[发明专利]一种基于ISOS-DBN模型的光伏并网逆变故障特征提取诊断方法

权利要求书

1.一种基于ISOS-DBN模型的光伏并网逆变故障特征提取诊断方法，其特征在于，包括以下步骤：

（1）采集各种工作状态下逆变器交流侧电流信号，并作归一化处理，以及划分训练样本集与测试样本集；

（2）DBN训练：利用训练样本对深度置信网络DBN进行训练，训练过程中采用改进的共生生物搜索算法ISOS对网络模型参数即隐含层层数与各层神经元节点数进行优化选择，得到一个ISOS-DBN模型与训练样本集特征数据；

所述ISOS-DBN模型为：DBN网络训练中加入ISOS算法，ISOS是在SOS原有算法的基础上增加了Pareto最优解近邻搜索过程，利用当前解寻找更优解，提高其局部搜索能力；ISOS算法的主要步骤如下：

（2.1）参数初始化：搜索空间上下界，种群规模N，设定Pareto 最优解集规模M，最大迭代次数T_iter，预设精度为10^-6，令迭代步数t = 0，初始化生物体种群集P⁽⁰⁾；

（2.2）度量P⁽⁰⁾中N个生物体的适应度，得到实数值解S⁽⁰⁾；

（2.3）对S⁽⁰⁾中的解进行排序，取前M个作为Pareto最优解集X⁽⁰⁾，取X⁽⁰⁾中最优值为最优解X_best；

（2.4）进入迭代优化过程，While t=T_iter ，t=t+1；通过互利阶段、片利阶段和寄生阶段更新最优解X^(t)，在X^(t)的基础上利用Pareto近邻搜索判断是否具有更优解，并更新至X_best，判断是否满足终止条件以跳出循环；

（2.5）输出全局最优解X_best；得到的全局最优解X_best中，包含了最优参数，将各最优值重新赋给DBN网络训练，得到一个优化的网络结构，该ISOS-DBN输出的为训练样本集的最优特征数据；

进行近邻搜索的公式如下：

式中：x_i为群体中的第i个个体；i=1,2,...,M；R为搜索半径；s_i为sobol低偏差序列，使用sobol低偏差序列的目的是在原有个体周围均匀产生新的点；

（3）故障样本库建立：计算训练样本集特征数据集不同故障类别的类心，形成故障样本库；

（4）将测试样本输入至训练好的ISOS-DBN模型中计算出待测样本特征数据，并计算测试样本集样本与样本库中各故障类心的夹角余弦距离；

（5）对比故障样本库确定故障类型。

2.根据权利要求1所述的一种基于ISOS-DBN模型的光伏并网逆变故障特征提取诊断方法，其特征在于，所述步骤（1）具体为：

（1.1）全信号采集：通过电流传感器采集各种工作状态下逆变器交流侧电流信号；

（1.2）原始数据合成：将每一次采集的三相交流电流按照设定长度进行截取并合成为一条数据，得到总样本，为故障类别，假如每类故障下有i个样本，则总样本数量为i* ，工频交流电一个周期为0.02s，假如采样频率为f_c，那么一条样本的数据总长度为：

其中，f_网为电网频率50Hz；

（1.3）数据预处理：将步骤（1.2）中采集到的数据集进行归一化处理至[0,1]区间内，目的在于取消各维数据间数量级差别，消除量纲；并且分为训练样本集与测试样本集。