【技术实现步骤摘要】
本申请涉及光伏，尤其涉及一种光伏阵列的故障处理方法、装置、设备、介质及程序产品。
技术介绍
1、光伏阵列，是一种太阳能发电系统，由多个光伏组件组成。随着能源技术的不断发展，传统的化石能源逐渐被光伏能源取代，光伏阵列广泛应用于各个领域。
2、现有技术中，针对光伏阵列设备的故障情况，开发人员通过部署计算机智能设备采集光伏阵列的参数并根据参数判断光伏阵列设备的故障类型。
3、然而，现有技术中，计算机智能设备在计算光伏设备的故障类型时，存在故障诊断不准确的问题。
技术实现思路
1、本申请提供一种光伏阵列的故障处理方法、装置、设备、介质及程序产品，以解决现有技术中存在的故障诊断不准确的问题。
2、第一方面，本申请提供一种光伏阵列的故障处理方法，应用于计算机设备，包括：
3、构建光伏阵列仿真模型，并基于所述光伏阵列仿真模型生成预设数量的故障数据；
4、将所述预设数量的故障数据划分为训练集和测试集；
5、根据映射算法初始化麻雀算法的种群参数；
6、根据所述种群参数计算得到极限学习机的权值和阈值；
7、根据所述权值和阈值构建故障诊断模型；
8、采用所述训练集中的各故障数据训练所述故障诊断模型，以得到训练后的故障诊断模型；
9、采用所述测试集的各故障数据调整所述训练后的故障诊断模型，以得到满足精度要求的目标故障诊断模型；
10、获取目标光伏阵列的待预测故障数据，并将所述
11、在一种可能的设计中，所述根据所述种群参数计算得到极限学习机的权值和阈值，包括：根据莱维飞行算法配置位置更新模型；将所述种群参数输入所述位置更新模型以得到种群位置；根据所述种群位置计算种群适应度；若所述种群适应度符合预设的精度，则根据所述种群位置配置极限学习机的权值和阈值。
12、在一种可能的设计中，所述位置更新模型，为：
13、
14、式中，表示第i个麻雀在第j维中的更新后的位置信息；q表示服从正态分布的随机数；表示当前发现者的最优位置；表示第i个麻雀在第j维中的第t代的位置信息；表示当前全局最差位置；i表示当前迭代次数；t表示迭代次数；n表示麻雀种群规模；levy(d)表示莱维飞行算法。
15、在一种可能的设计中，所述光伏阵列仿真模型的数学表达式，为：
16、
17、式中，ipv表示光伏电池输出电流；iph表示光伏电池经过能量转换所产生的初始电流；id表示流经并联二极管的分支电流；ish表示流经并联电阻rsh的分支电流；i0表示光伏电池等效反向饱和电流；q表示电子电荷常数；vpv表示光伏电池输出电压；rs表示串联电阻；n表示二极管的影响因子；k表示玻尔兹曼常数；t表示光伏电池的温度；rsh表示并联电阻。
18、在一种可能的设计中，所述采用所述测试集的各故障数据调整所述训练后的故障诊断模型，以得到满足精度要求的目标故障诊断模型，包括：将所述测试集的各故障数据输入所述训练后的故障诊断模型，以输出故障类型；判断所述故障类型是否满足分类精度；若所述故障类型不满足分类精度，则将所述测试集的各故障数据重新输入所述训练后的故障诊断模型，迭代计算以得到满足精度要求的目标故障诊断模型。
19、第二方面，本申请提供一种光伏阵列的故障处理装置，应用于计算机设备，包括：
20、生成模块，用于构建光伏阵列仿真模型，并基于所述光伏阵列仿真模型生成预设数量的故障数据；
21、划分模块，用于将所述预设数量的故障数据划分为训练集和测试集；
22、初始化模块，用于根据映射算法初始化麻雀算法的种群参数；
23、计算模块，用于根据所述种群参数计算得到极限学习机的权值和阈值；
24、构建模块，用于根据所述权值和阈值构建故障诊断模型；
25、训练模块，用于采用所述训练集中的各故障数据训练所述故障诊断模型，以得到训练后的故障诊断模型；
26、调整模块，用于采用所述测试集的各故障数据调整所述训练后的故障诊断模型，以得到满足精度要求的目标故障诊断模型；
27、输出模块，用于获取目标光伏阵列的待预测故障数据，并将所述待预测故障数据输入所述目标故障诊断模型中，以输出所述目标光伏阵列的故障类型。
28、在一种可能的设计中，所述计算模块，包括：第一配置单元，用于根据莱维飞行算法配置位置更新模型；输入单元，用于将所述种群参数输入所述位置更新模型以得到种群位置；第一计算单元，用于根据所述种群位置计算种群适应度；第二配置单元，用于若所述种群适应度符合预设的精度，则根据所述种群位置配置极限学习机的权值和阈值。
29、第三方面，本申请提供一种计算机设备，包括：
30、至少一个处理器和存储器；
31、所述存储器存储计算机执行指令；
32、所述至少一个处理器执行所述存储器存储的计算机执行指令，使得所述至少一个处理器执行如上第一方面以及第一方面各种可能的设计所述的光伏阵列的故障处理方法。
33、第四方面，本申请提供一种计算机存储介质，所述计算机存储介质中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现如上第一方面以及第一方面各种可能的设计所述的光伏阵列的故障处理方法。
34、第五方面，本申请提供一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现如上第一方面以及第一方面各种可能的设计所述的光伏阵列的故障处理方法。
35、本申请提供的光伏阵列的故障处理方法、装置、设备、介质及程序产品，通过映射算法优化麻雀算法的种群参数，提高了麻雀算法的收敛速率和精度；利用改进的麻雀算法计算极限学习机的权值和阈值，并根据计算得到的权值和阈值配置极限学习机，创建故障诊断模型，通过测试集样本训练故障诊断模型并利用训练后的故障诊断模型诊断故障输出故障类型，提高了故障诊断的准确率。
本文档来自技高网...【技术保护点】
1.一种光伏阵列的故障处理方法，其特征在于，应用于计算机设备，包括：
2.根据权利要求1所述的方法，其特征在于，所述根据所述种群参数计算得到极限学习机的权值和阈值，包括：
3.根据权利要求2所述的方法，其特征在于，所述位置更新模型，为：
4.根据权利要求1所述的方法，其特征在于，所述光伏阵列仿真模型的数学表达式，为：
5.根据权利要求1至4任一项所述的方法，其特征在于，所述采用所述测试集的各故障数据调整所述训练后的故障诊断模型，以得到满足精度要求的目标故障诊断模型，包括：
6.一种光伏阵列的故障处理装置，其特征在于，应用于计算机设备，包括：
7.根据权利要求6所述的装置，其特征在于，所述计算模块，包括：
8.一种计算机设备，其特征在于，包括：
9.一种计算机存储介质，其特征在于，所述计算机存储介质中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现如权利要求1至5任一项所述的光伏阵列的故障处理方法。
10.一种计算机程序产品，其特征在于，包括计算机程序，该计算机程
...【技术特征摘要】
1.一种光伏阵列的故障处理方法，其特征在于，应用于计算机设备，包括：
2.根据权利要求1所述的方法，其特征在于，所述根据所述种群参数计算得到极限学习机的权值和阈值，包括：
3.根据权利要求2所述的方法，其特征在于，所述位置更新模型，为：
4.根据权利要求1所述的方法，其特征在于，所述光伏阵列仿真模型的数学表达式，为：
5.根据权利要求1至4任一项所述的方法，其特征在于，所述采用所述测试集的各故障数据调整所述训练后的故障诊断模型，以得到满足精度要求的目标故障诊断模型，包括：
<...【专利技术属性】
技术研发人员：刘倩，刘守东，
申请(专利权)人：三峡新能源金昌风电有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。