CN113901709B - 一种光伏电站的故障诊断方法及装置 - Google Patents

一种光伏电站的故障诊断方法及装置 Download PDF

Info

Publication number
CN113901709B
CN113901709B CN202111094734.7A CN202111094734A CN113901709B CN 113901709 B CN113901709 B CN 113901709B CN 202111094734 A CN202111094734 A CN 202111094734A CN 113901709 B CN113901709 B CN 113901709B
Authority
CN
China
Prior art keywords
mode function
direct current
ground fault
component
natural mode
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.)
Active
Application number
CN202111094734.7A
Other languages
English (en)
Other versions
CN113901709A (zh
Inventor
王晓东
王若瑾
刘颖明
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.)
Shenyang University of Technology
Original Assignee
Shenyang University of Technology
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 Shenyang University of Technology filed Critical Shenyang University of Technology
Priority to CN202111094734.7A priority Critical patent/CN113901709B/zh
Publication of CN113901709A publication Critical patent/CN113901709A/zh
Application granted granted Critical
Publication of CN113901709B publication Critical patent/CN113901709B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/20—Administration of product repair or maintenance
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • 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
    • 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
    • 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
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Quality & Reliability (AREA)
  • Health & Medical Sciences (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Evolutionary Computation (AREA)
  • Operations Research (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Artificial Intelligence (AREA)
  • Software Systems (AREA)
  • Computer Hardware Design (AREA)
  • Game Theory and Decision Science (AREA)
  • Geometry (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Testing Of Short-Circuits, Discontinuities, Leakage, Or Incorrect Line Connections (AREA)

Abstract

本发明实施例公开了一种光伏电站的故障诊断方法及装置，该方法首先基于实时电流信号，确定暂态零模电流信号，再对每个暂态零模电流信号进行分解，确定目标固有模态函数分量，然后基于所有目标固有模态函数分量，得到目标固有模态函数分量的相关参数，再基于目标固有模态函数分量的相关参数，通过随机森林模型确定直流线路是否发生异常；如果直流线路发生异常，则根据异常情况对应的目标固有模态函数分量，判断直流线路是否发生阻抗接地故障；如果直流线路发生阻抗接地故障，则通过随机森林模型确定阻抗接地故障的类别。由此，该方法能够准确的检测出早期高阻接地故障，从而提高了光伏电站的安全性。

Description

一种光伏电站的故障诊断方法及装置
技术领域
本发明涉及光伏发电技术领域，具体而言涉及一种光伏电站的故障诊断方法及装置。
背景技术
光伏电站是直接将光能转变为电能的发电系统，由此光伏电站得到了越来越广泛的应用。然而，光伏电站的早期高阻接地故障作为隐形故障难以检测，从而导致存在很大的安全隐患。
发明内容
本发明的目的为提供了一种光伏电站的故障诊断方法及装置，以解决光伏电站的早期高阻接地故障作为隐形故障难以检测，从而导致存在很大的安全隐患的问题。
第一方面，本发明实施例提供了一种光伏电站的故障诊断方法，包括：
获取光伏电站的直流线路的实时暂态零模电流信号及随机森林模型；
对每个所述暂态零模电流信号进行分解，确定目标固有模态函数分量；
基于所有所述目标固有模态函数分量，得到目标固有模态函数分量的相关参数，所述目标固有模态函数分量的相关参数包括目标固有模态函数分量的最大值、最小值、方差、偏度、峰度、平均值、标准差、方差及中位数；
基于所述目标固有模态函数分量的相关参数，通过所述随机森林模型确定所述直流线路是否发生异常；
如果所述直流线路发生异常，则根据所述异常情况对应的目标固有模态函数分量，判断所述直流线路是否发生阻抗接地故障；
如果所述直流线路发生阻抗接地故障，则基于所述发生阻抗接地故障对应的目标固有模态函数分量的相关参数，通过所述随机森林模型确定所述阻抗接地故障的类别，所述阻抗接地故障的类别包括高阻抗接地故障、中阻抗接地故障及低阻抗接地故障。
具体地，所述对每个所述暂态零模电流信号进行分解，确定目标固有模态函数分量，包括：
对每个所述暂态零模电流信号进行分解，得到相应的多个固有模态函数分量；
基于每个所述暂态零模电流信号对应的多个固有模态函数分量，计算每个所述固有模态函数分量的最大加权相关指数；
基于每个所述固有模态函数分量的最大加权相关指数，确定目标固有模态函数分量，所述目标固有模态函数分量为在每个所述暂态零模电流信号对应的多个固有模态函数分量中，最大加权相关指数最大的固有模态函数分量。
具体地，所述根据所述异常情况对应的目标固有模态函数分量，判断所述直流线路是否发生阻抗接地故障，包括：
根据所述异常情况对应的目标固有模态函数分量，得到能量比值；
判断所述能量比值是否大于预设阈值，如果所述能量比值大于预设阈值，则确定所述直流线路发生阻抗接地故障。
具体地，所述根据所述异常情况对应的目标固有模态函数分量，判断所述直流线路是否发生阻抗接地故障，还包括：
如果所述能量比值不大于预设阈值，则确定所述直流线路发生负载投切。
具体地，所述根据所述异常情况对应的目标固有模态函数分量，得到能量比值，包括：
根据所述异常情况对应的目标固有模态函数分量，通过Prony算法得到相应的特征频率分量以及直流分量；
获取能量比值的公式，所述能量比值的公式为
其中，iT为特征频率分量；iB表示直流分量，WT为特征频率分量对应的能量值；WB为特征直流分量对应的能量值；n为采样点数；td为采样的时间间隔；n、T、B均为正整数；
根据所述特征频率分量以及直流分量，利用所述最大加权相关指数的公式，计算得到相应的能量比值。
第一方面，本发明实施例提供了一种光伏电站的故障诊断装置，包括：
获取模块，用于获取光伏电站的直流线路的实时暂态零模电流信号及随机森林模型；
分解模块，用于对每个所述暂态零模电流信号进行分解，确定目标固有模态函数分量；
确定模块，用于基于所有所述目标固有模态函数分量，得到目标固有模态函数分量的相关参数，所述目标固有模态函数分量的相关参数包括目标固有模态函数分量的最大值、最小值、方差、偏度、峰度、平均值、标准差、方差及中位数；
判断模块，用于基于所述目标固有模态函数分量的相关参数，通过所述随机森林模型确定所述直流线路是否发生异常；
如果所述直流线路发生异常，则根据所述异常情况对应的目标固有模态函数分量，判断所述直流线路是否发生阻抗接地故障；
如果所述直流线路发生阻抗接地故障，则基于所述发生阻抗接地故障对应的目标固有模态函数分量的相关参数，通过所述随机森林模型确定所述阻抗接地故障的类别，所述阻抗接地故障的类别包括高阻抗接地故障、中阻抗接地故障及低阻抗接地故障。
具体地，所述分解模块包括：
分解单元，用于对每个所述暂态零模电流信号进行分解，得到相应的多个固有模态函数分量；
第一计算单元，用于基于每个所述暂态零模电流信号对应的多个固有模态函数分量，计算每个所述固有模态函数分量的最大加权相关指数；
确定单元，用于基于每个所述固有模态函数分量的最大加权相关指数，确定目标固有模态函数分量，所述目标固有模态函数分量为在每个所述暂态零模电流信号对应的多个固有模态函数分量中，最大加权相关指数最大的固有模态函数分量。
具体地，所述判断模块包括：
第二计算单元，用于根据所述异常情况对应的目标固有模态函数分量，得到能量比值；
判断单元，用于判断所述能量比值是否大于预设阈值，如果所述能量比值大于预设阈值，则确定所述直流线路发生阻抗接地故障。
具体地，所述判断单元，还用于如果所述能量比值不大于预设阈值，则确定所述直流线路发生负载投切。
具体地，所述第二计算单元包括：
第一计算子单元，用于根据所述异常情况对应的目标固有模态函数分量，通过Prony算法得到相应的特征频率分量以及直流分量；
获取子单元，用于获取能量比值的公式，所述能量比值的公式为
其中，iT为特征频率分量；iB表示直流分量，WT为特征频率分量对应的能量值；WB为特征直流分量对应的能量值；n为采样点数；td为采样的时间间隔；n、T、B均为正整数；
第二计算子单元，用于根据所述特征频率分量以及直流分量，利用所述最大加权相关指数的公式，计算得到相应的能量比值。
根据本发明实施例所提供的一种光伏电站的故障诊断方法及装置，该方法首先获取光伏电站的直流线路的实时电流信号及随机森林模型，然后基于实时电流信号，确定暂态零模电流信号，再对每个暂态零模电流信号进行分解，确定目标固有模态函数分量，然后基于所有目标固有模态函数分量，得到目标固有模态函数分量的相关参数，再基于目标固有模态函数分量的相关参数，通过随机森林模型确定直流线路是否发生异常；如果直流线路发生异常，则根据异常情况对应的目标固有模态函数分量，判断直流线路是否发生阻抗接地故障；如果直流线路发生阻抗接地故障，则基于发生阻抗接地故障对应的目标固有模态函数分量的相关参数，通过随机森林模型确定阻抗接地故障的类别。由此，该方法能够准确的检测出早期高阻接地故障，从而提高了光伏电站的安全性。
附图说明
本发明的下列附图在此作为本发明实施例的一部分用于理解本发明。附图中示出了本发明的实施例及其描述，用来解释本发明的原理。
附图中：
图1为根据本发明的一个可选实施例的光伏电站的故障诊断方法的流程图；
图2为步骤S102的流程图；
图3为步骤S105的流程图；
图4为根据本发明的一个可选实施例的光伏电站的故障诊断装置的结构示意图。
具体实施方式
在下文的描述中，给出了大量具体的细节以便提供对本发明更为彻底的理解。然而，对于本领域技术人员而言显而易见的是，本发明可以无需一个或多个这些细节而得以实施。在其他的例子中，为了避免与本发明发生混淆，对于本领域公知的一些技术特征未进行描述。
应予以注意的是，这里所使用的术语仅是为了描述具体实施例，而非意图限制根据本发明的示例性实施例。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式。此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在所述特征、整体、步骤、操作、元件和/或组件，但不排除存在或附加一个或多个其他特征、整体、步骤、操作、元件、组件和/或它们的组合。
现在，将参照附图更详细地描述根据本发明的示例性实施例。然而，这些示例性实施例可以多种不同的形式来实施，并且不应当被解释为只限于这里所阐述的实施例。应当理解的是，提供这些实施例是为了使得本发明的公开彻底且完整，并且将这些示例性实施例的构思充分传达给本领域普通技术人员。
第一方面，如图1所示，本发明实施例提供了一种光伏电站的故障诊断方法，包括：
步骤S101：获取光伏电站的直流线路的实时暂态零模电流信号及随机森林模型。
步骤S102：对每个暂态零模电流信号进行分解，确定目标固有模态函数分量。
具体地，本步骤采用通过CEEMDAN算法分解暂态零模电流，得到多个固有模态函数(IMF)分量，然后从中确定目标固有模态函数分量。
CEEMDAN算法首先成对地给暂态零模电流信号i0(t)添加大小相同、符号相反的白噪声，然后采用EMD算法分解的方法对添加白噪声后的零模电流信号进行分解，得到IMF分量。
其中，EMD算法的具体步骤如下：首先确定暂态零模电流信号i0(t)上所有的极值点，然后采用三次样条函数曲线对所有的极大值点进行插值，从而拟合出暂态零模电流信号i0(t)的上包络线i0_max(t)；同理，拟合得到下包络线暂态零模电流信号i0(t)的上包络线i0_max(t)，然后按照公式得到一条均值线m0(t)；然后根据公式h1(t)＝i0(t)-m0(t)，计算得到差值h1(t)；之后再将h1(t)当做新的暂态零模电流信号i0(t)，重复上述步骤，即得h11(t)＝h1(t)-m1(t)，其中，m1(t)为h1(t)的上、下包络线的均值。若h11(t)不是IMF分量，则继续筛选，重复上述方法k次，得到第k次筛选的数据h1k(t)，当h1k(t)满足筛选终止准则的要求，则h1k(t)为第1阶IMF分量，记为c1(t)，然后从暂态零模电流信号i0(t)中减去第1阶IMF分量c1(t)得剩余信号，即为残差r1(t)。将r1(t)看作一组新的暂态零模电流信号i0(t)重复上述模态分解过程，经多次运算可得全部残差ri(t)为，至此，暂态零模电流信号i0(t)可由n阶IMF分量及残差rn(t)构成；然后重复添加不同的噪声，再进行EMD；最后对所有得到的IMF分量进行平均，得到最后的分解结果。
步骤S103：基于所有目标固有模态函数分量，得到目标固有模态函数分量的相关参数，目标固有模态函数分量的相关参数包括目标固有模态函数分量的最大值、最小值、方差、偏度、峰度、平均值、标准差、方差及中位数。
步骤S104：基于目标固有模态函数分量的相关参数，通过随机森林模型确定直流线路是否发生异常；如果直流线路发生异常，则执行步骤S105。
将上述目标固有模态函数分量的相关参数作为随机森林模型的输入，并且将数据的70％用于训练，30％用于测试。将准确率作为随机森林模型的输出，通过准确率是否大于预设值来判断异常状态检测方法是否有效，也就是如果准确率大于预设值，则异常状态检测有效，如果准确率小于预设值，则异常状态检测无效。准确率的公式为：
其中，TN表示为真实的负数，即预测为1，实际为1，预测正确；TP表示为真实的正数，即预测为0，实际为0，预测正确；FP表示为假阴性，即预测为0，实际为1，预测错误。
步骤S105：根据异常情况对应的目标固有模态函数分量，判断直流线路是否发生阻抗接地故障；如果直流线路发生阻抗接地故障，则执行步骤S106。
由于异常情况包括负载投切及发生阻抗接地故障，因此，需要对异常情况进一步进行区分，以准确确定是否发生阻抗接地故障。
步骤S106：基于发生阻抗接地故障对应的目标固有模态函数分量的相关参数，通过随机森林模型确定阻抗接地故障的类别，阻抗接地故障的类别包括高阻抗接地故障、中阻抗接地故障及低阻抗接地故障。
将发生阻抗接地故障对应的目标固有模态函数分量的相关参数作为输入数据，送到随机函数模型中进行故障分类，其中，70％用于故障分类训练，30％用于故障分类测试。为了判别分类的准确性，将灵敏度作为阻抗接地故障分类的输出，灵敏度大于85％对应的故障类型就是该直流线路的故障类型。灵敏度的公式如下：
其中，TPd表示为检测的真实正数，即预测为0，实际为0，预测正确；FNd表示为检测的假性，即预测为0，实际为1，预测错误。
由此，该方法能够准确的检测出早期高阻接地故障，从而提高了光伏电站的安全性。
进一步地，如图2所示，在上述实施例中，步骤S102包括：
步骤S201：对每个暂态零模电流信号进行分解，得到相应的多个固有模态函数分量。
步骤S202：基于每个暂态零模电流信号对应的多个固有模态函数分量，计算每个固有模态函数分量的最大加权相关指数。
其中，最大加权相关指数的公式为
其中，KI为峰度指数；CI为相关系数；K为暂态零模电流的原始信号长度；x(k)为故障序列时间长度；Xk和Zk分别表示任意两个不同的暂态零模电流信号；和/>分别为两个暂态零模电流信号的平均值；KICI为最大加权相关指数。
步骤S203：基于每个固有模态函数分量的最大加权相关指数，确定目标固有模态函数分量，目标固有模态函数分量为在每个暂态零模电流信号对应的多个固有模态函数分量中，最大加权相关指数最大的固有模态函数分量。
进一步地，如图3所示，在上述实施例中，上述步骤S105，包括：
步骤S301：根据异常情况对应的目标固有模态函数分量，得到能量比值。
具体地，该步骤具体包括如下步骤：
步骤一：根据异常情况对应的目标固有模态函数分量，通过Prony算法得到相应的特征频率分量以及直流分量。
将Prony算法作用于异常电流信号进行参数辨识，求解出特征频率分量WT以及直流分量WB，而对于负载投切的情况所产生的电流信号，不产生震荡分量，因此没有特征频率分量WT。
步骤二：获取能量比值的公式，能量比值的公式为
其中，iT为特征频率分量；iB表示直流分量，WT为特征频率分量对应的能量值；WB为特征直流分量对应的能量值；n为采样点数；td为采样的时间间隔；n、T、B均为正整数。
步骤三：根据特征频率分量以及直流分量，利用能量比值的公式，计算得到相应的能量比值。
步骤S302：判断能量比值是否大于预设阈值，如果能量比值大于预设阈值，则执行步骤S303；如果能量比值不大于预设阈值，则执行步骤S304。
针对负载投切的情况，能量比Rratio为0。阻抗接地故障能量比Rratio不为0，由此通过能量比Rratio区分负载投切和阻抗接地故障。其中，在理想状态下，预设阈值为0，而在实际情况中，预设阈值通常略大于0。
步骤S303：确定直流线路发生阻抗接地故障。
步骤S304：确定直流线路发生负载投切。
第二方面，如图4所示，本发明实施例提供了一种光伏电站的故障诊断装置，包括：
获取模块401，用于获取光伏电站的直流线路的实时暂态零模电流信号及随机森林模型；
分解模块402，用于对每个暂态零模电流信号进行分解，确定目标固有模态函数分量；
确定模块403，用于基于所有目标固有模态函数分量，得到目标固有模态函数分量的相关参数，目标固有模态函数分量的相关参数包括目标固有模态函数分量的最大值、最小值、方差、偏度、峰度、平均值、标准差、方差及中位数；
判断模块404，用于基于目标固有模态函数分量的相关参数，通过随机森林模型确定直流线路是否发生异常；
如果直流线路发生异常，则根据异常情况对应的目标固有模态函数分量，判断直流线路是否发生阻抗接地故障；
如果直流线路发生阻抗接地故障，则基于发生阻抗接地故障对应的目标固有模态函数分量的相关参数，通过随机森林模型确定阻抗接地故障的类别，阻抗接地故障的类别包括高阻抗接地故障、中阻抗接地故障及低阻抗接地故障。
具体地，分解模块包括：
分解单元，用于对每个暂态零模电流信号进行分解，得到相应的多个固有模态函数分量；
第一计算单元，用于基于每个暂态零模电流信号对应的多个固有模态函数分量，计算每个固有模态函数分量的最大加权相关指数；
确定单元，用于基于每个固有模态函数分量的最大加权相关指数，确定目标固有模态函数分量，目标固有模态函数分量为在每个暂态零模电流信号对应的多个固有模态函数分量中，最大加权相关指数最大的固有模态函数分量。
具体地，判断模块包括：
第二计算单元，用于根据异常情况对应的目标固有模态函数分量，得到能量比值；
判断单元，用于判断能量比值是否大于预设阈值，如果能量比值大于预设阈值，则确定直流线路发生阻抗接地故障。
具体地，判断单元，还用于如果能量比值不大于预设阈值，则确定直流线路发生负载投切。
具体地，第二计算单元包括：
第一计算子单元，用于根据异常情况对应的目标固有模态函数分量，通过Prony算法得到相应的特征频率分量以及直流分量；
获取子单元，用于获取能量比值的公式，能量比值的公式为
其中，iT为特征频率分量；iB表示直流分量，WT为特征频率分量对应的能量值；WB为特征直流分量对应的能量值；n为采样点数；td为采样的时间间隔；n、T、B均为正整数；
第二计算子单元，用于根据特征频率分量以及直流分量，利用最大加权相关指数的公式，计算得到相应的能量比值。
本发明已经通过上述实施例进行了说明，但应当理解的是，上述实施例只是用于举例和说明的目的，而非意在将本发明限制于所描述的实施例范围内。此外本领域技术人员可以理解的是，本发明并不局限于上述实施例，根据本发明的教导还可以做出更多种的变型和修改，这些变型和修改均落在本发明所要求保护的范围以内。本发明的保护范围由附属的权利要求书及其等效范围所界定。

Claims (2)

1.一种光伏电站的故障诊断方法，其特征在于，包括：
获取光伏电站的直流线路的实时暂态零模电流信号及随机森林模型；
对每个所述暂态零模电流信号进行分解，确定目标固有模态函数分量；
基于所有所述目标固有模态函数分量，得到目标固有模态函数分量的相关参数，所述目标固有模态函数分量的相关参数包括目标固有模态函数分量的最大值、最小值、方差、偏度、峰度、平均值、标准差、方差及中位数；
基于所述目标固有模态函数分量的相关参数，通过所述随机森林模型确定所述直流线路是否发生异常；
如果所述直流线路发生异常，则根据异常情况对应的目标固有模态函数分量，判断所述直流线路是否发生阻抗接地故障；
如果所述直流线路发生阻抗接地故障，则基于所述发生阻抗接地故障对应的目标固有模态函数分量的相关参数，通过所述随机森林模型确定所述阻抗接地故障的类别，所述阻抗接地故障的类别包括高阻抗接地故障、中阻抗接地故障及低阻抗接地故障；
所述对每个所述暂态零模电流信号进行分解，确定目标固有模态函数分量，包括：
对每个所述暂态零模电流信号进行分解，得到相应的多个固有模态函数分量；
基于每个所述暂态零模电流信号对应的多个固有模态函数分量，计算每个所述固有模态函数分量的最大加权相关指数；
基于每个所述固有模态函数分量的最大加权相关指数，确定目标固有模态函数分量，所述目标固有模态函数分量为在每个所述暂态零模电流信号对应的多个固有模态函数分量中，最大加权相关指数最大的固有模态函数分量；
所述根据所述异常情况对应的目标固有模态函数分量，判断所述直流线路是否发生阻抗接地故障，包括：
根据所述异常情况对应的目标固有模态函数分量，得到能量比值；
判断所述能量比值是否大于预设阈值，如果所述能量比值大于预设阈值，则确定所述直流线路发生阻抗接地故障；
所述根据所述异常情况对应的目标固有模态函数分量，判断所述直流线路是否发生阻抗接地故障，还包括：
如果所述能量比值不大于预设阈值，则确定所述直流线路发生负载投切；
所述根据所述异常情况对应的目标固有模态函数分量，得到能量比值，包括：
根据所述异常情况对应的目标固有模态函数分量，通过Prony算法得到相应的特征频率分量以及直流分量；
获取能量比值的公式，所述能量比值的公式为
其中，iT为特征频率分量；iB表示直流分量，WT为特征频率分量对应的能量值；WB为特征直流分量对应的能量值；n为采样点数；td为采样的时间间隔；n、T、B均为正整数；
根据所述特征频率分量以及直流分量，利用所述能量比值的公式，计算得到相应的能量比值。
2.一种光伏电站的故障诊断装置，其特征在于，包括：
获取模块，用于获取光伏电站的直流线路的实时暂态零模电流信号及随机森林模型；
分解模块，用于对每个所述暂态零模电流信号进行分解，确定目标固有模态函数分量；
确定模块，用于基于所有所述目标固有模态函数分量，得到目标固有模态函数分量的相关参数，所述目标固有模态函数分量的相关参数包括目标固有模态函数分量的最大值、最小值、方差、偏度、峰度、平均值、标准差、方差及中位数；
判断模块，用于基于所述目标固有模态函数分量的相关参数，通过所述随机森林模型确定所述直流线路是否发生异常；
如果所述直流线路发生异常，则根据所述异常情况对应的目标固有模态函数分量，判断所述直流线路是否发生阻抗接地故障；
如果所述直流线路发生阻抗接地故障，则基于所述发生阻抗接地故障对应的目标固有模态函数分量的相关参数，通过所述随机森林模型确定所述阻抗接地故障的类别，所述阻抗接地故障的类别包括高阻抗接地故障、中阻抗接地故障及低阻抗接地故障；
所述分解模块包括：
分解单元，用于对每个所述暂态零模电流信号进行分解，得到相应的多个固有模态函数分量；
第一计算单元，用于基于每个所述暂态零模电流信号对应的多个固有模态函数分量，计算每个所述固有模态函数分量的最大加权相关指数；
确定单元，用于基于每个所述固有模态函数分量的最大加权相关指数，确定目标固有模态函数分量，所述目标固有模态函数分量为在每个所述暂态零模电流信号对应的多个固有模态函数分量中，最大加权相关指数最大的固有模态函数分量；
所述判断模块包括：
第二计算单元，用于根据所述异常情况对应的目标固有模态函数分量，得到能量比值；
判断单元，用于判断所述能量比值是否大于预设阈值，如果所述能量比值大于预设阈值，则确定所述直流线路发生阻抗接地故障；
所述判断单元，还用于如果所述能量比值不大于预设阈值，则确定所述直流线路发生负载投切；
所述第二计算单元包括：
第一计算子单元，用于根据异常情况对应的目标固有模态函数分量，通过Prony算法得到相应的特征频率分量以及直流分量；
获取子单元，用于获取能量比值的公式，所述能量比值的公式为
其中，iT为特征频率分量；iB表示直流分量，WT为特征频率分量对应的能量值；WB为特征直流分量对应的能量值；n为采样点数；td为采样的时间间隔；n、T、B均为正整数；
第二计算子单元，用于根据所述特征频率分量以及直流分量，利用所述能量比值的公式，计算得到相应的能量比值。
CN202111094734.7A 2021-09-17 2021-09-17 一种光伏电站的故障诊断方法及装置 Active CN113901709B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111094734.7A CN113901709B (zh) 2021-09-17 2021-09-17 一种光伏电站的故障诊断方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111094734.7A CN113901709B (zh) 2021-09-17 2021-09-17 一种光伏电站的故障诊断方法及装置

Publications (2)

Publication Number Publication Date
CN113901709A CN113901709A (zh) 2022-01-07
CN113901709B true CN113901709B (zh) 2024-04-30

Family

ID=79028660

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111094734.7A Active CN113901709B (zh) 2021-09-17 2021-09-17 一种光伏电站的故障诊断方法及装置

Country Status (1)

Country Link
CN (1) CN113901709B (zh)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109975656A (zh) * 2019-03-06 2019-07-05 河南理工大学 基于柔性直流配电网高阻接地故障检测方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2015139719A1 (en) * 2014-03-17 2015-09-24 Abb Technology Ltd Method and apparatus for sensing a fault in a power system

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109975656A (zh) * 2019-03-06 2019-07-05 河南理工大学 基于柔性直流配电网高阻接地故障检测方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于EEMD和能量法的谐振接地配电网故障选线研究;田书;寿好俊;;电子测量技术;20160915(09);全文 *

Also Published As

Publication number Publication date
CN113901709A (zh) 2022-01-07

Similar Documents

Publication Publication Date Title
CN107831422B (zh) 一种gis设备局部放电诊断方法及系统
EP3460496B1 (en) A method and apparatus for automatic localization of a fault
CN112748317B (zh) 基于多种监测数据的开关柜局部放电故障检测方法及系统
CN117250561B (zh) 一种基于大数据的电气线束检测方法及系统
CN105137213A (zh) 一种数据通讯实时诊断系统及方法
CN115980531A (zh) 一种特定环境下的gis开关柜质量检测方法及系统
CN115128345A (zh) 一种基于谐波监测的电网安全预警方法及系统
US20220065916A1 (en) Arc detection method and apparatus using statistical value of electric current
CN113901709B (zh) 一种光伏电站的故障诊断方法及装置
CN111551352A (zh) 一种gis设备的断路器的状态的检测方法及系统
CN118405019A (zh) 一种具有智能运行维护功能的充电桩系统
CN116449134A (zh) 一种光伏逆变器的故障信息获取方法及系统
CN111352004A (zh) 线缆故障检测方法、装置、系统和可读存储介质
CN115327426A (zh) 直流电源接地故障在线检测方法及系统
CN114966272A (zh) 一种避雷器状态在线监测方法、装置、设备及介质
CN114137401A (zh) 一种故障的电磁信号的确定方法及装置
CN111980900B (zh) 一种基于多源数据融合分析的水泵故障诊断方法
US20150036520A1 (en) Monitoring of a differential multichannel transmission link
CN114689321A (zh) 风力发电机组的轴承故障诊断方法、装置、电子设备
CN112816836A (zh) 一种故障检测系统、局部放电在线监测装置及方法
Ensina et al. Fault classification in transmission lines with generalization competence
CN213637092U (zh) 并网火电机组自动发电控制系统性能指标预警装置
CN117559656B (zh) 一种基于互联网的输电线安全监控系统
CN118566652B (zh) 一种供电厂输电线路故障检测方法及系统
CN115754828B (zh) 一种用于机房的防雷接地装置检测系统和方法

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
GR01 Patent grant
GR01 Patent grant