本发明属于光伏发电技术领域,具体涉及一种光伏并网逆变器多故障特征提取方法与装置。
背景技术
当前我国社会以及经济水平不断提升,人们对电量的需求也逐渐增加,因此由化石能源所带来的能源快速消耗以及能源短缺问题逐渐严重。新能源作为近年来新兴的能源储备备受社会各界的注视,其中光伏发电具有得天独厚的优厚,因此光伏发电行业是近几年来全球发展最快的新能源行业,光伏发电在能源节约、环境保护、资源充分利用等方面都具有重大的意义。近年来随着“3060”计划的提出,“碳中和碳达峰”目标的提出表明了我国光伏发电能行业总体发展规划已经获得了明确的规划和政策的支持,将爆发出新一轮光伏电站装机需求。随着光伏发电的装机容量和发电需求的逐步提升,对光伏系统中设备制造的技术也需要进行相应的更新与升级。
在光伏发电系统中,光伏逆变器是光伏发电系统的枢纽装置,其主要通过对开关器件控制实现直流电向交流电的转换,并且交流电要符合并网要求才能并入电网。监控模块主要通过对光伏组件、汇流箱、逆变器和电网的运行状况的实时监测,确保整个光伏发电系统能够实现安全、可靠运行。但是在实际光伏电站中,发电系统内的设备一直所处的自然环境恶劣,而设备内部也一直承受着很高的电应力和热应力,以及系统设备的长期处于高温以及高强度工作状态下导致光伏系统故障发生率提高,通过研究现有光伏逆变器可能存在的故障。
因此,本发明提出一种基于小波包模糊熵与主成分分析的光伏并网逆变器多故障特征提取方法与装置,以对光伏并网逆变器的开路故障进行故障特征提取。
技术实现要素:
本发明旨在至少解决现有技术中存在的技术问题之一,提供一种光伏并网逆变器多故障特征提取方法与装置。
本发明的一方面,提供一种光伏并网逆变器多故障特征提取方法,包括下述步骤:
设置光伏并网逆变器电路拓扑结构;
采用双闭环控制实现直流侧电压稳定和单位功率因素并网;
对光伏并网逆变器故障模式进行分析;
采用小波包模糊熵进行特征提取,以得到模糊熵特征值;
采用主成分分析对模糊熵特征值进行降维处理,以得到故障特征数据。
可选的,所述光伏并网逆变器电路拓扑结构包括:光伏组件、Boost升压电路、DC-AC三相桥式逆变逆电路、三相滤波电感L、线路等效电阻R以及三相电网e。
可选的,所述采用双闭环控制实现直流侧电压稳定和单位功率因素并网,包括:
采用电压外环控制实现直流母线电压的稳定,并得到并网电流的有功分量参考量;
将所述并网电流的有功分量参考量作为电流内环的输入量,将并网电流无功分量的参考值设为0,并网电流有功分量和无功分量与各自参考量之间的差值再经电流内环PI调节器,以得到逆变器输出电压有功分量和无功分量的参考值;
经过SVPWM脉冲发生器产生符合要求的三相全桥的触发脉冲,以实现并网电流的单位功率因数并网。
可选的,根据所述光伏并网逆变器的拓扑结构,列出三相平衡的情况下A、B、C三相的状态方程为:
其中:ua、ub、uc为逆变器的输出电压;ia、ib、ic为逆变器的输出电流;ea、eb、ec为电网电压;iga、igb、igc为逆变器的并网电流;R,L分别为线路的等效电阻,电感;
采用abc/dq变换将三相静止坐标系下的交流量变为两相旋转坐标系下的直流量,以得到两相旋转dq坐标系下的状态空间方程:
其中:ω为交流电的角频率;ud、uq、igd、iqg分别为dq坐标系下逆变器的输出电压、电流;ed、eq为dq坐标系下的电网电压。
可选的,根据内环电流控制的关系式如下:
其中:分别为dq坐标系下的参考电压、电流;
以及,是PI的公式,Kp是比例参数,Ki是积分参数,1/S表示积分。
可选的,所述对光伏并网逆变器故障模式进行分析,包括:
通过建立仿真模型以获取IGBT开路故障数据。
可选的,所述采用小波包模糊熵进行特征提取,以得到模糊熵特征值,包括:
对光伏并网逆变器开路故障信号进行3层小波包分解,以得到第3层从低频到高频23=8个频带成分的小波包分解系数;
以各样本点的模糊熵作为故障特征向量;
对于一个n点时间序列x(1),x(2),...,x(n),造一个m维向量{X(i),i=1,2,...,n};
以m为窗,将时间序列分为k=n-m 1个序列;
计算每个序列与所有序列之间的距离,并列表两向量对应元素插值绝对值的最大值;
根据距离d计算模糊隶属度,并对除自身以外所有隶属度求解平均值;
将窗m增加为m 1,重复时间序列步骤至计算模糊隶属度步骤;
计算模糊熵,将得到的所述模糊熵作为故障特征集。
可选的,所述模糊熵表示为下述关系式:
FuzzyEntropy=[SampleEntropy(W30),...,SampleEntropy(W37)];其中,
FuzzyEntropy表示模糊熵集,SampleEntropy(W30)表示小波包第三层分解中的第一个节点的模糊熵,依次类推,小波包分解第三层一共8个节点,以致表示到SampleEntropy(W37);和/或,
所述序列表示为:Xi(i)=(xi(t),xi 1(t),...,xi m-1(t));和/或,
两向量对应元素插值绝对值的最大值采用下述关系式计算:
dij=max|xi k(t)-xj k(t)|,k=0,1,...,m-1;和/或,
所述模糊隶属度,以及除自身以外所有隶属度求解平均值采用下述关系式计算:
和/或,
所述模糊熵计算公式如下:FuzzyEntropy(t)=Inφm(t)-Inφm 1(t)。
可选的,所述采用主成分分析对模糊熵特征值进行降维处理,以得到故障特征数据,包括:
将原始数据按行组成m行n列样本矩阵X;
求出样本X的协方差矩阵C和样本均值m;
求出协方差矩阵的特征值D及对应的特征向量V;
将特征向量按对应特征值大小从上到下按行排列成矩阵,取前k行组成矩阵P;
Y=(X-m)×P为降维到k维后的数据,以得到故障特征数据。
本发明的另一方面,提供一种光伏并网逆变器多故障特征提取装置,包括:拓扑结构模块、双闭环控制模块、分析模块、特征提取模块以及降维模块;其中,
所述拓扑结构设置模块,用于设置光伏并网逆变器电路拓扑结构;
所述双闭环控制模块,用于采用双闭环控制实现直流侧电压稳定和单位功率因素并网;
所述分析模块,用于对光伏并网逆变器故障模式进行分析;
所述特征提取模块,用于采用小波包模糊熵进行特征提取,以得到模糊熵特征值;
所述降维模块,用于采用主成分分析对模糊熵特征值进行降维处理,以得到故障特征数据。
本发明提供一种光伏并网逆变器多故障特征提取方法,包括下述步骤:设置光伏并网逆变器电路拓扑结构;采用双闭环控制实现直流侧电压稳定和单位功率因素并网;对光伏并网逆变器故障模式进行分析;采用小波包模糊熵进行特征提取,以得到模糊熵特征值;采用主成分分析对模糊熵特征值进行降维处理,以得到故障特征数据。本发明提供一种处理光伏并网逆变器开路故障的方法以及提取故障特征的方法,为光伏电站的并网逆变器诊断处理故障数据提供一种新思路。本发明提及的小波包模糊熵法提取故障特征值得方法相比小波包熵、小波包样本熵的方法,不仅在评价中加入阈值更加入fuzzy的思想,使结论更科学。
附图说明
图1为本发明一实施例的一种光伏并网逆变器多故障特征提取方法的流程框图;
图2为本发明另一实施例的光伏并网逆变器电路示意图;
图3为本发明另一实施例的双闭环控制结构图;
图4为本发明另一实施例的小波包树形结构图;
图5为本发明另一实施例的主元成分示意图;
图6为本发明另一实施例的光伏并网逆变器多故障特征提取装置示意图。
具体实施方式
为使本领域技术人员更好地理解本发明的技术方案,下面结合附图和具体实施方式对本发明作进一步详细描述。显然,所描述的实施例是本发明的一部分实施例,而不是全部的实施例。基于所描述的本发明的实施例,本领域普通技术人员在无需创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护范围。
如图1所示,本发明的一方面,提供一种光伏并网逆变器多故障特征提取方法S100,包括下述具体步骤S110~S150:
S110、设置光伏并网逆变器电路拓扑结构。
具体的,在进行逆变器故障诊断时,为了解故障之间的耦合关系,需要了解逆变器的数学模型,并结合逆变器中控制方法进行分析。三相电压型半桥逆变器由于其结构简单,成本较低等特点而得到广泛应用。因此,本实施例基于LC滤波器的三相电压型半桥光伏并网逆变器进行故障诊断方法研究。在实际光伏电站中,逆变器的控制既需要保证直流侧电压始终处于光伏电池板的最大功率点对应电压处,又要保证交流侧的并网电流符合并网标准。所以直流电压外环、交流电流内环是目前普遍使用的双闭环分别将对逆变器的数学模型和双闭环控制方法分别进行介绍。
需要说明的是,光伏并网逆变器电路的拓扑结构如图2所示,主要包括光伏组件、Boost升压电路、DC-AC三相桥式逆变逆电路、三相滤波电感L、线路等效电阻R以及三相电网e。其中,直流侧Boost升压电路可将光伏组件的输出电压升高为满足并网要求的直流母线电压,并通过对Boost电路的控制实现光伏阵列的MPPT控制;逆变侧的DC-AC三相全桥逆变电路,用来将直流电变为与电网电压同频同相的交流电,并实现直流母线电压的稳定。
S120、采用双闭环控制实现直流侧电压稳定和单位功率因素并网,如图3所示。
后级DC-AC逆变器的控制采用电压外环、电流内环的双闭环控制,实现直流侧电压稳定和单位功率因数并网。根据给出的光伏并网逆变器的拓扑结构,列出三相平衡的情况下A、B、C三相的状态方程为:
其中:ua、ub、uc为逆变器的输出电压;ia、ib、ic为逆变器的输出电流;ea、eb、ec为电网电压;iga、igb、igc为逆变器的并网电流;R,L分别为线路的等效电阻,电感。
采用abc/dq变换即3s/2r,将三相静止坐标系下的交流量变为两相旋转坐标系下的直流量,可以得到两相旋转dq坐标系下的状态空间方程:
其中:ω为交流电的角频率;ud、uq、igd、iqg分别为dq坐标系下逆变器的输出电压、电流;ed、eq为dq坐标系下的电网电压。
从上式中可看出,d轴和q轴的量之间存在耦合关系,为了使d轴和q轴的电流量可以独立控制,增加电流PI调节环节,故内环电流控制可写成:
其中:分别为dq坐标系下的参考电压、电流;以及,是PI的公式,Kp是比例参数,Ki是积分参数,1/S表示积分。
综上分析可得,经电压外环控制实现直流母线电压的稳定,并得到并网电流的有功分量参考量,作为电流内环的输入量,将并网电流无功分量的参考值设为0,并网电流有功分量和无功分量与各自参考量之间的差值再经电流内环PI调节器,即可得到逆变器输出电压有功分量和无功分量的参考值,最后再经过SVPWM脉冲发生器产生符合要求的三相全桥的触发脉冲,最终实现并网电流的单位功率因数并网。
S130、对光伏并网逆变器故障模式进行分析。
需要说明的是,本实施例的开关器件故障分为IGBT故障和二极管故障,而故障又可分为短路故障和开路故障两种情况。在实际的应用中,当短路故障出现在IGBT中时,模块内部的保护电路会触发并工作,使得保险丝断裂进而形成开路故障。当短路情形非常严重保护电路不起作用时,往往会导致逆变器炸机现象的发生。
因此,本实施例对IGBT故障诊断的研究主要为其开路故障进行研究。通过建立仿真模型取得IGBT开路故障数据,对开路故障数据依次进行小波包模糊熵特征提取和主成分降维,得到处理后的故障数据。
S140、采用小波包模糊熵进行特征提取,以得到模糊熵特征值。
小波包是小波分析理论的重要组成部分,其中小波包分解都能同时分解低频的近似信号与高频的细节信号是小波与小波包的主要区别,因此小波包分解能够在保留信号完整性的基础上提高信号的低、高频段的分辨率,如图4所示,给出了一个3层分解的小波包树形结构,分解后得到的数据称为小波包。
熵是时间序列复杂度的一种表征参数,广泛应用于故障诊断领域,不同故障模式的振动信息的复杂程度的不同,则其熵值也不一样,因此可以构造以熵为故障特征集进行故障诊断研究,构造步骤如下:
1.对光伏并网逆变器开路故障信号进行3层小波包分解,可以得到第3层从低频到高频23=8个频带成分的小波包分解系数。
2.以各样本点的模糊熵作为故障特征向量,模糊熵表示为:
FuzzyEntropy=[SampleEntropy(W30),...,SampleEntropy(W37)];其中,
FuzzyEntropy表示模糊熵集,SampleEntropy(W30)表示小波包第三层分解中的第一个节点的模糊熵,依次类推,小波包分解第三层一共8个节点,因此表示到SampleEntropy(W37)。
3.对于一个n点时间序列x(1),x(2),...,x(n),造一个m维向量:
{X(i),i=1,2,...,n}
4.以m为窗,将时间序列分为k=n-m 1个序列,序列表示为:
Xi(i)=(xi(t),xi 1(t),...,xi m-1(t))
5.计算每个序列与所有序列之间的距离,并列表两向量对应元素插值绝对值的最大值:
dij=max|xi k(t)-xj k(t)|,k=0,1,...,m-1
6.根据距离d计算模糊隶属度,并对除自身以外所有隶属度求解平均值
7.将窗m增加为m 1,重复上述步骤4.~6.。
8.计算模糊熵:
FuzzyEntropy(t)=Inφm(t)-Inφm 1(t)
需要说明的是,不同故障模式下的信号小波包能量值分布呈现不同的变化趋势,因此,本实施例通过构造小波包频段的模糊熵作为故障特征集,通过本实施例的方法实现了对光伏并网逆变器的开路故障进行特征提取。
S150、采用主成分分析对模糊熵特征值进行降维处理,以得到故障特征数据。
需要说明的是,本实施例采用的主成分分析(PCA算法)主要用于降维,就是将样本数据从高维空间投影到低维空间中,并尽可能的在低维空间中表示原始数据。简而言之就是根据输入数据的分布给输入数据重新找到更能描述这组数据的正交的坐标轴,比如图5所示,对于椭圆状的分布,最方便表示这个分布的坐标轴是椭圆的长轴短轴而不是原来的轴。
具体的,PCA的算法过程简单叙述为:将所有样本X减去样本均值m,再乘以样本的协方差矩阵C的特征向量V,即为PCA主成分分析,具体计算过程如下:
1.将原始数据按行组成m行n列样本矩阵X;
2.求出样本X的协方差矩阵C和样本均值m;
3.求出协方差矩阵的特征值D及对应的特征向量V;
4.将特征向量按对应特征值大小从上到下按行排列成矩阵,取前k行组成矩阵P;
5.Y=(X-m)×P为降维到k维后的数据,以得到故障特征数据。
应当理解的是,本实施例提取出来的小波包模糊熵特征值经PCA降维处理后就可以得到故障特征数据,通过本实施例的方法实现了针对光伏并网逆变器开路故障特征如何进行降维处理。
本实施例将小波包的方法与模糊熵进行结合,实现更科学的提取故障特征值。以及,提出的小波包模糊熵与主成分分析相结合的光伏并网逆变器多故障特征提取方法能够有效的提取出有噪声信号的故障数据的特征值。并且,本实施例的方法经主成分分析降维之后的数据为6维数据,最后得到的故障特征值为6维。
如图6所示,本发明的另一方面,提供一种光伏并网逆变器多故障特征提取装置200,包括:拓扑结构设置模块210、双闭环控制模块220、分析模块230、特征提取模块240以及降维模块250;其中,拓扑结构设置模块210,用于设置光伏并网逆变器电路拓扑结构;双闭环控制模块220,用于采用双闭环控制实现直流侧电压稳定和单位功率因素并网;分析模块230,用于对光伏并网逆变器故障模式进行分析;特征提取模块240,用于采用小波包模糊熵进行特征提取,以得到模糊熵特征值;降维模块250,用于采用主成分分析对模糊熵特征值进行降维处理,以得到故障特征数据。
需要说明的是,本实施例的装置所采用的提取方法参考前文记载,在此不再赘述。
下面将以具体实施例对一种光伏并网逆变器多故障特征提取方法进行说明:
本实施例基于MATLAB的simulink平台搭建基于LC滤波器的三相电压型半桥光伏并网逆变器仿真,对每个光伏并网逆变器设置开路故障,每类开路故障数据提取1000组,在1000组故障数据中随机提取200组加入噪声信号,将加入噪声信号的数据与未加入噪声的数据组合为故障数据。
1.对光伏并网逆变器开路故障信号进行3层小波包分解,可以得到第3层从低频到高频23=8个频带成分的小波包分解系数。
2.以各样本点的模糊熵作为故障特征向量,模糊熵表示为:
FuzzyEntropy=[SampleEntropy(W30),...,SampleEntropy(W37)]。
3.对于一个n点时间序列x(1),x(2),...,x(n),造一个m维向量:
{X(i),i=1,2,...,n}。
4.以m为窗,将时间序列分为k=n-m 1个序列,序列表示为:
Xi(i)=(xi(t),xi 1(t),...,xi m-1(t))。
5.计算每个序列与所有序列之间的距离,并列表两向量对应元素插值绝对值的最大值:dij=max|xi k(t)-xj k(t)|,k=0,1,...,m-1。
6.根据距离d计算模糊隶属度,并对除自身以外所有隶属度求解平均值:
7.将窗m增加为m 1,重复步骤4.~6.。
8.计算模糊熵:FuzzyEntropy(t)=Inφm(t)-Inφm 1(t)。
9.将提取出的模糊熵组成的故障特征值数据按行组成行列样本矩阵(每行一个样本,每列为一维特征)。
10.求出样本X的协方差矩阵C和样本均值m。
11.求出协方差矩阵的特征值D及对应的特征向量V。
12.将特征向量按对应特征值大小从上到下按行排列成矩阵,取前k行组成矩阵P。
13.Y=(X-m)×P即为降维到k维后的数据,在此处降维后的数据为6维。
基于上述过程,本实施例提取出来的小波包模糊熵特征值经PCA降维处理后就可以得到故障特征数据。
本发明提供一种光伏并网逆变器多故障特征提取方法与装置,相对于现有技术而言具有以下有益效果:
第一、本发明可以提供一种处理光伏并网逆变器开路故障的方法以及提取故障特征的方法,为光伏电站的并网逆变器诊断处理故障数据提供一种新思路。
第二、本发明提及的小波包模糊熵法提取故障特征值的方法,相比小波包熵、小波包样本熵的方法,不仅在评价中加入阈值更加入fuzzy的思想,使得结论更科学一些。另外,本发明的方法同样适用于对加入白噪声的光伏并网逆变器的开路故障数据进行处理。
可以理解的是,以上实施方式仅仅是为了说明本发明的原理而采用的示例性实施方式,然而本发明并不局限于此。对于本领域内的普通技术人员而言,在不脱离本发明的精神和实质的情况下,可以做出各种变型和改进,这些变型和改进也视为本发明的保护范围。
本文用于企业家、创业者技术爱好者查询,结果仅供参考。