[发明专利]一种基于二分K‑均值聚类的逆变器故障预警判据实现方法

说明书

技术领域

本发明属于光伏逆变器故障预警领域，具体为一种基于数据挖掘技术的故障预警判据生成方法。预警判据生成中的数据分类用了二分K-均值聚类的优化算法。

背景技术

随着社会对新能源需求的日益增长，光伏电站在各个地区不断增多，电站中逆变器的寿命管理和故障预警越来越重要。故障诊断和预警有很多种方法，实测输出功率和理论输出功率差值比较是一种代价较小的方法。而准确度在于判据的生成。

目前光伏电池板阵列或者逆变器的故障诊断预警判据量化存在三个难点：

1.逆变器故障判据的获得是一种破坏性的试验，成本较高，理论值缺乏真实验证性。

2.在实际工程中，一个光伏电池板阵列或单台逆变器机组的工作状况受环境影响很大，即使同种类型的设备在不同环境下的使用寿命或者说衰减系数也是不同的，需要具体计算。

3.预警判据设置过高，提早报警增加巡检工作量，徒增人力负担；而预警判据设置过低，造成设备故障不能及时报警。

发明内容

为解决上述存在问题，本发明提供了一种基于实测、历史数据的，运用数据挖掘技术的光伏逆变器故障预警判据生成方法。

一种基于二分K-均值聚类的量化逆变器故障预警判据实现方法，其特征在于，包括以下步骤：数据获取步骤、逆变器理论输出功率计算步骤、排除气象因素数据计算步骤，数据清洗和预处理步骤、数据分类步骤、数据挖掘步骤、单个设备和同类型设备故障判据生成步骤。

所述数据获取步骤，具体为：历史、实测的功率、气象数据利用的是监控系统SCADA中的数据，首先用算法计算逆变器理论输出功率，根据日出日落时间和实测、预测气象数据，排除掉由于气象因素引起实测功率值过低的数据，把这类数据存入到数据存储系统，对于数据存储系统中的数据进行后续步骤处理。每组逆变器功率实测值、实测气象值，设备参数及性能数据。

所述逆变器理论输出功率计算步骤，用于判据生成的输入数据之一的逆变器理论输出功率计算公式如下：

P＝Nη₁η₂η₃AR_β[1-α(T_C-25)]

N：为正常工作的光伏组件个数；

η₁:光伏组件在额定条件下的光电转换效率，η₂最大功率点跟踪的工作效率，η₃逆变器效率；A光伏组件的面积，R_β光伏阵列斜面太阳总辐照度，α光伏组件的温度系数，T_C光伏组件的板温；

β阵列的倾角。

所述排除气象因素数据计算步骤，首先根据日出日落，排除无光照情况下，功率值过低的情况；其次根据实测、预测的气象值排除了光照低情况下功率值低的情况。

所述数据清洗和预处理步骤，具体为：

子步骤1、去除/补全有缺失的数据；

子步骤2、去除/修改格式和内容错误的数据；

子步骤3、去除/修改逻辑错误的数据；

子步骤4、去除不需要的数据；

子步骤5、关联性验证；

子步骤6、去掉功率为0时相应差值点的数据；

子步骤7、补全通讯中断数据；

子步骤8、差值法补全指定时间内的缺失数据。

所述数据分类步骤，具体为：

子步骤1、按单台设备和同型号设备分类；

子步骤2、按电场投运计划要求分类；

子步骤3、按不同时间间隔分类；

子步骤4、按有逆变器性能信息和无逆变器性能信息分类；

子步骤5、按监控厂家知道投运容量和不知道投运容量分类。

所述数据挖掘步骤，具体分为差值计算步骤、数据统计分析步骤两个步骤，

其中差值计算步骤分为两种：

实测功率与理论功率值的方差值

Y1为实测功率值，Y2为理论功率值；

实测功率与理论功率差的绝对值

σ＝|y1-y2||

其中数据统计分析步骤，具体为：

子步骤1、统计功率两种差值的中心位置(算术平均数、加权平均数，几何平均数，中位数、众数)；

子步骤2、计算发散程度(极差、方差、标准差、变异系数)；

子步骤3、计算每个点的偏差程度z-分数；

子步骤4、统计出变异系数和偏差>设定值的值；