System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术属于电力检测,特别涉及一种基于粒子群算法的光伏发电故障检测方法。
技术介绍
1、光伏发电作为新型清洁能源,以被人们普遍使用,而光伏发电的工作极容易受外部环境的影响,进而导致光伏发电出现故障,影响用户用电,甚至影响电力系统的安全性、可靠性。为了保证光伏发电的安全可靠性,需要对光伏发电是否发生故障进行有效的检测。
2、本专利技术提出一种基于粒子群算法的光伏发电故障检测方法,采集光伏发电的工作信息,对故障训练样本进行训练,获取极限学习机的最优输入权值和隐含层偏置,得到光伏发电故障识别的分类器,提高了故障检测的准确性。
技术实现思路
1、本专利技术提供一种基于粒子群算法的光伏发电故障检测方法,能够快速、准确的检测出光伏发电故障,保证光伏发电的稳定性、可靠性。
2、本专利技术具体为一种基于粒子群算法的光伏发电故障检测方法,所述光伏发电故障检测方法包括以下步骤:
3、步骤(1):采集所述光伏发电的工作信息和环境信息;
4、步骤(2):对所述光伏发电的工作信息进行归一化处理;
5、步骤(3):根据所述光伏发电的工作信息对其工作状态进行初步判断;
6、步骤(4):提取所述光伏发电故障训练样本;
7、步骤(5):建立光伏发电故障识别的分类器;
8、步骤(6):将测试样本输入到所述光伏发电故障识别的分类器,判断所述光伏发电故障识别结果。
9、所述光伏发电的工作信息包括输出电流信号、输出
10、根据所述光伏发电的工作信息对其工作状态进行初步判断的具体方法为:
11、首先,根据不同的采样时间点提取不同的参考范围,主要根据所述环境信息和时间信息确定参考范围;
12、其次,判断所述输出电流信号、所述输出电压信号、所述有功信号、所述无功信号是否分别在输出电流参考范围、输出电压参考范围、有功参考范围、无功参考范围,若均在参考范围,所述光伏发电工作正常,返回步骤(1)继续检测判断;若不是均在参考范围,所述光伏发电工作异常,需进一步进行故障识别。
13、建立光伏发电故障识别的分类器的具体方法为:
14、首先,采用粒子群算法对极限学习机的输入权值和隐含层偏置进行优化;
15、其次,根据优化的极限学习机的输入权值和隐含层偏置对所述光伏发电故障训练样本进行训练,建立光伏发电故障识别的分类器。
16、采用粒子群算法对极限学习机的输入权值和隐含层偏置进行优化的具体方法包括以下步骤:
17、(1)根据所述光伏发电的所述故障训练样本确定极限学习机的输入权值、隐含层、输出层的节点数量,确定极限学习机的基本结构;
18、(2)确定粒子群的迭代次数、种群规模;
19、(3)初始化粒子群,每个粒子的位置与极限学习机的输入权值和隐含层偏置相对应;
20、(4)计算所述光伏发电故障的目标输出与极限学习机的实际输出之间的误差,作为粒子的个体适应度值;
21、(5)根据所述个体适应度值对粒子的历史最优位置和群体最优位置进行更新;
22、(6)更新粒子的速度和位置,迭代次数增加;
23、(7)重复上述步骤,直到所述光伏发电故障的目标输出与极限学习机的实际输出之间的误差在参考范围内;
24、(8)根据粒子群的最优位置得到极限学习机的最优输入权值和隐含层偏置。
25、计算所述光伏发电故障的目标输出与极限学习机的实际输出之间的误差的算法为:
26、首先,计算所述光伏发电故障的目标输出其中βi为输出权值,g为激活函数,ωi为输入权值,x为故障特征,bi为隐含层偏置;
27、其次,计算所述光伏发电故障的目标输出与极限学习机的实际输出之间的误差
28、
29、与现有技术相比,有益效果是:所述光伏发电故障检测方法采用粒子群算法对故障训练样本进行训练,获取极限学习机的最优输入权值和隐含层偏置,得到光伏发电故障识别的分类器,提高了故障检测的准确性。
本文档来自技高网...【技术保护点】
1.一种基于粒子群算法的光伏发电故障检测方法,其特征在于,所述光伏发电故障检测方法包括以下步骤:
2.根据权利要求1所述的一种基于粒子群算法的光伏发电故障检测方法,其特征在于,所述光伏发电的工作信息包括输出电流信号、输出电压信号、有功信号、无功信号;所述环境信号包括日照值、温度值、湿度值。
3.根据权利要求2所述的一种基于粒子群算法的光伏发电故障检测方法,其特征在于,根据所述光伏发电的工作信息对其工作状态进行初步判断的具体方法为:
4.根据权利要求3所述的一种基于粒子群算法的光伏发电故障检测方法,其特征在于,
5.根据权利要求4所述的一种基于粒子群算法的光伏发电故障检测方法,其特征在于,采用粒子群算法对极限学习机的输入权值和隐含层偏置进行优化的具体方法包括以下步骤:
6.根据权利要求5所述的一种基于粒子群算法的光伏发电故障检测方法,其特征在于,计算所述光伏发电故障的目标输出与极限学习机的实际输出之间的误差的算法为:
【技术特征摘要】
1.一种基于粒子群算法的光伏发电故障检测方法,其特征在于,所述光伏发电故障检测方法包括以下步骤:
2.根据权利要求1所述的一种基于粒子群算法的光伏发电故障检测方法,其特征在于,所述光伏发电的工作信息包括输出电流信号、输出电压信号、有功信号、无功信号;所述环境信号包括日照值、温度值、湿度值。
3.根据权利要求2所述的一种基于粒子群算法的光伏发电故障检测方法,其特征在于,根据所述光伏发电的工作信息对其工作状态进行初步判断...
【专利技术属性】
技术研发人员:邱萌,朱健,栾游,孙啸,
申请(专利权)人:国网江苏省电力有限公司盐城供电分公司,
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。