一种基于非线性数据模型的新能源并网故障预测方法与流程

本发明涉及信息，尤其涉及一种基于非线性数据模型的新能源并网故障预测方法。

背景技术：

1、随着新能源并网系统的快速发展和广泛应用，系统故障成为一个严重的问题。新能源并网是指将可再生能源如风能、太阳能、水能等，或其他清洁能源与传统电力系统相连接，以供电或向电网供电的过程。目前，针对新能源并网系统的故障预测方法存在一些问题。如何分析系统中的不断变化的新能源并网时空信息和相关性，识别可能导致故障或问题扩散的模式有待解决。首先，由于新能源并网系统具有多变的特性和复杂的结构，传统的故障预测方法往往无法准确预测系统的故障。数据存在噪声和不确定性。而传统的故障预测方法通常假设数据是准确和完整的，无法有效应对数据不确定性带来的挑战。其次，现有的故障预测方法往往只关注某一种参数或模式，不能全面考虑系统的多个参数之间的相互关系。如果仅考虑某一种参数或模式，就无法完整地描述系统的状态，可能会忽略重要的信息。此外，现有的故障预测方法往往只能实现离线分析，无法实时监测并快速响应系统的故障。

技术实现思路

1、本发明提供了一种基于非线性数据模型的新能源并网故障预测方法，主要包括：

2、基于新能源并网的风能、太阳能和水能数据，提取相应的新能源并网系统变化参数集，构建非线性数据模型，所述新能源并网变化参数集包括功率、频率、电流和电压参数；基于新能源并网的时空信息，提取相应的新能源并网时空变化参数集并进行分类，所述新能源并网时空变化参数集包括地理位置、时间、功率和频率；将所述新能源并网系统变化参数集与所述新能源并网时空变化参数集整合到一个新能源并网变化参数集中；对所述新能源并网变化参数集进行相关性分析，筛选新能源并网中可能导致故障的参数；在非线性数据模型的框架内，使用支持向量机算法分析所述新能源并网变化参数集，得到可能引发新能源并网故障的模式；对新能源并网的实时数据流进行监控，检索是否存在与所述可能引发新能源并网故障的模式相匹配的实时模式；如果在实时数据流中得到与所述可能引发新能源并网故障的模式相匹配的实时模式，通过决策树算法进行新能源并网故障预测，得到最终的故障预测结果。

3、进一步可选的，所述基于新能源并网的风能、太阳能和水能数据，提取相应的新能源并网系统变化参数集，构建非线性数据模型，所述新能源并网变化参数集包括功率、频率、电流和电压参数，包括：

4、从新能源并网系统获取新能源并网的风能、太阳能和水能数据；对所述新能源并网的风能、太阳能和水能数据进行预处理，包括数据清洗、去噪和异常值处理，提取相应的新能源并网系统变化参数集，所述新能源并网系统变化参数集包括功率、频率、电流和电压参数；利用多项式回归，根据所述新能源并网系统变化参数集建立非线性数据模型，获得新能源并网系统中功率、频率、电流和电压之间的关系；通过最小二乘法拟合非线性模型，确定非线性数据模型中的系数。

5、进一步可选的，所述基于新能源并网的时空信息，提取相应的新能源并网时空变化参数集并进行分类，所述新能源并网时空变化参数集包括地理位置、时间、功率和频率，包括：

6、从新能源并网系统获取新能源并网的时空信息；对所述新能源并网的时空信息进行预处理，包括数据清洗、去噪和异常值处理，提取相应的新能源并网时空变化参数集，所述新能源并网时空变化参数集包括地理位置、时间、功率和频率；使用k-means聚类算法，确定相应的聚类数k，对地理位置进行分类；如果分类成功，使用murmurhash3算法对时间进行唯一标识编码，得到地理位置和时间标识集；采用k-means聚类算法，分别对功率和频率进行分类，得到功率标识集和频率标识集，并与所述地理位置和时间标识集进行关联；若关联成功，将功率标识集、频率标识集，以及地理位置和时间标识集合并。

7、进一步可选的，所述将所述新能源并网系统变化参数集与所述新能源并网时空变化参数集整合到一个新能源并网变化参数集中，包括：

8、获取所述新能源并网系统变化参数集与所述新能源并网时空变化参数集；通过对数据进行匹配和对齐，将所述新能源并网系统变化参数集与所述新能源并网时空变化参数集进行对应；将匹配和对齐后的所述新能源并网系统变化参数集与所述新能源并网时空变化参数集按照所需格式，整合到一个新能源并网变化参数集中；对所述新能源并网系统变化参数集与所述新能源并网时空变化参数集中的功率和频率数据进行比对和一致性检查；如何存在差异，则通过线性拟合进行数据调整和校准；定期更新数据，反映系统运行的最新状态。

9、进一步可选的，所述对所述新能源并网变化参数集进行相关性分析，筛选新能源并网中可能导致故障的参数，包括：

10、从新能源并网系统获取所述新能源并网变化参数集，包括功率、频率、电流和电压参数；计算参数之间的皮尔逊相关系数；判断相关系数的取值范围，确定参数之间的相关程度，相关程度越高，多重共线性问题风险越大；筛选出相关性绝对值高于预设相关性阈值的参数，作为可能导致故障的参数；通过二元方差分析，进一步验证筛选出的可能导致故障的参数，判断可能导致故障的参数之间是否存在显著差异。

11、进一步可选的，所述在非线性数据模型的框架内，使用支持向量机算法分析所述新能源并网变化参数集，得到可能引发新能源并网故障的模式，包括：

12、从新能源并网系统获取历史正常的所述功率、频率、电流和电压参数，以及已知的故障参数集；根据已知的故障样本，将参数集标记为电压异常、频率偏移、电流过载、不平衡电压或电流、过电压或过电流，以及电力质量问题六个类别；使用已标记的参数集对支持向量机进行训练，在非线性数据模型的框架下，选择使用多项式核函数处理非线性关系；使用训练好的支持向量机模型对未标记的参数集进行分类预测；使用交叉验证，评估模型的性能和准确度；根据支持向量机的预测结果，识别出可能引发新能源并网故障的模式。

13、进一步可选的，所述对新能源并网的实时数据流进行监控，检索是否存在与所述可能引发新能源并网故障的模式相匹配的实时模式，包括：

14、从新能源并网系统中获取实时数据流，包括功率、频率、电流和电压参数；将获取的实时数据流与所述可能引发新能源并网故障的模式进行匹配；根据模式匹配结果，则触发相应的故障警报，进行故障检测。

15、进一步可选的，所述如果在实时数据流中得到与所述可能引发新能源并网故障的模式相匹配的实时模式，通过决策树算法进行新能源并网故障预测，得到最终的故障预测结果，包括：

16、若模式匹配成功，从新能源并网系统获取历史所述功率、频率、电流和电压参数；使用历史故障数据作为训练集，利用决策树算法对故障类型和故障概率进行建模，生成初步的故障预测结果；从新能源并网系统获取电网环境参数，整合到预测结果中进行调整，所述电网环境参数包括气温和湿度；判断调整后的故障预测结果中不同故障类型相应的故障概率是否超过预设故障概率阈值；若判断超过预设故障概率阈值，则执行自动化的电网调度和优化。

17、本发明实施例提供的技术方案可以包括以下有益效果：

18、本发明公开了一种基于新能源并网的故障预测方法。该方法首先通过提取风能、太阳能和水能的新能源并网系统变化参数集，包括功率、频率、电流和电压参数。同时，根据新能源并网的时空信息，提取相应的新能源并网时空变化参数集，包括地理位置、时间、功率和频率。然后将新能源并网系统变化参数集与新能源并网时空变化参数集整合到一个新能源并网变化参数集中。接下来，对新能源并网变化参数集进行相关性分析，筛选可能导致故障的参数。在非线性数据模型的框架内，使用支持向量机算法分析新能源并网变化参数集，得到可能引发新能源并网故障的模式。然后，对新能源并网的实时数据流进行监控，检索是否存在与可能引发新能源并网故障的模式相匹配的实时模式。如果在实时数据流中找到与可能引发新能源并网故障的模式相匹配的实时模式，通过决策树算法进行新能源并网故障预测，得到最终的故障预测结果。该方法能够有效预测新能源并网系统的故障，提升新能源并网系统的安全性和可靠性。