[发明专利]一种隔离机制与交叉测量融合的光伏热斑故障诊断方法

摘要

本发明公开了一种光伏电池板热斑故障检测方法，属于光伏发电系统故障检测领域。首先定时采集光伏阵列中每条支路的检测数据，建立一个基于隔离森林的光伏阵列热斑故障评估模型，通过模型可以从大量数据中分析出“少而不同”的数据，从而确定故障支路，并给出热斑故障评分。最后，采用交叉测量的方法定位出支路中具体发生热斑故障的电池板。

主权项

1.一种光伏电池板热斑故障检测方法，其特征在于：包括以下步骤：S1：在SP结构的光伏阵列中，采集最近若干个月的历史监测数据；S2：将采集到的历史监测数据进行预处理，得到训练集X；S3：初步建立基于iForest的热斑故障检测模型，预设好相应的参数；S4：运用训练样本对iForest热斑故障检测模型进行训练；S5：得到训练完成的iForest热斑故障检测模型，在线实时地给出任意支路的热斑故障评分；S6：将实时采集的每条支路的监测数据向量化，作为待检测样本输入到训练好的iForest热斑故障检测模型中，进行热斑故障检测，并给出该支路热斑故障损伤评分，根据阈值判断该支路是否发生了热斑故障；S7：根据评分对可能发生热斑故障的支路进行交叉测量，定位出发生热斑故障的光伏电池板；所述步骤S1中采集历史检测数据的具体方法为：在SP结构的光伏阵列中，以串联的光伏电池板支路为单位，每隔一定的时间t将该支路的监测数据上传至服务器，采集最近m个月的历史监测数据，时间间隔t的范围为5～30分钟，月份间隔m的范围为3～12个月，采集的支路监测数据包括：光伏支路的电流、输出功率，温度传感器检测的光伏电池板正板平均工作温度、所在地区的环境温度、光照强度和距零点的秒数表示的当前时间；所述S2中监测数据预处理，包括以下步骤：S21：将6类监控的数据作为特征向量；S22：利用最近临插补进行缺失值填补，得到训练集X；所述S22中缺失值填补的具体方法为：计算有缺失的记录与其他无缺失记录的欧氏距离，找到欧式距离最小的样本的属性值插补；所述步骤S3中初步建立基于iForest的故障检测模型包括以下具体步骤：S31：确定iForest中基树的数量t_n，t_n不大于100，每条记录的路径长度都可以有效收敛，取100作为默认值；S32：确定iForest中的二次抽样的容量ψ，ψ控制训练基树的训练集大小，ψ设为256就足以检测数据集的异常；所述步骤S4中运用训练样本对iForest热斑故障检测模型进行训练，包括以下具体步骤：S41：初始化一个空集合Forest；S42：从训练集X中采集大小为ψ的子样本X'；S43：用子样本X'来训练一个基树iTree；S44：将训练好的基树iTree并入集合Forest；S45：重复步骤S42～S44，直到将t_n个基树全部训练完成；所述步骤S43用子样本X’来训练一个基树iTree，包括以下具体步骤：S431：如果X'无法被划分，返回一个大小为|X'|的叶子节点，否则进入步骤S432；S432：Q为X'的所有属性集合，从Q中随机的选取一个属性q∈Q；S433：在q的最大值与最小值之间随机的选取一个划分点p；S434：将X'中，q<p的记录划分为X_l，q≥p的记录划分为X_r；S435：返回一个以p划分的大小为|X'|非叶子节点，将X_l和X_r分别作为新的X'，重复步骤S431，直到全部划分完毕；所述步骤S6将实时采集的每条支路的监测数据向量化，作为待检测样本输入到训练好的iForest热斑故障检测模型中，进行热斑故障检测，并给出该支路热斑故障损伤评分，根据阈值判断该支路是否发生了热斑故障，包括以下具体步骤：S61：如S1中所述，每隔时间t将每条支路的实时监测数据上传至服务器，将实时的光伏电池板监测数据向量化作为待检测样本；S62：将待检测样本输入到iForest热斑故障检测模型中，得到故障分数；S63：定义阈值‑0.5<θ<0，若故障分数小于阈值，则该支路此刻发生了热斑故障；所述步骤S62将待检测样本输入到iForest热斑故障检测模型中，得到故障分数，包括以下具体步骤：S621：初始化当前路径长度e＝0，树T∈Forest；S622：输入检测样本x、树T、最大遍历高度hlim、当前路径长度e；S623：如果T是叶子节点或e大于hlim，返回h(x)＝e+c(T.size)，其中T.size为树的大小，c(.)表示树中样本的平均遍历长度，定义如下：式中H(ψ‑1)表示谐波分量，估值为ln(ψ‑1)+0.5772156649，式中ψ表示二次抽样的容量；否则，进入步骤S624；S624：用a(a∈T.splitAtt，T.splitAtt为步骤S4中的q表示当前节点的划分属性，e＝e+1，如果检测样本x在当前节点的划分属性a的划分值x_a小于步骤S4中的p，即x_a<T.splitValue，T.splitValue表示p，则将T的左子树T.left作为输入，重复步骤S622；否则，将T的右子树T.right作为输入，重复步骤S622；S625：重复步骤S621，直到遍历完Forest中所有的基树，得到检测样本x在所有基树中的平均路径长度E(h(x))；S626：为了方便比较，定义如下公式标准化故障值:式中E(h(x))为检测样本x在所有基树中的平均路径长度，ψ为二次抽样的容量，c(.)表示树中样本的平均遍历长度，分数越接近‑0.5说明该记录与其他记录的差异较大，该光伏电池板发生热斑故障的可能性就越大，越接近0.5说明该记录与其他记录的差异较小发生热斑故障的可能性就越小；所述步骤S7根据评分对有可能发生热斑故障的支路进行交叉测量，定位出发生热斑故障的光伏电池板，包括以下具体步骤：S71：在一个由M条支路并联，每条支路有N个光伏电池板串联构成的M*N的SP结构的光伏阵列中，布置k个电压传感器，若N为偶数，则k＝N/2；若N为奇数，则k＝(N+1)/2，每个电压传感器检测k个光伏电池板之间的电压，相邻电压传感器之间间隔1个光伏电池板，使用电子选择开关将电压表连接在不同支路的对应位置；S72：设定一个阈值‑0.5<θ<0，当某条支路的评分s<θ时，则选通该条支路的电子选择开关，进入步骤S73；S73：依次检测每个电压传感器的电压，若其输出电压大于U/2，则故障不在其检测的k个组件中，若电压小于U/2，则故障点在其检测的k个组件之中。