[發明專利]一種光伏逆變器故障診斷方法和系統

在審

• 申請號: 201711007661.7
• 申請日: 2017-10-25
• 公開（公告）號: CN109709411A
• 公開（公告）日: 2019-05-03
• 發明（設計）人: 張軍軍;李春來;秦筱迪;楊立濱;黃晶生;李紅濤;丁明昌;楊軍;張雙慶;李正曦;董穎華;劉美茵
• 申請（專利權）人: 中國電力科學研究院有限公司;國家電網公司;國網青海省電力公司;國網青海省電力公司電力科學研究院
• 主分類號: G01R31/00
• 分類號: G01R31/00
• 代理公司: 北京安博達知識產權代理有限公司 11271
• 代理人: 徐國文

本發明提供了一種光伏逆變器故障診斷方法和系統，包括：采集光伏逆變器的運行數據組成測試樣本；將測試樣本帶入預先構建的多分類器模型得到測試樣本對應的樣本類型；根據樣本類型得到逆變器的故障類型；多分類器模型包括由多個二分類器支持向量機SVM組合構成的多分類器。該方法和系統實現基于支持向量機的光伏逆變器故障診斷；采用優秀的決策流程，決策導向無環圖，改善決策路徑，提高了診斷準確度；采用先進的算法，MCKD,有效提取故障特征，提高診斷準確度。

技術領域

本發明屬于新能源技術領域，具體講涉及一種光伏逆變器故障診斷方法和系統。

背景技術

光伏逆變器能夠將直流電能變為交流電能，是光伏發電系統的核心部件之一，關系到系統的安全、穩定和高效運行。三電平逆變器為光伏發電系統中常用的一種逆變器，其故障診斷技術研究具備重要意義。

當前智能診斷技術在三電平逆變器的故障診斷中得到廣泛運用，比如BP神經網絡、極限學習機、支持向量機等。此類智能故障診斷技術的難點在于：1.如何設置高效的分類器診斷流程；2.如何對樣本進行有效的故障特征提取；3.分類器的參數設置問題。

發明內容

為克服上述現有技術的不足，本發明提出一種光伏逆變器故障診斷方法。

實現上述目的所采用的解決方案為：

一種光伏逆變器故障診斷方法，其改進之處在于：

采集光伏逆變器的運行數據組成測試樣本；

將所述測試樣本帶入預先構建的多分類器模型得到所述測試樣本對應的樣本類型；

根據所述樣本類型得到逆變器的故障類型；

所述多分類器模型包括由多個二分類器支持向量機SVM組合構成的多分類器。

本發明提供的第一優選技術方案，其改進之處在于，

所述多分類器模型的構建包括：

采集光伏逆變器運行的歷史數據，包括基于故障類型采集的歷史數據和正常運行的歷史數據；

將所述采集到的歷史數據生成樣本訓練集；

根據預設的故障特征維數，將所述樣本訓練集在所述特征維數上投影得到特征樣本；

采用SVM算法將所述特征樣本中每兩個樣本類型訓練生成一個二分類器，所述二分類器數目為樣本類型數目取二的組合數，所述樣本類型對應光伏逆變器正常情況和各類故障類型情況；

將所述多個二分類器進行組合生成多分類器，所述多分類器的每個輸出結果對應一個樣本類型。

本發明提供的第二優選技術方案，其改進之處在于，所述光伏逆變器為三電平逆變器；所述光伏逆變器的運行數據包括：橋壁電壓值V_OA、上管電壓值V_Sa1和下管電壓值V_Sa4。

本發明提供的第三優選技術方案，其改進之處在于，所述將采集到的歷史數據生成樣本訓練集，包括：

在所述三電平逆變器中采集正常情況和各類故障類型情況下多個周期多組的橋壁電壓值V_OA、上管電壓值V_Sa1和下管電壓值V_Sa4組成的訓練樣本{V_OA,V_Sa1,V_Sa4}。

本發明提供的第四優選技術方案，其改進之處在于，所述根據預設的故障特征維數，將所述樣本訓練集在所述特征維數上投影得到特征樣本，包括：