[发明专利]一种基于隔离机制的在线光伏热斑故障检测方法

摘要

本发明公开了一种光伏电池板热斑故障检测方法，属于光伏发电系统故障检测领域。通过采集光伏阵列中光伏板的一系列实时运行数据，并利用热斑故障数据“少而不同”的特点，建立一个基于隔离森林的光伏阵列热斑故障评估模型。最后，遍历森林中每条记录的平均路径长度从而得到热斑故障评分，可以在线的对光伏阵列中任意一块光伏板的热斑故障进行测量。

主权项

1.一种光伏电池板热斑故障检测方法，其特征在于：包括以下步骤：/nS1：采集最近若干个月的光伏阵列中所有光伏电池板的一系列监测数据；/nS2：将采集到的监测数据进行预处理，得到训练集X；/nS3：初步建立基于iForest的热斑故障检测模型，预设好相应的参数；/nS4：运用训练集对iForest热斑故障检测模型进行训练；/nS5：得到训练完成的iForest热斑故障检测模型，可在线实时的给出任意电池板的热斑故障评分；/nS6：将实时采集的每块光伏电池板的监测数据向量化，作为待检测样本输入到训练好的iForest热斑故障检测模型中，进行热斑故障检测，从而得到该光伏电池板热斑故障评分，根据阈值判断该光伏电池板是否发生热斑故障；/n进一步，所述步骤S1中采集最近若干个月的光伏阵列中所有电池板的一系列监测数据的具体方法为：以单体光伏电池板为单位，每隔一定的时间t将该光伏电池板的监测数据上传至服务器，共采集最近m个月的历史监测数据；时间间隔t和月份间隔m需由专家根据当地环境给出，时间间隔t的范围为5～30分钟，月份间隔m的范围为3～12个月，环境变化快可适当减小t，缩短m；采集的光伏电池板监测数据包括：单体光伏电池板输出电流、单体光伏电池板输出电压，单体光伏电池板正板工作温度、所在地区的环境温度、光照强度和距零点的秒数表示的当前时间；/n进一步，所述S2中监测数据预处理，包括以下步骤：/nS21：将6类监控的数据作为特征向量；/nS22：利用最近邻插补进行缺失值填补，得到训练集X；/n进一步，所述S22中缺失值填补的具体方法为：计算有缺失的记录与其他无缺失记录的欧氏距离，找到欧式距离最小的样本在缺失属性上的属性值填补缺失的属性值；/n进一步，所述步骤S3中初步建立基于iForest的故障检测模型包括以下具体步骤：/nS31：确定iForest中基树的数量t