(19)中华人民共和国国家知识产权局
(12)发明专利说明书
(10)申请公布号 CN 106021806 A
(43)申请公布日 2016.10.12
(21)申请号 CN201610394965.2
(22)申请日 正则化和归一化的关系2016.06.06
(71)申请人 福州大学
    地址 350108 福建省福州市闽侯县上街镇大学城学园路2号福州大学新区
(72)发明人 陈志聪 吴越 吴丽君 林培杰 程树英
(74)专利代理机构 福州元创专利商标代理有限公司
    代理人 蔡学俊
(51)Int.CI
      G06F17/50
      H02S50/10
                                                                  权利要求说明书 说明书 幅图
(54)发明名称
      一种基于核函数极限学习机的光伏组串故障诊断方法
(57)摘要
      本发明涉及一种基于核函数极限学习机的光伏组串故障诊断方法，具体包括以下步骤：步骤S1：对光伏组串进行伏安特性扫描，并进行曲线拟合，获取光伏内部等效五参数；步骤S2：获取的光伏内部等效五参数进行整合归一化；步骤S3：采用模式搜索算法计算出最优KELM算法核函数的若干个系数；步骤S4：将计算出的系数带入KELM并对样本进行训练，得到训练模型。步骤S5：利用训练模型对光伏组串进行故障检测和分类。本发明所提出的基于核函数极限学习机的光伏组串故障诊断方法，能够有效提高光伏发电阵列故障检测和分类的准确性。
法律状态
法律状态公告日
法律状态信息
法律状态
2022-05-17
未缴年费专利权终止IPC(主分类):G06F17/50专利号:ZL2016103949652申请日:20160606授权公告日:20181030
专利权的终止
权 利 要 求 说 明 书
1.一种基于核函数极限学习机的光伏组串故障诊断方法，其特征在于，包括如下步骤：
步骤S1：对各预设工况下的光伏发电组串进行伏安特性曲线扫描，采集电流、电压、光照、温度数据,分别对采集得到的数据进行拟合，获得光伏内部等效五参数样本；
步骤S2：将所述光伏内部等效五参数样本进行整合归一化，获取样本数据；
步骤S3：将所述样本数据分成训练集和验证集；对所述验证集中的每个样本进行预测，并采用模式搜索算法计算出最优KELM算法核函数的正则化系数C、常数项α以及最高项次数d；
步骤S4：根据所述步骤S3计算出的最优的核函数系数，利用ELM分类器对训练集中的每个样本进行训练，得到KELM故障诊断训练模型；
步骤S5：通过所述步骤S1以及所述步骤S2对实际待测工况进行处理，并利用所述KELM故障诊断训练模型，对所述实际待测工况下的光伏发电组串内部等效参数进行检测和分类，判断光伏发电组串系统是否处于故障状态；若处于故障状态，则给出故障类型。
2.根据权利要求1所述的一种基于核函数极限学习机的光伏组串故障诊断方法，其特征在于，在所述步骤S1中，所述光伏内部等效五参数包括：光生电流Iph、二极管反向饱和电流Id、等效串联电阻Rs、等效并联电阻Rsh以及二极管品质因子n。
3.根据权利要求2所述的一种基于核函数极限学习机的光伏组串故障诊断方法，其特征在于，在所述步骤S2中，通过如下方式对所述光伏内部等效五参数样本进行整合归一化：
步骤S21：将所提取的光伏组件等效串联电阻Rs以及等效并联电阻Rsh的乘积q、光生电流n、二极管反向饱和电流Iph以及r＝RMSE*100作为KELM故障诊断训练模型四个维度的输入向量，其中，RMSE为所述步骤S1中数据拟合过程中参数辨识的最终均方根误差；
步骤S22：将所述步骤S21中获取的四维向量归一化至[-1,1]区间内。
4.根据权利要求1所述的一种基于核函数极限学习机的光伏组串故障诊断方法，其特征在于，在所述步骤S3中，选择多项式核函数Ω<sub>ELM</sub>＝(x·x<sub>i</sub>+α)<sup>d</sup>为KELM算法核函数，其中α为常数项、d为最高项次数，x为神经元组成向量，x<sub>i</sub>为神经元。

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。