[发明专利]一种Adaboost融合多分类器的光伏系统故障电弧检测方法

说明书

本发明公开了一种Adaboost融合多分类器的光伏系统故障电弧检测方法，对系统电流进行实时采样，并对采样数据进行特征计算，将特征量输入至训练好的三种模型，将三种模型的判断结果输入至训练完成的Adaboost模型，得到用于光伏系统状态指示的判定电平，通过构建的故障电弧切断标准便可判断当前时间窗内光伏系统是否发生故障电弧。本发明解决了故障电弧检测中的类不平衡问题，提高数据处理效率及对复杂故障电弧情况的识别能力；并且为可用机器学习模型提供了融合为一个机器学习模型的方法，允许在不修改源代码的情况下快速编辑模型结构，使得整个模型效果更优，提升了直流光伏系统安全稳定运行的能力。

技术领域

本发明属于光伏电气故障检测技术领域，涉及利用Adaboost的机器学习复合模型进行光伏系统故障电弧检测，具体通过使用多种分类器对进行k折交叉处理的数据进行学习，并使用Adaboost算法对学习得到的多维数组经迭代获得最优解，从而建立用于光伏系统故障电弧检测的Adaboost融合多分类器模型。

背景技术

太阳能具有清洁、安全的特点，已经成为规模发展最快的可再生能源。光伏电站通常建立在不适宜居住的地区，如荒山、荒地、沙漠以及滩涂等，其光伏系统相当于一个直流电源系统，由于光伏电站的直流端输出电压高，直流端会在任何位置出现电子元器件接触不良或氧化腐蚀等现象，所形成的间隙易产生电弧。根据光伏电池板的伏安特性，电弧一旦产生，就容易形成稳定的燃烧，并使电压进一步上升，导致电弧的温度骤升，引起附近可燃物及导体的燃烧，不仅危及电源及电路的安全，甚至至引发火灾，从而造成财产损失甚至人员伤亡事故。尽管光伏电站故障的发生大部分归因于直流侧故障电弧，但现有的保护装置只能对电路过电流引起的故障起到保护作用，而无法检测到此类电弧，导致光伏电站的发电效率降低，并且存在火灾等安全隐患。

故障电弧检测技术的发展对于保障光伏系统安全、可靠、经济运行至关重要，该类技术一般根据电弧特性在电路中检测到故障电弧的发生并主动产生输出故障信号，从而启动分段器对电路进行保护，其主要作用是防止由故障电弧引起的有害电击或火灾，是有效规避故障电弧所造成的组件损坏和经济损失的重要手段，同时，通过在排除人为干预监测的情形下自动获取系统运行参数并辨识故障，从而减少人为维护次数，是提高系统运行性能的重要途径，有利于提升系统的智能化运行程度。

中国专利CN112180312A公开了一种电流传感器复合故障诊断方法，其将待测电流传感器样本输入到组合模型，组合模型以最优化参数提取待测样本的故障特征并进行诊断，该专利从多个时域特征值的角度提取故障特征，避免故障信息的遗漏；对精确物理模型的依赖度低；能够更加准确地诊断出电流传感器中发生增益故障、偏置故障以及二者的复合故障，但是该专利无法区别故障电弧和类弧工况。中国专利CN107086855A公开的机器学习融合多时频特征的光伏系统故障电弧检测方法，通过融合多个有效时频特征准确辨识并网光伏系统内多种故障电弧形式，加快故障电弧动作的同时还能确保多种类弧工况不误动。但是，该专利仅使用单一隐式马尔科夫模型，误判率高。中国专利CN109560770A公开的基于自适应核函数和瞬时频率估计的光伏系统故障电弧检测方法，通过提取多个特征值输入至训练好的朴素贝叶斯模型，判断当前时段内的光伏系统状态，在利用多个有效的时频特征准确辨识光伏系统内故障电弧的同时还能确保多种类弧工况下不误动。但是，该专利需要人工对特征量进行定性定量的分析，以达到较高的准确率，当环境发生变化，准确率可能随之改变。

Adaboost算法能很容易融合新的模型并易于修改，针对未来可能出现的更准确的检测方法和检测模型，融合多分类器的方法相对通用，能够用以极低的代码量融入新的高精度模型，从而随着时间推移融合模型精度会随着子模型的更新而逐渐优化，并以最低的成本融入更好的模型。但目前的故障电弧检测方法更注重于检测前期特征的选择，并未在已经公开的报道中见到用于光伏系统故障电弧检测的Adaboost融合多分类器模型。

发明内容

为解决并网光伏系统内故障电弧与类弧工况的准确、可靠、快速辨识问题，本发明提供了一种Adaboost融合多分类器的光伏系统故障电弧检测方法。