[发明专利]一种光伏逆变器故障诊断方法和系统

说明书

本发明提供了一种光伏逆变器故障诊断方法和系统，包括：采集光伏逆变器的运行数据组成测试样本；将测试样本带入预先构建的多分类器模型得到测试样本对应的样本类型；根据样本类型得到逆变器的故障类型；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。该方法和系统实现基于支持向量机的光伏逆变器故障诊断；采用优秀的决策流程，决策导向无环图，改善决策路径，提高了诊断准确度；采用先进的算法，MCKD,有效提取故障特征，提高诊断准确度。

技术领域

本发明属于新能源技术领域，具体讲涉及一种光伏逆变器故障诊断方法和系统。

背景技术

光伏逆变器能够将直流电能变为交流电能，是光伏发电系统的核心部件之一，关系到系统的安全、稳定和高效运行。三电平逆变器为光伏发电系统中常用的一种逆变器，其故障诊断技术研究具备重要意义。

当前智能诊断技术在三电平逆变器的故障诊断中得到广泛运用，比如BP神经网络、极限学习机、支持向量机等。此类智能故障诊断技术的难点在于：1.如何设置高效的分类器诊断流程；2.如何对样本进行有效的故障特征提取；3.分类器的参数设置问题。

发明内容

为克服上述现有技术的不足，本发明提出一种光伏逆变器故障诊断方法。

实现上述目的所采用的解决方案为：

一种光伏逆变器故障诊断方法，其改进之处在于：

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。

本发明提供的第一优选技术方案，其改进之处在于，

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。

本发明提供的第二优选技术方案，其改进之处在于，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。

本发明提供的第三优选技术方案，其改进之处在于，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}。

本发明提供的第四优选技术方案，其改进之处在于，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：