一种基于CEEMDAN-SE-IHHO-LSTM模型的光伏并网逆变器故障诊断方法技术

本发明专利技术涉及一种基于CEEMDAN

【技术实现步骤摘要】
一种基于CEEMDAN
‑
SE
‑
IHHO
‑
LSTM模型的光伏并网逆变器故障诊断方法


[0001]本专利技术属于光伏逆变器的故障诊断
，具体涉及一种基于CEEMDAN
‑
SE
‑
IHHO
‑
LSTM模型的光伏并网逆变器故障诊断方法。

技术介绍

[0002]随着全球日益严重的环境污染、化石能源的不断减少和枯竭等问题不断突显，光伏发电作为最具可持续发展前景的一种可再生能源发电技术，得到国内外相关学者的普遍重视，光伏并网逆变器安全、稳定、可靠运行对于光伏发电系统和扼制并网后对电力系统产生的冲击至关重要。
[0003]光伏发电系统是一种可以利用内部光伏阵列的光电效应产生直流电，再通过光伏逆变器把产生的可变直流电压逆变成交流电，最后把电能并入电网或者直接提供给负载使用的重要装置。其中，光伏并网逆变器一旦发生故障，可能会对整个系统和其他设备造成损坏甚至危害到人身安全，因此，对光伏并网逆变器的故障诊断进行研究，以解决实际的生产安全性问题具有极为重要的现实意义。光伏并网逆变器的故障主要分为参数性故障与结构性故障，结构性故障通常为电路元件损毁引起系统结构改变，进而造成电路运行状态改变，甚至严重异常的情况，由电路元件开路或短路引起的结构性故障，故障特征较为明显，对其故障诊断研究较多，参数性故障是指电路器件在各种工作应力作用下，发生性能劣化、参数退化而产生的故障。现有研究对参数性故障诊断现研究较少，且故障特征区分度差，不易进行故障诊断，故本专利提出一种高准确度的故障诊断方法，对于降低系统运行的损耗、保持设备正常稳定运行、制定逆变器保护措施具有重要意义。

技术实现思路

[0004]针对光伏逆变器直流母线电容在不同老化程度下，对其故障特征量的提取较为困难、诊断模型诊断准确率较低的问题，本专利技术提出一种基于CEEMDAN
‑
SE
‑
IHHO
‑
LSTM模型的光伏并网逆变器故障诊断方法，该方法采用完全自适应噪声集合经验模态分解(CEEMDAN)分解故障信号，根据样本熵(SE)对分解后各序列进行重组，采用改进的哈里斯鹰优化(Improved Harris Hawks Optimizer，IHHO)算法优化长短期记忆(Long ShortTerm Memory，LSTM)神经网络的超参数，并对重组后的序列建立对应的LSTM故障诊断模型，从而实现光伏逆变器高精度参数性故障诊断。具体过程包括：首先，获取含有故障信号的光伏逆变器直流母线电压原始数据，利用CEEMDAN将其分解为多个本征模态函数(intrinsic mode function，IMF)；然后，计算各序列对应的样本熵(SE)值，按照SE大小将分解后各的各序列进行重构；最后，对标准哈里斯鹰优化算法进行改进，并利用改进算法对LSTM的超参数进行优化，基于优化后的LSTM模型实现光伏逆变器输出电容参数性故障诊断。
[0005]本专利技术采用的技术方案为：一种基于CEEMDAN
‑
SE
‑
IHHO
‑
LSTM模型的光伏并网逆变器故障诊断方法，包括如下步骤：
[0006]S1：光伏并网逆变器参数性故障分析；
[0007]S2：获取含故障的直流母线电压信号数据，通过CEEMDAN将其分解成若干个不同频率的本征模型函数；
[0008]S3：计算各个子序列的SE值，将CEEMDAN分解后的各分量重构为高频、低频和趋势序列；
[0009]S4：对标准哈里斯鹰优化算法进行改进；
[0010]S5：采用IHHO优化LSTM的超参数，并实现光伏逆变器输出电容的故障辨识；
[0011]S6：模型诊断效果评价。
[0012]具体的，所述步骤S1：光伏并网逆变器参数性故障分析。光伏逆变器通常采用两级式结构，前级采用DC
‑
DC功率变换电路，后级采用三相全桥逆变电路，并采用直流电压外环、网侧电流内环的双闭环控制策略实现直流并网。其中，L、T、D、Cdc构成前级DC
‑
DC功率变换电路，实现光伏阵列的最大功率点跟踪控制，同时将光伏阵列输出的电压转换到逆变部分所需要的直流电压，后级为六个带反并联二极管的绝缘栅双极型晶体管构成的三相桥式逆变电路实现并网控制。光伏并网逆变器的双闭环控制策略中，电压外环控制使直流母线电压保持稳定；内环控制输出电流，调节输出电网电流使之与电网电压同频同相，从而实现单位功率因数并网。目前，多采用容量较大的铝电解电容作为光伏并网逆变器直流母线电容C
dc
，从而吸收由逆变器在高频工作模式下产生的大量高次谐波信号，起到稳定直流母线侧电压和对逆变器升压后进行储能的作用，从而实现向电网输送稳定、消除谐波的目的。光伏逆变器的元器件通常处于高频模式下运行，导致电容的等效串联电阻(ESR)增大、电容值减小，从而加速直流母线电容的老化，使其性能下降，最终导致参数性故障，甚至逆变器损坏或系统崩溃。通常将电解电容ESR增加到初始值的2～3倍或电容值减小到初始值的80％作为失效判断的标准。然而，光伏逆变器系统的直流母线电容ESR值较小，且易受电路工作情况的影响，检测精度不高。因此，本专利技术将电容值减小到初始值的80％作为光伏并网逆变器直流母线电容发生参数性故障的判据。
[0013]具体的，所述步骤S2：获取含故障的直流母线电压信号数据，通过CEEMDAN将其分解成若干个不同频率的本征模型函数。Cdc在不同老化程度下的光伏并网逆变器电路状态区别较小，因此对故障状态下的特征进行提取具有重要的意义。CEEMDAN可有效避免在处理参数性故障信号时所产生的模态混叠，可以更好处理和分析复杂数据。CEEMDAN能够将原始数据分解为包含不同频率范围内的IMF，每个IMF都包含原始数据在不同频率范围的信息。它为白噪声引入了额外的信噪比，以控制每次分解过程中的噪声水平。其IMF可以完全重构为原始数据，几乎没有噪声，与经验模态分解(EMD)、集合经验模态分解(EEMD)、互补集合经验模态分解(CEEMD)相比，它具有较高的分解的速率，且可以通过添加自适应噪声来消除模态混叠，CEEMDAN具体分解过程如下：
[0014]1)将需要分解的序列想x(t)添加K次均值为0的高斯白噪声，构造共K次实验的待分解序列xi(t)(i＝1,2,3,
…
,K)。
[0015]x
i
(t)＝x(t)+εδ
i
(t)
[0016]式中：ε为高斯白噪声权值系数；δ
i
(t)为第i次添加的白噪声序列。
[0017]2)对上述xi(t)进行EMD分解，分解得到第一个IMF和残余信号r1(t)。
[0018][0019]r1(t)＝x(t)
‑
IMF1(t)
[0020]3)将分解后得到的第j阶段的残余信号添加特定噪声后，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于CEEMDAN
‑
SE
‑
IHHO
‑
LSTM模型的光伏并网逆变器故障诊断方法，包括如下步骤：S1：光伏并网逆变器参数性故障分析；S2：获取含故障的直流母线电压信号数据，通过CEEMDAN将其分解成若干个不同频率的本征模型函数；S3：计算各个子序列的SE值，将CEEMDAN分解后的各分量重构为高频、低频和趋势序列；S4：对标准哈里斯鹰优化算法进行改进；S5：采用IHHO优化LSTM的超参数，并实现光伏逆变器输出电容的故障辨识；S6：模型诊断效果评价。2.根据权利要求1所述的一种基于CEEMDAN
‑
SE
‑
IHHO
‑
LSTM模型的光伏并网逆变器故障诊断方法，其特征在于，步骤S1中，光伏并网逆变器参数性故障分析；光伏逆变器通常采用两级式结构，前级采用DC
‑
DC功率变换电路，后级采用三相全桥逆变电路，并采用直流电压外环、网侧电流内环的双闭环控制策略实现直流并网；其中，L、T、D、C
dc
构成前级DC
‑
DC功率变换电路，实现光伏阵列的最大功率点跟踪控制，同时将光伏阵列输出的电压转换到逆变部分所需要的直流电压，后级为六个带反并联二极管的绝缘栅双极型晶体管构成的三相桥式逆变电路实现并网控制；光伏并网逆变器的双闭环控制策略中，电压外环控制使直流母线电压保持稳定；内环控制输出电流，调节输出电网电流使之与电网电压同频同相，从而实现单位功率因数并网；目前，多采用容量较大的铝电解电容作为光伏并网逆变器直流母线电容C
dc
，从而吸收由逆变器在高频工作模式下产生的大量高次谐波信号，起到稳定直流母线侧电压和对逆变器升压后进行储能的作用，从而实现向电网输送稳定、消除谐波的目的；光伏逆变器的元器件通常处于高频模式下运行，导致电容的等效串联电阻(ESR)增大、电容值减小，从而加速直流母线电容的老化，使其性能下降，最终导致参数性故障，甚至逆变器损坏或系统崩溃；通常将电解电容ESR增加到初始值的2～3倍或电容值减小到初始值的80％作为失效判断的标准；然而，光伏逆变器系统的直流母线电容ESR值较小，且易受电路工作情况的影响，检测精度不高；因此，本发明将电容值减小到初始值的80％作为光伏并网逆变器直流母线电容发生参数性故障的判据。3.根据权利要求1所述的一种基于CEEMDAN
‑
SE
‑
IHHO
‑
LSTM模型的光伏并网逆变器故障诊断方法，其特征在于，所述步骤S2中，获取含故障的直流母线电压信号数据，通过CEEMDAN将其分解成若干个不同频率的本征模型函数；C
dc
在不同老化程度下的光伏并网逆变器电路状态区别较小，因此对故障状态下的特征进行提取具有重要的意义；CEEMDAN可有效避免在处理参数性故障信号时所产生的模态混叠，可以更好处理和分析复杂数据；CEEMDAN能够将原始数据分解为包含不同频率范围内的IMF，每个IMF都包含原始数据在不同频率范围的信息；它为白噪声引入了额外的信噪比，以控制每次分解过程中的噪声水平；其IMF可以完全重构为原始数据，几乎没有噪声，与经验模态分解(EMD)、集合经验模态分解(EEMD)、互补集合经验模态分解(CEEMD)相比，它具有较高的分解的速率，且可以通过添加自适应噪声来消除模态混叠，CEEMDAN具体分解过程如下：1)将需要分解的序列想x(t)添加K次均值为0的高斯白噪声，构造共K次实验的待分解序列x
i
(t)(i＝1,2,3,
…
,K)；x
i
(t)＝x(t)+εδ
i
(t)
式中：ε为高斯白噪声权值系数；δ
i
(t)为第i次添加的白噪声序列；2)对上述x
i
(t)进行EMD分解，分解得到第一个IMF和残余信号r1(t)；r1(t)＝x(t)
‑
IMF1(t)3)将分解后得到的第j阶段的残余信号添加特定噪声后，继续EMD分解；r
j
(t)＝r
j
‑1(t)
‑
IMF
j
(t)重复执行步骤3)，若第n次分解得到的残余信号r
n
(t)为单调信号，则分解结束，否则继续执行分解。4.根据权利要求1所述的一种基于CEEMDAN
‑
SE
‑
IHHO
‑
LSTM模型的光伏并网逆变器故障诊断方法，其特征在于，所述步骤S3中，计算各个子序列的SE值，将CEEMDAN分解后的各分量重构为高频、低频和趋势序列；SE可以评估时间序列数据的复杂性，与近似熵进行相比，SE的计算并不依赖数据的长度，具有更好的一致性；具体的计算过程如下：1)将时间序列X构造为m维矢量：X(i)＝{x(i),x(i+1),...,x(i+m
‑
1)}式中，i＝1,2,...,N
‑
m+12)定义X(i)与X(j)间的距离为d[X(i),X(j)](i≠j)，为两者对应元素中差值最大的一个：3)给定阈值r(r＞0)，统计d[X(i),X(j)]＜r的数目并与总的矢量N
‑
m的比值：4)对所有由上式得到的结果求平均：5)在将维数m+1，重复上述步骤，则理论上此序列的样本熵为：6)但实际中N不可能为无穷大，而为有限值，则样本熵的估计值为：5.根据权利要求1所述的一种基于CEEMDAN
‑
SE
‑
IHHO
‑
LSTM模型的光伏并网逆变器故障诊断方法，其特征在于，所述步骤S4中，对标准哈里斯鹰优化算法进行改进；标准哈里斯鹰优化算法是Heidari等人在2019年提出的一种模拟哈里斯鹰捕食行为的新型智能优化算
法，主要分为两个阶段：全局搜索阶段和局部开发阶段，在全局搜索阶段时，哈里斯鹰栖息的位置随机确定，通常采用以下策略寻觅猎物：式中，X(t+1)和X(t)为哈里斯鹰第t+1次和第t次迭代的位置，X
rd
(t)和X
bset
(t)分别表示随机个体和猎物位置，r1、r2、r3、r4、q均表示在[0,1]区间内的随机数，Xm(t)表示种群的平均位置，表达式如下：猎物在逃脱过程中能量会发生变化，能量因子E控制全局搜索和局部开发阶段的过渡，E的计算公式如下：式中，t和T分别为当前迭代次数和最大迭代次数，E0表示初始能量大小，在[
‑
1,1]区间内随机选择数值；当|E|<1时，算法进行局部搜索，否则进行全局寻优；在局部开发阶段，哈里斯鹰确定攻击目标后，开始对猎物进行围击，算法将围击的可能性分为四种策略来模拟哈里斯鹰的攻击行为；围击策略的选择主要参考能量...

【专利技术属性】
技术研发人员：元亮，王丽晔，苗桂喜，孙浩然，席晟哲，连勇，闫娇，赵悠悠，王悠然，崔哲芳，王远，王琪，张芳，孙文强，郑惠瀛，梁悦，孟红杰，
申请(专利权)人：国网河南省电力公司安阳供电公司，
类型：发明
国别省市：