[發明專利]過濾式與封裝式評價策略相結合的光伏故障電弧特征選擇方法

有效

• 申請號: 202110333850.3
• 申請日: 2021-03-29
• 公開（公告）號: CN113076986B
• 公開（公告）日: 2022-12-09
• 發明（設計）人: 陳思磊;李興文;翟心楠;孟羽;吳子豪;王辰曦;唐露甜;王若谷
• 申請（專利權）人: 西安交通大學;國網陜西省電力公司電力科學研究院
• 主分類號: G06K9/62
• 分類號: G06K9/62;H02S50/00;G01R31/12
• 代理公司: 西安通大專利代理有限責任公司 61200
• 代理人: 范巍

1.一種過濾式與封裝式評價策略相結合的光伏故障電弧特征選擇方法，其特征在于：包括以下步驟：

1)以頻率f對并網光伏系統內故障電弧發生前至發生后的電流波形逐點采樣，并以T_s為時間窗長度采集得到信號x_n；

2)計算信號x_n在每個統計周期內的時域特征，去除計算結果中的離群數據后進行歸一化處理，得到信號x_n的時域特征集S1＝{f1,f2,...,fm1}，S1中元素f_i表示第i個時域特征的特征量數據集，i＝1,2,...,m1；

3)對時域特征進行時頻域分析，去除時頻域分析結果中的離群數據后進行歸一化處理，得到信號x_n的時頻域特征集S2＝{tf1,tf2,...,tfm2}，S2中元素tf_i表示第i個時頻域特征的特征量數據集，i＝1,2,...,m2；

4)將時域特征集S1和時頻域特征集S2合并，得到待選的多特征集S3＝{f1,f2,...,fm1,tf1,tf2,...,tfm2}；

5)采用ReliefF算法計算得到多特征集S3中各特征的特征權重，然后篩除多特征集S3中權重低于閾值的特征，即無關特征，按權重從高到低對多特征集S3中經篩除后剩余的特征排序，得到相關特征集S4＝{F1,F2,...,Fm3}；

6)若故障電弧檢測需要的特征數目確定為q個，使用最大相關最小冗余算法，從相關特征集S4中選取m個特征，并使得m的取值等于q，得到最佳特征集，否則，轉至步驟7)；

7)若故障電弧檢測需要的特征數目不確定，采用最大相關最小冗余算法，從相關特征集S4中分別選取特征個數m取值為1、2、...、m3的特征集合，得到一系列非冗余特征集；

8)將一系列非冗余特征集分別作為分類器的樣本集進行故障電弧檢測正確率測試，然后利用基于分類器故障電弧檢測正確率及特征個數的多目標優化模型，求解得到作為最佳特征集的非冗余特征集。

2.根據權利要求1所述的一種過濾式與封裝式評價策略相結合的光伏故障電弧特征選擇方法，其特征在于：所述f為200kHz～2MHz，時間窗長度內的采樣點為1000000～4000000個，統計周期為1000～10000個采樣點。

3.根據權利要求1所述的一種過濾式與封裝式評價策略相結合的光伏故障電弧特征選擇方法，其特征在于：所述時域特征為平均值、方差、偏度、峰度中的一種或多種，時頻域分析采用小波變換和/或短時傅里葉變換，短時傅里葉變換的窗函數長度為1000～10000，小波變換的母小波為Rbio3.1，小波包分解所得節點為(6,0)到(6,11)。

4.根據權利要求1所述的一種過濾式與封裝式評價策略相結合的光伏故障電弧特征選擇方法，其特征在于：所述離群數據為與相應特征量數據集中所有元素均值相差超過三倍標準差的元素，去除離群數據的方法為將離群數據替換為上一個非離群數據。

5.根據權利要求1所述的一種過濾式與封裝式評價策略相結合的光伏故障電弧特征選擇方法，其特征在于：所述ReliefF算法中，抽樣次數為總樣本數的5％～15％，運行次數為10～10000，K近鄰值為2～20。

6.根據權利要求1所述的一種過濾式與封裝式評價策略相結合的光伏故障電弧特征選擇方法，其特征在于：所述多特征集S3中各特征的特征權重的數值為實數，各特征權重依據所處數值范圍分為高、低權重的兩類特征，閾值的設定依據高權重特征的權重下限和低權重特征的權重上限所構成數值范圍的中間值而定。

7.根據權利要求1所述的一種過濾式與封裝式評價策略相結合的光伏故障電弧特征選擇方法，其特征在于：所述步驟6)中，最大相關最小冗余算法使用增量搜索方法從相關特征集S4中選擇使得約束目標值最大的m個特征，得到最優特征集。