[发明专利]一种基于密度聚类算法实现光伏阵列工作状态分析与故障诊断的方法

摘要

本发明涉及一种基于密度聚类算法实现光伏阵列工作状态分析与故障诊断的方法，首先采集日常工作中光伏发电阵列最大功率点的若干个电气参数，得到每一日的电气参数样本组合；接着将每个电气参数样本进行归一化得到测试样本组合；然后根据归一化后的测试样本组合进行计算得到距离矩阵；接着采用基于密度的聚类算法对这些测试样本进行自动的聚类，获得若干个聚类；接着基于预先通过仿真模型获得的参考数据，分别计算每组参考数据和每个聚类之间的最小距离，形成一个距离向量；最后通过将距离向量中每个元素与聚类算法中的截断距离进行对比，识别每个聚类所属的工作类别。本发明可直接通过对光伏系统日常运行数据的聚类操作实现故障的准确诊断。

主权项

1.一种基于密度聚类算法实现光伏阵列工作状态分析与故障诊断的方法，其特征在于：包括以下步骤：步骤S1：采集日常工作中光伏发电阵列最大功率点的若干个电气参数，得到每一日的电气参数样本组合；步骤S2：将每个电气参数样本进行归一化得到测试样本组合；步骤S3：将归一化后的测试样本组合进行计算得到距离矩阵；步骤S4：采用基于密度的聚类算法对这些测试样本进行自动的聚类，获得若干个聚类；步骤S5：基于预先通过仿真模型获得的参考数据，分别计算每组参考数据和每个聚类之间的最小距离，形成一个距离向量；步骤S6：通过将距离向量中每个元素与聚类算法中的截断距离进行对比，识别每个聚类所属的工作类别；其中，所述步骤S4具体包括以下步骤：步骤S41：根据步骤S3得到的距离矩阵，对其从小到大进行排序，选择2％处的距离值来设置样本截断距离dc；步骤S42：根据截断距离dc，计算出每个样本点的局部密度值ρi和密度高于它且离它最近的样本点的距离δi，具体的计算公式分别如下：式中，dij表示距离矩阵；步骤S43：计算出每个样本点的归一化的γi，并对γi进行排序，其中γi的计算采用公式如下：式中，ρmax表示最大ρi值，δmax表示最大δi值；步骤S44：根据3‑σ法则，选择超过γi平均值对应的前几个点作为聚类的中心点，并以这些中心点为参考，将剩余的所有样本点按到最近邻的更高密度对象的最小距离进行划分到各个簇，完成数据的聚类；其中，步骤S5具体为：建立光伏模型，在低照度下，通过模拟各种工作状态及故障，仿真获得标定的参考数据集；计算各个聚类之间到各类数据集的最小距离，获得距离向量：其中c代表每个聚类的标号，NC为聚类总的数量，因此c∈[1,NC]；r代表参考数据集所包含的工作状态或故障的类别，NR为参考数据集总的数量，因此r∈[1,NR]。