[发明专利]基于XGBoost的光伏阵列故障诊断方法

权利要求书

1.一种基于XGBoost的光伏阵列故障诊断方法，其特征在于，通过建立光伏组件等效电路模型，根据模型建立光伏组件基本电流方程后分析光照强度、温度对光伏组件内部参数的影响，得到组件伏安特性曲线随光照强度、温度的变化趋势并进一步分析不同程度下的光伏阵列故障对应的伏安特性曲线的变化情况，选取、构建反映不同故障特性的特征量，作为故障诊断的输入向量；然后建立光伏阵列仿真模型以模拟不同类型、不同程度的故障，通过调节光照强度、温度获取伏安特性曲线，读取、构建故障特征量，建立光伏阵列故障数据集，用于在离线阶段训练基于XGBoost算法的光伏阵列故障诊断模型；最后在在线阶段采用训练后的光伏阵列故障诊断模型融合多种不同类型、不同程度故障的光伏阵列故障特征量、光照强度、温度，通过极限梯度提升决策树得到光伏阵列多种不同类型、不同程度的故障。

2.根据权利要求1所述的基于XGBoost的光伏阵列故障诊断方法，其特征是，所述的光伏组件等效电路模型包括：光生电流源、二极管、等效并联电阻以及光伏组件等效串联电阻和负载电阻，其中：光伏组件等效串联电阻和负载电阻相串联并与二极管和等效并联电阻均并联于光生电流源正负极。

3.根据权利要求1所述的基于XGBoost的光伏阵列故障诊断方法，其特征是，所述的光伏组件基本电流方程是指：根据肖特基二极管的电流方程和光伏组件的等效电路模型，建立光伏组件的基本电流方程：其中：I_ph为光生电流，I₀为二极管的反向饱和电流，R_s为光伏组件等效串联电阻，R_sh为等效并联电阻，U为输出电压，I为输出电流，A为二极管修正品质因子A＝nkT/q，n为二极管品质因子，k为玻尔兹曼常数，其值为1.38×10^-23J/K，T为光伏组件背板的绝对温度，单位为K，q为电子电荷常数，其值为1.6×10^-19C。

4.根据权利要求2所述的基于XGBoost的光伏阵列故障诊断方法，其特征是，所述的组件伏安特性曲线随光照强度、温度的变化趋势，通过以下方式得到：光生电流I_ph随着光照强度G近似地呈线性变化，具体为：其中：G_ref和T_ref分别为标准测试条件(standard test condition，STC)的光照强度和温度，其值为1000W/m²和298K；I_phr为STC条件下的光生电流；α_Imp为电流温度系数；根据光伏电池的物理特性，反向饱和电流I₀随温度T的变化满足：其中：I_0r和A_r分别为STC下的反向饱和电流和二极管修正品质因子；E_g为光伏电池的带隙能量；

所述的二极管品质因子n随光照和温度变化不明显，可看作常数；因此，二极管修正品质因子A是仅关于温度T的函数：其中：A_r为STC下的二极管修正品质因子；

所述的串联电阻R_s随温度变化关系为：其中：R_sr为STC下的串联电阻，开路电压并联电阻其中：R_shr为STC下的并联电阻；

根据基本电流方程，考虑光照强度和温度对参数的影响，得到正常运行时不同光照强度和温度条件下光伏组件的伏安特性曲线。

5.根据权利要求1所述的基于XGBoost的光伏阵列故障诊断方法，其特征是，所述的故障诊断的输入向量包括：

短路故障：选取最大功率点电流I_m和电压U_m作为故障特征；

开路故障：选取短路电流I_SC和最大功率点电流I_m作为故障特征；

老化故障：选取最大功率点电流I_m和电压U_m作为故障特征；

局部阴影：选取最大功率点电流I_m、电压U_m和开路电压U_OC作为故障特征。