买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：绍兴大明电力建设有限公司

摘要：本发明公开了一种光伏阵列故障诊断和健康度评价方法及系统，涉及电力系统故障辨识评估技术领域。首先提供了一种官服阵列故障检测模型，包括建立光伏阵列仿真模型，获得正常状态和故障状态的特征变量；提取光伏阵列实时数据，并做数据预处理；基于训练结果进行检测故障。其次，本发明实施例提供了光伏阵列健康度评价方法，包括建立光伏阵列健康度评价体系；计算健康度评价权重；建立模糊评价矩阵；计算健康度指标。

主权项：1.一种光伏阵列故障诊断和健康度评价方法，其特征在于，具体包括以下步骤：步骤1.1：首先选取特征变量建立光伏阵列仿真模型，获得正常状态以及短路、开路、阴影遮挡和老化四种故障类型的特征变量，即开路电压、短路电流、输出有功功率、最大功率点处电压及电流；提取光伏阵列实时数据；步骤1.2：数据预处理数据预处理是将原始输入量按照比例转换为没有量纲的标幺值，本文所搭建的网络所需输入变量为光伏阵列的开路电压、短路电流、输出有功功率、最大功率点处电压及电流，5个典型参数，这些参数之间单位不同，需将这些典型参数数据集转换到不受其他单位等因素影响的标幺值；步骤1.3：基于模糊RBF神经网络法的光伏阵列故障判定法为了实现光伏阵列故障区域的判定，区域判定方法采用模糊RBF神经网络算法，模糊RBF神经网络的拓扑结构如图1所示；模糊RBF神经网络共六层，为输入层、模糊化层、推理层、归一化层、反模糊化层及输出层，每一层输入层节点对应的模糊化层节点为三个；异层节点之间的连接需要依靠神经元节点，同层节点间不存在耦合，输出的任一层神经元仅对下一层神经元的输出产生影响，且仅对前一层神经元的输入敏感；步骤1.3.1：计算输入层输入矩阵形式为R×Q的样本，所述R代表输入层神经元个数，所述Q代表样本数；输入层各神经元连接模糊化层各神经元，所连接模糊化层中的各神经元为该维模糊子空间的代表，连接权值对应聚类中心的宽度；步骤1.3.2：计算模糊化层对输入向量中的各维输入进行分类，并归入对应模糊子空间，通过隶属度函数对各维分类情况进行描述；模糊化层通过模糊聚类算法划分输入向量的维度，得到N个模糊子空间；通过模糊聚类算法将输入的R维向量聚类成N类，得到R×N个聚类中心，对聚类宽度进行计算，其公式为： 式中，xi代表第i维输入向量；nj代表第j类向量的数目；cij代表第i维第j类的中心；通过模糊化层的各节点对各输入信息的模糊隶属度值进行计算，隶属度函数采用高斯函数，得到计算公式： 式中，代表第q个向量的第i维第j类隶属度值；xqj代表第q个向量的第i个分量；σij代表第i维第j类的宽度；q，i，j分别代表输入向量、输入向量的维数、模糊子空间的序号，其中q＝1,2,…,Q；i＝1,2,…,R；j＝1,2,…,N；步骤1.3.3：计算推理层按照模糊规则计算完成模糊化的隶属度值，其中隶属度的取值范围为[0,1]；将所得不同模糊规则下的隶属度值输出至归一化层，应用连乘处理隶属度值的推理层输出公式为： 式中，j＝1,2,…,N；在R维N类中每维分别取一类对其隶属度进行计算，得到NR个推理层神经元个数；步骤1.3.4：计算归一化层归一化推理层中得到的隶属度值并将其反馈至反模糊化层；已知归一化层中所有神经元均直接连接推理层中对应的神经元，得到归一化的输出公式为： 在进行归一化计算时，若分母为0，则不需进行归一化计算；步骤1.3.5：计算反模糊化层对隶属度值进行变换，使分类情况的复杂度降低，将转换后的隶属度反馈至输出层；则连接反模糊化层与输出层的连接权矩阵W需要满足的条件是： 式中，W和的维数为R×R；已知训练过程中的输出矩阵Y，为了求取连接权矩阵W，需要对式6两端右乘 式中，为代表完成归一化的输出矩阵，直接与连接权矩阵W相乘可得出整个模糊RBF神经网络的输出矩阵；步骤1.3.6：计算输出层处理输出向量，输出分类情况；步骤1.4：基于训练结果进行检测故障将测试样本输入到训练好的模糊RBF神经网络中进行计算，输出故障诊断结果；故障检测结果为5级制，故障状态按照危害轻重，分别为：即无故障，阴影遮挡，老化故障，短路故障和开路故障。

全文数据：

权利要求：

百度查询： 绍兴大明电力建设有限公司 一种光伏阵列故障诊断和健康度评价方法及系统