[發明專利]基于非主成分數據特征的光伏陣列故障診斷方法

有效

• 申請號: 201810706750.9
• 申請日: 2018-07-02
• 公開（公告）號: CN109039280B
• 公開（公告）日: 2020-02-18
• 發明（設計）人: 林耀海
• 申請（專利權）人: 福建農林大學
• 主分類號: H02S50/10
• 分類號: H02S50/10
• 代理公司: 福州元創專利商標代理有限公司 35100
• 代理人: 蔡學俊

本發明涉及一種基于非主成分數據特征的光伏陣列故障診斷方法，其特征在于包括以下步驟：步驟S1:采集光伏發電陣列的相關參數樣本，得到參數樣本組合；步驟S2:根據參數樣本組合，對每個參數樣本進行歸一化處理，得到待測參數矩陣；步驟S3:對標準數據矩陣做PCA，得到變換矩陣；步驟S4:將待測參數矩陣乘上變換矩陣，得到變換后的參數矩陣，并根據變換后的參數矩陣，選取其非主成分的兩維，得到二參數非主成分矩陣；步驟S5:將二參數非主成分矩陣與已知標簽數據混合，并做聚類分析，根據二參數非主成分矩陣數據所在類中帶有的標簽數據，判斷其所屬類別，完成故障檢測與分類。本發明能夠有效識別光伏陣列的故障并對其工作狀態進行分類。

技術領域

本發明涉及涉及光伏發電故障檢測和分類領域，具體涉及一種基于非主成分數據特征的光伏陣列故障診斷方法。

背景技術

為了緩解化石能源需求并解決生態危機，光伏技術已然成為新能源領域的中堅力量。受益于工藝水平的提高和制造成本的降低，加之太陽能易于獲取且豐富，光伏陣列在全球的部署量穩步提升，其裝機容量達數百至數千兆瓦。

然而，光伏系統因其工作環境特殊，常常受到來自外部或內部的多種故障威脅，例如組件短路、開路、陰影遮蔽等。光伏系統故障會導致系統效率降低和潛在的安全風險。因此，高效的故障診斷技術成為光伏系統維護不可或缺的組成部分。當光伏發電系統出現故障時，進行人工檢測需要花費大量時間，還必須使光伏發電系統暫停運行，以保護人員的安全。光伏組件價格目前仍然昂貴，因此較長的檢測時間會導致更嚴重的損失。此外，光伏發電系統通常安裝在室外，通常是在人員難以到達的位置，使得人工檢測困難重重，并且還會增加維護工作的危險性。鑒于上述問題，建立光伏發電系統故障自動診斷系統勢在必行。

目前，許多學者提出了多種光伏陣列故障檢測手段。例如基于人工神經網絡(ANN)的光伏故障檢測方法，建立仿真模型并進行分析的檢測方法，以及統計分析法等。然而，通常的方法只能對特定光伏陣列進行檢測，一旦更換陣列，模型中的參數也需要改變。

主成分分析(PCA)是一種經典的統計過程，它通過正交變換得到一組線性不相關變量的值，即主成分。而這組線性不相關變量的值是由一組可能相關變量的觀測值轉換而來。主成分的數量少于或等于觀測值的數量，因此PCA通常用于降維。PCA總是提供最佳正交變換以保持原始數據集具有最大方差的子空間。

光伏陣列的輸出數據集具有多個特征參數，每個特征參數都可以看作是數據集的一個維度，如果從通常的電壓、電流、照度、溫度等維度來顯示的話，相似度極高，不利于在同一個坐標空間下顯示和分類。因此，我們引入了PCA方法對其進行分析，找到了對其有效可視化顯示、并進行分類的方法。

目前，公開發表的文獻及專利中尚未見有將基于PCA數據變換方法應用于光伏發電陣列的故障診斷和分類的研究

發明內容

有鑒于此，本發明的目的在于提供一種基于非主成分數據特征的光伏陣列故障診斷方法，能夠有效識別光伏陣列的故障并對其工作狀態進行分類。

為實現上述目的，本發明采用如下技術方案：

一種基于非主成分數據特征的光伏陣列故障診斷方法，其特征在于包括以下步驟：

步驟S1:采集光伏發電陣列的相關參數樣本，得到參數樣本組合；

步驟S2:根據參數樣本組合，對每個參數樣本進行歸一化處理，得到待測參數矩陣；

步驟S3:對標準數據矩陣做PCA，得到變換矩陣；

步驟S4:將待測參數矩陣乘上變換矩陣，得到變換后的參數矩陣，并根據變換后的參數矩陣，選取其非主成分的兩維，得到二參數非主成分矩陣；

步驟S5:將二參數非主成分矩陣與已知標簽數據混合，并做聚類分析，根據二參數非主成分矩陣數據所在類中帶有的標簽數據，判斷其所屬類別，完成故障檢測與分類。