本發(fā)明屬于光伏組件故障診斷，具體涉及一種基于光伏生產(chǎn)運行數(shù)據(jù)定位組件故障的診斷方法。

背景技術(shù)：

1、近幾年來，光伏發(fā)電作為可再生清潔能源發(fā)電得到大力發(fā)展。目前，光伏發(fā)電主要分為屋頂和大規(guī)模的地面電站，地面電站又以荒漠電站居多，且絕大多數(shù)為無人值守或少人值守。隨著光伏電站的大規(guī)模建設(shè)，出現(xiàn)了設(shè)備頻繁故障、設(shè)備未能穩(wěn)健運行、設(shè)備故障響應不及時、設(shè)備工作性能低下等問題，這些問題都將影響電站的整體發(fā)電量，給用戶帶來直接的經(jīng)濟損失。

2、傳統(tǒng)運維管理手段是采用人工定期巡查方式來保證光伏設(shè)備的正常運行，減少設(shè)備故障，防范光伏發(fā)電重大問題和事故。缺乏有效的故障診斷和定位手段，單靠人工巡檢、通過萬用表手工測量比對，故障處理周期長、影響發(fā)電產(chǎn)出，維護效率低、投入人力大。

技術(shù)實現(xiàn)思路

1、本發(fā)明的目的在于提供一種基于光伏生產(chǎn)運行數(shù)據(jù)定位組件故障的診斷方法，以解決上述背景技術(shù)中提出的問題。

2、為實現(xiàn)上述目的，本發(fā)明提供如下技術(shù)方案：一種基于光伏生產(chǎn)運行數(shù)據(jù)定位組件故障的診斷方法，包括如下步驟：

3、1)數(shù)據(jù)采集：通過安裝在光伏組件上的傳感器，實時采集光伏組件的電流、電壓、溫度數(shù)據(jù)，并將采集的數(shù)據(jù)將作為內(nèi)部參數(shù)辨識的輸入；

4、2)以光伏組件的等效內(nèi)阻建立故障特征的數(shù)據(jù)庫；

5、3)建立rbf神經(jīng)網(wǎng)絡(luò)模型；

6、以高斯函數(shù)為徑向基函數(shù)確定rbf神經(jīng)網(wǎng)絡(luò)的激活函數(shù)，激活函數(shù)如下：

7、

8、其中，為第p個輸入樣本；||xp-ci||為歐式范數(shù)；ci和σ分別為高斯函數(shù)的中心和方差；

9、結(jié)合rbf神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，確定rbf神經(jīng)網(wǎng)絡(luò)模型的輸出，輸出為：

10、

11、其中，p＝1，2,...，q，q為樣本總數(shù)，ωij為隱含層到輸出層的連接權(quán)值，i＝1,2，...，h為隱含層的節(jié)點數(shù)；yj為第j個節(jié)點的輸出值，j＝1，2，...，m，m為隱含層神經(jīng)元個數(shù)；

12、4)模型訓練；使用訓練數(shù)據(jù)集對rbf神經(jīng)網(wǎng)絡(luò)進行訓練；訓練過程中，通過調(diào)整權(quán)重和閾值來最小化預測值與真實值之間的誤差；

13、5)故障診斷；將采集的數(shù)據(jù)輸入到訓練好的rbf神經(jīng)網(wǎng)絡(luò)中，通過rbf神經(jīng)網(wǎng)絡(luò)的前向計算過程得到故障診斷結(jié)果；根據(jù)診斷結(jié)果采取相應的維修和保養(yǎng)措施；

14、優(yōu)選的，所述步驟1)中采集的傳感器數(shù)據(jù)進行異常值處理，去除傳感器故障導致的錯誤測量數(shù)據(jù)。

15、優(yōu)選的，所述異常值處理的具體步驟為：建立光伏組件正常老化的i-u輸出值數(shù)據(jù)庫；建立故障傳感器測量的正常老化的i-u輸出值數(shù)據(jù)庫，并制作串并聯(lián)兩種方式下的i-u輸出特性曲線圖，將新輸入的傳感器測量數(shù)據(jù)作為基礎(chǔ)建立新的i-u輸出特性曲線圖，與故障傳感器測量的i-u輸出值數(shù)據(jù)制作的i-u輸出特性曲線圖進行對比，判斷是否為故障傳感器。

16、優(yōu)選的，建立的i-u輸出特性曲線圖至少包含三個相鄰階段的i-u輸出特性曲線。

17、優(yōu)選的，所述步驟3)中rbf的高斯函數(shù)的中心通過以下方法實現(xiàn)：隨機選擇若干數(shù)據(jù)點作為初始中心，對每個輸入數(shù)據(jù)點，計算其與所有中心的距離；將輸入數(shù)據(jù)點分配給距離其最近的中心所在的類別；根據(jù)每個類別的數(shù)據(jù)點重新計算該類別的中心；重復上述過程，直到中心的位置不再發(fā)生變化。

18、優(yōu)選的，所述根據(jù)每個類別的數(shù)據(jù)點重新計算該類別的中心具體方法是取該類別所有數(shù)據(jù)點的均值。

19、優(yōu)選的，通過傳感器測量的數(shù)據(jù)確定光伏組件的等效內(nèi)阻，通過診斷出的光伏故障特征確定光伏組件的u-i特性，通過確定的光伏組件的u-i特性獲取等效內(nèi)阻，通過等效內(nèi)阻對步驟2)中故障特征數(shù)據(jù)庫輸出故障特征進行驗證。

20、本發(fā)明的技術(shù)效果和優(yōu)點：該基于光伏生產(chǎn)運行數(shù)據(jù)定位組件故障的診斷方法，通過設(shè)置故障傳感器測量的正常老化的i-u輸出值數(shù)據(jù)庫，通過該故障傳感器測量的正常老化的i-u輸出值數(shù)據(jù)庫對比判斷傳感器是否故障，避免了因故障傳感器獲取的錯誤的測量數(shù)據(jù)影響光伏組件的故障診斷結(jié)果；以rbf神經(jīng)網(wǎng)絡(luò)模型為基礎(chǔ)進行光伏組件的故障診斷，可以對非線性的故障類型進行診斷，非常實用；還設(shè)置了故障診斷驗證，保證故障診斷的準確性。

技術(shù)特征：

1.一種基于光伏生產(chǎn)運行數(shù)據(jù)定位組件故障的診斷方法，其特征在于，包括如下步驟：

2.根據(jù)權(quán)利要求1所述的一種基于光伏生產(chǎn)運行數(shù)據(jù)定位組件故障的診斷方法，其特征在于：所述步驟1)中采集的傳感器數(shù)據(jù)進行異常值處理，去除傳感器故障導致的錯誤測量數(shù)據(jù)。

3.根據(jù)權(quán)利要求2所述的一種基于光伏生產(chǎn)運行數(shù)據(jù)定位組件故障的診斷方法，其特征在于：所述異常值處理的具體步驟為：建立光伏組件正常老化的i-u輸出值數(shù)據(jù)庫；建立故障傳感器測量的正常老化的i-u輸出值數(shù)據(jù)庫，并制作串并聯(lián)兩種方式下的i-u輸出特性曲線圖，將新輸入的傳感器測量數(shù)據(jù)作為基礎(chǔ)建立新的i-u輸出特性曲線圖，與故障傳感器測量的i-u輸出值數(shù)據(jù)制作的i-u輸出特性曲線圖進行對比，判斷是否為故障傳感器。

4.根據(jù)權(quán)利要求3所述的一種基于光伏生產(chǎn)運行數(shù)據(jù)定位組件故障的診斷方法，其特征在于：建立的i-u輸出特性曲線圖至少包含三個相鄰階段的i-u輸出特性曲線。

5.根據(jù)權(quán)利要求1所述的一種基于光伏生產(chǎn)運行數(shù)據(jù)定位組件故障的診斷方法，其特征在于：所述步驟3)中rbf的高斯函數(shù)的中心通過以下方法實現(xiàn)：隨機選擇若干數(shù)據(jù)點作為初始中心，對每個輸入數(shù)據(jù)點，計算其與所有中心的距離；將輸入數(shù)據(jù)點分配給距離其最近的中心所在的類別；根據(jù)每個類別的數(shù)據(jù)點重新計算該類別的中心；重復上述過程，直到中心的位置不再發(fā)生變化。

6.根據(jù)權(quán)利要求5所述的一種基于光伏生產(chǎn)運行數(shù)據(jù)定位組件故障的診斷方法，其特征在于：所述根據(jù)每個類別的數(shù)據(jù)點重新計算該類別的中心具體方法是取該類別所有數(shù)據(jù)點的均值。

7.根據(jù)權(quán)利要求1所述的一種基于光伏生產(chǎn)運行數(shù)據(jù)定位組件故障的診斷方法，其特征在于：通過傳感器測量的數(shù)據(jù)確定光伏組件的等效內(nèi)阻，通過診斷出的光伏故障特征確定光伏組件的u-i特性，通過確定的光伏組件的u-i特性獲取等效內(nèi)阻，通過等效內(nèi)阻對步驟2)中故障特征數(shù)據(jù)庫輸出故障特征進行驗證。

技術(shù)總結(jié)
本發(fā)明公開了一種基于光伏生產(chǎn)運行數(shù)據(jù)定位組件故障的診斷方法，包括如下步驟：通過安裝在光伏組件上的傳感器，實時采集光伏組件的電流、電壓、溫度數(shù)據(jù)，以光伏組件的等效內(nèi)阻建立故障特征的數(shù)據(jù)庫；建立RBF神經(jīng)網(wǎng)絡(luò)模型；將采集的數(shù)據(jù)輸入到訓練好的RBF神經(jīng)網(wǎng)絡(luò)中，通過RBF神經(jīng)網(wǎng)絡(luò)的前向計算過程得到故障診斷結(jié)果；根據(jù)診斷結(jié)果采取相應的維修和保養(yǎng)措施；通過設(shè)置故障傳感器測量的正常老化的I?U輸出值數(shù)據(jù)庫，通過該故障傳感器測量的正常老化的I?U輸出值數(shù)據(jù)庫對比判斷傳感器是否故障，避免了因故障傳感器獲取的錯誤的測量數(shù)據(jù)影響光伏組件的故障診斷結(jié)果；以RBF神經(jīng)網(wǎng)絡(luò)模型為基礎(chǔ)進行光伏組件的故障診斷，可以對非線性的故障類型進行診斷。

技術(shù)研發(fā)人員：艾麗娜,阮佳陽,程龍勝,張鵬
受保護的技術(shù)使用者：北京智盟信通科技有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2024/10/10