[发明专利]一种光伏逆变器故障诊断方法和系统

权利要求书

1.一种光伏逆变器故障诊断方法，其特征在于：

采集光伏逆变器的运行数据组成测试样本；

将所述测试样本带入预先构建的多分类器模型得到所述测试样本对应的样本类型；

根据所述样本类型得到逆变器的故障类型；

所述多分类器模型包括由多个二分类器支持向量机SVM组合构成的多分类器。

2.如权利要求1所述的方法，其特征在于，所述多分类器模型的构建包括：

采集光伏逆变器运行的历史数据，包括基于故障类型采集的历史数据和正常运行的历史数据；

将所述采集到的历史数据生成样本训练集；

根据预设的故障特征维数，将所述样本训练集在所述特征维数上投影得到特征样本；

采用SVM算法将所述特征样本中每两个样本类型训练生成一个二分类器，所述二分类器数目为样本类型数目取二的组合数，所述样本类型对应光伏逆变器正常情况和各类故障类型情况；

将所述多个二分类器进行组合生成多分类器，所述多分类器的每个输出结果对应一个样本类型。

3.如权利要求1所述的方法，其特征在于，所述光伏逆变器为三电平逆变器；所述光伏逆变器的运行数据包括：桥壁电压值V_OA、上管电压值V_Sa1和下管电压值V_Sa4。

4.如权利要求2或3所述的方法，其特征在于，所述将采集到的历史数据生成样本训练集，包括：

在所述三电平逆变器中采集正常情况和各类故障类型情况下多个周期多组的桥壁电压值V_OA、上管电压值V_Sa1和下管电压值V_Sa4组成的训练样本{V_OA,V_Sa1,V_Sa4}。

5.如权利要求4所述的方法，其特征在于，所述根据预设的故障特征维数，将所述样本训练集在所述特征维数上投影得到特征样本，包括：

根据预设的故障特征维数，采用最大相关峭度解卷积MCKD方法对样本{V_OA,V_Sa1,V_Sa4}进行投影，得到特征样本：F＝[f₁f₂…f_L]^T；

其中，F为特征样本，L为故障特征维数，f₁f₂…f_L为F在各维度上的分量。

6.如权利要求2所述的方法，其特征在于，所述将所述多组二分类器进行组合生成多分类器，包括：

采用决策导向无环图DDAG法将多个二分类器SVM进行组合，生成多分类器。

7.如权利要求1或3所述的方法，其特征在于，所述采集光伏逆变器的运行数据组成测试样本，包括：

采集待测三电平逆变器运行过程中连续多个周期的桥壁电压值V_OAtest、上管电压值V_Sa1test和下管电压值V_Sa4test，并采用MCKD方法生成待测试样本{V_OAtest,V_Sa1test,V_Sa4test}。

8.一种光伏逆变器故障诊断系统，其特征在于，包括数据采集模块、多分类模块和故障分类模块；

所述数据采集模块用于采集光伏逆变器的运行数据组成测试样本；

所述多分类模块用于将所述测试样本带入预先构建的多分类器模型得到所述测试样本对应的样本类型；所述多分类器模型包括由多个二分类器支持向量机SVM组合构成的多分类器；

所述故障分类模块用于根据所述样本类型得到逆变器的故障类型。

9.如权利要求8所述的系统，其特征在于，还包括多分类器模型构建模块，所述多分类器模型构建模块用于预先构建多分类器模型。

10.如权利要求9所述的系统，其特征在于，所述多分类器模型构建模块包括历史数据采集子单元、样本训练集生成子单元、特征样本生成子单元、二分类器生成子单元和多分类器生成子单元；

所述历史数据采集子单元用于采集光伏逆变器运行的历史数据，包括基于故障类型采集的历史数据和正常运行的历史数据；

所述样本训练集生成子单元用于将所述采集到的历史数据生成样本训练集；

所述特征样本生成子单元用于根据预设的故障特征维数，将所述样本训练集在所述特征维数上投影得到特征样本；

所述二分类器生成子单元用于采用SVM算法将所述特征样本中每两个样本类型训练生成一个二分类器，所述二分类器数目为样本类型数目取二的组合数，所述样本类型对应光伏逆变器正常情况和各类故障类型情况；

将所述多个二分类器进行组合生成多分类器，所述多分类器的每个输出结果对应一个样本类型。