文档介绍：该【基于萤火虫扰动麻雀搜索算法...的光伏阵列故障诊断方法研究 赵靖英 】是由【薛蝌】上传分享，文档一共【14】页，该文档可以免费在线阅读，需要了解更多关于【基于萤火虫扰动麻雀搜索算法...的光伏阵列故障诊断方法研究 赵靖英 】的内容，可以使用淘豆网的站内搜索功能，选择自己适合的文档，以下文字是截取该文章内的部分文字，如需要获得完整电子版，请下载此文档到您的设备，方便您编辑和打印。:.
电网技术
PowerSystemTechnology
ISSN1000-3673,CN11-2410/TM
《电网技术》网络首发论文
题目:基于萤火虫扰动麻雀搜索算法-极限学****机的光伏阵列故障诊断方法研究
作者:赵靖英,吴晶晶,张雪辉,张文煜,姚帅亮
DOI:-
网络首发日期:2022-08-25
引用格式:赵靖英,吴晶晶,张雪辉,张文煜,-
极限学****机的光伏阵列故障诊断方法研究[J/OL].电网技术.
/-
网络首发:在编辑部工作流程中,稿件从录用到出版要经历录用定稿、排版定稿、整期汇编定稿等阶
段。录用定稿指内容已经确定,且通过同行评议、主编终审同意刊用的稿件。排版定稿指录用定稿按照期
刊特定版式(包括网络呈现版式)排版后的稿件,可暂不确定出版年、卷、期和页码。整期汇编定稿指出
版年、卷、期、页码均已确定的印刷或数字出版的整期汇编稿件。录用定稿网络首发稿件内容必须符合《出
版管理条例》和《期刊出版管理规定》的有关规定;学术研究成果具有创新性、科学性和先进性,符合编
辑部对刊文的录用要求,不存在学术不端行为及其他侵权行为;稿件内容应基本符合国家有关书刊编辑、
出版的技术标准,正确使用和统一规范语言文字、符号、数字、外文字母、法定计量单位及地图标注等。
为确保录用定稿网络首发的严肃性,录用定稿一经发布,不得修改论文题目、作者、机构名称和学术内容,
只可基于编辑规范进行少量文字的修改。
出版确认:纸质期刊编辑部通过与《中国学术期刊(光盘版)》电子杂志社有限公司签约,在《中国
学术期刊(网络版)》出版传播平台上创办与纸质期刊内容一致的网络版,以单篇或整期出版形式,在印刷
出版之前刊发论文的录用定稿、排版定稿、整期汇编定稿。因为《中国学术期刊(网络版)》是国家新闻出
版广电总局批准的网络连续型出版物(ISSN2096-4188,CN11-6037/Z),所以签约期刊的网络版上网络首
发论文视为正式出版。
:.
췸싧쫗랢쪱볤ꎺ2022-08-2513:06:05
췸싧쫗랢뗘횷ꎺ.
电网技术
PowerSystemTechnology
基于萤火虫扰动麻雀搜索算法-极限学****机的光伏
阵列故障诊断方法研究
赵靖英1,吴晶晶1,张雪辉1,张文煜2,姚帅亮2
(,天津市北辰区300401;
,河北省张家口市075000)
Researchonfaultdiagnosismethodofphotovoltaicarraysbasedonsparrowsearchalgorithm
withfireflyperturbation-extremelearningmachine
ZHAOJingying1,WUJingjing1,ZHANGXuehui1,ZHANGWenyu2,YAOShuailiang2
(,BeichenDistrict,
Tianjin300401,China;.,Zhangjiakou
075000,HebeiProvince,China)
ABSTRACT:Photovoltaicarrayshavethecharacteristicssuchschemeswithdifferentirradiancerangesandexperimental
-ELMmodel,combinedwiththesimple
lackoffaultcharacteristicparametersthatcaneffectivelyimplementationofELMandthefastconvergencespeedof
characterizedifferentdegreesofpartialshadingandgroundFSSA,canaccuratelyidentifyfaulttypesofthephotovoltaic
faultinrainydays,theoperatingcharacteristicsofphotovoltaicarraysbyusingthe6-dimensionalfaultfeaturevector.
arrayswithdifferentfaultsisanalyzed,andanew
KEYWORDS:photovoltaicarray;faultdiagnosis;thetotal
6-
harmonicdistortion;faultcharacteristicparameters;sparrow
voltageUoc,maximumpowerpointvoltageUmandshort
searchalgorithmwithfireflyperturbation-extremelearning
circuitcurrentIsc,maximumpowerpointcurrentImare
machine;parasiticcapacitance
introducedtocharacterizeshortcircuitandopencircuitfaults
:光伏阵列具有随机性、间歇性输出特点,发生故障严
derivativeoftheU-Icurveisintroducedtocharacterizepartial重影响电力系统安全运行。针对有效表征不同程度局部阴影
-meansclusteringalgorithmoptimized与雨天接地故障的故障特征量缺乏的问题,分析不同故障状
bygeneticsimulatedannealingalgorithm(GSA-FCM)isused态下光伏阵列运行特征,提出一种新的6维故障特征向量:
toverifythevalidityofdifferentdegreesofpartialshading开路电压Uoc、最大功率点电压Um与短路电流Isc、最大功率
;U-I特性曲线二阶导数
grid-connectedcurrentisintroducedtocharacterizetheground零点数表征局部阴影故障,并利用遗传模拟退火算法优化的
(GSA-FCM)验证Um、Im表征不同程
perturbation(FSSA)isintroducedtooptimizethetraditional度局部阴影故障的有效性;并网电流总谐波畸变率表征雨天
extremelearningmachine(ELM).AndtheFSSA-ELMmodel接地故障。引入萤火虫扰动的麻雀搜索算法(FSSA),优化
isestablishedtosolvetheproblemssuchascomplex传统极限学****机(ELM),建立FSSA-ELM模型,解决传统
implementationandslowconvergenceintraditionalfault故障诊断方法实现复杂、收敛速度慢的问题。基于现场数据
,thesimulationmodel驱动,建立考虑对地寄生电容的光伏系统仿真模型和实验平
ofaphotovoltaicsystemwiththeparasiticcapacitancetothe台,设计两种不同辐照度范围的仿真方案和实验方案,进行
,结果表明,FSSA-ELM模型结合ELM实现简单
且FSSA收敛速度快的特点,利用6维故障特征向量,可准
基金项目:国家自然科学基金(51377044);河北省自然科学基金确识别光伏阵列故障类型。
(E2019202481)。
关键词:光伏阵列;故障诊断;并网电流总谐波畸变率;故
NationalNaturalScienceFoundationofChina(51377044);Natural
ScienceFoundationofHebeiProvince(E2019202481).障特征量;萤火虫扰动麻雀搜索算法-极限学****机;寄生电
容:.
2
DOI:-,雨天寄生电容
0引言增加,导致光伏系统产生高幅值、高频率的共模电
流。针对有效表征不同程度局部阴影故障和雨天接
光伏发电作为一种重要的可再生能源利用形
[1]地故障的特征量缺乏、诊断方法存在实现复杂、收
式,近年来发展迅速。光伏阵列长时间运行于恶
敛速度慢等问题,本文通过分析不同故障状态下光
劣环境中,易发生短路、断路、局部阴影、雨天接
伏阵列的输出特性,提出由光伏阵列Uoc、Isc、Um、
地等故障,影响系统安全运行和光伏产业健康发
Im、U-I曲线二阶导数零点数、并网电流总谐波畸
展,因此进行光伏阵列故障诊断研究十分必要。
变率组成6维故障特征向量表征光伏阵列不同运行
基于对光伏阵列输出特性的分析,可提取不同
状态:正常、短路、断路、局部阴影、雨天接地故
故障状态下的特征量。文献[2]对光伏阵列短路、断
障,并基于GSA-FCM算法,聚类不同程度局部阴
路、异常老化、局部阴影等故障时光伏阵列的输出
影故障,验证Um、Im作为特征量辨识不同程度局
特性进行分析,选取开路电压Uoc、短路电流Isc、最
部阴影故障的有效性。利用萤火虫扰动的麻雀搜索
大功率点电压Um、最大功率点电流Im为故障特征
算法(sparrowsearchalgorithmwithfirefly
量。文献[3]基于光伏阵列输出特性,选取开路电压
perturbation,FSSA)优化传统极限学****机(extreme
的变化值ΔUoc、短路电流的变化值ΔIsc、最大功率
learningmachine,ELM)模型,探求故障诊断方法。
点电压的变化值ΔUm、最大功率点电流的变化值
基于现场数据,建立考虑寄生电容的光伏系统仿真
ΔIm、最大功率点个数N、最大功率变化值ΔPm作为
模型和实验平台,设计晴天和雨天两种不同辐照度
特征量,表征光伏阵列短路、断路、异常老化、局
范围的仿真方案和实验方案,验证提出的6维故障
部阴影以及复合故障。
特征向量与FSSA-ELM模型的有效性。
光伏阵列故障诊断方法主要集中于传统诊断
方法和智能分类算法。传统诊断方法有红外图像检1光伏阵列故障分析与故障特征提取
测法[4-5]、接地电容测量法(earthcapacitance
measurement,ECM)[6]和时域反射分析法(time
光伏阵列工作环境复杂,易发生多种故障。
domainreflectometry,TDR)[7-8]。智能分类算法主要
光伏组件线路老化、绝缘失效以及污渍影响,会
包括人工神经网络、模糊C均值聚类、随机森林等。形成短路故障;光伏组件MC4接头、线路老化以
文献[9]提出一种基于BP神经网络的光伏组件在线及绝缘体错位,会形成断路故障;光伏组件长时
故障诊断策略,实现对组件正常、短路和异常老化间被积雪、灰尘、云层等遮住时,被遮组件电流
状态的实时诊断。文献[10]利用基于深层二维卷积小于未被遮住组件电流,并以负载形式消耗其他
神经网络(convolutionalneuralnetwork,CNN)的故组件发出能量,形成局部阴影故障。
障诊断方法,有效检测光伏阵列的局部阴影、短路、光伏阵列存在对地寄生电容,寄生电容在正常
断路和电弧故障。文献[11]采用高斯核模糊C均值工作时为50-150nF/kW左右[16],在潮湿环境或者雨
(gaussiankernelfuzzyc-means,GKFCM)聚类方法天情况下达到更大数值,如200nF/kW[17];光伏阵
对光伏阵列中断路、短路、复合故障进行诊断。文列雨天接地故障和正常天气情况下的接地故障机
献[12]提出一种基于级联随机森林的光伏组件在线理不同。发生雨天接地故障时,寄生电容与逆变器
故障诊断模型,进行光伏组件正常、异常老化、局输出滤波元件以及电网阻抗组成的共模谐振回路,
部阴影、热斑等故障诊断。文献[13]提出一种基于产生高幅值、高频率共模电流;光伏组件对地寄生
图的半监督学****模型(graph-basedsemi-supervised电容随湿度变化,共模电流幅值也随之变化,当湿
learning,GBSSL)的光伏阵列故障诊断方法。文献度降低时,寄生电容和共模电流幅值会逐渐减小,
[14]采用基于多类支持向量机(multi-classsupport甚至恢复正常工作。而正常天气情况下的接地故障
vectormachine,M-SVM)的光伏组件故障在线诊断主要由于光伏组件、线缆等绝缘损坏造成,致使载
方法,对光伏阵列短路、异常老化故障进行诊断。流导体与大地形成一个可供电流通过的路径,接地
文献[15]针对光伏阵列出现的组件局部阴影、短路故障发生后不可恢复。
与断路等故障,提出一种基于快速过采样主成分分本文主要研究的故障类型如表1。
析算法的光伏阵列故障诊断方法,实现故障检测与
故障识别。
:.
第38卷第1期电网技术3
表1工作状态描述入研究。文献[18]对短路、断路故障的光伏阵列输
Table1Descriptionofworkstatus出特性进行对比分析,如图2所示。光伏阵列发生
编号工作状态运行条件短路与断路故障时,本文仿真所得的光伏阵列输出
F1正常正常特性与文献[18]中所示特征基本一致。
F2短路故障多个组件短路由图2和图1可知,光伏阵列发生短路故障时,
F3断路故障组串断路输出特性中Um、Uoc降低,Im、Isc基本不变。原因
因遮挡面积不同导致的不同阴影程度如下:光伏阵列中某一组串中组件发生短路故障
F4局部阴影故障100
(F4-1、F4-2、F4-3、……)时,被短路组件输出电压为0,故障组串支路输出
F5雨天接地故障光伏阵列对地寄生电容增加电压降低,产生回流现象,导致整个光伏阵列的
90
Uoc降低。短路故障发生时,光伏阵列最大输出功
,相应Um也降低。
802
图1是同一测试条件(S=700W/m、T=25℃)由图2和图1可知,光伏阵列发生断路故障时,
下,18×1670光伏阵列在正常及故障状态下(分别为Im、Isc降低,Um、Uoc基本不变。原因如下:光伏
1个组串中多个组件短路;多个组串断路;多个组F1阵列U-I特性由各组串U-I特性叠加而成,某一组
串的2个组件、或多个组串的606个组件、或多个组件发生断路故障时,故障组件所在组串的输出电流18
串的12个组件被遮挡;对地寄生电容增加的雨天F2为0。光伏阵列并联组串支路减少,阵列I降低。
16sc
接地故障)的输出特性。其他工况下各状态输出特/AI/AI50
同时正常工作组件个数减少,阵列最大输出功率降
性变化趋势类似。F314
低,Im相应降低。
7000040
因此,U12m、Uoc与Im、Isc可分别作为短路与断
F4-1F1
路故障特征量。
3010
60000/AI/AI
F4-2F2
208
F4-F336
5000010Thenormalstate
F54Theshort-circuitsstate
F4-1
0Theopen-circuitsstate
400002
0100200300400500Theabnormalagingstate600700800
F4-2
/W0
PU/V020406080100120140
30000F4-3U/V
(a)正常及故障状态时光伏阵列U-I特性对比分析
图2故障情况下光伏阵列输出特性对比分析
F5
20000photovoltaicarraysunderfaults
10000由图1可知,光伏阵列发生局部阴影故障时,
输出特性中Uoc、Isc基本不变,U-I特性出现拐点。
设置正常光伏组件辐照度为S1,短路电流为
0Isc1;被遮挡组件辐照度为S2,短路电流为Isc2。S1>S2,
0100200300。由光伏电池伏安特性,输出400500600700800
IISSsc2sc121/
电压升高,输出电流随之下降。U/V当正常光伏组件输
出电流I1满足III时,被遮挡组件旁路
sc21sc1
(b)正常及故障状态时光伏阵列U-P特性
二极管导通,二极管电流为IIIdiode1sc2;当
图1光伏阵列输出特性对比分析
II1sc2,被遮挡组件旁路二极管关断,被遮
photovoltaicarrays挡组件输出电流I2满足。旁路二极管使被
II21
、断路故障特征提取遮挡组件所在组串输出电流为分段函数,U-I特性
针对短路、断路故障,国内外学者已进行了深出现拐点,拐点处满足II=。
1sc2:.
4
拐点处U-I特性曲线凹凸性发生改变,
性判定定理可知:由图1可知,发生雨天接地故障时,输出特性
与正常工作时基本相同。光伏阵列发生雨天接地故
dIdU22/0,曲线为(凹1)的
dIdU22/0,曲线为凸的障时,光伏系统产生共模电流如图4所示。
引入U-I曲线二阶导数辨识局部阴影故障。不光伏
同工作状态下光伏阵列U-I曲线二阶导数变化情况阵列逆滤
变波电网
如图3所示。由图3(a)可知,当光伏阵列发生不同器器
,U-I特性二阶导数曲线出现
两个零点,,实现凸F4-凹-凸的转变。-1第寄生ucm
dIdU22/0电容icm
,22;两个零点之间,
dIdU/0F4-2共模电流
;第2个零点之后,。由
dIdU22/0
图3(b)2可知,当光伏阵列发生其他故障时,U-I曲图4光伏系统的共模电流
F4-3
线二阶导数无零点,,
dU/dU/
dIdU22/0I。因此,U-I曲线二阶导数的零点数可将光伏系统中光伏阵列和开关管综合作用等
作为局部阴影故障特征量。d
效为3个以开关管频率变化和幅值为光伏阵列输出
,等效三相全桥拓扑图如图5
。uanLea
0
nN
-
0ucnLec
-
-
0100200300400CPV500600700800
2-
U/V
dU/dU/-
2I(a)局部阴影故障的光伏阵列U--phasefull-bridgetopology
d
-,单相电路的等效电路如图6所
示。
-
-
F3
CPVicma1
-
F5uan2
icma
-
800
求得uanU单独作用时的电流为:/V2j2jwCwCPVPV
jwL
11
(b)正常、断路、短路的光伏阵列U-I曲线二阶导数jwL
图3不同状态下光伏阵列U-I曲线二阶导数2jwC
-IcurveforphotovoltaicarraysPV
indifferentstates(2)
uan
图1中不同阴影程度对阵列输出特性中Um、Imj
影响不同,利用ΔUm、ΔIm作为GSA-FCM模型的3
wL
输入量,进行不同程度局部阴影故障的聚类分析,wC
PV
获得不同程度局部阴影的聚类区间,发现不同程度
ubn、ucn作用时的电流同上,故共模电流为:
局部阴影故障Um、Im变化范围不同,从而确定Um、
Im可作为特征量辨识不同程度局部阴影故障。基于ucm
iiiicmcmacmbcmc(3)
GSA算法的FCM聚类流程图如附录A图A1所示。jwL1
3jwCPV:.
第38卷第1期电网技术5
Uoc正常(F1)
式中:ucm为共模电压;L为LCL型滤波器一相电Um短路
(F2)
Isc
感值;CPV为寄生电容。I断路(F3)
m
文献[20]提出,雨水导致光伏阵列对地寄生电U-I曲线二阶导数局部阴影(F4)
容增大,由式(3)可知,寄生电容增大造成共模电流的零点数
并网电流总谐波雨天接地(F5)
幅值增大,雨天接地故障发生会导致并网电流引入畸变率输入层输出层
较大的共模电流。此外,文献[21]提出变流器发生隐含层
开路故障时,电流在工频分量的整数倍处会出现高图7ELM故障诊断模型
次谐波,导致电流总谐波畸变率增大,
谐波畸变率作为故障特征参数。因此,-ELM的光伏阵列故障诊断
流总谐波畸变率进行雨天接地故障辨识。基于6维故障特征量,引入萤火虫扰动的麻雀
将并网电流展开为傅里叶级数,即:搜索算法(FSSA),改进ELM模型,确定有效输入
权值和隐层节点阈值,提高故障诊断精度。
a0(4)
itanwtbnwt()cossin2n1nn以6维故障特征向量作为输入,基于FSSA自
适应优化ELM模型,实现在线故障诊断,如图8
12
aitnwtdtn0cos所示。利用FSSA中种群个体作为ELM模型的输
(5)
12入权值和隐含层节点的阈值,将随机产生的种群个
bitnwtdtnsin
0
体赋值给ELM的输入权值和隐层节点阈值,并利
利用傅里叶分解得到的各次谐波分量,计算并用ELM对校验集样本进行诊断,把诊断得到的误
网电流总谐波畸变率,如式(6)(7)。差绝对值的平均值作为FSSA的适应度函数。引入
m萤火虫算法扰动更新种群中麻雀个体位置,从而得
I2jn(6)
n2到最优个体。最后将最优个体赋值给ELM输入权
THD100%
Ij1值和隐层节点阈值,在训练集样本下计算ELM输
(7)出权值矩阵,并对光伏阵列测试集样本进行故障诊
Ijnabjnjn
2断。
式中:j=a,b,c;m为考虑的最高谐波次数;Ij1基于FSSA-ELM模型的故障诊断步骤如下:
为基波电流有效值;Ijn为第n次谐波电流有效值。
步骤1:以一定频率采集光伏阵列实时故障特
2基于FSSA-ELM的光伏阵列故障诊断方征数据。
法步骤2:6维故障特征向量单位、数量级相差
,采用式(8)对故障特征数据进行归一化处理,
将光伏阵列的Uoc、Isc、Um、Im、U-I曲线二阶将实时采集到的故障特征数据归一化为[0,1]区间
导数的零点数、并网电流总谐波畸变率六个参量形的值。
成一组数据向量,作为ELM的输入向量,输出为正
'xxk-min(8)
常(F1),短路(F2),断路(F3),局部阴影(xkxx-
maxmin
F4)与雨天接地(F5)故障类型,构建如图7所示式中:xk,x’k分别为数据归一化前、后的值;
的ELM故障诊断模型。确定ELM输入层神经元个数xmin,xmax分别为实时采集的故障特征数据中的最小
indim和隐含层神经元个数hiddennum。输入层与隐值和最大值,根据实时采集的数据,通过两两比较,
含层连接的输入权值数为indim*hiddennum,隐含层获得数据序列的最大、最小值。
节点阈值数为hiddennum。步骤3:将归一化的故障特征数据按7:3的比
6维故障特征向量维数较高,增加了极限学****例,划分为训练集样本和测试集样本。
机的输入权值和隐层节点阈值个数,传统极限学****步骤4:根据故障特征参量个数以及输出故障
机模型输入权值和隐层节点阈值参数随机产生,故类型数确定ELM模型的结构,主要包括输入层神
障诊断精度较低。经元个数、隐含层神经元个数、输入权值数、隐含
层节点阈值数。
步骤5:根据ELM模型进行麻雀群初始化,设
置种群规模M、最大迭代次数N、待优化参数的上:.
以一定频率采集光
伏阵列实时故障特确定ELM模型结构
征数据
根据ELM模型初始化
麻雀种群
采用最大最小值归
一化法对实时采集
定义适应度函数
的故障特征数据进
更新麻雀
行归一化处理的位置
校验集样本
否
进化代数
训练集样本n<N?
计算初始适应度值
是
更新种群中麻雀个体
输出全局
6位置
最优适应度值
下界等,并给定范围内产生随机麻雀种群。(14)
XXXXiiiji1βαε
步骤6:定义适应度函数为ELM模型对校验集式中:r为萤火虫i到萤火虫j的距离,即各萤火
ij
样本诊断结