光伏系统直流侧电弧故障检测装置及其检测方法与流程

技术领域：

本发明属于光伏并网故障检测领域，特别涉及光伏系统直流侧电弧故障检测装置及其检测方法。

背景技术：
：

随着光伏发电的快速发展，一些严重的问题也突显出来，其中光伏组件老化带来的电气系统安全问题尤为突出。经研究发现光伏系统火灾事故大多与直流故障电弧有关。光伏系统存在复杂的结构和大量的连接设备，直流端电压可以达到1000v以上，一旦产生电弧故障，极有可能瞬间点燃周围的可燃物或者光伏组件从而造成火灾事故。为解决此类安全问题，美国国家电气规范nec(nationalelectricalcode)第690.11号文件要求光伏并网系统直流母线大于80v应配备故障电弧检测装置与断路器。

光伏系统直流侧故障电弧的检测不仅因为光伏阵列结构复杂，发生故障电弧位置难以预测给故障检测以及电路保护带来困难，还要面对外界环境的干扰以及逆变器mppt算法和孤岛检测算法、电力电子装置的运行干扰、类弧负载的工作干扰等内部工况。因此，需要一种多维判据的故障电弧准确检测方法，为光伏系统的正常运行提供保障。

按电弧发生位置不同，可将电弧类型分为串联、并联及接地电弧，如图1所示：其中a为组串内串联电弧，b、d为组内并联电弧，c为组间并联电弧。其中接地电弧可视为一种特殊的并联电弧，且比较容易被检测到。

目前针对光伏系统的故障电弧检测并没有得到深入的研究，也没有考虑到光伏系统的复杂性结构及易受到外界干扰的特性，造成在某些情况下的误判和漏判。譬如，光伏系统在面对噪声干扰、天气变化等复杂外界环境时，其中便存在云层刚过时或者飞行物掠过时给光伏系统发电带来的波动性，若在此时发生故障电弧，单一判据的电弧检测方法可能会发生误判、漏判。

技术实现要素：

本发明提供了光伏系统直流侧电弧故障检测装置及其检测方法，目的在于解决在光伏系统中发生直流电弧故障时准确检测到故障电弧的问题。

光伏阵列故障电弧检测方法，包括如下步骤：

(1)在光伏系统运行过程中采用电流互感器对光伏阵列输出端直流母线进行电流采样。

(2)对上述的电流采样信号经过硬件滤波电路进行高通滤波，滤除20khz以下的信号分量，获得电流采样高频信号；

(3)对上述的电流采样高频信号，经过adc采样芯片将模拟信号转为数字信号送入dsp数字信号处理器后进行代入电弧故障检测算法进行电弧故障检测，其中adc采样芯片采样率为180khz。

(4)利用集合经验模态分解(ensembleempiricalmodedecomposition，eemd)算法对上述电流采样高频信号进行分解，得到若干本征模态分量(intrinsicmodefunction，imf)；

(5)利用表征信号复杂度的模糊熵算法将各时间序列imf量化，选择能够区分电弧故障的高频局部分量imf1、imf2、imf3的模糊熵e1、e2、e3作为特征向量；

(6)多次采集光伏系统在正常状态下以及故障电弧状态下的直流侧母线电流信号，并通过上述步骤进行处理，提取正常以及故障电弧的特征向量。

(7)利用模糊c均值聚类算法(fuzzycmeansclustering，fcm)将多次采集的电流信号并通过eemd与模糊熵算法提取的正常与故障电弧特征向量进行聚类处理，并得出正常与故障电弧的聚类中心v1、v2，如图4所示。

(8)在进行电弧故障检测时，每次采集到的光伏系统直流母线电流信号进行处理后，提取特征向量归一化后，计算与正常状态与故障电弧状态聚类中心v1、v2的距离进行故障电弧辨识即可。

(9)若检测光伏阵列存在故障电弧，则通过dsp发出故障进行故障报警；若不存在故障电弧，则重复步骤8。

本发明的有益效果为：

本发明提出了一种基于集合经验模态分解(eemd)和模糊c均值聚类(fcm)的组合故障检测方法来检测故障电弧信号，能够更加准确的检测光伏阵列是否发生电弧故障，防止误判漏判。

附图说明

图1为本发明光伏系统直流侧故障电弧检测框图；

图2为本发明光伏系统直流侧故障电弧检测流程图；

图3为正常状态及故障电弧状态直母线电流eemd分解前四层结果；

图4为光伏系统直流侧故障电弧识别结果；

具体实施方法

为了更为具体的描述本发明，兹以优选实施例，并配合附图作详细说明如下：

图2为光伏阵列故障电弧检测方法，包括如下步骤：

(1)在光伏系统运行过程中采用电流互感器对光伏阵列输出端直流母线进行电流采样。

(2)对上述的电流采样信号经过硬件滤波电路进行高通滤波，滤除20khz以下的信号分量，获得电流采样高频信号；

(3)对上述的电流采样高频信号，经过adc采样芯片将模拟信号转为数字信号送入dsp数字信号处理器后进行代入电弧故障检测算法进行电弧故障检测，其中adc采样芯片采样率为180khz。

(4)通过eemd算法对上述电流高频信号进行分解；

eemd的分解过程如下：

1)在原时间序列x(t)中加入均方根较小的高斯白噪声序列n(t)，表示为：

xe(t)＝x(t)+n(t)(1)

2)对重构后的时间序列xe(t)，利用emd算法进行分解为若干imf分量，找到其所有极大值和极小值，利用三次样条插值法构造信号的上下包络线u(t)、v(t)，分别求出上下包络线的均值、原始信号与包络线均值的差值：

h(t)＝xe(t)-m(t)(3)

3)判断h(t)是否满足imf的两个条件：极值点的数量与过零点的数量相等或相差一个；信号的上下包络线的均值为零。若满足，则得到一个imf分量ci(t)，否则重复以上步骤；

4)剩余分量r(t)为原始信号xe(t)减去ci(t)，判断r(t)是否满足终止条件：分解达到设定的层数此处设定为3或者r(t)为单调函数。若不满足则用r(t)代替xe(t)重复以上步骤；

针对emd在信号分解结束得到若干imf分量与剩余分量之和为：

5)计算m组加入均方根相等的不同白噪声序列后的emd分解后的本征模态分量imf(ij)，i表示emd算法分解的层数i≤3；j表示第j次emd算法分解，j≤m；

6)对m次emd分解结果计算均值，并将得到的结果作为最终的分解结果输出，即如图3所示。

(4)利用表征信号复杂度的模糊熵算法将各时间序列imf量化，选择能够区分电弧故障的高频局部分量imf1、imf2、imf3的模糊熵e1、e2、e3作为特征向量；

imf的模糊熵值计算过程如下：

1)对于一个n点序列{u(i)：1≤i≤n}，引入非负整数m，重构得到m维的向量：

2)引入指数函数来定义向量xi与xj的相似度：

dij＝u(dij，n，r)＝exp[-(dij/r)ⁿ](7)

式中，dij为向量xi与xj对应元素之差绝对值的最大值；n和r为模糊函数u的边界宽度和梯度，n取2，r取0.2；

3)定义函数：

4)定义模糊熵：

当n为有限值时，定义模糊熵为：

e(m，n，r，n)＝lnφ^m(n，r)-lnφ^m+1(n，r)(10)

则eemd分解的三层imf本征分量的模糊熵值形成了信号在所选取故障电弧特征频段中的一种自动划分。

(5)多次采集光伏系统在正常状态下以及故障电弧状态下的直流侧母线电流信号，并通过上述步骤进行处理，提取正常以及故障电弧的特征向量。

(6)利用模糊c均值聚类算法(fuzzycmeansclustering，fcm)将多次采集的电流信号并通过eemd与模糊熵算法提取的正常与故障电弧特征向量进行聚类处理，并得出正常与故障电弧的聚类中心v1、v2，如图4所示。

(7)在进行电弧故障检测时，每次采集到的光伏系统直流母线电流信号进行处理后，提取特征向量归一化后，计算与正常状态与故障电弧状态聚类中心v1、v2的距离进行故障电弧辨识即可。

基于模糊c均值聚类算法计算聚类中心的步骤如下：

通过分别采样20组正常与电弧故障状态下直流母线电流高频信号进行模糊熵特征向量提取，获得数据样本x＝{xj：1≤j≤20}，设定聚类中心c＝[c1，c2]^t和隶属度矩阵a＝[aij]2×20，则必须满足条件为：

式中，m＞1为影响隶属度矩阵的指数权重，一般m＝2；dij为第j个数据点对第i个聚类中心的欧式距离；

对于这样的一个最小化问题，通常是利用得到局部最优点的必要条件，进行轮换寻优。如下式所示：

如图1所示光伏系统故障电弧检测装置，包括采样单元、数据处理单元。

采样单元包含有电流互感器、硬件滤波电路、adc采样电路；电流互感器采样光伏阵列直流母线的的电流信号，电流信号经过硬件滤波电路高通滤波后，利用a/d转换模块进行模数转换，得到对应的电流采样信号的数字信号。

数据处理单元为dsp数字处理器，其内部具有电弧检测模块，故障电弧检测模块接收电流采样信号对应的数字信号，经综合计算判断光伏阵列是否产生故障电弧。

上述过程虽然详细说明了本发明的具体实施方式，但并非对本发明保护范围的限制，所述领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。