[发明专利]一种基于异常数据序列提取的光伏组串诊断方法

说明书

一种基于异常数据序列提取的光伏组串诊断方法，其特征是先计算得到光伏组串电气数据偏差率序列集合，再利用K‑Means算法建立异常状态判断阈值，该阈值用于初步判断光伏组串是否存在异常。为达到上述目的，本发明所叙述的光伏组串诊断方法的步骤有基准样本偏差率序列集的获取，阈值的计算，判断异常。其特征是能够实现对光伏电站直流侧组串的异常状态判断，为进一步分析异常的原因提供基础。

技术领域：

本发明涉及一种基于异常数据序列提取的光伏组串诊断方法，该方法具体采用K-Means算法对监测数据进行处理。

背景技术：

随着光伏发电技术的进步，光伏电站的优化、改善和运行成本等问题严重制约了光伏发电的发展。为了防止因故障造成更严重的事故，降低电站的收益损失，及时检测光伏电站设备故障，有助于光伏电站稳定高效运行，方便在光伏电站设备发生故障之初采取相应的对策。通过对光伏电站设备的运行情况进行在线监测，及时分析处理故障征兆，也有利于光伏电站维护人员工作的开展。其中，基于光伏阵列的电气数据来判断异常的方法，包括人工肉眼发现和将实际数据与基于单二极管模型得到的电气数据做残差分析。但是人工肉眼发现过于费时，基于单二极管模型过于繁琐。

有鉴于此，有必要提供一种基于异常数据序列提取的光伏组串诊断方法，以满足实际应用需求。

发明内容：

本发明涉及一种基于异常数据序列提取的光伏组串诊断方法，以实现不靠肉眼发现和繁琐的模型计算，而是先计算得到光伏组串电气数据偏差率序列集合，再利用K-Means算法建立异常状态判断阈值，该阈值用于初步判断光伏组串是否存在异常，

为达到上述目的，本发明所叙述的一种基于异常数据序列提取的光伏组串诊断方法的步骤包括

基准样本偏差率序列集的获取，阈值的计算，判断异常，具体内容如下：

步骤一：基准样本偏差率序列集的获取

基准样本偏差率序列集合中的偏差率序列是指7:00至17:00时间段内121个按时间排序的偏差率，基准样本偏差率序列集合的数据获取通过挑选一个异常电站的电气数据来获取

偏差率序列集合采用异常光伏电站在时间段7:00至17:00的电气数据计算，电气数据具体可以选电流、电压和功率中的一种，计算公式为：

式(1)中，表示第d日j时刻电气数据的平均值，j∈[1,121]表示时间段7:00至17:00每5分钟间隔检测时刻，1表示7:00，121表示17:00，n表示电站组串总数量，表示第d日j时刻第i个电站组串偏差率，表示第d日j时刻第i个组串电气数据值，P_i^d表示第d日第i个电站组串的偏差率序列，U表示基准样本偏差率序列集合(从第a日到第d日的偏差率序列的总合)，

步骤二：阈值的计算

将基准样本偏差率序列集合U聚类成2个簇C＝{C₁,C₂}，其中u₁为C₁的中心，u₂为C₂的中心，且||u₁||＜||u₂||，计算公式如式(2)，在这里将簇C₁定义为正常簇，

N₁表示簇C₁的序列个数，N₂表示簇C₂的序列个数，P表示簇C₁或簇C₂中的一个偏差率序列，其中数据异常状态判断阈值T_threshold计算如式(3)：