一种基于模糊聚类算法的光伏电站故障诊断方法
【专利摘要】本发明涉及一种基于模糊聚类算法的光伏电站故障诊断方法，属于电力工程【技术领域】。本发明以故障知识库系统为基础，将待测故障报警样本数据和故障知识库系统类似的已形成既定事实的多种故障类型数据样本进行匹配组合，形成故障数据矩阵，作为算法的输入量；算法根据输出的模糊隶属度矩阵，自动比较待测故障报警样本与既定事实的多种类型的故障样本之间的隶属度，隶属度最高的故障类型即为待测故障报警样本所代表的故障类型，从而完成对光伏电站故障的诊断。本发明能够快速诊断故障类型，提高故障诊断的准确度，提高光伏电站的可靠性和稳定性，为电站运维人员及时提供故障信息和检修方案，从而减小故障造成的损失，具有较高的利用价值。
【专利说明】-种基于模糊聚类算法的光伏电站故障诊断方法
【技术领域】
[0001] 本发明设及一种基于模糊聚类算法的光伏电站故障诊断方法，属于电力工程技术 领域。
【背景技术】
[0002] 目前全球环境日益严重、能源问题日益突出，W煤炭、石油、天然气为代表的传统 能源资源逐渐枯竭，而且该些能源的利用率低、对环境的污染大。太阳能取之不尽、用之不 竭，光伏发电清洁环保、绿色健康，已经在世界多个国家得到广泛发展和利用，在一定程度 上改善了人们的用电方式和周围环境。
[0003] 随着光伏电站建设规模越来越大、数量越来越多，设备质量缺陷、系统设计不当、 环境因素影响等往往会造成设备和系统的可靠性降低，故障发生率高，而且由于光伏电站 设备庞杂、种类繁多，因而故障现象、故障原因和故障类型呈现出多样化和模糊性的特点， 多种故障现象可能对应同一种故障类型，多种故障类型也可能由一种或多种故障原因引 起。目前的光伏电站系统较为脆弱、自我更新和修复能力不足，使得电站的故障定性不准 确，处理不及时，因而提出一种高效的光伏电站故障诊断及检修决策方法对保证光伏电站 安全、稳定运行，有效减小故障损失起到十分重要的作用。
【发明内容】
[0004] 本发明的目的是提供一种基于模糊聚类算法的光伏电站故障诊断方法，W解决现 有光伏电站可靠性低、故障判定不准确W及故障维修不及时的问题。
[0005] 本发明为解决上述技术问题而提供一种基于模糊聚类算法的光伏电站故障诊断 方法，该故障诊断方法包括W下步骤：
[0006] 1)采集光伏电站的故障报警信息作为待测故障报警样本；
[0007] 2)将待测故障报警样本数据与故障知识库系统的中类似的、已知故障类型的故障 报警样本数据进行匹配，W形成故障数据矩阵；
[000引3)采用模糊聚类算法比较故障数据矩阵中待测故障报警样本与既定事实的多种 类型的故障样本之间的隶属度，隶属度最高的故障类型即为待测故障报警样本所代表的故 障类型。
[0009] 所述故障知识库系统包括已知故障类型的故障报警样本数据及其对应的故障类 型、因果联系、检修方案、专家知识、历史经验数据、实时检测数据和实验仿真数据，且随着 各种类型故障数据的不断增加，故障知识库系统不断进行完善和更新。
[0010] 所述步骤2)中的到故障数据矩阵需先经过知识评审，W去掉其中和待测故障报 警样本数据不符的特征属性，并将故障数据矩阵W特征向量的形式表示。
[0011] 所述的故障数据矩阵还需进行归一化处理，W统一各种属性数据的量纲。
[0012] 所述待测故障报警样本采集于光伏电站监控系统。
[0013] 所述步骤3)中判定隶属度正确与否的标志是，待测故障报警样本隶属于已知故 障类型的多种故障样本的隶属度之和为1。
[0014] 所述在判定待测故障报警样本数据所代表的故障类型后，再次关联故障知识库， 自动匹配查询故障类型所对应的检修方案，并将故障类型及其检修方案通过人机界面进行 显示。
[0015] 本发明的有益效果是：本发明W故障知识库系统为基础，将待测故障报警样本数 据和故障知识库系统类似的已形成既定事实的多种故障类型数据样本进行匹配组合，形成 故障数据矩阵，作为算法的输入量；算法根据输出的模糊隶属度矩阵，自动比较待测故障报 警样本与既定事实的多种类型的故障样本之间的隶属度，隶属度最高的故障类型即为待测 故障报警样本所代表的故障类型，从而完成对光伏电站故障的诊断。本发明能够快速诊断 故障类型，提高故障诊断的准确度，提高光伏电站的可靠性和稳定性，为电站运维人员及时 提供故障信息和检修方案，从而减小故障造成的损失，具有较高的利用价值。
【专利附图】
【附图说明】
[0016] 图1是本发明实施例中故障诊断及检修决策的系统结构图；
[0017] 图2是故障知识库的体系结构图。
【具体实施方式】
[0018] 下面结合附图对本发明的【具体实施方式】作进一步的说明。
[0019] 模糊集合理论不但能够表示事物间确定的对应关系，而且当事物间存在模棱两可 的隶属关系时，也能通过隶属度的形式来形象表示，该就更加符合人类的日常思维逻辑，所 W它的应用范围比普通集合更广泛。基于目标函数的模糊聚类算法实际上是非线性优化问 题，在约束条件下，通过目标函数的极小值实现对集合软划分的目的。而且设计简单，易在 计算机上实现，所W在实际应用中受到更多欢迎，已在图像处理、信息检索和医学检测等方 面得到广泛应用。
[0020] 根据光伏电站故障征兆与故障类型多样化、模糊性化的特征，本发明采用模糊聚 类算法对光伏电站的故障进行诊断，W故障知识库系统为基础，将待测故障报警样本数据 和故障知识库系统类似的已形成既定事实的多种故障类型数据样本进行匹配组合，形成故 障数据矩阵，作为算法的输入量；算法根据输出的模糊隶属度矩阵，自动比较待测故障报警 样本与既定事实的多种类型的故障样本之间的隶属度，隶属度最高的故障类型即为待测故 障报警样本所代表的故障类型，从而完成对光伏电站故障的诊断。该方法的具体实施过程 如下：
[0021] 1. W故障知识库系统为基础，通过电站的监控系统获得故障报警信息，通过手工 录入或自动采集的形式将故障报警信息形成待测故障报警样本。
[0022] 本发明所采用的故障知识库如图2所示，包括已知故障类型的故障报警样本数据 及其对应的故障类型、因果联系、检修方案、专家知识、历史经验数据、实时监测数据和实验 仿真数据等。电站监控系统发出报警信息时，采集故障报警信息作为待测故障报警样本数 据。
[0023] 2.将待测故障报警样本数据和故障知识库系统类似的W形成既定的事实的多种 故障类型数据样本进行匹配组合，形成故障数据矩阵，作为模糊聚类算法的输入量。
[0024] 由于故障知识库中的数据量庞大，为了保持故障数据矩阵具有统一的属性，故障 数据矩阵需要经过知识评审，W提出故障矩阵中与待测故障报警样本数据不符的属性，其 余数据用能够体现故障特性的特征向量表示，另外，为了统一各种数据的量纲，对特征向量 表述的故障数据矩阵进行归一化处理，W保证数据格式的一致性，提高算法的处理速度。
[0025] W某光伏电站1#逆变器某次故障报警样本Xk为例，监控系统采集到的每条报警 信息作为本次故障样本的特征属性，具体为：
[0026] 直流侧S相电压（V) ;xV，xJd2，xJ'd3;
[0027] 直流侧S相电流（A) ;x心，X心，xJ'De;
[002引交流侧S相电压（V) ;xV，xj'A2, xJ'A3;
[0029] 交流侧S相电流（A) 日，xJa6;
[0030] 有功功率（kW) ;x/;
[00川 无功功率（kvar) iXaS
[00对功率因数(cosq) ): X3I;
[0033] 功率曲线；xr;
[0034] 逆变器效率（％ )而-;
[00对机内温度rc);又3-;
[0036] 电网累计正常运行小时数化）而"；
[0037] 逆变器累计正常运行小时数化）；又2。；
[003引逆变器累计故障小时数化）；又3"
[0039] 3.比较待测故障报警样本与既定事实的多种类型的故障样本之间的隶属度，隶属 度最高的故障类型即为待测故障报警样本所代表的故障类型。
[0040] 光伏电站运行中发生的故障，影响因素往往不是单一的，故障的每个属性都能够 从不同的方面反应故障特征，其中某些属性可能是主要属性，从中可W提取到直接反应故 障类型的特征向量，有些可能是次要属性，不能直接反应故障的特点。多种故障现象可能对 应同一种故障类型，也有可能故障征兆和现象是多种故障类型的产物，可见电站的故障现 象、故障原因和故障类型具有多样性，而且存在模型对应关系。因此通过引入隶属度的概念 来表征故障样本与故障类型之间的隶属度关系是否符合电站的故障特点。算法输出隶属度 矩阵的形式为：
【权利要求】
1. 一种基于模糊聚类算法的光伏电站故障诊断方法，其特征在于，该故障诊断方法包 括以下步骤： 1) 采集光伏电站的故障报警信息作为待测故障报警样本； 2) 将待测故障报警样本数据与故障知识库系统的中类似的、已知故障类型的故障报警 样本数据进行匹配，以形成故障数据矩阵； 3) 采用模糊聚类算法比较故障数据矩阵中待测故障报警样本与既定事实的多种类型 的故障样本之间的隶属度，隶属度最高的故障类型即为待测故障报警样本所代表的故障类 型。
2. 根据权利要求1所述的基于模糊聚类算法的光伏电站故障诊断方法，其特征在于， 所述故障知识库系统包括已知故障类型的故障报警样本数据及其对应的故障类型、因果联 系、检修方案、专家知识、历史经验数据、实时检测数据和实验仿真数据，且随着各种类型故 障数据的不断增加，故障知识库系统不断进行完善和更新。
3. 根据权利要求2所述的基于模糊聚类算法的光伏电站故障诊断方法，其特征在于， 所述步骤2)中的到故障数据矩阵需先经过知识评审，以去掉其中和待测故障报警样本数 据不符的特征属性，并将故障数据矩阵以特征向量的形式表示。
4. 根据权利要求3所述的基于模糊聚类算法的光伏电站故障诊断方法，其特征在于， 所述的故障数据矩阵还需进行归一化处理，以统一各种属性数据的量纲。
5. 根据权利要求1所述的基于模糊聚类算法的光伏电站故障诊断方法，其特征在于， 所述待测故障报警样本采集于光伏电站监控系统。
6. 根权利要求4所述的基于模糊聚类算法的光伏电站故障诊断方法，其特征在于，所 述步骤3)中判定隶属度正确与否的标志是，待测故障报警样本隶属于已知故障类型的多 种故障样本的隶属度之和为1。
7. 根据权利要求4所述的基于模糊聚类算法的光伏电站故障诊断方法，其特征在于， 所述在判定待测故障报警样本数据所代表的故障类型后，再次关联故障知识库，自动匹配 查询故障类型所对应的检修方案，并将故障类型及其检修方案通过人机界面进行显示。
【文档编号】G06Q50/06GK104504607SQ201410449777
【公开日】2015年4月8日 申请日期:2014年9月4日 优先权日:2014年9月4日
【发明者】牛高远, 雷振锋, 路进升, 王以笑, 江新峰, 贺锦丽, 王伟, 张燕, 忽志敏, 朱美玲, 岳倩 申请人:国家电网公司, 许继集团有限公司