一种光伏电站逆变器故障诊断系统及方法技术方案

本发明专利技术属于故障诊断技术领域，具体涉及一种光伏电站逆变器故障诊断系统，包括光伏数据采集模块：用于检测并采集光伏电站的运行数据；故障数据筛选模块：接收光伏数据采集模块传输的数据，进行数据筛选其中的故障输出电压；故障分类诊断模块：将筛选出的故障输出电压输入基于BP神经网络算法的故障分类诊断模型，输出逆变器系统的故障类型；结果输出模块：用于接收故障分类诊断模块输出的故障类型，将故障类型发送至远程终端和移动终端。克服了现有技术的不足，通过对光伏电站的运行数据进行筛选分析，筛选出其中故障信息后进行诊断，确定逆变器的故障类型，不需要对光伏逆变器进行改造，有助于诊断系统的推广。有助于诊断系统的推广。有助于诊断系统的推广。

【技术实现步骤摘要】
一种光伏电站逆变器故障诊断系统及方法


[0001]本专利技术属于故障诊断
，具体涉及一种光伏电站逆变器故障诊断系统及方法。

技术介绍

[0002]逆变器是一种由半导体器件组成的电力调整装置，主要用于把直流电力转换成交流电力，一般由升压回路和逆变桥式回路构成，升压回路把太阳电池的直流电压升压到逆变器输出控制所需的直流电压，逆变桥式回路则把升压后的直流电压等价地转换成常用频率的交流电压。
[0003]作为太阳能光伏发电的核心设备之一，光伏逆变器的故障到整个光伏电站的工作效率；目前为止，针对光伏逆变器的故障检测做了大量的工作，并取得了许多的成果，但是目前的故障检测需要对光伏逆变器进行改造，增加了改造的成本，不适用于之前的光伏设备。

技术实现思路

[0004]本专利技术的目的在于提供一种光伏电站逆变器故障诊断系统及方法，克服了现有技术的不足，通过对光伏电站的运行数据进行筛选分析，筛选出其中故障信息后进行诊断，确定逆变器的故障类型，不需要对光伏逆变器进行改造，有助于诊断系统的推广。
[0005]为解决上述问题，本专利技术所采取的技术方案如下：
[0006]一种光伏电站逆变器故障诊断系统，包括
[0007]光伏数据采集模块：用于检测并采集光伏电站的运行数据；
[0008]故障数据筛选模块：接收光伏数据采集模块传输的数据，进行数据筛选其中的故障输出电压；
[0009]故障分类诊断模块：将筛选出的故障输出电压输入基于BP神经网络算法的故障分类诊断模型，输出逆变器系统的故障类型；
[0010]结果输出模块：用于接收故障分类诊断模块输出的故障类型，将故障类型发送至远程终端和移动终端。
[0011]进一步，所述故障数据筛选模块的筛选步骤包括：
[0012](1)将接收的光伏电站的运行数据与预设的关键特征集进行分析，得到关键特征量值；
[0013](2)对所述关键特征量输入故障诊断神经网络筛选得到目标故障数据。
[0014]进一步，所述故障诊断神经网络包括注意力机制模型和LSTM模型，所述注意力机制模型对每个关键特征量进行分类处理，得到初步故障数据，所述LSTM模块对初步故障数据进行评价，得到目标故障数据。
[0015]进一步，所述对每个关键特征量进行分类处理，具体步骤为：
[0016]将关键特征量匹配索引分类关键字；
[0017]根据索引分类关键字建立索引表；
[0018]根据索引表将相关数据填入索引表。
[0019]进一步，所述基于BP神经网络算法的故障分类诊断模型的流程为：
[0020](1)BP神经网络的初始化
[0021]定义BP神经网络的权值、输入层神经元个数、迭代次数、神经元的临域初始参数；
[0022](2)定义输入层向量
[0023]其表达式为：X＝(x1,x2,x3...x
n
)
T
，其中(x1,x2,x3...x
n
)为故障节点；
[0024](3)计算神经网络输出层神经元的距离
[0025]其表达式为：其中δ
i
(t)为第i个神经元的权值；
[0026](4)神经元的权值修正
[0027]其表达式为：其中S
i
(t)为神经元的临域，f(t)为学习函数；
[0028](5)确定逆变器的故障类型并输出。
[0029]进一步，所述结果输出模块包括无线输送模块和短信发送模块，所述无线输送模块将故障类型发送至远程终端，所述短信发送模块将故障类型以短信方式发送至移动终端。
[0030]本专利技术还保护了一种光伏电站逆变器故障诊断方法，包括以下步骤：
[0031]步骤一、获取光伏电站的运行数据；
[0032]步骤二、将光伏电站的运行数据输入到故障数据筛选模块，筛选出其中的故障输出电压；
[0033]步骤三、将故障输出电压输入输入基于BP神经网络算法的故障分类诊断模型，输出逆变器系统的故障类型；
[0034]步骤四、将故障类型通过结果输出模块分别发送至远程终端和移动终端。
[0035]本专利技术与现有技术相比较，具有以下有益效果：
[0036]本专利技术所述一种光伏电站逆变器故障诊断系统，通过对光伏电站的运行数据进行筛选分析，筛选出其中故障信息后进行诊断，确定逆变器的故障类型，不需要对光伏逆变器进行改造，有助于诊断系统的推广。
[0037]本专利技术的诊断方法自动化程度高，不需要人工进行操作，具有较高的准确性。
附图说明
[0038]图1为一种光伏电站逆变器故障诊断系统的结构原理框图。
[0039]图2为一种光伏电站逆变器故障诊断系统中故障分类诊断模型的流程图。
具体实施方式
[0040]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于
本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0041]如图1
‑
图2所示，本专利技术所述一种光伏电站逆变器故障诊断系统，包括光伏数据采集模块：用于检测并采集光伏电站的运行数据。
[0042]故障数据筛选模块：接收光伏数据采集模块传输的数据，进行数据筛选其中的故障输出电压。
[0043]故障数据筛选模块的筛选步骤包括：
[0044](1)将接收的光伏电站的运行数据与预设的关键特征集进行分析，得到关键特征量值；
[0045](2)对所述关键特征量输入故障诊断神经网络筛选得到目标故障数据。
[0046]故障诊断神经网络包括注意力机制模型和LSTM模型，所述注意力机制模型对每个关键特征量进行分类处理，得到初步故障数据，所述LSTM模块对初步故障数据进行评价，得到目标故障数据。
[0047]其中，对每个关键特征量进行分类处理，具体步骤为：
[0048]将关键特征量匹配索引分类关键字；
[0049]根据索引分类关键字建立索引表；
[0050]根据索引表将相关数据填入索引表。
[0051]故障分类诊断模块：将筛选出的故障输出电压输入基于BP神经网络算法的故障分类诊断模型，输出逆变器系统的故障类型。
[0052]基于BP神经网络算法的故障分类诊断模型的流程为：
[0053](1)BP神经网络的初始化
[0054]定义BP神经网络的权值、输入层神经元个数、迭代次数、神经元的临域初始参数；
[0055](2)定义输入层向量
[0056]其表达式为：X＝(x1,x2,x3…
x
n
)
T
，其中(x1,x2,x3…
x
n
)为故障节点；
[0057](3)计算神经网络输出层本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种光伏电站逆变器故障诊断系统，其特征在于：包括光伏数据采集模块：用于检测并采集光伏电站的运行数据；故障数据筛选模块：接收光伏数据采集模块传输的数据，进行数据筛选其中的故障输出电压；故障分类诊断模块：将筛选出的故障输出电压输入基于BP神经网络算法的故障分类诊断模型，输出逆变器系统的故障类型；结果输出模块：用于接收故障分类诊断模块输出的故障类型，将故障类型发送至远程终端和移动终端。2.根据权利要求1所述的一种光伏电站逆变器故障诊断系统，其特征在于：所述故障数据筛选模块的筛选步骤包括：(1)将接收的光伏电站的运行数据与预设的关键特征集进行分析，得到关键特征量值；(2)对所述关键特征量输入故障诊断神经网络筛选得到目标故障数据。3.根据权利要求2所述的一种光伏电站逆变器故障诊断系统，其特征在于：所述故障诊断神经网络包括注意力机制模型和LSTM模型，所述注意力机制模型对每个关键特征量进行分类处理，得到初步故障数据，所述LSTM模块对初步故障数据进行评价，得到目标故障数据。4.根据权利要求3所述的一种光伏电站逆变器故障诊断系统，其特征在于：所述对每个关键特征量进行分类处理，具体步骤为：将关键特征量匹配索引分类关键字；根据索引分类关键字建立索引表；根据索引表将相关数据填入索引表。5.根据权利要求1所述的一种光伏电站逆变器故障诊断系统，其特征在于：所述基于BP神经网络算法的故障分类诊断模型...

【专利技术属性】
技术研发人员：朱冲，陈超，杨帆，洪星，汪宁宁，洪佳音，何辉，
申请(专利权)人：江苏慧智能源工程技术创新研究院有限公司，
类型：发明
国别省市：