CN112269110A - 一种电弧故障判定方法 - Google Patents

一种电弧故障判定方法 Download PDF

Info

Publication number
CN112269110A
CN112269110A CN202011116444.3A CN202011116444A CN112269110A CN 112269110 A CN112269110 A CN 112269110A CN 202011116444 A CN202011116444 A CN 202011116444A CN 112269110 A CN112269110 A CN 112269110A
Authority
CN
China
Prior art keywords
component
current
arc fault
historical
domain component
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202011116444.3A
Other languages
English (en)
Inventor
陈伟
邹绍琨
周辉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hefei Sungrow New Energy Technology Co Ltd
Original Assignee
Hefei Sungrow New Energy Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Hefei Sungrow New Energy Technology Co Ltd filed Critical Hefei Sungrow New Energy Technology Co Ltd
Priority to CN202011116444.3A priority Critical patent/CN112269110A/zh
Publication of CN112269110A publication Critical patent/CN112269110A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/12—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing
    • G01R31/1227—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing of components, parts or materials
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R19/00—Arrangements for measuring currents or voltages or for indicating presence or sign thereof
    • G01R19/165—Indicating that current or voltage is either above or below a predetermined value or within or outside a predetermined range of values
    • G01R19/16566—Circuits and arrangements for comparing voltage or current with one or several thresholds and for indicating the result not covered by subgroups G01R19/16504, G01R19/16528, G01R19/16533
    • G01R19/16571—Circuits and arrangements for comparing voltage or current with one or several thresholds and for indicating the result not covered by subgroups G01R19/16504, G01R19/16528, G01R19/16533 comparing AC or DC current with one threshold, e.g. load current, over-current, surge current or fault current
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02S—GENERATION OF ELECTRIC POWER BY CONVERSION OF INFRARED RADIATION, VISIBLE LIGHT OR ULTRAVIOLET LIGHT, e.g. USING PHOTOVOLTAIC [PV] MODULES
    • H02S50/00—Monitoring or testing of PV systems, e.g. load balancing or fault identification
    • H02S50/10—Testing of PV devices, e.g. of PV modules or single PV cells
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/50—Photovoltaic [PV] energy

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Testing Relating To Insulation (AREA)

Abstract

本申请提供了一种电弧故障判定方法，首先实时获取待测组件的组件电流以及环境数据；然后根据当前时刻及之前获取到的相应组件电流以及环境数据，进行特征提取，得到待测组件的历史电流特征集合；最后根据历史电流特征集合，进行阈值动态寻优，确定待测组件当前时刻的电弧故障特征最佳阈值，并与待测组件当前时刻的组件电流进行比较，得到待测组件的电弧故障判定结果；相较于现有方案，本发明用于判断电弧故障的数据不仅为电流数据，还有环境数据，并且评判标准也不是设定的电弧故障阈值，而是实时进行阈值动态寻优后的阈值，从而所得的判定结果准确度高，并且本方案还能够有效精准检测出组件级的电弧故障。

Description

一种电弧故障判定方法
技术领域
本发明涉及光伏技术领域，具体涉及一种电弧故障判定方法。
背景技术
在光伏系统中，直流电弧故障一旦产生，若不及时采取有效的防护措施，持续的电弧会产生300℃以上的高温，进而引发火灾，对系统中各设备造成程度不一的损坏。
当光伏系统中的直流电弧发生故障时，电弧故障所在点的电流会存在明显变化。现有技术主要基于上述特点，将组串电流分解成时域分量和频域分量，并分别与设定的时域电弧故障阈值和频域电弧故障阈值进行比较，确定出是否产生电弧故障。
但是，由于该现有方案输入数据仅为单一的电流数据，并且评判标准是设定的电弧故障阈值，电弧故障判定失误率率高。
发明内容
对此，本申请提供一种电弧故障判定方法，以解决现有输入数据仅为单一的电流数据，并且评判标准是设定的电弧故障阈值，导致电弧故障判定失误率率高的问题。
为实现上述目的，本发明实施例提供如下技术方案：
本申请第一方面公开了一种电弧故障判定方法，包括：
实时获取待测组件的组件电流以及环境数据；
根据当前时刻及之前获取到的相应组件电流以及环境数据，进行特征提取，得到所述待测组件的历史电流特征集合；
根据所述历史电流特征集合，进行阈值动态寻优，确定所述待测组件当前时刻的电弧故障特征最佳阈值，并与所述待测组件当前时刻的组件电流进行比较，得到所述待测组件的电弧故障判定结果。
可选地，在上述的电弧故障判定方法中，根据当前时刻及之前获取到的相应组件电流以及环境数据，进行特征提取，得到所述待测组件的历史电流特征集合，包括：
根据所述组件电流，确定所述组件电流的时频分量；
根据各个所述环境数据分别确定相应的环境系数，对历史环境系数表进行滚动更新；
对不同时刻所述待测组件在不同所述历史环境系数表下的所述时频分量，进行时频分量聚类，得到所述待测组件的历史电流特征集合。
可选地，在上述的电弧故障判定方法中，所述时频分量包括：时域分量和频域分量。
可选地，在上述的电弧故障判定方法中，所述历史电流特征集合包括：历史电流时域分量集合和历史电流频域分量集合；
对不同时刻所述待测组件在不同所述历史环境系数表下的所述时频分量，进行时频分量聚类，得到所述待测组件的历史电流特征集合，包括：
对不同时刻所述待测组件在不同所述历史环境系数表下的所述时域分量，进行时域分量聚类，得到所述待测组件的所述历史电流时域分量集合；
对不同时刻所述待测组件在不同所述历史环境系数表下的所述频域分量，进行频域分量聚类，得到所述待测组件的所述历史电流频域分量集合。
可选地，在上述的电弧故障判定方法中，所述历史电流时域分量集合为：
Figure BDA0002730376760000021
所述历史电流频域分量集合为：
Figure BDA0002730376760000022
其中，PK为时间K所对应的环境系数，A表示时域分量，F表示频域分量，q为PK下电流有效数据最新日期所处的最大序数，l为PK下电流有效数据最新时刻所处的最大序数。
可选地，在上述的电弧故障判定方法中，所述环境数据包括：天气类型和辐照度。
可选地，在上述的电弧故障判定方法中，根据所述历史电流特征集合，进行阈值动态寻优，确定所述待测组件当前时刻的电弧故障特征最佳阈值，包括：
根据所述历史电流特征集合，进行加权求和方差，确定所述待测组件在每一所述历史环境系数表下的电弧故障特征最佳阈值，进而求得所述待测组件在各个所述历史环境系数表下的电弧故障特征最佳阈值集合；
确定所述电弧故障特征最佳阈值集合中，与所述待测组件当前时刻的所述环境数据相对应的电弧故障特征最佳阈值。
可选地，在上述的电弧故障判定方法中，所述历史电流特征集合包括：历史电流时域分量集合和历史电流频域分量集合；所述电弧故障特征最佳阈值包括：电弧故障时域分量最佳阈值和电弧故障频域分量最佳阈值；
根据所述历史电流特征集合，进行加权求和方差，确定所述待测组件在每一所述历史环境系数表下的电弧故障特征最佳阈值，包括：
根据所述历史电流时域分量集合，进行加权求和方差，确定所述待测组件在每一所述历史环境系数表下的电弧故障时域分量最佳阈值；
根据所述历史电流频域分量集合，进行加权求和方差，确定所述待测组件在每一所述历史环境系数表下的电弧故障频域分量最佳阈值。
可选地，在上述的电弧故障判定方法中，根据所述历史电流时域分量集合，进行加权求和方差，确定所述待测组件在每一所述历史环境系数表下的电弧故障时域分量最佳阈值，包括：
对所述历史电流时域分量集合中的每个所述环境系数表的数据，进行方差统计，得到对应所述环境系数表下的平均数、标准差及电流时域分量最佳离散度上限值；
以所述电流时域分量最佳离散度上限值和所述历史电流时域分量集合中的最大电流分量中的较大值，作为对应所述环境系数表下的电弧故障时域分量最佳阈值。
可选地，在上述的电弧故障判定方法中，根据所述历史电流频域分量集合，进行加权求和方差，确定所述待测组件在每一所述历史环境系数表下的电弧故障频域分量最佳阈值，包括：
对所述历史电流频域分量集合中的每个所述环境系数表的数据，进行方差统计，得到对应所述环境系数表下的平均数、标准差及电流频域分量最佳离散度上限值；
以所述电流频域分量最佳离散度上限值和所述历史电流频域分量集合中的最大电流分量中的较大值，作为对应所述环境系数表下的电弧故障频域分量最佳阈值。
可选地，在上述的电弧故障判定方法中，所述电弧故障特征最佳阈值集合，包括：电弧故障时域分量最佳阈值集合和电弧故障频域分量最佳阈值集合；
确定所述电弧故障特征最佳阈值集合中，与所述待测组件当前时刻的所述环境数据相对应的电弧故障特征最佳阈值，包括：
根据当前时刻的所述环境数据，确定当前时刻的环境系数；
从所述电弧故障时域分量最佳阈值集合中，抽取与当前时刻的环境系数相对应的电弧故障时域分量最佳阈值；
从所述电弧故障频域分量最佳阈值集合中，抽取与当前时刻的环境系数相对应的电弧故障频域分量最佳阈值。
可选地，在上述的电弧故障判定方法中，与所述待测组件当前时刻的组件电流进行比较，得到所述待测组件的电弧故障判定结果，包括：
将所述组件电流的时域分量与当前时刻的电弧故障时域分量最佳阈值进行比较，并将所述组件电流的频域分量与当前时刻的电弧故障频域分量最佳阈值进行比较；
当所述组件电流的时域分量大于当前时刻的电弧故障时域分量最佳阈值，且，所述组件电流的频域分量大于当前时刻的电弧故障频域分量最佳阈值时，确定所述待测组件的电弧故障判定结果为发生电弧故障。
可选地，在上述的电弧故障判定方法中，在与所述待测组件当前时刻的组件电流进行比较，得到所述待测组件的电弧故障判定结果之后，还包括：
向外发送电弧故障告警以及所述待测组件的位置。
基于上述本发明提供的电弧故障判断方法，该方法首先实时获取待测组件的组件电流以及环境数据；然后根据当前时刻及之前获取到的相应组件电流以及环境数据，进行特征提取，得到待测组件的历史电流特征集合；最后，根据历史电流特征集合，进行阈值动态寻优，确定待测组件当前时刻的电弧故障特征最佳阈值，并与待测组件当前时刻的组件电流进行比较，得到待测组件的电弧故障判定结果；相较于现有方案，本发明用于判断是否出现电弧故障的数据不仅为电流数据，还有环境数据，并且评判标准也不是设定的电弧故障阈值，而是实时进行阈值动态寻优后的阈值，从而所得的判定结果准确度高；再者，本方案采用的是组件电流，而非现有技术中的组串电流，进而能够有效精准检测出组件级的电弧故障。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
图1为本申请实施例提供的一种电弧故障判定方法的流程图；
图2为本申请实施例提供的一种得到待测组件的历史电流特征集合的流程图；
图3为本申请实施例提供的一种确定待测组件当前时刻的电弧故障特征最佳阈值的流程图；
图4为本申请实施例提供的一种确定出待测组件在每一历史环境系数表下的电弧故障时域分量最佳阈值的流程图；
图5为本申请实施例提供的一种确定出待测组件在当前时刻的环境数据相对应的电弧故障特征最佳阈值的流程图；
图6为本申请实施例提供的另一种电弧故障判定方法的流程图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本申请实施例提供了一种电弧故障判定方法，以解决现有输入数据仅为单一的电流数据，并且评判标准是设定的电弧故障阈值，导致电弧故障判定失误率率高的问题。
结合图6，请参见图1，该电弧故障判定方法主要包括以下步骤：
S101、实时获取待测组件的组件电流以及环境数据。
其中，待测组件为需要进行电弧故障判定，但还未进行电弧故障判定的组件。
在实际应用中，若该电弧故障判定方法的应用场景是光伏系统，则待测组件可以是该光伏系统中所有需要进行电弧故障判定的组件，也可以是指定的任意一个或者部分组件；本申请对其不作具体限定，视其具体应用环境而定即可，均属于本申请的保护范围。
待测组件的组件电流可以是通过设置于各个组件上的电流传感器采集到的电流，也可以是通过其他现有方式获得的电流；本申请对获取待测组件的组件电流的方式不作具体限定，均属于本申请的保护范围。
待测组件的环境数据至少包括天气类型和辐照度。由于获取动作是实时的，所以实际上每个时刻都可以获取得到该待测组件当前时刻的天气类型和辐照度，以及当前时刻之前N个时刻的天气类型和辐照度；N为正整数。
天气类型表征天气情况，比如，晴天、雨天或者阴天等。在实际应用中，可以通过气象系统或者气象服务器，实时获取该待测组件的天气类型；本申请对获取待测组件的天气类型的具体方式不作限定，均属于本申请的保护范围。
在实际应用中，可以通过设置于该待测组件中的辐照计，获得该待测组件的辐照度；当然，还可以通过现有技术中的其他方式，获得待测组件的辐照度，本申请对获得辐照度的方式不作具体限定，均属于本申请的保护范围。
S102、根据当前时刻及之前获取到的相应组件电流以及环境数据，进行特征提取，得到待测组件的历史电流特征集合。
实际应用中，可以对组件电流进行分解，分别获得其时域分量和频域分量；并对环境数据进行参数化设置，得到相应的环境系数，且实时更新，使其能够与各个时刻相对应的组件电流的两种分量进行后续的分量聚类操作，也即该特征提取的动作具体可以是时频分量聚类，进而得到待测组件的历史电流特征集合。
当然，实际应用中并不进行于此，还可视用户需求和应用环境进行其他设置和选择，本申请不作限定，均属于本申请的保护范围。
S103、根据历史电流特征集合，进行阈值动态寻优，确定待测组件当前时刻的电弧故障特征最佳阈值，并与待测组件当前时刻的组件电流进行比较，得到待测组件的电弧故障判定结果。
具体的，执行步骤S103中的根据历史电流特征集合，进行阈值动态寻优，确定待测组件当前时刻的电弧故障特征最佳阈值的过程可如图3所示：
S301、根据历史电流特征集合，进行加权求和方差，确定待测组件在每一历史环境系数表下的电弧故障特征最佳阈值，进而求得待测组件在各个历史环境系数表下的电弧故障特征最佳阈值集合。
实际应用中，该历史电流特征集合包括：历史电流时域分量集合和历史电流频域分量集合。该电弧故障特征最佳阈值包括：电弧故障时域分量最佳阈值和电弧故障频域分量最佳阈值。此时，执行步骤S301的具体过程包括：(1)根据历史电流时域分量集合，进行加权求和方差，确定待测组件在每一历史环境系数表下的电弧故障时域分量最佳阈值；以及，(2)根据历史电流频域分量集合，进行加权求和方差，确定待测组件在每一历史环境系数表下的电弧故障频域分量最佳阈值。
加权求和方差的具体执行过程可以视其应用环境而定，此处不做限定，均在本申请的保护范围内。
S302、确定电弧故障特征最佳阈值集合中，与待测组件当前时刻的环境数据相对应的电弧故障特征最佳阈值。
其中，该电弧故障特征最佳阈值集合包括了电弧故障时域分量最佳阈值集合D[P，ATHE]和电弧故障频域分量最佳阈值集合D[P，FTHE]。
通过步骤S101已经获取了待测组件当前时刻的环境数据，对该环境数据也可以进行与步骤S102中相同的参数化设置，进而得到相应的环境系数；并且通过步骤S301也已经获得了各种历史环境系数表下的电弧故障特征最佳阈值，因此可以根据当前时刻对应的环境系数，抽取与当前时刻的环境系数相对应的电弧故障时域分量最佳阈值。
另外，通过步骤S101已经获取了待测组件当前时刻的组件电流，该组件电流可以分解得到其时域分量和频域分量；因此，步骤S103中，与待测组件当前时刻的组件电流进行比较，得到待测组件的电弧故障判定结果的执行过程如下：
首先，将组件电流的时域分量与当前时刻的电弧故障时域分量最佳阈值进行比较，并将组件电流的频域分量与当前时刻的电弧故障频域分量最佳阈值进行比较。
当组件电流的时域分量大于当前时刻的电弧故障时域分量最佳阈值，且，组件电流的频域分量大于当前时刻的电弧故障频域分量最佳阈值时，确定待测组件的电弧故障判定结果为发生电弧故障。
换言之，若将该组件电流的时域分量记为A’、频域分量记为F’，则当A’大于ATHE且F’大于FTHE时，判定出该待测组件存在电弧故障。
基于上述原理，可以得到，相较于现有方案，本发明用于判断是否出现电弧故障的数据不仅为电流电流，还有环境数据，并且评判标准也不是设定的电弧故障阈值，而是实时进行阈值动态寻优后的阈值，从而所得的判定结果准确度高；再者，本方案采用的是组件电流，而非现有技术中的组串电流，进而能够有效精准检测出组件级的电弧故障。
也即，本申请提供的电弧故障判定方法，能够在组件电流时刻数据的基础之上，增加时刻环境数据，结合既有的历史环境数据，经过时域分量聚类和频域分量聚类，迭代组件电流时频分量历史数据集合，再加入阈值动态寻优功能，实时推算出当前时刻的电弧故障时域分量最佳阈值和电弧故障频域分量最佳阈值，同时加入电弧故障判定功能，将当前时刻的组件电流与实时推算得到的最佳阈值进行对比，得到电弧故障判定结果。
可选地，结合图6，请参见图2，在本申请提供的另一实施例中，执行步骤S102、根据当前时刻及之前获取到的相应组件电流以及环境数据，进行特征提取，得到待测组件的历史电流特征集合的具体过程如下：
S201、根据组件电流，确定组件电流的时频分量。
其中，该时频分量包括：时域分量和频域分量。
具体的，可以将实时获取的、当前时刻的待测组件的组件电流进分别进行时域和频域分量分解，得到当前时刻该待测组件的组件电流的时域分量和频域分量。
在实际应用中，假设每天从6:00～19:00，每间隔10ms采集一次组件电流，则每天每个组件共有4680000个点数据，为了方便说明，将该组件的组件电流的时域分量记为Aij，将该组件的组件电流的频域分量记为Fij。其中，i指的是对应的日期——年月日，j指的是对应的当天电流点数序号及采集时间。
例如，若是在2020.09.01早上6：00分对待测组件的组件电流进行采集，则该待测组件的组件电流的时域分量Aij和频域分量Fij中的i表示2020.09.01，j表示该数据是当天采集顺序为第一、采集时间为6:00的对应数据。
需要说明的是，本申请对每天获取待测组件的组件电流的具体时段不作具体限定，对每两次采集的间隔时长也不作具体限定，无论如何设定，均在本申请的保护范围内。
当然，为了实现对电弧故障组件的定位功能，还可以每个组件的时域分量Aij和频域分量记为Fij中增加该组件的位置标识，比如将该组件的时域分量记为Amnij，频域分量记为Fmnij，表示该组件位于第m组串的第n组件。需要说明的是，每个组件在组串中的标识，如具体编号和位置，可以预先设定。
S202、根据各个环境数据分别确定相应的环境系数，对历史环境系数表进行滚动更新。
同理，为了方便对每个日期中各个时间点的环境数据进行说明，将ij时刻对应的环境系数记为Pij，并将ij时刻对应的环境数据中的天气类型记为Tij类，将ij时刻对应的环境数据中的辐照度记为Iij。因此，在ij时刻对应的环境系数可以表示为Pij[Tij，Iij]。
如此，针对每一个待测组件，在每个日期i中都有j个环境系数。根据各个环境系数，可以分别确定出每个时刻对应的环境系数。
需要说明的是，可以采用神经网络模型或者预设确定规则的方式，确定出每个环境数据所对应的环境系数；当然，还可以采用现有技术中的其他方式，确定出每个环境数据所对应的环境系数，本申请对确定环境系数的具体方式不作限定，均属于本申请的保护范围。
在确定出每个环境数据对应的环境系数后，可以将确定出的环境系数作为新数据，对历史环境系数表DPij中进行滚动更新，然后推算得出最新的环境系数表Dp。历史环境系数表DPij是由待测组件在当前时刻及之前Y天中，每天的环境系数构成；Y为正整数。
如此，对历史环境系数表DPij中进行滚动更新后，推算得出的最新的环境系数表Dp为：
[P1，P2，P3，……PI]——(1)；
其中，I表示该最新的环境系数表Dp中关于时间的最大值。
S203、对不同时刻待测组件在不同历史环境系数表下的时频分量，进行时频分量聚类，得到待测组件的历史电流特征集合。
实际应用中，该历史电流特征集合包括：历史电流时域分量集合和历史电流频域分量集合。
具体的，执行步骤S203、对不同时刻待测组件在不同历史环境系数表下的时频分量，进行时频分量聚类，得到待测组件的历史电流特征集合的过程如下：
a、对不同时刻待测组件在不同历史环境系数表下的时域分量，进行时域分量聚类，得到待测组件的历史电流时域分量集合。
实际应用中，根据各时刻对应的组件电流和对应的环境数据的不同，得到每块组件对应的历史电流时域分量集合D[Pii，Aij]，并根据最新的环境系数表Dp进行统计分类，也即进行时域分量聚类，得到不同环境系数下的历史电流时域分量集合D[P，A]。
其中，该历史电流时域分量集合为：
Figure BDA0002730376760000111
其中，PK表示时间K所对应的环境系数，K为(1)式中的I所有遍历，A表示时域分量，q为PK环境系数下电流有效数据最新日期所处的最大序数，l为PK环境系数下电流有效数据最新时刻所处的最大序数。
b、对不同时刻待测组件在不同历史环境系数表下的频域分量，进行频域分量聚类，得到待测组件的历史电流频域分量集合。
同理，实际应用中，根据各时刻对应的组件电流和对应的环境数据的不同，得到每块组件对应的历史电流频域分量集合D[Pii，Fij]，并根据最新的环境系数表Dp进行统计分类，也即进行时域分量聚类，得到不同环境系数下的历史电流时域分量集合D[P，F]。
其中，该历史电流频域分量集合为：
Figure BDA0002730376760000112
其中，PK表示时间K所对应的环境系数，K为(1)式中的I所有遍历，F表示频域分量，q为PK环境系数下电流有效数据最新日期所处的最大序数，l为PK环境系数下电流有效数据最新时刻所处的最大序数。
需要说明的是，实际应用中，时域分量聚类和频域分量聚类能够结合组件电流各时刻时域分量数据集合和各时刻频域分量数据集合、天气环境因素，聚类抽取到不同环境系数下的历史电流时域分量集合和历史电流频域分量集合。
需要说明的是，上述执行过程只是一种举例，在实际应用的具体执行方式中并不仅限于此，均属于本申请的保护范围。
可选地，结合图6，请参见图4，在本申请提供的另一实施例中，执行步骤S301中第(1)部分，即：根据历史电流时域分量集合，进行加权求和方差，确定出待测组件在每一历史环境系数表下的电弧故障时域分量最佳阈值，其具体过程为：
S401、对历史电流时域分量集合中的每个环境系数表的数据，进行方差统计，得到对应环境系数表下的平均数、标准差及电流时域分量最佳离散度上限值。
实际应用中，若该将历史电流时域分量集合记为集合D[P，A]，则针对D[P，A]中每个环境系数表的数据，进行方差统计，得到对应的环境系数表Pk下的平均数μAk、标准差σAk及电流时域分量最佳离散度上限值(μAk+σAk)/Pk。
其中，计算得到标准差σAk所用的公式可以为：
Figure BDA0002730376760000121
计算得到平均数μAk所用的公式可以为：
Figure BDA0002730376760000122
需要说明的是，公式中的Aij是环境系数Pk对应的电流时域分量，也即与上述示出的Aij具有同样释义。
S402、以电流时域分量最佳离散度上限值和历史电流时域分量集合中的最大电流分量中的较大值，作为对应环境系数表下的电弧故障时域分量最佳阈值。
在实际应用中，可以依据步骤S401中得到的平均数μAk和标准差σAk进行计算，得到该环境系数表Pk下的电流时域分量最佳离散度AE。若是该电流时域分量最佳离散度AE位于电流时域分量最佳离散度上限值(μAk+σAk)/Pk内，也即该电流时域分量最佳离散度AE小于电流时域分量最佳离散度上限值(μAk+σAk)/Pk时，若历史电流时域分量集合D[P，A]中的最大电流分量Amax小于电流时域分量最佳离散度上限值(μAk+σAk)/Pk，则将电流时域分量最佳离散度上限值(μAk+σAk)/Pk作为对应环境系数表下的电弧故障时域分量最佳阈值ATHE，反之则将最大电流分量Amax作为对应环境系数表下的电弧故障时域分量最佳阈值ATHE。
依据上述原理，可以得到各个组件在各个环境系数表下的电弧故障时域分量最佳阈值集合D[P，ATHE]。
对应地，执行步骤S301中第(2)部分，即：根据历史电流频域分量集合，进行加权求和方差，确定待测组件在每一历史环境系数表下的电弧故障频域分量最佳阈值，其具体过程与图4所示相类似，包括：对历史电流频域分量集合中的每个环境系数表的数据，进行方差统计，得到对应环境系数表下的平均数、标准差及电流频域分量最佳离散度上限值；然后，以电流频域分量最佳离散度上限值和历史电流频域分量集合中的最大电流分量中的较大值，作为对应环境系数表下的电弧故障频域分量最佳阈值。
区别于时域部分的是：若将历史电流频域分量集合记为集合D[P，F]，则针对D[P，F]中每个环境系数表的数据，进行方差统计，得到对应的环境系数表Pk下的平均数μFk、标准差σFk及电流时域分量最佳离散度上限值(μFk+σFk)/Pk。
其中，计算得到标准差σFk所用的公式可以为：
Figure BDA0002730376760000131
计算得到平均数μFk所用的公式可以为：
Figure BDA0002730376760000132
需要说明的是，公式中的Fij是环境系数Pk对应的电流频域分量，也即与上述示出的Fij具有同样释义。
同理，实际应用中同样可以依据得到的平均数μFk和标准差σFk进行计算，得到该环境系数表Pk下的电流频域分量最佳离散度FE。若是该电流频域分量最佳离散度FE位于电流频域分量最佳离散度上限值(μFk+σFk)/Pk内，也即该电流频域分量最佳离散度FE小于电流频域分量最佳离散度上限值(μFk+σFk)/Pk时，若历史电流频域分量集合D[P，F]中的最大电流分量Fmax小于电流频域分量最佳离散度上限值(μFk+σFk)/Pk，则将电流频域分量最佳离散度上限值(μFk+σFk)/Pk作为对应环境系数表下的电弧故障时域分量最佳阈值FTHE，反之则将最大电流分量Fmax作为对应环境系数表下的电弧故障频域分量最佳阈值FTHE。
依据上述原理，可以得到各个组件在各个环境系数表下的电弧故障频域分量最佳阈值集合D[P，FTHE]。
需要说明的是，实际应用中，阈值动态寻优能够在历史电流时域分量集合和历史电流频域分量集合的基础之上，分别对历史电流时域分量集合和历史电流频域分量集合加权环境系数求标准差，得到各个环境系数对应的电流分量离散度，并推算出电弧故障时域分量最佳阈值集合和电弧故障频域分量最佳阈值集合。
需要说明的是，上述执行过程只是一种举例，在实际应用的具体执行方式中并不仅限于此，均属于本申请的保护范围。
可选地，结合图6，请参见图5，在本申请提供的另一实施例中，执行步骤S302、确定电弧故障特征最佳阈值集合中，与待测组件当前时刻的环境数据相对应的电弧故障特征最佳阈值，其具体过程可以为：
S501、根据当前时刻的环境数据，确定当前时刻的环境系数。
实际应用中，可以将当前时刻的环境数据进行处理，得到当前时刻的环境数据对应的环境系数，也即当前时刻的环境系数。
需要说明的是，根据当前时刻的环境数据，确定当前时刻的环境系数的具体方式可视其具体应用环境和用户需求确定，本申请不作具体限定，均属于本申请的保护范围。
S502、从电弧故障时域分量最佳阈值集合中，抽取与当前时刻的环境系数相对应的电弧故障时域分量最佳阈值。
实际应用中，若将当前时刻的环境系数记为P’，可以从电弧故障时域分量最佳阈值集合D[P，ATHE]中，抽取与当前时刻的环境系数P’相对应的电弧故障时域分量最佳阈值ATHE。
S503、从电弧故障频域分量最佳阈值集合中，抽取与当前时刻的环境系数相对应的电弧故障频域分量最佳阈值。
实际应用中，若将当前时刻的环境系数记为P’，可以从电弧故障时域分量最佳阈值集合D[P，FTHE]中，抽取与当前时刻的环境系数P’相对应的电弧故障时域分量最佳阈值FTHE。
需要说明的是，实际应用中，步骤S502和步骤S503的执行顺序，可以是如图5示出的先执行步骤S502再执行步骤S503，还可以先执行步骤S503后执行步骤S502，或者，同时步骤S502和步骤S503。
通过上述过程，得到待测组件当前时刻的环境系数相对应的电弧故障时域分量最佳阈值ATHE和电弧故障频域分量最佳阈值FTHE之后，可以执行步骤S103中的与待测组件当前时刻的组件电流进行比较，得到待测组件的电弧故障判定结果这一过程。
需要说明的是，上述执行过程只是一种举例，在实际应用的具体执行方式中并不仅限于此，均属于本申请的保护范围。
实际应用中，本申请不仅能够通过对每块组件的电流数据进行分析，结合当地天气环境因素及电流历史数据综合动态寻优电弧故障阈值，实时判定电弧故障，保障了电弧故障判定准确可靠有效，还能在执行步骤S103中在与待测组件当前时刻的组件电流进行比较，得到待测组件的电弧故障判定结果之后，执行向外发送电弧故障告警以及待测组件的位置的步骤，以提示待测组件出现故障，以及精准定位出现电弧故障的组件位置，有效降低了因电弧故障而导致的电站损失，提高了设备维修效率。
相较于现有的只能检测组串是否产生电弧故障，无法准确定位出现电弧故障的组件的位置的电弧故障判定方法，本申请不仅能够精确定位出现电弧故障的组件位置，同时也避免停止组串发电所带来的经济损失。
本说明书中的各个实施例中记载的特征可以相互替换或者组合，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统或系统实施例而言，由于其基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。以上所描述的系统及系统实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

Claims (13)

1.一种电弧故障判定方法，其特征在于，包括：
实时获取待测组件的组件电流以及环境数据；
根据当前时刻及之前获取到的相应组件电流以及环境数据，进行特征提取，得到所述待测组件的历史电流特征集合；
根据所述历史电流特征集合，进行阈值动态寻优，确定所述待测组件当前时刻的电弧故障特征最佳阈值，并与所述待测组件当前时刻的组件电流进行比较，得到所述待测组件的电弧故障判定结果。
2.根据权利要求1所述的电弧故障判定方法，其特征在于，根据当前时刻及之前获取到的相应组件电流以及环境数据，进行特征提取，得到所述待测组件的历史电流特征集合，包括：
根据所述组件电流，确定所述组件电流的时频分量；
根据各个所述环境数据分别确定相应的环境系数，对历史环境系数表进行滚动更新；
对不同时刻所述待测组件在不同所述历史环境系数表下的所述时频分量，进行时频分量聚类，得到所述待测组件的历史电流特征集合。
3.根据权利要求2所述的电弧故障判定方法，其特征在于，所述时频分量包括：时域分量和频域分量。
4.根据权利要求3所述的电弧故障判定方法，其特征在于，所述历史电流特征集合包括：历史电流时域分量集合和历史电流频域分量集合；
对不同时刻所述待测组件在不同所述历史环境系数表下的所述时频分量，进行时频分量聚类，得到所述待测组件的历史电流特征集合，包括：
对不同时刻所述待测组件在不同所述历史环境系数表下的所述时域分量，进行时域分量聚类，得到所述待测组件的所述历史电流时域分量集合；
对不同时刻所述待测组件在不同所述历史环境系数表下的所述频域分量，进行频域分量聚类，得到所述待测组件的所述历史电流频域分量集合。
5.根据权利要求4所述的电弧故障判定方法，其特征在于，所述历史电流时域分量集合为：
Figure FDA0002730376750000011
所述历史电流频域分量集合为：
Figure FDA0002730376750000021
其中，PK为时间K所对应的环境系数，A表示时域分量，F表示频域分量，q为PK下电流有效数据最新日期所处的最大序数，l为PK下电流有效数据最新时刻所处的最大序数。
6.根据权利要求2所述的电弧故障判定方法，其特征在于，所述环境数据包括：天气类型和辐照度。
7.根据权利要求1-6任一项所述的电弧故障判定方法，其特征在于，根据所述历史电流特征集合，进行阈值动态寻优，确定所述待测组件当前时刻的电弧故障特征最佳阈值，包括：
根据所述历史电流特征集合，进行加权求和方差，确定所述待测组件在每一所述历史环境系数表下的电弧故障特征最佳阈值，进而求得所述待测组件在各个所述历史环境系数表下的电弧故障特征最佳阈值集合；
确定所述电弧故障特征最佳阈值集合中，与所述待测组件当前时刻的所述环境数据相对应的电弧故障特征最佳阈值。
8.根据权利要求7所述的电弧故障判定方法，其特征在于，所述历史电流特征集合包括：历史电流时域分量集合和历史电流频域分量集合；所述电弧故障特征最佳阈值包括：电弧故障时域分量最佳阈值和电弧故障频域分量最佳阈值；
根据所述历史电流特征集合，进行加权求和方差，确定所述待测组件在每一所述历史环境系数表下的电弧故障特征最佳阈值，包括：
根据所述历史电流时域分量集合，进行加权求和方差，确定所述待测组件在每一所述历史环境系数表下的电弧故障时域分量最佳阈值；
根据所述历史电流频域分量集合，进行加权求和方差，确定所述待测组件在每一所述历史环境系数表下的电弧故障频域分量最佳阈值。
9.根据权利要求8所述的电弧故障判定方法，其特征在于，根据所述历史电流时域分量集合，进行加权求和方差，确定所述待测组件在每一所述历史环境系数表下的电弧故障时域分量最佳阈值，包括：
对所述历史电流时域分量集合中的每个所述环境系数表的数据，进行方差统计，得到对应所述环境系数表下的平均数、标准差及电流时域分量最佳离散度上限值；
以所述电流时域分量最佳离散度上限值和所述历史电流时域分量集合中的最大电流分量中的较大值，作为对应所述环境系数表下的电弧故障时域分量最佳阈值。
10.根据权利要求8所述的电弧故障判定方法，其特征在于，根据所述历史电流频域分量集合，进行加权求和方差，确定所述待测组件在每一所述历史环境系数表下的电弧故障频域分量最佳阈值，包括：
对所述历史电流频域分量集合中的每个所述环境系数表的数据，进行方差统计，得到对应所述环境系数表下的平均数、标准差及电流频域分量最佳离散度上限值；
以所述电流频域分量最佳离散度上限值和所述历史电流频域分量集合中的最大电流分量中的较大值，作为对应所述环境系数表下的电弧故障频域分量最佳阈值。
11.根据权利要求8所述的电弧故障判定方法，其特征在于，所述电弧故障特征最佳阈值集合，包括：电弧故障时域分量最佳阈值集合和电弧故障频域分量最佳阈值集合；
确定所述电弧故障特征最佳阈值集合中，与所述待测组件当前时刻的所述环境数据相对应的电弧故障特征最佳阈值，包括：
根据当前时刻的所述环境数据，确定当前时刻的环境系数；
从所述电弧故障时域分量最佳阈值集合中，抽取与当前时刻的环境系数相对应的电弧故障时域分量最佳阈值；
从所述电弧故障频域分量最佳阈值集合中，抽取与当前时刻的环境系数相对应的电弧故障频域分量最佳阈值。
12.根据权利要求11所述的电弧故障判定方法，其特征在于，与所述待测组件当前时刻的组件电流进行比较，得到所述待测组件的电弧故障判定结果，包括：
将所述组件电流的时域分量与当前时刻的电弧故障时域分量最佳阈值进行比较，并将所述组件电流的频域分量与当前时刻的电弧故障频域分量最佳阈值进行比较；
当所述组件电流的时域分量大于当前时刻的电弧故障时域分量最佳阈值，且，所述组件电流的频域分量大于当前时刻的电弧故障频域分量最佳阈值时，确定所述待测组件的电弧故障判定结果为发生电弧故障。
13.根据权利要求12所述的电弧故障判定方法，其特征在于，在与所述待测组件当前时刻的组件电流进行比较，得到所述待测组件的电弧故障判定结果之后，还包括：
向外发送电弧故障告警以及所述待测组件的位置。
CN202011116444.3A 2020-10-19 2020-10-19 一种电弧故障判定方法 Pending CN112269110A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011116444.3A CN112269110A (zh) 2020-10-19 2020-10-19 一种电弧故障判定方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011116444.3A CN112269110A (zh) 2020-10-19 2020-10-19 一种电弧故障判定方法

Publications (1)

Publication Number Publication Date
CN112269110A true CN112269110A (zh) 2021-01-26

Family

ID=74338257

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011116444.3A Pending CN112269110A (zh) 2020-10-19 2020-10-19 一种电弧故障判定方法

Country Status (1)

Country Link
CN (1) CN112269110A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112505512A (zh) * 2020-01-02 2021-03-16 青岛鼎信通讯股份有限公司 一种故障电弧的识别方法、装置、设备及介质
CN113125913A (zh) * 2021-05-07 2021-07-16 珠海格力电器股份有限公司 一种电弧故障检测方法、装置及直流电器

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107579707A (zh) * 2017-10-13 2018-01-12 江苏大学 一种基于参数辨识的光伏阵列故障诊断方法
CN107733357A (zh) * 2016-08-11 2018-02-23 苏州瑞得恩光能科技有限公司 一种大型光伏电站中电池面板的故障检测算法
CN207603574U (zh) * 2017-12-06 2018-07-10 南京优珈特新能源有限公司 一种光伏组件在线检测系统
CN109842373A (zh) * 2019-04-15 2019-06-04 国网河南省电力公司电力科学研究院 基于时空分布特性的光伏阵列故障诊断方法及装置
CN110336534A (zh) * 2019-07-15 2019-10-15 龙源（北京）太阳能技术有限公司 一种基于光伏阵列电气参数时间序列特征提取的故障诊断方法
CN111669123A (zh) * 2020-05-11 2020-09-15 国电新能源技术研究院有限公司 用于对光伏组串进行故障诊断的方法和装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107733357A (zh) * 2016-08-11 2018-02-23 苏州瑞得恩光能科技有限公司 一种大型光伏电站中电池面板的故障检测算法
CN107579707A (zh) * 2017-10-13 2018-01-12 江苏大学 一种基于参数辨识的光伏阵列故障诊断方法
CN207603574U (zh) * 2017-12-06 2018-07-10 南京优珈特新能源有限公司 一种光伏组件在线检测系统
CN109842373A (zh) * 2019-04-15 2019-06-04 国网河南省电力公司电力科学研究院 基于时空分布特性的光伏阵列故障诊断方法及装置
CN110336534A (zh) * 2019-07-15 2019-10-15 龙源（北京）太阳能技术有限公司 一种基于光伏阵列电气参数时间序列特征提取的故障诊断方法
CN111669123A (zh) * 2020-05-11 2020-09-15 国电新能源技术研究院有限公司 用于对光伏组串进行故障诊断的方法和装置

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112505512A (zh) * 2020-01-02 2021-03-16 青岛鼎信通讯股份有限公司 一种故障电弧的识别方法、装置、设备及介质
US11831138B2 (en) 2020-01-02 2023-11-28 Qingdao Topscomm Communication Co., Ltd Fault-arc identification method, device and apparatus, and storage medium
CN113125913A (zh) * 2021-05-07 2021-07-16 珠海格力电器股份有限公司 一种电弧故障检测方法、装置及直流电器

Similar Documents

Publication Publication Date Title
WO2019080367A1 (zh) 一种机械设备健康状态评估方法
CN112269110A (zh) 一种电弧故障判定方法
CN109766952B (zh) 基于偏最小二乘法和极限学习机的光伏阵列故障检测方法
CN106709816B (zh) 基于非参数回归分析的电力负荷异常数据识别与修正方法
CN110619479B (zh) 光伏组件的故障判别模型建模方法及故障判别方法
CN109067722B (zh) 一种基于两步聚类和检测片分析联合算法的LDoS检测方法
CN108881250B (zh) 电力通信网络安全态势预测方法、装置、设备及存储介质
CN108510147B (zh) 一种基于残差波动模型的电能质量综合评价方法
CN106651731B (zh) 基于历史数据的通信铁塔待解决问题集生成方法及系统
WO2022127616A1 (zh) 一种输电线路全线雷电绕击跳闸风险多维分析方法
CN111191936B (zh) 一种台风风雨综合影响指数计算方法及存储装置
CN109301835B (zh) 一种考虑用户效用的配网电压暂降严重程度评估方法
CN109951499A (zh) 一种基于网络结构特征的异常检测方法
CN115144702A (zh) 一种基于自组织竞争型神经网络的接地故障类型识别方法
CN114266602A (zh) 电力物联网多源数据融合的深度学习电价预测方法和装置
CN116933895B (zh) 一种基于机器学习的物联网数据挖掘方法及系统
CN107147143B (zh) 一种风机连锁脱网故障早期预警模型建立方法
CN110022313A (zh) 基于机器学习的多态蠕虫特征提取及多态蠕虫辨识方法
CN116151799A (zh) 一种基于bp神经网络的配电线路多工况故障率快速评估方法
Rizvi et al. Real-time ZIP load parameter tracking using adaptive window and variable elimination with realistic synthetic synchrophasor data
CN116307787A (zh) 一种基于指纹的服务器运维故障识别方法、定位方法
CN101923605B (zh) 铁路防灾风预警方法
CN111224468B (zh) 一种基于云计算的光伏设备安全运行运维平台
CN112834959A (zh) 基于高频特征提取的直流配电系统故障检测方法
CN111475774A (zh) 一种光伏电站设备异常状态检测方法及装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
CB02 Change of applicant information

Address after: High tech Zone of Hefei city of Anhui Province in 230088 Lake Road No. 2

Applicant after: Sunshine New Energy Development Co.,Ltd.

Address before: High tech Zone of Hefei city of Anhui Province in 230088 Lake Road No. 2

Applicant before: Sunshine New Energy Development Co.,Ltd.

Address after: High tech Zone of Hefei city of Anhui Province in 230088 Lake Road No. 2

Applicant after: Sunshine New Energy Development Co.,Ltd.

Address before: 230088 6th floor, R & D center building, no.1699 Xiyou Road, high tech Zone, Hefei City, Anhui Province

Applicant before: HEFEI SUNGROW RENEWABLE ENERGY SCI. & TECH. Co.,Ltd.

CB02 Change of applicant information