一种基于自适应阈值法的并网光伏系统故障检测方法与流程

本发明涉及光伏发电系统故障检测，尤其涉及一种基于自适应阈值法的并网光伏系统故障检测方法。

背景技术：

1、随着全球能源需求的持续增长和化石能源的日益枯竭，太阳能作为一种清洁、可再生的能源备受瞩目。并网光伏发电系统已成为现代能源基础设施的重要组成部分，在全球范围内得到了广泛应用。然而，光伏电站通常建设于室外环境，光伏组件长期暴露于户外，容易受到降雨、高温、灰尘遮挡以及自身材料老化等多种因素的影响，导致光伏阵列频繁出现各类故障。

2、目前光伏阵列的故障检测方法主要包括红外图像检测法、电信号检测法、事件相关检测法和基于传感器检测法等。传统的光伏故障检测方法通常根据经验设定固定的发电量或电气参数作为警报阈值，通过比较光伏阵列的实际运行数据与设定的固定阈值实现故障判断，这种方法无法适应不同天气和环境条件下的发电情况变化。光照强度、温度等环境因素剧烈波动时，光伏组件的电压-电流特性会发生显著变化，传统的固定阈值方法容易导致误报或漏报。

3、现有技术中也出现了一些改进方案。例如，有方案通过马氏距离计算监控数据的偏差率进行异常判断，并通过两阶段健康阈值实现故障诊断。还有方案使用两步分位数方法计算不同辐照度下的电流阈值和不同温度下的电压阈值，通过将光伏阵列的输出与阈值比较来判断运行状态。另外，也有方案结合深度学习和自适应优化算法构建动态阈值训练网络，以解决固定阈值无法自适应调整的问题。然而，上述方法均存在一定的局限性：前者仅考虑了辐照度和温度的单因素离线阈值，无法适应动态变化的运行环境；后者虽然引入了深度学习实现了动态阈值，但模型复杂度高、计算资源需求大，不利于实时快速检测；更关键的是，现有技术普遍忽略了并网逆变器直流侧和交流侧的不同故障特征差异，以及对电网状态反馈的有效利用，导致在电网波动等条件下阈值适应性不足。

4、因此，亟需一种能够在不同环境条件和电网状态下自适应调整检测阈值、计算复杂度低且检测精度高的并网光伏系统故障检测方法。

技术实现思路

1、为了克服现有基于固定阈值主成分分析（pca）的故障检测方法在并网光伏系统（gcpvs）监测中误报率高的缺陷，本发明提供了一种基于自适应阈值法的并网光伏系统故障检测方法，所述方法该方法在降低误报率的同时，能够及时、准确地检测出系统发生的各类故障，并具备良好的抗尖峰噪声能力和对缓慢漂移故障的灵敏度。

2、为了实现上述技术目的，本发明提供如下技术方案：

3、一种基于自适应阈值法的并网光伏系统故障检测方法，包括：离线建模阶段和在线监测阶段；

4、所述离线建模阶段包括：

5、l1：采集并网光伏系统在正常运行状态下的历史数据，构成训练数据集，并对所述训练数据集进行标准化预处理，得到标准化训练数据矩阵；

6、l2：基于所述标准化训练数据矩阵构建主成分分析统计模型，确定保留的主成分个数，并计算初始监测统计量的阈值；其中，所述监测统计量包括统计量和统计量；

7、l3：利用验证数据集确定模糊逻辑滤波器的参数、滑动窗口长度及故障状态下的固定阈值；

8、所述在线监测阶段包括以下步骤：

9、s1：实时采集并网光伏系统的运行数据，并利用离线阶段存储的均值和标准差对实时采集的数据进行标准化处理；

10、s2：基于离线阶段构建的主成分分析统计模型，计算当前标准化样本的统计量和统计量；

11、s3：将计算得到的统计量和统计量分别送入模糊逻辑滤波器进行滤波处理，得到滤波后的统计量和滤波后的统计量；

12、s4：将滤波后的统计量和滤波后的统计量分别与当前的自适应阈值和自适应阈值进行比较，并根据比较结果进行故障决策及阈值更新：

13、当滤波后的统计量小于等于当前自适应阈值且滤波后的统计量小于等于当前自适应阈值时，判定为正常工况，执行自适应阈值更新；

14、当滤波后的统计量大于当前自适应阈值或滤波后的统计量大于当前自适应阈值时，判定为故障工况，触发报警并执行故障工况处理策略。

15、进一步地，获取的并网光伏系统的运行数据为并网光伏系统的多个传感器中采集的运行数据；其中，传感器包括但不限于太阳辐照度传感器、组件温度传感器、环境温度传感器、风速传感器、各组串电流/电压传感器、各逆变器输入/输出电流/电压传感器。

16、进一步地，在线监测阶段s2中，基于离线阶段主成分分析模型的负荷矩阵和特征值矩阵，分别计算当前标准化样本的统计量和统计量；计算公式为：

17、；

18、；

19、其中，为主成分方向上的得分向量；为标准化后的实时样本向量，是为行向量；为残差向量；为单位矩阵。

20、进一步地，所述离线建模阶段中，基于标准化训练数据矩阵构建主成分分析统计模型，具体包括：

21、计算标准化训练数据矩阵的协方差矩阵：

22、；

23、对协方差矩阵进行奇异值分解，得到：

24、；

25、其中，为协方差矩阵的特征值按降序排列的对角矩阵；为与特征值对应的标准正交特征向量矩阵

26、根据保留的主成分个数将划分为主成分子空间和残差子空间，并将前个特征值构成的对角矩阵。

27、进一步地，保留的主成分个数的确定过程具体为：

28、基于标准化训练数据矩阵的均值向量和标准差向量，生成与所述标准化训练数据矩阵同维度、同方差的白噪声数据，并计算所述白噪声数据的各特征值；

29、将所述标准化训练数据矩阵的协方差矩阵的各特征值与所述白噪声数据的各特征值绘制在同一坐标图中；

30、将两条曲线最后一次交叉点之前的所述标准化训练数据矩阵的特征值个数确定为保留的主成分个数。

31、进一步地，所述离线建模阶段中，统计量的初始控制阈值的计算公式为：

32、；

33、其中，为保留的主成分个数；为训练数据集的样本个数；为自由度为和的分布在显著性水平下的临界值；

34、统计量的初始控制阈值的计算公式为：

35、；

36、其中，为标准正态分布在置信水平下的分数位；由残差子空间的特征值计算得到，；；为协方差矩阵的残差子空间特征值。

37、进一步地，所述在线监测阶段中，将统计量送入模糊逻辑滤波器进行滤波处理的过程具体如下：

38、对于连续到来的统计量序列，在时刻进行滤波时，定义滑动窗口，其中，为上一时刻的滤波输出值；

39、定义模糊逻辑系统的两个输入变量：

40、；

41、；

42、其中，为当前统计量相对于前一时刻滤波输出值的偏离程度；为当前时刻与下一时刻之间的变化趋势；

43、将两个输入变量和分别送入模糊逻辑系统，经过模糊化、模糊推理和去模糊化后，得到输出增益；

44、当前时刻统计量的滤波值为：

45、。

46、更进一步地，所述模糊逻辑系统的模糊推理规则设计原则为：当输入变量和同时表明存在短时孤立冲击时，输出增益接近0以抑制该冲击；当输入变量表明为持续变化的真实上升沿时，输出增益接近1以使滤波值快速跟随。

47、进一步地，所述正常工况下的自适应阈值更新具体包括：

48、保持一个长度为的先进先出滑动窗口，接收当前标准化样本，并移除窗口内最早的样本；

49、对于阈值的更新，将窗口内样本矩阵投影到残差子空间，得到投影矩阵：

50、；

51、其中，为离线阶段确定的残差子空间负荷矩阵；

52、对投影矩阵的每一列，计算其方差，并将各方差值作为残差子空间各方向的特征值估计量，更新参数、、：；

53、将更新后的、、代入离线阶段确定的统计量的初始控制阈值计算公式，计算得到新的自适应阈值；

54、对于阈值的更新，获取与滑动窗口对应的个历史滤波后值，取个历史滤波后值的上侧分位数作为新的自适应阈值或采用核密度估计拟合置信上界作为新的自适应阈值。

55、进一步地，其特征在于，所述故障工况处理策略具体包括：

56、暂停滑动窗口更新及自适应阈值的计算；

57、将下一时刻起的阈值和阈值强制切换为离线阶段确定的固定阈值和，其中；

58、当连续多个样本的滤波后的统计量和滤波后统计量均回落至对应的固定阈值以下时，清除报警并重新启用自适应阈值更新机制。

59、本发明提出了一种基于自适应阈值法的并网光伏系统故障检测方法，所述方法与现有技术相比，本发明具有以下有益效果：

60、1)显著降低误报率：本发明通过“自适应阈值”与“模糊逻辑滤波器”的协同作用，有效解决了传统pca方法因系统噪声和动态特性导致的高误报问题。应用结果显示，在测试数据集上，q统计量的误报率可降至0%，t²统计量的误报率也大幅下降。

61、2)提升故障检测能力：自适应阈值能够跟踪系统工况的正常漂移，使得阈值设定更为紧致、合理，从而在不牺牲灵敏度的前提下，及时发现微小的、缓慢发展的故障，对于突发性故障也能即时响应。

62、3)增强检测鲁棒性：引入模糊逻辑滤波器对监测指标进行预处理，能够有效消除随机尖峰干扰，使得最终的决策逻辑更为稳健，避免了因瞬时扰动造成的频繁启停报警，提高了系统长期在线运行的可靠性。

63、4)工程实用性强：该方法完全由数据驱动，无需复杂的系统物理模型，仅需正常运行的历史数据即可部署，易于在不同规模和配置的并网光伏电站中推广实施。