红外-IV-逆变器数据联合光伏故障诊断方法与流程
本发明涉及光伏电站故障诊断,尤其涉及一种红外-iv-逆变器数据联合光伏故障诊断方法。
背景技术:
1、光伏组件作为光伏电站的核心发电单元,其运行状态直接决定电站发电效率与运维安全性。光伏组件长期处于户外复杂环境运行,易产生热斑、隐裂、接线松动等故障,同时逆变器也易出现内部器件损耗、异常故障,各类故障会直接导致光伏电站发电功率衰减、运维成本增加,严重时还会引发组件烧毁、设备损坏等安全事故,因此精准、高效的光伏故障诊断是光伏电站智能运维的核心关键。
2、目前行业内主流的光伏故障诊断方式主要分为单一数据诊断和多源数据简单融合诊断两类。单一数据诊断方式仅依托红外温度数据、iv曲线参数或逆变器运行数据中的单一维度开展故障判断,数据维度单一、故障特征覆盖不全,无法兼顾组件微观故障与电站宏观运行异常,存在细微故障漏判、故障类型误判的问题。
3、现有多源数据融合诊断技术,大多是将红外数据、iv参数数据、逆变器数据进行简单的数据拼接或投票融合,仅实现数据层面的浅层叠加,未结合光伏组件核心的pn结热-电耦合物理机理,三类异构数据之间缺乏定量的关联约束关系,存在特征冗余、数据关联断裂的缺陷。该类纯数据驱动的融合方式,诊断逻辑脱离光伏组件运行物理本质,易受环境温度波动、电网干扰、设备采集噪声等外界因素影响,导致诊断结果稳定性差、泛化能力弱,无法精准区分灰尘遮挡、临时遮挡等伪故障与组件本体真实故障,细微热斑、轻微隐裂等微弱故障的漏判率极高,同时仅能实现故障类型粗略判断,无法精准定位故障位置、量化故障严重程度,难以满足光伏电站精细化、智能化运维的实际需求。
技术实现思路
1、为解决上述技术问题,本发明提供一种基于热-电耦合机理的红外-iv-逆变器数据联合光伏故障诊断方法,包括:
2、采集光伏阵列的红外温度场数据、iv等效电路参数、逆变器数据,构建三源异构数据集;
3、将三源异构数据输入预训练的故障诊断模型,通过输入层,接收数据并完成预处理;
4、通过特征提取层,分别提取红外温度场特征、iv等效电路参数特征、逆变器特征;
5、通过热-电耦合映射层,以光伏电池pn结热-电耦合规律为约束,建立红外温度场特征、iv等效电路参数特征、逆变器特征,两两之间的双向映射关系,实现三源特征的机理约束融合,输出耦合特征向量;
6、通过故障反推层,基于耦合特征向量反向推导光伏故障信息,输出故障诊断结果。
7、进一步地,特征提取层,包括:依次并行设置的红外温度场数据特征提取分支、iv等效电路参数数据特征提取分支、逆变器数据特征提取分支;
8、红外温度场数据特征提取分支,用于对二维红外温度场图像进行多尺度空间特征提取与故障特征加权提纯,输出红外温度场提纯特征向量为红外温度场特征;
9、iv等效电路参数数据特征提取分支,用于融合光伏物理先验机理特征与时序数据特征,实现电气参数多维度畸变特征挖掘与优化,输出iv参数提纯特征向量为iv等效电路参数特征;
10、逆变器数据特征提取分支用于对功率损耗时序信号进行多频去噪,并融合瞬时突变特征与长周期隐性时序故障特征,输出逆变器时序提纯特征向量,为逆变器特征。
11、进一步地,红外温度场数据特征提取分支,包括依次串联的第一卷积层、第二卷积层、第三卷积层、最大池化层、cbam注意力层;
12、其中,第一卷积层,用于提取红外温度场数据的浅层温度突变特征,输出局部温度特征图;第二卷积层,用于根据局部温度特征图,提取红外温度场数据的中层特征,区分故障区域与背景区域,输出包含故障区域轮廓的中层轮廓特征图;三卷积层,用于根据中层轮廓特征图,提取红外温度场数据的深层特征,输出包含故障空间形态的深层特征图;最大池化层,用于对深层特征图进行最大池化操作,得到降维后的关键特征图;cbam注意力层,用于对池化后的关键特征图进行权重优化,强化高温异常区域、故障特征集中区域的特征权重,抑制背景区域、无故障区域的无效特征,得到红外温度场特征。
13、进一步地,iv等效电路参数数据特征提取分支,包括机理先验特征嵌入模块、卷积局部特征提取模块、gru时序演化编码模块、se通道权重优化模块;
14、其中,机理先验特征嵌入模块用于基于光伏pn结热-电耦合规律构建物理特征,引入领域先验知识,弥补纯数据驱动特征无物理依据的缺陷;卷积局部特征提取模块用于捕捉iv参数短时局部波动与多参数协同畸变细节特征;gru时序演化编码模块用于挖掘长时序iv参数的隐性慢变故障特征;se通道权重优化模块用于差异化强化高故障关联参数特征、抑制无效特征,实现物理机理特征与数据特征的精准融合,得到iv等效电路参数特征。
15、进一步地,逆变器数据特征提取分支,包括小波多频分解去噪模块、lstm长时序记忆编码模块、卷积瞬时特征捕捉模块、最大池化降维模块、空间注意力权重强化模块;
16、小波多频分解去噪模块用于对原始逆变器数据进行多频分量拆分,分离得到高频噪声分量、中频电网正常波动分量、低频故障趋势分量;lstm长时序记忆编码模块用于接收小波分解输出的低频故障趋势分量,对其进行时序编码,捕捉长时间尺度的隐性故障特征;卷积瞬时特征捕捉模块用于同步对原始逆变器数据数据的有效波动信息进行特征提取,捕捉突发故障特征,弥补低频分量无法覆盖瞬时故障的短板;最大池化降维模块用于融合隐性故障特征和突发故障特征,得到融合后的降维特征;空间注意力权重强化模块用于对融合后的降维特征进行自适应加权,得到逆变器特征。
17、进一步地,热-电耦合映射层,包括:机理约束单元、特征映射单元和耦合融合单元;
18、机理约束单元,内置光伏电池片pn结热-电耦合函数,包括pn结温度与并联电阻、pn结温度与串联电阻、iv曲线参数与功率损耗的耦合函数;
19、特征映射单元,包括:并行设置的跨模态特征映射模块、机理残差特征映射模块、多级链式特征映射模块;跨模态特征映射模块,用于适配红外温度场特征与iv参数特征异构强耦合的特性,完成异构特征维度统一与机理筛选匹配,实现两类特征的双向跨模态映射;机理残差特征映射模块,用于适配iv参数特征与逆变器功率损耗特征直接刚性耦合的特性,结合光伏损耗机理基准拟合与故障残差修正,实现两类特征的双向定量映射;多级链式特征映射模块,用于适配红外温度场特征与逆变器功率损耗特征间接链式弱耦合的特性,模拟热-电逐级故障传递链路,实现滞后性弱关联特征的双向递进映射;
20、耦合融合单元,用于结合光伏热-电耦合机理,动态修正双向跨模态映射特征、双向定量映射特征和双向递进映射特征,对多路映射特征完成有序拼接和自适应加权融合,得到耦合特征向量。
21、进一步地,跨模态特征映射模块,包括维度统一全连接层、交叉注意力匹配层、双向重构输出层;
22、维度统一全连接层用于接收异构维度的红外温度场特征与iv等效电路参数特征,完成特征维度对齐与初步融合,消除跨模态特征表征差异,得到中间融合特征;
23、交叉注意力匹配层用于接收维度统一后的中间融合特征,依据光伏pn结热-电耦合物理规则完成特征筛选与权重优化,强化有效关联特征并剔除无物理依据的虚假拟合特征,得到注意力融合特征;
24、双向重构输出层用于接收注意力融合特征,反向完成两类特征的相互重构转换,最终实现红外温度场特征与iv等效电路参数特征的双向跨模态映射。
25、进一步地,机理残差特征映射模块,包括线性基准拟合层、机理残差修正层、特征对齐输出层;
26、线性基准拟合层用于接收iv等效电路参数特征与逆变器特征,基于光伏固有电性能损耗规律构建标准工况基准映射关系;
27、机理残差修正层用于接收基准拟合特征结果,引入电气参数偏移物理因子修正故障工况下的非线性畸变误差;
28、特征对齐输出层用于接收残差修正后的高精度特征,完成特征维度归一化与双向映射特征输出,实现电气参数异变与逆变器数据的双向定量映射。
29、进一步地,多级链式特征映射模块,包括热特征转换层、电气过渡关联层、损耗精准映射层;
30、热特征转换层用于接收红外温度场特征与逆变器特征,将温度空间异常特征量化为pn结热偏移特征,完成热学特征的物理转换;
31、电气过渡关联层用于接收pn结热偏移特征,模拟热畸变诱发电气参数异变的传递过程,构建热学特征与电学损耗特征的过渡关联桥梁;
32、损耗精准映射层用于接收多级过渡关联特征,挖掘隐性滞后的功率损耗异常规律,完成红外温度特征与逆变器特征的双向递进映射。
33、进一步地,故障反推层,包括:
34、故障类型反推单元,接收热-电耦合映射层输出的耦合特征向量,通过2~3个全连接隐藏层进行特征转换,结合softmax分类器,输出各类故障的概率值,概率值最大的故障类型即为诊断出的故障类型;
35、故障位置反推单元,内置像素-组件-组串的三维映射表,接收耦合特征向量中包含的位置关联特征,结合逆变器组串id、组件坐标信息,反向推导故障所在的组串、组件及组件内具体区域,输出精准的故障位置坐标;
36、故障严重程度反推单元,基于耦合特征向量中包含的偏差特征,结合耦合校验函数,计算融合判据f值,根据f值所在区间,输出轻微、中度、重度的故障严重程度等级;
37、其中,为并联电阻故障偏差量,为标准温度下的并联电阻,为串联电阻故障偏差量,为标准温度下的串联电阻,为逆变器故障偏差量,如功率损耗故障偏差值,为标准工况下的逆变器数据基准值,如功率损耗基准值,k1、k2、k3为基于光伏故障机理标定的故障维度加权系数
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com