基于BP神經(jīng)網(wǎng)絡(luò)的光伏陣列故障診斷研究

崔藝夢(mèng) 華北水利水電大學(xué)

1 引言

光伏發(fā)電是利用半導(dǎo)體界面的光伏效應(yīng)將光能直接轉(zhuǎn)化為電能的技術(shù)，它由三個(gè)主要部件組成：太陽(yáng)能電池板、逆變器和控制器。將太陽(yáng)能電池串聯(lián)成大面積太陽(yáng)能電池組件，然后與功率控制器等結(jié)合形成太陽(yáng)能發(fā)電裝置。作為整個(gè)光伏發(fā)電系統(tǒng)的心臟，光伏陣列的運(yùn)行狀況直接影響整個(gè)光伏發(fā)電系統(tǒng)的工作狀態(tài)。對(duì)光伏陣列發(fā)電機(jī)組進(jìn)行故障檢測(cè)與診斷，可以及時(shí)有效預(yù)測(cè)和排除故障，增強(qiáng)光伏陣列發(fā)電機(jī)組工作的安全性，提高使用效率，降低維修成本，在避免重大事故上有著重要的安全意義。

隨著人工智能技術(shù)及傳感器技術(shù)的迅猛發(fā)展，機(jī)器學(xué)習(xí)與深度學(xué)習(xí)的應(yīng)用研究為光伏陣列發(fā)電機(jī)組故障診斷提供了一種嶄新的思路。BP神經(jīng)網(wǎng)絡(luò)較傳統(tǒng)的前饋網(wǎng)絡(luò)相比，是一種按照系統(tǒng)誤差進(jìn)行反向訓(xùn)練的多層前饋網(wǎng)絡(luò)，它的算法亦可稱做BP算法，其基本思想是利用降維梯度下降法，使神經(jīng)網(wǎng)絡(luò)的期望輸出值與實(shí)際輸出值誤差的均方差為達(dá)到最小水平。較傳統(tǒng)的人工經(jīng)驗(yàn)故障診斷方法，基于BP神經(jīng)網(wǎng)絡(luò)的光伏陣列故障診斷方法具有非線性能力強(qiáng)、魯棒性高、故障識(shí)別速度快、故障診斷處理結(jié)果準(zhǔn)確等優(yōu)點(diǎn)。

2 神經(jīng)網(wǎng)絡(luò)建模

與傳統(tǒng)的故障診斷方法不同，人工神經(jīng)網(wǎng)絡(luò)是自適應(yīng)和可以被訓(xùn)練的，它具有自適應(yīng)能力，同時(shí)有對(duì)信息的并行處理及并行推理的能力，從原理上計(jì)算速度相對(duì)較快?；谌斯ど窠?jīng)網(wǎng)絡(luò)的故障診斷不依賴精確的機(jī)理數(shù)學(xué)模型，參數(shù)調(diào)優(yōu)水平較高、非線性及魯棒性較好，鑒于此，BP人工神經(jīng)網(wǎng)絡(luò)在光伏陣列發(fā)電機(jī)組故障診斷中的應(yīng)用可實(shí)現(xiàn)對(duì)光伏陣列發(fā)電系統(tǒng)的高效故障檢測(cè)與故障診斷，并能有效提高光伏發(fā)電系統(tǒng)的工作效率。

基于BP神經(jīng)網(wǎng)絡(luò)的光伏陣列發(fā)電機(jī)組故障診斷模型的建立方法可歸結(jié)為以下步驟：

1）光伏陣列發(fā)電機(jī)組故障特征值選擇；

2）光伏陣列發(fā)電機(jī)組故障分類器設(shè)計(jì)；

3）光伏陣列發(fā)電機(jī)組故障樣本數(shù)據(jù)處理；

4）BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練。

2.1 特征選擇

光伏陣列發(fā)電機(jī)組物理結(jié)構(gòu)復(fù)雜，具有較復(fù)雜的非線性耦合關(guān)系，它的運(yùn)行工況受到溫度、光照、輻射熱等諸多因素的共同影響，致使光伏陣列發(fā)電機(jī)組在運(yùn)行過(guò)程中的故障形式多樣化呈現(xiàn)。光伏陣列發(fā)電機(jī)組的多數(shù)故障現(xiàn)象都可在發(fā)電機(jī)組的電壓信號(hào)、電流信號(hào)（統(tǒng)稱電信號(hào)）中得以反映體現(xiàn)；最具代表性的電信號(hào)有最大功率點(diǎn)輸出電流、最大功率點(diǎn)輸出電壓、短路電流和開路電壓信號(hào)等四種故障監(jiān)測(cè)信號(hào)，對(duì)上述四種電信號(hào)的實(shí)時(shí)監(jiān)測(cè)也是光伏陣列設(shè)備故障診斷中最有效、最常用的方法。

光伏陣列發(fā)電機(jī)組的故障電信號(hào)分析可分為時(shí)域、頻域分析兩種方法，時(shí)域信號(hào)參數(shù)是電波形的統(tǒng)計(jì)信息，統(tǒng)計(jì)信息包含均值、方差、峰值、裕度因子、脈沖因子等因素。頻域分析需要將光伏陣列發(fā)電機(jī)組的采集的電信號(hào)轉(zhuǎn)換到頻域。時(shí)域信號(hào)具有較強(qiáng)的實(shí)時(shí)性，因此這里選擇光伏陣列發(fā)電機(jī)組的時(shí)域電信號(hào)作為特征信號(hào)。

2.2 分類器設(shè)計(jì)

分類器的概念是在已有故障數(shù)據(jù)的基礎(chǔ)上構(gòu)造出一個(gè)故障分類模型，該函數(shù)或模型能夠把數(shù)據(jù)庫(kù)中的故障數(shù)據(jù)紀(jì)錄映射到給定故障類別中的某一個(gè)，從而可以應(yīng)用于光伏發(fā)電機(jī)組故障分類。

故障分類器的構(gòu)造和實(shí)施大體會(huì)經(jīng)過(guò)以下幾個(gè)步驟：

1）選定樣本（包含正樣本和負(fù)樣本）。

2）在訓(xùn)練樣本上執(zhí)行分類器算法。

3）在測(cè)試樣本上執(zhí)行分類模型。

4）根據(jù)預(yù)測(cè)結(jié)果，計(jì)算必要的評(píng)估指標(biāo)。

2.3 樣本數(shù)據(jù)處理

首先定義光伏陣列發(fā)電機(jī)組的故障類型，定義4種光伏陣列發(fā)電機(jī)組的故障模式：老化、陰影、短路、開路，再加上光伏陣列發(fā)電機(jī)組正常狀態(tài)共5種分類模式，編號(hào)如下所示。

編號(hào)1：老化 編號(hào)2：陰影 編號(hào)3：短路 編號(hào)4：開路 編號(hào)5：正常狀態(tài)

采集光伏陣列發(fā)電機(jī)組的正常運(yùn)轉(zhuǎn)和4種故障模式下的電信號(hào)，并對(duì)電波行進(jìn)行統(tǒng)計(jì)學(xué)處理。由于光伏陣列發(fā)電機(jī)組故障原因復(fù)雜，實(shí)際監(jiān)測(cè)數(shù)據(jù)量大，直接用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行故障診斷，網(wǎng)絡(luò)規(guī)模大，診斷效率比較低。結(jié)合相關(guān)的數(shù)據(jù)集處理算法，可以得到降維歸一化的能量參數(shù)、峰值參數(shù)、波形參數(shù)、裕度參數(shù)、脈沖參數(shù)及峰度參數(shù)，形成一個(gè)5維向量每個(gè)參數(shù)收集兩組故障分類模式的樣本，共計(jì)10份訓(xùn)練樣本。

2.4 BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練

光伏陣列發(fā)電機(jī)組故障診斷BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過(guò)程可分為以下幾個(gè)步驟進(jìn)行：

1）定義BP神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和前向傳播的輸入、輸出結(jié)果；

2）定義神經(jīng)網(wǎng)絡(luò)的損失函數(shù)以及選擇反向傳播優(yōu)化權(quán)值算法；

3）生成優(yōu)化會(huì)話并且在訓(xùn)練數(shù)據(jù)上反復(fù)進(jìn)行反向傳播優(yōu)化算法。

訓(xùn)練好的BP神經(jīng)網(wǎng)絡(luò)故障診斷分類模式為5種，建立的BP神經(jīng)網(wǎng)絡(luò)如圖1所示。

圖1 BP神經(jīng)網(wǎng)絡(luò)模型

由圖1可以看出，BP神經(jīng)網(wǎng)絡(luò)模型的輸入層包含5個(gè)神經(jīng)元，與光伏陣列發(fā)電機(jī)組故障模型的輸入特征向量維數(shù)一致。徑向基層包含10個(gè)神經(jīng)元節(jié)點(diǎn)，每個(gè)節(jié)點(diǎn)對(duì)應(yīng)一個(gè)輸入的故障數(shù)據(jù)樣本。隱含層包含5個(gè)神經(jīng)元，代表光伏陣列發(fā)電機(jī)組的5種故障分類模型。輸出層有一個(gè)，代表光伏陣列發(fā)電機(jī)組的故障類別。

3 光伏陣列發(fā)電機(jī)組故障診斷實(shí)現(xiàn)

基于BP神經(jīng)網(wǎng)絡(luò)的光伏陣列發(fā)電機(jī)組的故障診斷流程包括：定義樣本（樣本初始化）、樣本處理（歸一化、粗糙集處理）、創(chuàng)建故障模型、測(cè)試故障樣本集、輸出診斷結(jié)果。

1）定義樣本：把光伏陣列發(fā)電機(jī)組的某次故障監(jiān)測(cè)作為對(duì)象，對(duì)監(jiān)測(cè)所得故障數(shù)據(jù)進(jìn)行相關(guān)處理后，對(duì)應(yīng)的故障類別作為信息表決策屬性，形成故障初始化樣本。

2）樣本處理：對(duì)光伏陣列發(fā)電機(jī)組各故障特征樣本數(shù)據(jù)進(jìn)行相應(yīng)的歸一化、粗糙集處理，對(duì)診斷數(shù)據(jù)中的連續(xù)屬性值進(jìn)行離散化處理。

3）創(chuàng)建故障模型：以光伏陣列發(fā)電機(jī)組的故障特征樣本數(shù)據(jù)作為訓(xùn)練好的BP神經(jīng)網(wǎng)絡(luò)模型的輸入，以故障分類（如0、1、2、3、4）作為BP神經(jīng)網(wǎng)絡(luò)模型的輸出，構(gòu)造相應(yīng)的BP神經(jīng)網(wǎng)絡(luò)，并對(duì)其進(jìn)行學(xué)習(xí)及訓(xùn)練，優(yōu)化神經(jīng)網(wǎng)絡(luò)相應(yīng)的結(jié)構(gòu)參數(shù)及權(quán)值。

4）測(cè)試故障樣本集并輸出結(jié)果：將光伏陣列發(fā)電機(jī)組故障測(cè)試樣本輸入神經(jīng)網(wǎng)絡(luò)進(jìn)行檢驗(yàn)，如達(dá)不到要求則返回步驟2）、3），直到輸出結(jié)果滿意為止。

4 結(jié)語(yǔ)

本文通過(guò)對(duì)BP神經(jīng)網(wǎng)絡(luò)的故障診斷及建模方法的分析，將基于BP神經(jīng)網(wǎng)絡(luò)的故障診斷方法應(yīng)用于光伏陣列發(fā)電機(jī)組的故障診斷研究中?；贐P神經(jīng)網(wǎng)絡(luò)的故障診斷方法能有效對(duì)光伏陣列發(fā)電機(jī)組的電故障數(shù)據(jù)進(jìn)行準(zhǔn)確有效分類，為光伏陣列發(fā)電機(jī)組故障的初期診斷及電故障數(shù)據(jù)處理提供了一種切實(shí)有效的方法及途徑，在實(shí)際工程應(yīng)用中，也有著較高的工程參考價(jià)值。