基于大數(shù)據(jù)挖掘的光伏逆變器故障檢測分析

秦英煒 王剛

摘? ?要：光伏逆變器是光伏直流電源和交流電源之間的聯(lián)系，其工作運行狀態(tài)直接會影響光伏并網(wǎng)發(fā)電系統(tǒng)的運行。本文先對大數(shù)據(jù)挖掘在光伏逆變器故障檢測中的應用意義進行簡析，然后以大數(shù)據(jù)挖掘為基礎(chǔ)，在檢測原理、故障特征提取和分類等相關(guān)方面，詳細分析和闡述光伏逆變器故障檢測方式。

關(guān)鍵詞：大數(shù)據(jù)挖掘? 光伏逆變器? 故障檢測

中圖分類號：TM464? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文獻標識碼：A? ? ? ? ? ? ? ? ? ? ? ? 文章編號：1674-098X（2019）11（a）-0013-02

在光伏逆變器的工作運行中，因為各種因素的影響，會讓光伏逆變器存在一些故障，從而影響到整個系統(tǒng)的運行。所以需要做好對光伏逆變器故障的檢測，在其中經(jīng)過對大數(shù)據(jù)挖掘技術(shù)的使用，讓故障檢測工作更加快捷有效，及時發(fā)現(xiàn)故障，然后解決故障。因此，對基于大數(shù)據(jù)挖掘的光伏逆變器故障檢測進行分析有一定現(xiàn)實意義。

1? 大數(shù)據(jù)挖掘在光伏逆變器故障檢測中的意義

所謂光伏逆變器，其能夠把光伏太陽能板形成的可變直流電壓轉(zhuǎn)換成為市電頻率交流電，是一種逆變器，能夠反饋回商用輸電系統(tǒng)，或者供離網(wǎng)的電網(wǎng)運用。光伏逆變器是光伏陣列系統(tǒng)中關(guān)鍵的系統(tǒng)平衡，能夠配合普通的交流供電設備使用。太陽能逆變器有配合光伏陣列的關(guān)鍵能力。在前文中有提出，光伏逆變器是光伏直流電源和交流電源之間的紐帶，所以光伏逆變器運行是否穩(wěn)定，對光伏并網(wǎng)發(fā)電系統(tǒng)的穩(wěn)定運行有很大的影響。而對光伏逆變器故障的診斷，可以在一定程度上保障發(fā)電系統(tǒng)的穩(wěn)定運行。隨著社會的不斷發(fā)展與進步，電力資源的需求量也在不斷增多，發(fā)電的形式也逐漸多樣化，這讓光伏電站的建設規(guī)模和數(shù)據(jù)也在不斷的擴大與增多。當前我國的光伏電站通常都是處在一些偏遠的地區(qū)，占地面積比較大，運行環(huán)境比較惡劣，設備數(shù)量也比較多。并且工程中存在一定的隱患，設備常年運行出現(xiàn)老化現(xiàn)象。尤其是在電站運行時間增長的情況下，因為設計局限性和設備老化等相關(guān)因素的影響，讓光伏逆變器的故障逐漸增多，同時也讓故障的定位難度加大，運行維護工作的難度增大。在人工運行維護模式下，故障很難被及時發(fā)現(xiàn)，并且還會影響到設備的壽命，發(fā)電量隱性損失會增加，從而提升了運行維護成本。所以，對于當前光伏站設備，特別是逆變器設備的診斷正在逐漸的數(shù)字化和遠程化，經(jīng)過對大數(shù)據(jù)挖掘技術(shù)的使用，可以讓光伏逆變器的故障檢測工作更加便捷高效。在數(shù)據(jù)庫技術(shù)與人工智能技術(shù)的進步下，數(shù)據(jù)挖掘技術(shù)在最近幾年中也發(fā)展很快。此種技術(shù)可以在海量的數(shù)據(jù)中發(fā)現(xiàn)，并提取出有一定價值的有用信息。故障檢測中的數(shù)據(jù)挖掘法使用是在信息技術(shù)和計算機技術(shù)的進步下發(fā)展起來的，設備系統(tǒng)在工作中收集和產(chǎn)生了大量數(shù)據(jù)，其中包含了實驗數(shù)據(jù)和統(tǒng)計數(shù)據(jù)，這些數(shù)據(jù)被收集與保存在各種數(shù)據(jù)庫之中。若是使用傳統(tǒng)數(shù)據(jù)分析法進行分析，則無法達到預期效果，不但會浪費時間，還會錯過一些有價值的信息。而經(jīng)過對新型數(shù)據(jù)挖掘技術(shù)的使用，能夠經(jīng)過對數(shù)據(jù)的整理、分析、分類和總結(jié)等，可以精確檢測到光伏逆變器故障的位置，從而保障光伏逆變器的穩(wěn)定運行。

2? 基于大數(shù)據(jù)挖掘的光伏逆變器故障檢測

在大數(shù)據(jù)挖掘基礎(chǔ)上進行光伏逆變器故障的檢測，其中所使用的關(guān)鍵技術(shù)比較多，本文就以小波分析和神經(jīng)網(wǎng)絡技術(shù)為例子，詳細分析和闡述光伏逆變器故障檢測方式。

2.1 檢測原理

在逆變器出現(xiàn)故障時，電壓或是電流特征量會有一定的變化，電信號中有非平穩(wěn)的時變信號，通常是能夠部分化地分析信息號頻域部分，但是對于非穩(wěn)信號卻無法進行。小波變換對于時域與頻域部分有著很好的局部化能力，小波窗口尺寸能夠依據(jù)信號頻率來自動調(diào)整，是一種在頻帶基礎(chǔ)上的時域分析方式，很適合使用在非穩(wěn)態(tài)信號的分析之中。本文主要是使用特征層信息融合的方式，以此對光伏逆變器故障進行檢測，把光伏系統(tǒng)直流側(cè)輸出電流特征信息與各橋臂電壓特點信息融合，以此進行信息的互補，提升故障精確度。故障特征向量與故障狀態(tài)是相對復雜的非線性映射關(guān)系，其中可以使用人工神經(jīng)網(wǎng)絡來進行分類。

2.2 特征提取

首先是在小波分解的基礎(chǔ)上進行故障特征的提取，在電力電子故障診斷中，故障特征有效提取能夠加強故障檢測的精確性。故障特征提取的方式比較多，最為主要的就是小波提取。使用小波提取故障特點的原理：是在一個分解尺度上把檢測的信號在不同頻帶中分解，然后依次對不同頻帶分解系統(tǒng)重新構(gòu)建，特征值是在重構(gòu)時間序列中提取的。因為各種頻帶中分解系數(shù)在重新構(gòu)建之后會形成新的時間序列，對新系列使用視域分析法，提取出相應的信號特征。因為信號在小波分解之后，能量值是不變的，所以使用小波分解提取能量特點當做故障特征向量。在提取時要把信號歸一化處理，然后經(jīng)過三層多分辨率分解，以此獲得3個尺度，也就是4個頻帶分解序列。特征層融合是多源信息融合中間層次，其具備了數(shù)據(jù)層與決策層的特點，現(xiàn)在每個傳感器中獲得各種特征向量，融合中心的工作是對各種特征向量做融合處理。經(jīng)過小波分解提取相網(wǎng)側(cè)電流與各橋臂電壓故障特點都有一定的代表性，使用特征融合的方式能夠進行信息互補。

2.3 故障分類

在故障分類中主要是使用BP神經(jīng)網(wǎng)絡，這是一種多層前饋型神經(jīng)網(wǎng)絡，其是一種誤差反向傳播學習算法，學習規(guī)則主要是使用最速下降法，經(jīng)過反向傳播來調(diào)整網(wǎng)絡閾值與權(quán)值，一直到網(wǎng)絡誤差平方和最小。BP網(wǎng)絡模型拓撲結(jié)構(gòu)中包含了輸入層、隱含層與輸出層。在光伏系統(tǒng)中，因為光照強度、環(huán)境溫度等相關(guān)因素的變化，直流端電壓值也會變化。所以對每種故障改變直流電壓與負載功率值，提取一定數(shù)量的特征向量。在實際工作中可以隨機選取訓練樣本，以此進行神經(jīng)網(wǎng)絡仿真驗證。在設計BP神經(jīng)網(wǎng)絡時，通常要在網(wǎng)絡層數(shù)、各層中神經(jīng)元的個數(shù)等方面考慮。在本文使用的BP神經(jīng)網(wǎng)絡結(jié)構(gòu)之中，輸入是電流電壓特征向量融合之后獲得的6特征向量，所以輸入層節(jié)點個數(shù)是6。因為輸出故障編碼是6位，所以取出神經(jīng)元個數(shù)也是6。一般性的分類問題，一個隱層BP網(wǎng)絡可以很好解決，其中隱層神經(jīng)元個數(shù)可以參考經(jīng)驗公式來獲得。使用BP神經(jīng)網(wǎng)絡對訓練樣本做訓練，誤差指標設置成為0.01，學習率是0.1。訓練完成之后使用訓練好的BP網(wǎng)絡來診斷試樣，和單源信息故障特征相比。經(jīng)過這種方式可以保障故障診斷率，從而提升故障檢測的精確度，在此基礎(chǔ)上為故障處理工作帶去更多的便利。經(jīng)過小波分解和神經(jīng)網(wǎng)絡的使用，在特征層融合的基礎(chǔ)上，可以提升故障檢測精準率，降低故障誤診，加快了故障檢測效率。

3? 結(jié)語

逆變器是光伏系統(tǒng)中十分重要的一個部分，為了保障光伏發(fā)電系統(tǒng)的穩(wěn)定運行，就需要保障逆變器的穩(wěn)定運行，做好對其的故障檢測工作。在檢測中經(jīng)過對小波分析和神經(jīng)網(wǎng)絡等技術(shù)的使用，充分發(fā)揮大數(shù)據(jù)挖掘技術(shù)的作用，以此來提升故障檢測工作的效率，在此基礎(chǔ)上有效保障光伏系統(tǒng)的穩(wěn)定運行，以此來促進整個電力事業(yè)的穩(wěn)定發(fā)展。

參考文獻

[1] 閔月梅，王宏華，韓偉.基于信息融合的光伏并網(wǎng)逆變器故障診斷[J].電測與儀表，2014， 51（1）：17-21.

[2] 丁明昌，李春來，李紅濤，等.基于海量數(shù)據(jù)挖掘的光伏逆變器故障檢測方法[J].電氣自動化，2018，40（3）：30-32.

[3] 韓素敏，杜永恒，曹斌.基于BP神經(jīng)網(wǎng)絡的逆變器開路故障診斷方法[J].河南理工大學學報：自然科學版，2018（5）：122-127.