[发明专利]一种基于反距离权重插值的分布式光伏故障诊断方法

权利要求书

1.一种基于反距离权重插值的分布式光伏故障诊断方法，其特征在于，包括以下步骤：

S1.收集分布式光伏各个电站历史运行数据，记录距离信息，进行数据预处理；

S2.根据反距离插值算法进行电站理论发电量的计算，优化计算参数；具体包括如下子步骤：

S21.根据步骤S1所收集的数据，筛选距离目标电站最近的10个电站，利用反距离权重插值方法对目标电站理论输出值进行计算；反距离权重插值具体计算分析如下：

步骤1，选择目标点x₀，确定n个参考电站x_i，读取目标电站和参考电站之间的距离d(x₀,x_i)；i＝1.2…n；

步骤2，计算n个参考电站的权重w(x₀,x_i)，权重是距离倒数的函数，

其中p为权重下降速度，取值为2；

步骤3，利用参考电站的测量值y(x_i)计算目标电站的拟合值

接下来分别计算电站数为1-10的10个电站的误差：

其中，为目标电站的输出拟合值，y(x_i)为目标电站的输出测量值，以上值都经过归一化，n为参考电站个数；

S22.根据步骤S21的计算结果，统计分析光伏电站不同输入下的计算误差，选取误差最小的电站数目作为输入，接下来根据历史数据相似性和物理距离作为选择标准对输入电站类型进行确定，计算不同电站选择的拟合误差；

依据相似性分析基于两两电站之间的皮尔森相关系数定义两时间序列的相似程度，数值越接近1则相似程度越高；其定义如下：

式中，r为两个光伏电站输出的相关系数；为两电站输出时间序列的平均值；其中X是选取为电站1光伏电站电气数据时间序列，Y是对照电站的电气数据时间序列；

S23.以步骤S22中的统计分析结果为依据，选取拟合误差最小的电站输入作为计算的电站；

S3.根据光伏电站的故障机理分析建立状态诊断模型；

S4.利用状态诊断模型对电站状态进行判断,实现光伏电站的故障诊断。

2.根据权利要求1所述基于反距离权重插值的分布式光伏故障诊断方法，其特征在于，所述历史运行数据包括光伏电站历史功率数据，并且需要记录下各个电站的空间距离信息，对数据进行归一化和预处理。

3.根据权利要求1所述基于反距离权重插值的分布式光伏故障诊断方法，其特征在于，所述步骤S3包括：

S31.对不同故障的产生机理进行分析，并对故障类型进行分类；分类为两种故障类型：

故障1型包含电站中某些阵列发生短路或者断路故障，故障阵列与主网断开，而其他阵列则不受影响，继续正常工作，此种异常状态会导致电站输出的异常跌落；

故障2型包含由于阵列的阴影遮挡，异常老化所致的故障，这种异常状态的发生会导致电站输出值无规律波动，并且引起一定的电站输出功率下降；

S32.通过上述分析，不同故障对光伏阵列输出时间序列的影响各不相同，在开路故障条件下，光伏输出功率时间序列的相关系数为0，而特征距离增大，空间PR减小；在短路故障条件下，光伏输出功率序列的相关系数下降，特征距离增大，空间PR减小；在阴影故障条件下，功率时间序列的相关系数下降但不为0，而特征距离增大，空间PR减小；在老化故障条件下，功率序列的相关系数不变，但是特征距离增大，空间PR减小：

4.根据权利要求1所述基于反距离权重插值的分布式光伏故障诊断方法，其特征在于，所述步骤S4包括：

S41.根据S2中进行分析的最佳输入进行计算，以3个相关性最高的电站作为输入电站，在确定目标电站后，选取距离最近的10个电站作为待选电站，通过历史相似性计算得到相关性最高的3个电站，根据3个输入电站的功率值计算目标电站的参考值；

S42.对计算获得的参考值的准确性进行验证，判断依据利用3σ准则，对之前的7天的历史拟合数据进行计算，求出数据的平均值和方差，进行判断后，如果数据位于正常范围内，可以继续进行下一步的分析计算，如果数据不在3σ范围内，则需要选取之前分析过程中次最好的结果进行计算，并再次对计算结果进行验证；如果保持在正常范围内可以进行下一步计算，还不在范围内，需要检查计算过程，并报告异常状态；其中，σ指标准差；

S43.为了对电站的运行状态进行分析，引入适合的评价指标，从空间PR相似性、相对距离三个角度分别提出了3个评价指标；利用这三个指标对电站的运行状态进行评估；对S42步骤中计算出的理论参考值进行时间序列提取，计算3个时间序列指标：

所述空间PR指标表示的是实际发电量与理论发电量的比值：

其中：

PR_Spatial：空间平均系统效率指标；

P_IDW：通过IDW方法得到的功率预测值；

P_r：电站实际测量得到的功率值；

所述相对距离，从相对欧式距离RED直观的衡量实际功率和参考功率两个时间序列之间的偏差:

式中：δ(X_Tar,X_Ref)为两时间序列的相关系数；其中X_Tar是目标电站的测量电气数据时间序列，X_Ref是通过IDW方法拟合得到的参考电气数据时间序列。时间分辨率为5min，时间序列长度按照经验选取为1hour；

所述相似性，以皮尔森相关系数定义参考测量时间序列和拟合输出时间序列的相似度；

式中：r为两时间序列的相关系数；为两时间序列的平均值；其中X_Tar是目标电站的测量电气数据时间序列，X_Ref是通过IDW方法拟合得到的参考电气数据时间序列，时间分辨率为5min，时间序列长度按照经验选取为3hours；

S44.根据S43中确定的状态模型诊断故障状态，按照以下规则：如果N_{sPR_means}-2σN_sPRN_{sPR_means}+2σ和N_{Dis_means}-2σN_DisN_{Dis_means}+2σ同时存在，若N_{Sim_means}-2σN_SimN_{Sim_means}+2σ满足，则可以判断为故障2型，不满足则为故障1型；以上公式中N_sPR,N_Dis，N_sim分别是空间PR、相对距离和相似性指标，而N_{sPR_means},N_{Dis_means}和N_{Sim_means}分别是以上指标的15天平均值。