[发明专利]一种基于典型相关分析特征提取的Fisher光伏组件热斑诊断方法和系统

权利要求书

1.一种基于典型相关分析特征提取的Fisher光伏组件热斑诊断方法在非线性光伏系统中的应用，其特征在于，诊断方法包括以下步骤：

S01，采集光伏数据；

S02，数据预处理；

S03，典型相关分析；

S04，构建训练集和测试集；

S05，Fisher判别分析；

S06，故障诊断；

S01包括以下内容：在正常状态以及热斑故障状态下采集光伏组件的多个特征变量的数据x，获得数据集X；

S02包括以下内容：对数据集X∈R^n×m进行标准化处理，再依据数据集X的特征变量，将数据集X任意分成两个子数据集X₁和X₂；

其中，R代表实数集，数据集X中的数据x均是实数，实数集R中有n行m列；

S03包括以下内容：计算两个子数据集X₁和X₂的单独协方差和交叉协方差，所采用的公式为：

其中，为X₁的协方差，为X₂的协方差，为X₁和X₂的交叉协方差；

构建矩阵γ，并对其奇异值分解，γ矩阵所采用的公式表达为：

其中，k代表非零奇异值的个数，满足k≤min(N₁,N₂)，即k与N₁,N₂中较小的一致；Λ_k＝diag(λ₁…λ_k)；λ₁≥λ₂≥…≥λ_k是奇异值；ζ_i，i＝1,…,N₁以及ξ_j，j＝1,…,N₂为对应的奇异向量；N₁代表子数据集X₁中全部特征变量的数据个数；N₂代表子数据集X₂中全部特征变量的数据个数；

计算得到投影向量a和b，所采用的公式为：

计算得到投影样本X₁’和X₂’，所采用的公式为：

S04包括以下内容：组合成新数据集X'＝[X'₁X'₂]^T∈R^2×m，并在将新数据集X′归一化后，分成训练集X′_tr∈R^2×d和测试集X′_t∈R^2×(m-d)；

S05包括以下内容：计算训练集的类内散度矩阵S_w，所采用的公式为：

其中，X_i代表第i类样本，i的取值是0和1，当i＝0时，第i类样本为正常样本，当i＝1时，第i类样本为故障样本；正常样本为正常状态下采集的光伏数据，故障样本为热斑故障状态下采集的光伏数据；

μ_i代表第i类样本的均值；

其中，m_i代表第i类样本的总个数；

引入拉格朗日乘子法，得到最佳判别方向：

其中，μ₀代表正常样本的均值；μ₁代表故障样本的均值；

S06包括以下内容：将测试集基于判别轴w投影分类，所采用的公式为：

y＝w^TX′_t(15)

识别是否发生故障，如果投影后的不同类的点能够区分开，说明出现热斑故障；若不同类的点混合在一起，说明未出现热斑故障。

2.根据权利要求1所述的一种基于典型相关分析特征提取的Fisher光伏组件热斑诊断方法在非线性光伏系统中的应用，其特征在于，所述特征变量包括开路电压、短路电流、最大功率点电压、最大功率点电流、最大功率、填充因子、温度和光照辐度。

3.根据权利要求1所述的一种基于典型相关分析特征提取的Fisher光伏组件热斑诊断方法在非线性光伏系统中的应用，其特征在于，所述标准化处理的方法为：将数据x处理到-1与1之间；采用的公式为其中，μ代表均值，σ代表方差，即n行数据，每行均处理一遍，计算均值，再计算方差，然后这一行的每个数据x均用公式计算得到位于-1与1之间的结果。