一种基于深度学习的光伏逆变器故障诊断系统优化方法与流程

本发明涉及光伏逆变器故障诊断，具体而言，涉及一种基于深度学习的光伏逆变器故障诊断系统优化方法。

背景技术：

1、光伏逆变器是一种用于将太阳能光伏板产生的直流电转换为交流电的装置。在光伏系统中，光伏逆变器起着非常重要的作用。

2、由于光伏逆变器是光伏发电系统的核心组件，其正常运行直接影响到整个光伏系统的性能和发电效率。传统的故障诊断方法依赖人工检查和维修，不仅耗时耗力，而且容易遗漏问题。智能化故障诊断系统可以全天候监控逆变器的运行状态，及时发现潜在故障，减少人工检查的频率和强度，从而降低维护成本。但是在进行智能化故障诊断的时候，可能因为检测数据设备的波动或故障影响诊断结果的准确性，同时容易出现计算消耗过大的问题。

3、因此，需要对光伏逆变器的智能化诊断的方法进行优化同时考虑检测设备的波动或异常造成的数据影响，实现更为准确和可靠的故障诊断。

技术实现思路

1、本发明的目的在于提供一种基于深度学习的光伏逆变器故障诊断系统优化方法，其可以实现对光伏逆变器的智能化诊断的方法进行优化同时考虑检测设备的波动或异常造成的数据影响。

2、本发明通过以下技术方案实现：

3、一种基于深度学习的光伏逆变器故障诊断系统优化方法，包括以下步骤：

4、周期性采集光伏逆变器的多种运行参数并形成运行参数序列；

5、构建长度为n的时序运行参数序列集合；

6、根据所述时序运行参数序列集合进行一次判断，获取运行参数准确程度，所述运行参数准确程度取值范围为[0,1]，所述运行参数准确程度的值越大代表所述运行参数越准确；

7、根据所述运行参数准确程度设置判断阈值并基于所述判断阈值判断光伏逆变器是否疑似产生故障，若判断结果为否则不做操作，若判断结果为是则进入下一步；

8、基于深度学习根据所述时序运行参数序列集合和所述运行参数准确程度进行二次判断，预测所述光伏逆变器的故障类型；

9、根据所述时序运行参数序列集合进行一次判断，获取运行参数准确程度的方法为：

10、设置检测窗口，所述检测窗口用于框选所述时序运行参数序列集合中的连续m个所述运行参数序列；

11、自所述时序运行参数序列集合中的第一个所述运行参数序列开始通过检测窗口框选得到第一检测参数序列集合；

12、初始化滑动编号，设置滑动步长；

13、以所述滑动步长向后滑动检测窗口框选第检测参数序列集合，更新所述滑动编号；

14、若则进入下一步，否则返回上一步，代表向下取整；

15、计算所有检测参数序列集合的浮动参数并选取其中浮动参数最小的检测参数序列集合作为标准检测参数序列集合；

16、基于所述标准检测参数序列集合获取运行参数准确程度。

17、优选地，所述计算所有检测参数序列集合的浮动参数并选取其中浮动参数最小的检测参数序列集合作为标准检测参数序列集合的方法为：

18、计算所有检测参数序列集合的浮动参数：

19、;

20、;

21、;

22、其中，为所述第检测参数序列集合的所述浮动参数，为所述第检测参数序列集合中的第个运行参数序列的第种运行参数，为所述第检测参数序列集合中第种运行参数的平均值，为运行参数的种类的总数，为基于的值变化求最大值的运算，为基于的值变化求最小值的运算，和分别为权重；

23、选取中的最小值，中的最小值对应的所述检测参数序列集合作为所述标准检测参数序列集合。

24、优选地，基于所述标准检测参数序列获取运行参数准确程度的方法为：

25、;

26、;

27、其中，和分别代表以自然对数e为底的指数函数和对数函数，为中间参数，为中间参数的上限经验值，为中间参数的下限经验值，为所述中的最小值，为运行参数准确程度。

28、优选地，所述m的取值范围为：。

29、优选地，根据所述运行参数准确程度设置判断阈值并基于所述判断阈值判断光伏逆变器是否疑似产生故障的方法为：

30、获取当前的所述运行参数序列中每种所述运行参数的标准阈值；

31、分别针对每种所述运行参数设置判断阈值：

32、;

33、;

34、;

35、其中，和分别为当前的所述运行参数序列中第种所述运行参数的标准阈值的上限和下限，和分别为当前的所述运行参数序列中第种所述运行参数的判断阈值的上限和下限，为所述运行参数准确程度，为运行参数的种类的总数;

36、分别判断当前的所述运行参数序列中每种所述运行参数是否超出对应的所述标准阈值，若有任意所述运行参数超出对应的所述标准阈值则判断为光伏逆变器疑似产生故障，否则判断为光伏逆变器没有疑似产生故障。

37、优选地，基于深度学习根据所述时序运行参数序列集合和所述运行参数准确程度进行二次判断的方法为通过训练好的网络模型进行二次判断，所述网络模型包括依次连接的输入层、特征提取层、隐藏层和输出层。

38、优选地，所述特征提取层的工作方式为：

39、接收来自所述输入层的输入数据，所述输入数据为：

40、;

41、;

42、;

43、,;

44、其中，代表所述时序运行参数序列集合，为所述运行参数准确程度，分别为截止当前时间的个运行参数序列，代表时间时的第种运行参数的平均值，,为运行参数的种类的总数;

45、进行特征提取：

46、

47、

48、;

49、所述特征提取层的输出为

50、其中，代表第种运行参数的特征参数，为取符号函数,为基于的变化求最大值的函数，为基于的变化求最小值的函数，代表以自然对数e为底的指数函数。

51、优选地，所述隐藏层的表达式为：

52、;

53、;

54、其中，代表隐藏层第层的输出，为隐藏层第层的权重，为隐藏层第层的偏移量参数；

55、所述输出层采用softmax函数。

56、优选地，所述运行参数包括直流侧电流、直流侧电压、交流侧电流、交流侧电压、交流频率、工作温度和工作湿度。

57、本发明的技术方案至少具有如下优点和有益效果：

58、本发明实现了智能化监测光伏逆变器的状态，有助于及时发现和解决逆变器的故障，防止故障扩展，保障系统的稳定运行，提高光伏系统的可靠性；

59、本发明进行监测的时候，先通过简单的阈值比较过滤掉确定没有故障的数据情况，不需要进行进一步故障识别有助于节约算力资源；

60、本发明在过滤掉确定没有故障的数据的时候和进行故障识别的时候，均考虑了监测设备例如各种传感器的稳定状态对监测结果造成的影响，提升了结果的可靠性和准确性；

61、本发明在考虑监测设备的可靠性的时候，尽可能排除了数据本身波动的影响，选择最小波动段来进行可靠性判断，进一步提升判断结果的精度；

62、本发明设计合理，易于实现，还可以适用于到其他设备的状态监测和故障识别，便于推广和实施。