光伏发电系统安全运行方法及其中对人工神经网络的训练方法和实时检测方法及装置制造方法及图纸

本发明专利技术涉及光伏发电系统安全运行方法，其包括为检测光伏发电系统直流故障电弧而对人工神经网络的训练方法，还包括光伏发电系统直流故障电弧实时检测方法，其中的实时检测方法中的各个步骤可以通过建立功能模块构架，由计算机程序指令控制计算机系统来完成。为了在光伏发电系统中准确、简便地测试直流故障电弧，本发明专利技术把采样得到的直流电流转换至频域，计算其在设定频段内的谐波能量，人工神经网络据此判断是否发生了直流故障电弧。

【技术实现步骤摘要】

本专利技术涉及光伏发电系统安全运行方法，其包括为检测光伏发电系统直流故障电弧而对人工神经网络的训练方法，还包括光伏发电系统直流故障电弧实时检测方法，其中的实时检测方法中的各个步骤可以通过建立功能模块构架，由计算机程序指令控制计算机系统来完成。
技术介绍
近年来，光伏发电系统广泛应用，大多数光伏阵列的安装利用的都是长串的高电压直流电源，这增加了与电弧有关的安全问题。电弧是一种气体放电现象，电弧放电现象常蕴含巨大的能量，对周围设备和工作人员的安全构成威胁。电弧按电流属性分为直流电弧和交流电弧，由于交流电的应用起步较早，目前针对交流故障电弧的检测方法已经相当成熟，相关的交流电弧故障保护装置也已进入市场，但光伏发电系统中的直流电弧与交流电弧的性质有很大不同，直流电弧是一种随机不平稳信号，没有交流电流周期性的“平肩”部特性，传统基于波形或时域特性的检测方法不再适用，所以光伏发电系统直流电弧的检测相对困难。早期的直流故障电弧检测方法根据电弧发光、发热和发生电磁辐射等特性进行识别，这些方法一般要使用多个传感器搜集电弧发生信息，成本高，检出率低，其应用受到限制。目前多应用电压、电流等电气特性检测直流故障电弧，通过阈值比较判定直流故障电弧的发生，灵活性差，而且随着系统复杂性的变化，考虑多种因素后确定的阈值可能会因没有考虑到其它因素而导致检测结果不准确，很难确定得出一个恰当的阈值。
技术实现思路
本专利技术要解决的技术问题是在光伏发电系统中如何准确、简便地测试直流故障电弧。本专利技术的思路是提取出能够恰当地反映直流故障电弧特性的参数，交由人工神经网络根据该参数判断是否发生直流故障电弧。本专利技术给出光伏发电系统安全运行方法，包括对人工神经网络的训练方法和光伏发电系统直流故障电弧实时检测方法，详述如下。首先给出对人工神经网络的训练方法：P. 分别在发生直流故障电弧和不发生直流故障电弧的情况下，多次执行下述样本获取步骤，获得多组学习样本，每次样本获取步骤包括如下A、B、C：——A. 在光伏发电系统中的预设位置采样直流电流；——B. 把采样得到的直流电流转换至频域，计算其在设定频段内的谐波能量；——C. 以计算所得的谐波能量值作为输入信号，采样时是否发生直流故障电弧作为输出信号，构成供人工神经网络进行模式识别训练的一组学习样本；Q. 采用上述多组学习样本对人工神经网络进行模式识别训练，直至该人工神经网络具备根据直流电流的谐波能量值判断是否发生直流故障电弧的识别能力。人工神经网络具备了这样的识别能力，我们就可以在该光伏发电系统中实时检测直流故障电弧了，本专利技术给出实时检测方法如下：a. 在光伏发电系统中的所述预设位置实时采样直流电流；b. 以与上述B中的相同的方式，把采样得到的直流电流转换至频域，计算其在所述设定频段内的谐波能量；q. 把计算所得的谐波能量值输入到所述人工神经网络，由该人工神经网络据此判断是否发生了直流故障电弧。实时检测方法中的各个步骤可以通过建立功能模块构架，由计算机程序指令控制计算机系统来完成，这些计算机程序指令存储在计算机可读存储介质中。本专利技术的有益效果及其原理：(1) 专利技术人注意到：直流电弧发生时会突然产生大量的能量，故电流信号在较宽频域范围内的噪音必然会有明显的增加，因此，本专利技术把直流电流转换至频域计算得出的谐波能量值能够恰当地反映直流故障电弧特性，检测结果准确；(2) 虽然噪音增加的具体值与很多因素(例如光伏组串的数量和连接方式、逆变器的工作状态等)有关，具有不确定性，但是本专利技术通过多组学习样本训练人工神经网络，使人工神经网络具备识别能力之后，由人工神经网络来判断直流故障电弧，解决了因光伏发电系统负载的多变性、直流供电电源连接的复杂性和阈值难以确定而带来的问题；(3) 仅需在光伏发电系统中的预设位置采样直流电流，无需检测电压，检测方便且成本低。附图说明图1是光伏发电系统结构图。具体实施方式某光伏发电系统结构如图1，光伏阵列包括多个光伏组串，其产生的直流电经汇流箱汇流后，由逆变器逆变至交流电网。本实施例优选地，预设为在汇流干路上采样直流电流，则不管是在光伏阵列内部的各支路上发生电弧，还是在多条支路汇流后的干路上发生电弧，所采集到的电流信号都能体现直流故障电弧的谐波能量特性。为了让人工神经网络具备判断是否发生直流故障电弧的识别能力，需要采用多组学习样本对人工神经网络进行训练。每组学习样本获取步骤如下：——在光伏发电系统中的预设位置以频率fs采样直流电流。——对采样得到的直流电流进行FFT变换，转换至频域，得到电流频谱。为了更准确地识别直流电流的谐波能量特性，我们把频率范围0～fs/2由低频到高频均分成多个频段F1,F2,……；计算出各个频段F1,F2,……内的谐波能量，其中每个频段的谐波能量用直流电流在该频段内的各次谐波的幅值平方和(其值越大表示谐波能量越大)来表示，作为本组学习样本中的输入信号。——若采样时并未发生直流故障电弧，则本组学习样本中的输出信号为“非电弧”；若采样时发生了直流故障电弧，则本组学习样本中的输出信号为“是电弧”。图1中，逆变器可以设成不同的工作状态。就逆变器的多种工作状态(可扩展至光伏发电系统的多种工作状态)，我们都分别在发生直流故障电弧和不发生直流故障电弧的情况下，多次执行上述样本获取步骤获取多组学习样本对人工神经网络进行模式识别训练，直至该人工神经网络具备根据直流电流的谐波能量值判断是否发生直流故障电弧的识别能力，我们就可以在该光伏发电系统中实时检测直流故障电弧了，检测步骤如下：a. 在汇流箱之后的干路上，以频率fs实时采样直流电流；b. 对采样得到的直流电流进行FFT变换，转换至频域，得到电流频谱；计算出各个频段F1,F2,……内的谐波能量，其中每个频段的谐波能量用直流电流在该频段内的各次谐波的幅值平方和来表示；q. 把计算所得的谐波能量值输入到所述人工神经网络，由该人工神经网络据此判断是否发生了直流故障电弧。光伏发电系统安全运行方法执行如上，籍此可及时发现光伏发电系统中的直流故障电弧。频率范围0～fs/2分成多个频段F1,F2,……可以不是均分；至于分成多少个频段，可以根据具体需要来决定，频段多则能够捕获到精细的电弧特性，频段少则神经网络能够尽快作出判断，及时发现直流故障电弧。本文档来自技高网...

【技术保护点】
为检测光伏发电系统直流故障电弧而对人工神经网络的训练方法，其特征是包括如下步骤：P. 分别在发生直流故障电弧和不发生直流故障电弧的情况下，多次执行下述样本获取步骤，获得多组学习样本，每次样本获取步骤包括如下A、B、C：——A. 在光伏发电系统中的预设位置采样直流电流；——B. 把采样得到的直流电流转换至频域，计算其在设定频段内的谐波能量；——C. 以计算所得的谐波能量值作为输入信号，采样时是否发生直流故障电弧作为输出信号，构成供人工神经网络进行模式识别训练的一组学习样本；Q. 采用上述多组学习样本对人工神经网络进行模式识别训练，直至该人工神经网络具备根据直流电流的谐波能量值判断是否发生直流故障电弧的识别能力。

【技术特征摘要】
1.为检测光伏发电系统直流故障电弧而对人工神经网络的训练方法，其特征是包括如下步骤：
P. 分别在发生直流故障电弧和不发生直流故障电弧的情况下，多次执行下述样本获取步骤，获得多组学习样本，每次样本获取步骤包括如下A、B、C：
——A. 在光伏发电系统中的预设位置采样直流电流；
——B. 把采样得到的直流电流转换至频域，计算其在设定频段内的谐波能量；
——C. 以计算所得的谐波能量值作为输入信号，采样时是否发生直流故障电弧作为输出信号，构成供人工神经网络进行模式识别训练的一组学习样本；
Q. 采用上述多组学习样本对人工神经网络进行模式识别训练，直至该人工神经网络具备根据直流电流的谐波能量值判断是否发生直流故障电弧的识别能力。
2.根据权利要求1所述的训练方法，A中的预设位置在汇流干路上。
3.根据权利要求1所述的训练方法，B中的转换采用FFT变换。
4.根据权利要求1所述的训练方法，B中的设定频段有多个。
5.根据权利要求1所述的训练方法，B中的谐波能量用各次谐波的幅值平方和来表示。
6.根据权利要求1所述的训练方法，步骤P在光伏发电系统的多种工作状态下分别执行。
7.根据权利要求6所述的训练方法，所述的光伏发电系统的多种工作状态包括逆变器的多种工作状态。
8.光伏发电系统直流故障电弧实时检测方法，其特征是包括如下步骤：
a. 在光伏发电系统中的预设位置实时采样直流电流；
b. 把采样得到的直流电流转换至频域，计算其在设定频段内的谐波能量；
q. 把计算...

【专利技术属性】
技术研发人员：林方圆，苏建徽，徐海波，戴云霞，施永，
申请(专利权)人：广东易事特电源股份有限公司，
类型：发明
国别省市：广东;44