带小波系数绝对值均值以及高频分量最大值；所述频带小波系数标准差反映各频带小波系数在时域的离散程度，有电弧产生时，高频带的时域离散程度大幅增加；所述电弧的持续时间超过预设时间时，最高频带小波系数绝对值均值大于第三阈值；有电弧产生时，所述高频分量最大值大于第四阈值；所述第一阈值、第二阈值、第三阈值以及第四阈值在训练梯度提升树模型的过程中确定，每个阈值配置有对应的权重，所述梯度提升树模型用于对电流信号进行分类，将其分类为正常电流或电弧电流；将所述时域特征、频域特征以及小波特征输入到训练好的梯度提升树（GradientBoostingClassifier）模型，根据模型的分类结果检测光伏直流回路中是否产生电弧。
[0007]在一个可选的示例中，所述时频特征的获取过程为：获取电流信号的时域归一化数据；基于所述时域归一化数据获取电流时域变化率；光伏直流回路正常运行时电流在时域变化很缓慢，而有电弧产生时会在时域产生很多尖峰毛刺，电流的时域变化率极大增大；基于所述时域归一化数据获取电流时域变化率绝对值均值，预设检测周期内电弧存在的时间越长，该绝对值均值越大，所述绝对值均值使梯度提升树模型在一个检测周期内对持续时间更久的电弧具备更好的识别能力。
[0008]在一个可选的示例中，所述频域特征的获取过程为：获取电流信号的频域归一化数据；基于所述频域归一化数据获取电流高频分量与低频分量之差；光伏直流回路正常运行电流的频域分量以低频分量为主，高频分量幅值很小；产生电弧后电流的高频分量会增大；基于所述频域归一化数据获取电流的频域去零标准差，所述频域去零标准差体现频域的离散程度。
[0009]在一个可选的示例中，所述小波特征的获取过程为：对电流信号进行小波包变换，将电流的频带划分为多个时频矩阵，以对电流信号在高频处时间细分，低频处频率细分，聚焦到电流信号的任意细节，同时反映时域信息与频域信息；基于划分的多个时频矩阵获取电流在各频带的小波系数标准差，以确定电流在各频带小波系数的离散程度；有电弧产生时，高频带的时域离散程度大幅增加，低频带的时域离散程度稍微有所增加；基于划分的多个时频矩阵获取电流高频带小波系数绝对值均值，相比于正常运行
的光伏直流回路，电弧电流进行小波包分解后最高频带存在更多尖峰小波系数，在检测周期内将其绝对值累加求平均可以对存在时间越长的电弧电流具备更好的识别能力；基于划分的多个时频矩阵获取电流高频分量的最大值，电弧电流在高频带内产生较大的尖峰小波系数，将高频分量最大值累加，该特征与电弧电流状态有较大相关性。
[0010]在一个可选的示例中，对所述梯度提升树模型的训练过程具体为：针对不同等级的正常电流设定不同的训练数据，所述训练数据包括正常电流数据集和电弧电流数据集，设光伏直流回路无电弧产生时的电流为正常电流，由外部设备对正常电流引入的扰动为微小扰动电流，有电弧产生时的电流为电弧电流；当所述正常电流为低电流等级时，将所述微小扰动电流并入正常电流数据集，当所述正常电流为高电流等级时，不将所述微小扰动电流并入正常电流数据集，当所述正常电流介于低电流等级和高电流等级之间时，根据需求将微小扰动电流数据集中的部分样本值并入正常电流数据集；采用所述训练数据对所述梯度提升树模型进行训练，以针对不同等级的正常电流训练得到不同灵敏度的梯度提升树模型，使得低电流等级下模型的灵敏度最低，高电流等级下模型的灵敏度最高，提高低电流等级下模型对微小扰动电流的包容性，且增大高电流等级下模型识别电弧的灵敏度，避免高电流等级下电弧电流产生带来的安全隐患。
[0011]在一个可选的示例中，在对梯度提升树模型训练过程中，将所述训练本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种光伏直流电弧检测方法，其特征在于，包括如下步骤：采用霍尔传感器获取光伏直流回路的电流信号，所述霍尔传感器与光伏直流回路通过磁场连接，不存在线路连接，所获取的电流信号不受霍尔传感器影响；提取所述电流信号的时域特征、频域特征以及小波特征；所述时频特征包括：时频变化率和时频变化率绝对值均值，光伏直流回路中产生电弧时，时频变化率大于第一阈值；所述电弧的持续时间超过预设时间时，所述时频变化率绝对值均值大于第二阈值；所述频域特征包括：高频分量与低频分量之差和频域去零标准差，光伏直流回路中产生电弧时，所述高频分量与低频分量之差增大；所述频域去零标准差体现电流的频域离散程度，有电弧产生时，频域离散程度大，无电弧产生时，频域离散程度小；所述小波特征包括：各频带小波系数标准差、最高频带小波系数绝对值均值以及高频分量最大值；所述频带小波系数标准差反映各频带小波系数在时域的离散程度，有电弧产生时，高频带的时域离散程度大幅增加；所述电弧的持续时间超过预设时间时，最高频带小波系数绝对值均值大于第三阈值；有电弧产生时，所述高频分量最大值大于第四阈值；所述第一阈值、第二阈值、第三阈值以及第四阈值在训练梯度提升树模型的过程中确定，每个阈值配置有对应的权重，所述梯度提升树模型用于对电流信号进行分类，将其分类为正常电流或电弧电流；将所述时域特征、频域特征以及小波特征输入到训练好的梯度提升树模型，根据模型的分类结果检测光伏直流回路中是否产生电弧。2.根据权利要求1所述的方法，其特征在于，所述时频特征的获取过程为：获取电流信号的时域归一化数据；基于所述时域归一化数据获取电流时域变化率；光伏直流回路正常运行时电流在时域变化很缓慢，而有电弧产生时会在时域产生很多尖峰毛刺，电流的时域变化率极大增大；基于所述时域归一化数据获取电流时域变化率绝对值均值，预设检测周期内电弧存在的时间越长，该绝对值均值越大，所述绝对值均值使梯度提升树模型在一个检测周期内对持续时间更久的电弧具备更好的识别能力。3.根据权利要求1所述的方法，其特征在于，所述频域特征的获取过程为：获取电流信号的频域归一化数据；基于所述频域归一化数据获取电流高频分量与低频分量之差；光伏直流回路正常运行电流的频域分量以低频分量为主，高频分量幅值很小；产生电弧后电流的高频分量会增大；基于所述频域归一化数据获取电流的频域去零标准差，所述频域去零标准差体现频域的离散程度。4.根据权利要求1所述的方法，其特征在于，所述小波特征的获取过程为：对电流信号进行小波包变换，将电流的频带划分为多个时频矩阵，以对电流信号在高频处时间细分，低频处频率细分，聚焦到电流信号的任意细节，同时反映时域信息与频域信息；基于划分的多个时频矩阵获取电流在各频带的小波系数标准差，以确定电流在各频带小波系数的离散程度；有电弧产生时，高频带的时域离散程度大幅增加，低频带的时域离散程度稍微有所增加；基于划分的多个时频矩阵获取电流高频带小波系数绝对值均值，相比于正常运行的光伏直流回路，电弧电流进行小波包分解后最高频带存在更多尖峰小波系数，在检测周期内
将其绝对值累加求平均可以对存在时间越长的电弧电流具备更好的识别能力；基于划分的多个时频矩阵获取电流高频分量的最大值，电弧电流在高频带内产生较大的尖峰小波系数，将高频分量最大值累加，该特征与电弧电流状态有较大相关性。5.根据权利要求1至4任一项所述的方法，其特征在于，对所述梯度提升树模型的训练过程具体为：针对不同等级的正常电流设定不同的训练数据，所述训练数据包括正常电流数据集和电弧电流数据集，设光伏直流回路无电弧产生时的电流为正常电流，由外部设备对正常电流引入的扰动为微小扰动电流，有电弧产生时的电流为电弧电流；当所述正常电流为低电流等级时，将所述微小扰动电流并入正常电流数据集，当所述正常电流为高电流等级时，不将所述微小扰动电流并入正常电流数据集，当所述正常电流介于低电流等级和高电流等级之间时，根据需求将微小扰动电流数据集中的部分样本值并入正常电流数据集；采用所述训练数据对所述梯度提升树模型进行训练，以针对不同等级的正常电流训练得到不同灵敏度的梯度提升树模型，使得低电流等级下模型的灵敏度最低，高电流等级下模型的灵敏度最高，提高低电流等级下模型对微小扰动电流的包容性，且增大高电流等级下模型识别电弧的灵敏度，避免高电流等级下电弧电流产生带来的安全隐患。6.根据权利要求1至4任一项所述的方法，其特征在于，在对梯度提升树模型训练过程中，将所述训练数据划分为训练集和测试集，采用训练集对模型进行训练，测试集对模型进行测试，测试后计算对应的代价敏感错误率，以确定模型所包含的子回归树个数；所述代价敏感错误率基于非均等误判代价，不同的错误会带来不同的损失代价，当所述模型发生误判时，将有电弧产生情况误判为无电弧产生带来的损失代价远大于将无电弧产生误判为有电弧产生，前者会导致电弧持续产生，严重发热带来极大安全隐患，后者只会导...

【专利技术属性】
技术研发人员：祝之森，雷岸林，陈立学，
申请(专利权)人：华中科技大学，
类型：发明
国别省市：