一种光伏阵列故障特征提取与建模方法技术

本发明专利技术提供了一种光伏阵列故障特征提取与建模方法，涉及光伏阵列故障诊断技术领域，包括：获取目标光伏阵列不同环境条件下的历史状态数据，并分析得到第一特征变量；对所述历史故障数据利用核主成分分析算法进行降维处理后再提取历史故障数据的关键特征；将历史故障数据与目标搜索算法相结合，再输入第一特征变量来对模型进行训练得到光伏阵列故障诊断模型。通过分析目标光伏阵列的历史状态数据得到特征变量，采用核主成分分析算法提取得到历史故障数据的关键特征，再引入目标搜索算法训练得到光伏阵列故障诊断模型来对光伏阵列进行准确故障诊断，进而有效提高光伏阵列的整体运行效果和发电效率。运行效果和发电效率。运行效果和发电效率。

【技术实现步骤摘要】
一种光伏阵列故障特征提取与建模方法


[0001]本专利技术涉及光伏阵列故障诊断
，特别涉及一种光伏阵列故障特征提取与建模方法。

技术介绍

[0002]光伏电站故障诊断的核心是根据光伏组件、阵列的外部行为特性来确定故障的类型，但是目前的研究主要集中在定性分析上。在故障诊断方面，目前光伏发电故障诊断主要包括基于电路结构方法、基于数学参考模型方法、基于电气测量方法、基于红外图像方法和基于智能检测的故障诊断方法。其中，基于智能检测的故障诊断方法避免了机理模型建模过程的复杂性，但是目前基于智能检测法在光伏系统故障诊断中的应用不多，且多集中在某一种故障类别的识别上，导致识别单一，但是，在恶劣的自然环境下，光伏阵列面积大、分布广，单一识别故障，会对光伏电站整体的运行和发电效率产生较大影响，故如何对光伏阵列故障进行高效准确地诊断就显得尤为重要。
[0003]因此本专利技术提供一种光伏阵列故障特征提取与建模方法。

技术实现思路

[0004]本专利技术提供一种光伏阵列故障特征提取与建模方法，用以通过分析目标光伏阵列的历史状态数据得到特本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种光伏阵列故障特征提取与建模方法，其特征在于，包括：步骤1：获取目标光伏阵列不同环境条件下的历史状态数据，并分析得到第一特征变量；步骤2：对历史故障数据利用核主成分分析算法进行降维处理后再提取历史故障数据的关键特征；步骤3：将历史故障数据与目标搜索算法相结合，并输入第一特征变量来对模型进行训练得到光伏阵列故障诊断模型。2.根据权利要求1所述的一种光伏阵列故障特征提取与建模方法，其特征在于，获取目标光伏阵列不同环境条件下的历史状态数据，并分析得到第一特征变量，包括：步骤11：从光伏阵列数据库中提取得到预设量的不同环境条件下的目标光伏阵列的历史故障数据以及历史正常数据；步骤12：利用历史正常数据、历史故障数据以及对应故障类别分别建立得到目标光伏阵列正常与各个故障状态下的I
‑
U曲线图和P
‑
U曲线图；步骤13：对获取的I
‑
U曲线图和P
‑
U曲线图进行分析，确定目标光伏阵列在每类故障状态的运行过程中均会产生超出预设变化阈值的变化的变量作为第一特征变量输出。3.根据权利要求2所述的一种光伏阵列故障特征提取与建模方法，其特征在于，所述第一特征变量指的是目标光伏阵列的最大功率点电压、最大功率点电流、开路电压以及短路电流。4.根据权利要求1所述的一种光伏阵列故障特征提取与建模方法，其特征在于，对历史故障数据利用核主成分分析算法进行降维处理后再提取历史故障数据的关键特征，包括：步骤21：将历史故障数据映射到高维空间中形成新故障样本数据，再经过中心化处理后，获取得到第一矩阵；步骤22：引入核函数对第一矩阵中的数据进行主成分分析求解，其求解公式如下：K
*
×
η＝λ
×
η式中，K
*
表示为核函数；λ表示为特征值；η表示为特征向量；步骤23：设置预设贡献率阈值，并降序排列取前m个特征值λ
i
(i＝1，2，3，
…
，m)以及对应的特征向量η
i
(i＝1，2，3，
…
，m)；步骤24：当累计贡献率不小于预设贡献率阈值时，获取得到对历史故障数据降维映射后的关键特征并输出。5.根据权利要求4所述的一种光伏阵列故障特征提取与建模方法，其特征在于，还包括：所述累计贡献率的计算公式如下：其中，G表示为累计贡献率；λ
i
表示为降序排列提取m个特征值中的第i个特征值；λ
j
表示为所有特征值的第j个特征值，其中(j＝1，2，3，
…
，n)；n表示为特征值总个数。6.根据权利要求1所述的一种光伏阵列故障特征提取与建模方法，其特征在于，将历史故障数据与目标搜索算法相结合，并输入第一特征变量来对模型进行训练得到光伏阵列故

【专利技术属性】
技术研发人员：谢伟，李绍庚，郑亚然，张晓萱，王忠超，李涛，方琦斌，李勇斌，曹敏，张波，陈玉东，芶国正，
申请(专利权)人：华能大理风力发电有限公司祥云分公司，
类型：发明
国别省市：