基于最小二乘法的并網(wǎng)光伏逆變器運行故障識別方法

劉海東

（上海正泰電源系統(tǒng)有限公司，上海 201620）

0 引 言

故障診斷就是對設(shè)備或系統(tǒng)的運行狀態(tài)、參數(shù)、波形等進行分析，判斷出故障的種類，從而判定出故障的嚴重性。通過對故障的及時診斷與識別，能夠及時發(fā)現(xiàn)和處理故障，從而保證生產(chǎn)安全，使故障對機械設(shè)備或生產(chǎn)單位造成的經(jīng)濟損失降至最低[1]。在全球范圍內(nèi)，由于環(huán)境污染造成的破壞、自然資源的枯竭、氣候惡化、能源危機等問題不斷涌現(xiàn)，使得全球的能源開發(fā)策略逐漸轉(zhuǎn)向了可再生、潔凈的能源。為滿足能源的可持續(xù)發(fā)展要求，出現(xiàn)了可再生光能的全新發(fā)電模式，逆變器作為光伏發(fā)電的關(guān)鍵設(shè)備，現(xiàn)階段已經(jīng)成為了電力企業(yè)關(guān)注與研究的重點[2]。在并網(wǎng)系統(tǒng)中，光伏逆變器要輸出與公用電網(wǎng)具有相同相位、頻率的正弦波，而且還要嚴格控制逆變器的輸出電壓中所包含的高階、直流成分，以防止由于逆變器故障造成的電網(wǎng)污染現(xiàn)象。近年來，隨著光伏并網(wǎng)發(fā)電的迅速發(fā)展，越來越多的并網(wǎng)逆變器被引入到了公共電網(wǎng)中，極大程度上影響了電力市場的安全。逆變器的功能是控制光伏陣列在最大功率點上運行并將正弦波電流注入到電網(wǎng)中。而逆變器運行期間容易出現(xiàn)故障，嚴重影響了電力系統(tǒng)的運行安全。因此需要對并網(wǎng)光伏逆變器進行故障識別?，F(xiàn)有的故障識別方法雖然能夠識別出部分故障，但是由于該方法易受到背景噪聲的影響，導(dǎo)致故障識別的準確性降低。

為解決此方面問題，本文引入最小二乘法，設(shè)計并網(wǎng)光伏逆變器運行故障的識別方法。先提取并網(wǎng)光伏逆變器運行信號，為避免提取過程中背景存在噪聲信息會對故障識別造成影響，需要對提取的信號進行預(yù)處理。引進最小二乘法，對并網(wǎng)光伏逆變器在運行中的異常信號按照時序進行排序，得到并網(wǎng)光伏逆變器運行異常曲線，對異常曲線進行擬合處理，實現(xiàn)對其運行故障的辨識與分類。通過此種方式，為并網(wǎng)的安全運行提供全面的技術(shù)保障。

1 并網(wǎng)光伏逆變器運行信號提取與處理

為實現(xiàn)對并網(wǎng)光伏逆變器運行故障的精準識別，可在設(shè)計方法前，將其運行過程作為一種線性動態(tài)系統(tǒng)，即逆變器的運行存在多輸入、多輸出的特點，通過此種方式，進行逆變器運行信號的提取[3]。提取過程計算公式為

式中：l表示逆變器運行信號的提取；m表示瞬時幅值；n表示瞬時頻率；a表示限制條件。若不預(yù)先對所收集的故障信號進行專項處理，會存在信號中的噪聲影響故障識別結(jié)果的問題，因此，在完成對信號的采集后，利用經(jīng)驗?zāi)B(tài)分解（Empirical Mode Decomposition，EMD）算法，對所獲取的故障信號進行分解，使其成為能夠被加工的線性平滑IMF分量成分[4]。此過程計算公式為

式中：y表示分解函數(shù)；t表示采集信號對應(yīng)的時刻；H表示IMF分量；x表示EMD算法。同時，考慮到處理的信號中攜帶大量噪聲會對后續(xù)工作造成干擾，因此，還需要在現(xiàn)有工作的基礎(chǔ)上，進行信號的去噪處理。處理過程計算公式為

式中：w為信號去噪處理；θ為相位角；K為Hilbert變換。按照上述方式，完成對并網(wǎng)光伏逆變器運行信號的提取與處理。

2 基于最小二乘法的逆變器運行異常曲線擬合

在上述設(shè)計內(nèi)容的基礎(chǔ)上，引進最小二乘法，對處理后的并網(wǎng)光伏逆變器運行信號按照時序進行匹配，提取存在異常狀態(tài)的信號分量，將其作為運行異常曲線[5]?？紤]到在此種狀態(tài)下的曲線為一次曲線，此時，可以建立曲線的異常表達矩陣，矩陣表達式為

式中：A為異常表達矩陣；為異常曲線的不同斜率值。對一次曲線進行二次轉(zhuǎn)換，建立如下計算公式所示的逆變器運行異常曲線線性表達方程，方程表達式為

式中：C為異常曲線線性表達方程；T為一次曲線；Y為二次轉(zhuǎn)換。通過最小二乘法中的輔助性計算工具，進行曲線斜率的計算。計算公式為

式中：z0為實測電壓值；Z為異常曲線截距；X為觀察值。完成計算后，根據(jù)計算結(jié)果，進行異常曲線斜率的擬合。擬合過程如下計算公式為

式中：G為擬合過程；α為補償值；i為擬合次數(shù)；j為補償次數(shù)；β為計量條件。按照上述方式，完成基于最小二乘法的逆變器運行異常曲線擬合處理。

3 并網(wǎng)光伏逆變器運行故障辨識與故障分類

在上述設(shè)計內(nèi)容的基礎(chǔ)上，引進蝙蝠算法，進行并網(wǎng)光伏逆變器運行故障辨識與故障分類。將每個蝙蝠作為當(dāng)前檢索范圍內(nèi)的一個故障類型，將故障識別過程作為獵物的捕獲過程。根據(jù)檢索空間維度，定義蝙蝠在空間中的檢索時刻，按照預(yù)設(shè)的頻率進行蝙蝠在空間中最優(yōu)位置的檢索。重復(fù)上述過程，直到完成所有蝙蝠在空間中的適配，此過程計算公式為

式中：v為并網(wǎng)光伏逆變器運行故障辨識過程；K為最優(yōu)位置；χ為檢索空間維度；V為位置更新速度；δ為蝙蝠算法。按照上述方式，實現(xiàn)對并網(wǎng)光伏逆變器運行故障辨識。在此基礎(chǔ)上，考慮到空間中可能存在干擾項對故障辨識過程造成影響，因此，需要根據(jù)空間中隨機數(shù)的種類，進行故障的分類，分類過程計算公式為

式中：H為故障分類；η為故障類別；ψ0為初始化位置。通過上述公式，實現(xiàn)對并網(wǎng)光伏逆變器運行故障分類，完成基于最小二乘法的并網(wǎng)光伏逆變器運行故障識別方法設(shè)計。

4 對比實驗

上文完成了基于最小二乘法的并網(wǎng)光伏逆變器運行故障識別方法設(shè)計，為實現(xiàn)對此方法在實際應(yīng)用中效果的檢驗，下述將以某地區(qū)發(fā)電廠為例，通過設(shè)計對比實驗的方式，對其運行中的故障進行識別與診斷。根據(jù)實驗需求，與發(fā)電廠工作人員進行交涉，明確了在為地區(qū)提供供電服務(wù)時，最常用的是電壓型逆變器。實驗前，建立針對并網(wǎng)光伏逆變器的拓撲結(jié)構(gòu)模型，如圖1所示。

圖1 并網(wǎng)光伏逆變器拓撲結(jié)構(gòu)模型示意

在上述設(shè)計內(nèi)容的基礎(chǔ)上，搭建此次實驗平臺，平臺中相關(guān)參數(shù)如表1所示。

表1 對比實驗平臺技術(shù)參數(shù)

完成對實驗環(huán)境與實驗中相關(guān)參數(shù)的設(shè)計與規(guī)劃后，使用本文設(shè)計的方法，進行并網(wǎng)光伏逆變器運行故障的識別。同時，將基于粒子群優(yōu)化-核極限學(xué)習(xí)機（Particle Swarm Optimization-kernel bused Extreme Learning Machine，PSO-KELM）的并網(wǎng)光伏逆變器運行故障識別方法作為對比實驗中的傳統(tǒng)方法。在使用傳統(tǒng)方法進行故障識別時，需要先進行逆變器模糊熵值的計算，同時，通過混合載波調(diào)制，進行設(shè)備的容錯控制。此外，通過對暫態(tài)同步特性的分析，進行運行信號的訓(xùn)練，通過此種方式，實現(xiàn)基于傳統(tǒng)方法的并網(wǎng)光伏逆變器運行故障識別。

在并網(wǎng)光伏逆變器運行的第3 s與第5 s，注入故障信號，將故障頻率分量作為檢驗故障識別方法可行性的關(guān)鍵指標，使用2種方法，對并網(wǎng)光伏逆變器運行故障進行識別。傳統(tǒng)方法識別到并網(wǎng)光伏逆變器運行故障頻率分量在第3 s與第5 s較為集中，但在其他時段也識別到了故障頻率分量，出現(xiàn)錯誤識別情況。而本文方法精準識別到并網(wǎng)光伏逆變器運行的第3 s與第5 s，存在較高的故障頻率分量，此外在其他時段不存在故障頻率分量。

由此可以看出本文方法不受背景噪聲所影響，識別的并網(wǎng)光伏逆變器運行故障與實際故障的匹配度極高，對故障的識別更加精準，能夠保障并網(wǎng)光伏逆變器安全穩(wěn)定的運行。

5 結(jié) 論

并網(wǎng)光伏逆變器運行故障不僅會對供電服務(wù)過程造成較為直接的影響與干擾，還會在一定程度上影響電力企業(yè)對外發(fā)展中的經(jīng)濟效益。因此本文基于最小二乘法設(shè)計并網(wǎng)光伏逆變器運行故障識別方法，通過并網(wǎng)光伏逆變器運行信號提取與處理、逆變器運行異常曲線擬合、并網(wǎng)光伏逆變器運行故障辨識與故障分類，實現(xiàn)故障識別。并證明設(shè)計方法在實際應(yīng)用中的效果良好，能夠為并網(wǎng)光伏逆變器的安全、穩(wěn)定、可持續(xù)運行提供全面的技術(shù)指導(dǎo)與幫助。