[发明专利]一种用于光伏系统的故障录波系统及配置自适应方法

说明书

本发明公开了一种用于光伏系统的故障录波系统及配置自适应方法，自适应方法包括：针对不同故障类型的特点，设计相对应的录波配置表；将故障录波采集设备采样的数据打包形成运行日志并上传至云端；将上传的数据作为样本集，对样本集中同类型故障发生时段的运行数据进行解析，以得到与相应故障对应的特征信息；根据不同类型故障的触发原因，建立故障预测模型；根据故障录波采集设备实时采集的数据，预测出下一次发生故障的故障类型；根据预测的故障类型，下发对应的录波配置表，以对故障录波采集设备进行配置。本发明提供的故障录波系统及配置自适应方法提高了故障录波所得数据的有效性及针对性，方便了对故障问题的定位和分析。

技术领域

本发明涉及光伏发电技术领域，尤其涉及一种用于光伏系统的故障录波系统及配置自适应方法。

背景技术

现有的故障录波方式，由于受硬件存储容量条件约束，所能录波采样变量数量、录波时间、采样精度都会相互制约，需要对故障录波的采样变量、采样频率等参数进行预设。当判定设置的故障触发后，按照预设配置及参数进行录波并存储。针对不同的故障类型，所需要的录波变量、时间及精度都不尽相同，采用同一套预设所得的录波波形无法支撑对所有类型故障进行分析。因而需要亟需一种故障录波自适应方法。

发明内容

为了克服现有技术存在的不足，本发明提供一种用于光伏系统的故障录波系统及配置自适应方法，具体技术方案如下：

一方面，提供了一种用于光伏系统的故障录波配置自适应方法，包括以下步骤：

S1、针对不同故障类型的特点，设计相对应的录波配置表；

S2、将故障录波采集设备采样的数据打包形成运行日志并上传至云端；

S3、将上传的数据作为样本集，对样本集中同类型故障发生时段的运行数据进行解析，以得到与相应故障对应的特征信息；

S4、根据不同类型故障的触发原因，建立故障预测模型，并量化不同故障类型与对应的特征信息之间的关联关系；

S5、所述故障预测模型根据所述故障录波采集设备实时采集的数据，预测出下一次发生故障的故障类型；

S6、根据预测的故障类型，下发对应的录波配置表，以对所述故障录波采集设备进行配置。

进一步地，在步骤S2中，所述云端定期对上传的数据进行汇总与梳理，提取出各个故障信息，所述故障信息包括故障参数、故障时刻和故障位置，根据所述故障参数将不同的故障类型进行分类和汇总，并将故障时刻及其前后设定时间段内的运行日志进行汇总，以形成相应数据库。

进一步地，在步骤S3中，在解析过程中，若所述故障参数对应的数据超出预设阈值，则将其作为特征信息。

进一步地，在步骤S4中，采用专家经验法和/或层次分析法建立故障预测模型。

进一步地，所述故障预测模型建立了各故障类型与各特征信息之间的权重关系，每个故障类型赋予其关联的特征信息相应的权重；

当实时采集的数据经过处理得到的特征信息为单个时，若该特征信息同时对应到多个故障类型，则比较该特征信息在相应故障类型的权重大小，取权重最大值对应的故障类型作为预测的故障类型；

当实时采集的数据经过处理得到的特征信息为多个时，根据所述特征信息关联到一个或者多个故障类型，计算相应故障类型中相应特征信息的权重之和，取权重之和最大值对应的故障类型作为预测的故障类型。

进一步地，在步骤S5中，若实时采集的数据范围在解析后没有特征信息，则需要进一步地扩大该次采集的数据范围并进行上传，直到上传的数据在解析后得到特征信息，使得所述故障预测模型能够根据所述特征信息找到关联的故障类型并进行判断预测。

进一步地，在步骤S6之后还包括：