一种基于电磁辐射信号的逆变器状态监测与健康诊断方法与流程

本发明涉及属于电力电子设备监测领域，尤其涉及一种基于电磁辐射信号的逆变器状态监测与健康诊断方法。

背景技术：

1、传统不可再生的化石能源的过度消耗，以及随之而来的全球变暖及生态环境恶化等问题，给人类带来了很大的生存危机。因此，大力促进可再生能源的发展，进而改变现有的能源结构是解决能源和环境可持续发展问题的一种必然的选择。其中太阳能作为当今世界最有发展潜力的新能源，由于具有总量大、清洁无污染、容易获取和利用、可持续供应等优点，近些年来在世界范围内得到了持续的关注与发展。大力推进发展光伏发电技术是当今的能源政策中占据战略性地位。有专家预测指出，在接下来的十年内，光伏发电产业仍将保持30％的年增长速度；截止2050年，光伏系统的总发电量在世界所有能源中将占据5％-20％的比重，太阳能将要发展为人类生产生活中的基础能源。

2、但是随着光伏装机量的迅速提升，光伏发电系统的成本控制、损耗以及老化等问題成为了光伏产业面临的重大难题。当光伏发电系统的运行时间达到一定的年限，这些问题也随之越发的严重。为解决降低故障损耗，做到故障的及时发现与处理，避免不必要的损失，对光伏发电系统进行实时状态监控和故障诊断成为一个研究重点，其中对逆变器进行实时监测是光伏发电系统运行的关键。通过光伏发电监控系统对运行情况进行数据监控，通过信息的采集和处理对其运行情况进行诊断，从而确保光伏发电系统的正常持续供电。

3、由于我国光伏系统的起步时间较晚，监控技术在该系统中的应用研究还不够完善。但是随着产业的发展以及互联网技术与传感通信技术在国内的日益普及，光伏监控系统也开始了如火如荼的发展。在早期，对光伏系统的监控主要依赖于现场监控和人工巡检。随着网络技术、传感技术和通讯技术的发展，光伏发电系统监控的主要工作逐渐由人工转向了自动化的网络监测，通过对数据的采集、传输和通信，完成对光伏发电系统的状况监测与控制，这才真正意义上实现了光伏发电系统的远程监控，符合“智能运维”的工业信息化发展潮流，从而有效提升逆变器运行稳定性以及系统运行可靠性。

技术实现思路

1、本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本技术的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。

2、鉴于上述现有存在的问题，提出了本发明。

3、因此，本发明的目的在于提供一种基于电磁辐射信号的逆变器状态监测与健康诊断方法，回避了复杂的电磁空间分析问题，以及回避了电力电子内部电路差异性。在实际运行中，通过对电磁辐射信号进行采样，输送到训练完成的域对抗迁移卷积神经网络中，能够实现对光伏并网逆变器的状态进行实时监测并进行健康诊断，及时将异常逆变器进行隔离，以避免故障发生保证光伏台区运行可靠性。

4、为达到上述技术目的，本发明提供如下技术方案，一种基于电磁辐射信号的逆变器状态监测与健康诊断方法，包括：

5、采用非侵入式、非接触型的数据采集方法将光伏台区逆变器开关管高频率通断所产生的三维电磁辐射空间分布强度信号作为监测量；

6、将电磁辐射空间最优分布与异常数据提取诊断作为训练目标；

7、对光伏并网逆变器运行状态进行实时监测与健康诊断。

8、作为本发明所述的基于电磁辐射信号的逆变器状态监测与健康诊断方法，其特征在于所述采用非侵入式、非接触型的数据采集方法包括，通过卷积神经网络从缺陷样本中学习可迁移逆变器缺陷表征特征，引入域对抗迁移学习，实现海量数据下训练模型到复杂工况和小样本下的迁移，以提升诊断准确率，通过对抗训练方法学习类边界表征特征和域空间表征特征，实现了诊断知识的迁移。

9、作为本发明所述的基于电磁辐射信号的逆变器状态监测与健康诊断方法，其特征在于：所述监测量为，针对逆变器开通或关断异常所导致电磁辐射异常，将非电气量作为健康诊断的输入量，其中包括电磁辐射强度与其空间分布，电磁辐射信号是逆变器本身特有。

10、作为本发明所述的基于电磁辐射信号的逆变器状态监测与健康诊断方法其特征在于：所述卷积神经网络包括，顺次设置的卷积层、池化层和全连接层，以及一种softmax分类器，所述卷积层的表达式为：

11、

12、其中，为第l层的第b个神经元输出特征，f为非线性激活函数，m为当前层神经元输入特征数量，为卷积核，为第l-1层第a个神经元输入特征，bl为第l层偏置；

13、所述池化层选择最大池化，其表达式为：

14、

15、其中，为第l+1层第b个神经元输出特征，为第l层第b个神经元输入特征；

16、所述全连接层的表达式为：

17、

18、其中，yk+2为全连接层第k+2个神经元输出，k为全连接层神经元个数，ωk+2为全连接层第k+2个神经元权重占比，为第l+1层卷积层的第b个神经元输出特征。

19、作为本发明所述的基于电磁辐射信号的逆变器状态监测与健康诊断方法，其特征在于：所述softmax分类器的输出模型如下：

20、

21、其中，pm为逆变器开关管处于第m种缺陷状态的概率，m∈[1,z]，yk+2为全连接层第k+2个神经元输出，exp为以e为底的指数函数。

22、作为本发明所述的基于电磁辐射信号的逆变器状态监测与健康诊断方法，其特征在于：在所述卷积神经网络，全连接层后方引入对抗训练，由域空间对抗适应和决策边界对抗适应两部分组成，从而实现源域与目标域相匹配，决策边界对抗适应是将源域与目标域的分类边界决策进行变换，实现两者决策的逼近统一。

23、作为本发明所述的基于电磁辐射信号的逆变器状态监测与健康诊断方法，其特征在于：所述域空间对抗适应，包括：将域鉴别器添加至神经网络中构成二人博弈游戏，其中鉴别器gd的作用为判断所提取特征是来自源域还是目标域，训练两个分类器的作用是分别进行极大-极小博弈来实现对小样本逆变器电磁辐射信号的低误差分类，特征提取器gf则是将源域与目标域之间的特征进行匹配连接。

24、作为本发明所述的基于电磁辐射信号的逆变器状态监测与健康诊断方法，其特征在于：所述域空间对抗适应的最优化目标函数，可以描述为：

25、

26、其中，c1和c2分别为两个分类器，θc1和θc2分别为两个标签预测器参数，λ为两种损失之间的权衡参数。

27、作为本发明所述的基于电磁辐射信号的逆变器状态监测与健康诊断方法，其中：其特征在于：所述进行极大-极小博弈中，损失的函数为：

28、

29、再通过以下优化获得模型的最优参数：

30、

31、

32、其中，edis为分类器之间的差异，ldis为两个分类器之间的交叉熵损失。

33、作为本发明所述的基于电磁辐射信号的逆变器状态监测与健康诊断方法，其特征在于：将所述域鉴别器添加至神经网络中构成二人博弈游戏，是通过对特征提取器不断进行反向传播优化，该网络每批次训练中的参数更新可用数学模型表述为：

34、

35、最大程度上减少电磁辐射信号异常分类损失ec，同时最大化域分类损失ed，域鉴别目的在于最小化ed，更新分类器以最小化ec。

36、本发明的有益效果：采用非侵入式、非接触型的数据采集方法将光伏台区逆变器开关管高频率通断所产生的三维电磁辐射空间分布强度信号作为监测量，将电磁辐射空间最优分布与异常数据提取诊断作为训练目标，做到有针对性的对逆变器状态进行监测。实现海量数据下训练模型到复杂工况和小样本下的迁移，通过对抗训练方法学习类边界表征特征和域空间表征特征，实现了诊断知识的迁移。该方法回避了电力电子内部电路差异性。将非电气量作为健康诊断的输入量，其中包括电磁辐射强度与其空间分布，回避了复杂的电磁空间分析问题。