[發明專利]一種光伏陣列的故障診斷方法

有效

• 申請號: 201910669063.9
• 申請日: 2019-07-24
• 公開（公告）號: CN110417350B
• 公開（公告）日: 2022-04-22
• 發明（設計）人: 楊奕;陳建波;顧菊平;顧海勤;梅天祥;任曉琳;高龍;于婧雅;韓青青
• 申請（專利權）人: 南通大學
• 主分類號: H02S50/10
• 分類號: H02S50/10
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種光伏陣列故障診斷方法，其特征在于，所述光伏陣列故障診斷方法的訓練精度達100%，測試精度達99.8%，所述訓練精度是訓練樣本集的診斷正確率，所述測試精度是測試樣本集的診斷正確率，所述光伏陣列故障診斷方法包括如下步驟：

S1：對各預設工況下的光伏陣列進行伏安特性曲線掃描，采集短路電流、開路電壓、最大功率點處的電流和最大功率點處的電壓，組成樣本數據；

S2：根據步驟S1得到的所述樣本數據，采用改進的蝙蝠算法計算出KELM模型中的懲罰因子C和核函數中的核參數σ；

S3：根據步驟S2計算得到的所述懲罰因子C和所述核參數σ，采用KELM模型對訓練集中的每個樣本進行訓練，得到IBA-KELM故障診斷訓練模型；

S4：對實際待測工況進行伏安特性曲線掃描，采集短路電流、開路電壓、最大功率點處的電壓、最大功率點處的電流，利用所述IBA-KELM故障診斷訓練模型，對所述實際待測工況的參數進行檢測，判斷光伏陣列是否處于故障狀態；若處于故障狀態，則給出故障類型；

其中，步驟S3中所述IBA-KELM模型采用RBF核函數，其中，μ和v分別代表樣本數據中的任意兩個個體對應的向量值，σ為核參數；

其中，所述改進的蝙蝠算法通過以下方式實現：

S21：參數設置：設置蝙蝠種群大小n，脈沖頻率最大值f_max，脈沖頻率最小值f_min，脈沖音量A_i，脈沖發射率r_i，慣性權重的最小值w_min，慣性權重的最大值w_max，最大迭代次數Iter；

S22：初始化種群：隨機初始化蝙蝠的位置，速度和頻率，其中，所述位置由懲罰因子和核參數組成；

S23：計算步驟S22所述種群中各個蝙蝠位置的適應度，記錄此時適應度最佳的蝙蝠位置；

S24：位置更新：按下列公式更新各個蝙蝠的位置；

其中，為第i個蝙蝠t+1時刻的脈沖頻率，為第i個蝙蝠t+1時刻的速度，為第i個蝙蝠t時刻的速度，為蝙蝠種群t時刻的最佳位置，w(t)為指數下降的慣性權重，c為調節系數，為第i個蝙蝠t+1時刻的位置，為第i個蝙蝠t時刻的位置，i =1,2,…,n，t =1,2,…, Iter，Iter是預設的最大迭代次數；

S25：圍繞當前時刻的適應度最佳的蝙蝠位置進行局部搜索；

所述局部搜索是指針對所述種群中每一個蝙蝠進行如下操作：

步驟S251：產生第一隨機數，比較所述第一隨機數與第i個蝙蝠的脈沖發射率r_i，若所述脈沖發射率r_i小于所述第一隨機數，則對當前時刻的適應度最佳的蝙蝠位置添加隨機Levy飛行步長產生新解；

步驟S252：產生第二隨機數，若第二隨機數小于第i個蝙蝠的脈沖音量A_i，且步驟S251得到的所述新解的適應度優于當前時刻適應度最佳的蝙蝠位置的適應度，則用步驟S251中所述新解替換第i個蝙蝠的位置，并更新第i個蝙蝠的脈沖音量A_i和脈沖發射率r_i；

S26：計算步驟S25得到的各個蝙蝠位置的適應度，找出最佳適應度，并記錄最佳適應度對應的蝙蝠位置；

S27：判斷是否滿足算法終止條件，若滿足，則輸出最優位置，否則轉向步驟S24繼續迭代；

其中，所述算法終止條件為步驟S26得到的最佳適應度大于等于預設值或迭代次數t=Iter。

2.根據權利要求1所述的光伏陣列故障診斷方法，其特征在于，所述預設工況包括：正常工作、陣列短路、陣列開路、陣列老化以及陣列局部陰影。