[发明专利]一种基于神经网络的光伏并网电站故障类型检测装置

权利要求书

1.一种基于神经网络的光伏并网电站故障类型检测装置，其特征在于包括：光伏阵列、测量模块、控制模块、通讯模块、照度测量仪构成；所述光伏阵列由多个光伏组件串联构成；

所述光伏阵列的输出端与所述测量模块的输入端连接；所述测量模块的输出端与所述控制模块的输入端连接；所述控制模块的输出端与所述通讯模块的输入端连接；

所述测量模块包括电压采样模块和电流采样模块，所述电压采样模块个数与光伏组件的个数相同，所述每个电压采样模块的输入端分别与相应光伏组件的输出端连接，所述电流采样模块的输入端与任意一块光伏组件的输出端连接，用于实时采集光伏阵列的输出电压和输出电流；

所述通讯模块用于将当前系统状态以及故障检测结果传出。

2.根据权利要求1所述的一种基于神经网络的光伏并网电站故障类型检测装置，其特征在于所述照度测量仪安装在光伏组件场附近，其输出端与所述控制模块的输入端连接，用于测量当前环境场的太阳能辐照量；所述控制模块根据当前所述照度测量仪输出的照度值、光伏组件的电流和电压值，采用BP神经网络的计算方法，检测出光伏组件是否出现热斑、隐裂、遮挡等故障，步骤如下：

步骤1获取BP神经网络学习样本

选择阳光充足的天气，将早上6点到晚间6点的时间段进行整点划分，分别选择光伏组件正常运行、出现阴影遮挡、出现热斑或隐裂三种情况下，设G为照度，V为光伏组件的电压，I为电流，t为时间，其中t＝1,2,...,m，获取不同时间段的照度值G₁,G₂,...,G_m，光伏组件的电压值V₁,V₂,...,V_m，电流值I₁,I₂,...,I_m，采集50天以上的样本值，作为BP神经网络学习样本；

步骤2采用BP神经网络进行学习

1)选定输入和输出样本；

将时间t、照度G、光伏组件的电压V和电流I的值转换成二进制；当光伏阵列发电正常时，输出d等于0；当光伏阵列出现热斑或隐裂故障时，输出d等于1；当光伏阵列出现阴影遮挡故障时，输出d等于-1

则：

输入样本为：输出样本为：

2)选定初权值w；

3)重复下述过程，输入全部样本，直到收敛；

(1)输入样本x，计算各层输出：

y^l＝f(vt^l)＝f(w^ly^l-1)

(2)计算输出层误差：

(3)计算局部梯度δ_j，δ_k

(4)修正输出层权值：

w_k←w_k+ηΔw_k

(5)修正隐层权值：

w_j←w_j+ηΔw_j

(6)输入新的样本x，直到所有样本都输入完成并且E＜E_max时结束；

步骤4获取当前的照度值、光伏组件的电压值、电流值

读取照度测量仪的照度值；通过电压采样模块获取光伏组件的电压值V；通过电流采样模块获取电流值I，送入控制模块；

步骤5采用BP神经网络进行检测

将当前的时间t、照度值G、光伏组件的电压值V和电流值I作为输入向量x，输入到上述的BP神经网络中，则可以计算出网络的输出值d；

当输出值d等于0时认为光伏组件正常，当d等于1时认为光伏组件出现热斑或隐裂故障，当d等于-1时认为光伏组件出现阴影遮挡故障。