本发明专利技术实施例涉及一种组串式PCS的故障检测方法，包括如下步骤：基于交流母线的第一运行参数和第一故障判断模型判断故障停机概率指标；所述故障停机概率指标满足第一条件时，基于储能线路的第二运行参数和第二故障判断模型对故障进行储能线路定位；针对故障储能线路，基于第三故障判断模型预测电池组的故障程度，并根据所述故障程度进行故障处理。本发明专利技术实施例提供的技术方案，基于第一故障判断模型为故障检测提供初步的判断依据，在系统可以继续运行的情况下，采用第二故障判断模型和第三故障判断模型分别进行故障定位和故障程度预测，实现了故障的分层检测与定位，可以在保证系统安全的情况下，提高故障检测的效率。
【技术实现步骤摘要】
本专利技术实施例涉及储能系统控制，具体涉及一种组串式pcs的故障检测方法。
技术介绍
1、现有技术中，对于采用组串式pcs储能系统的故障定位较为复杂。因为储能系统中包含多个相互关联的部分，如交流母线、多条储能线路和电池组等，故障信号可能在系统中相互影响和传播。传统的故障检测方法可能只是针对单个组件或者单一层次进行检测，当出现故障时，很难快速准确地确定故障究竟发生在系统的哪个位置，或者可能因为复杂的定位措施而导致故障升级造成系统无法运行。
技术实现思路
1、基于现有技术的上述情况，本专利技术实施例的目的在于提供一种组串式pcs的故障检测方法，在保证系统安全的情况下，能够提高故障检测的效率和准确率。
2、为达到上述目的，根据本专利技术的一个方面，提供了一种组串式pcs的故障检测方法，若干条储能线路分别连接至交流母线，每条储能线路包括电池组和组串式pcs；所述方法包括如下步骤：
3、基于交流母线的第一运行参数和第一故障判断模型判断故障停机概率指标；
4、所述故障停机概率指标满足第一条件时，基于储能线路的第二运行参数和第二故障判断模型对故障进行储能线路定位；
5、针对故障储能线路，基于第三故障判断模型预测电池组的故障程度，并根据所述故障程度进行故障处理；
6、其中，所述交流母线的第一运行参数包括电压、电流、有功功率、无功功率、电压幅值变化率、电流幅值变化率和功率变化率；所述储能线路的第二运行参数包括输出电压、输出电流和输出功率。</p>7、进一步的，所述第一故障判断模型为lstm网络模型，所述第一故障判断模型的输出特征为故障概率和紧急停机概率；
8、所述故障概率的损失函数lf为：
9、
10、所述紧急停机概率的损失函数le为：
11、
12、其中，m表示训练样本的数量，yf-i表示第i个训练样本的真实故障标签，pf-i表示模型输出的故障概率，ye-i表示第i个训练样本的真实紧急停机标签，pe-i表示模型输出的紧急停机概率。
13、进一步的，所述故障停机概率指标包括所述故障概率和所述紧急停机概率；
14、第一条件表示为故障概率大于等于故障阈值并且紧急停机概率小于紧急停机阈值；
15、第二条件表示为故障概率大于等于故障阈值并且紧急停机概率大于等于紧急停机阈值。
16、进一步的，所述故障停机概率指标满足第二条件时，执行紧急停机操作。
17、进一步的，所述第二故障判断模型表示为：
18、
19、其中，fi表示第i条储能线路发生故障的概率，ri(t)表示第i条储能线路在t时刻的功率占比，δvbi(t)表示第i条储能线路的电池组在t时刻的输出电压变化率，δibi(t)表示第i条储能线路的电池组在t时刻的输出电流变化率，δt表示采样时间间隔，rth表示功率变化阈值，vbn表示电池组额定电压，ibn表示电池组额定电流，α和β分别表示阈值调整参数。
20、进一步的，基于第三故障判断模型预测电池组的故障程度，包括如下步骤：
21、构建状态转移概率矩阵和观测矩阵；
22、基于故障储能线路的实时状态参数、状态转移概率矩阵和观测矩阵，计算前向预测向量和后向预测向量；
23、基于所述前向预测向量和后向预测向量，计算故障储能线路的电池组的故障程度概率值；
24、根据所述故障程度概率值预测电池组的故障程度。
25、进一步的，所述状态转移概率矩阵表示为：
26、
27、其中，pij表示电池组从状态i转移到状态j的概率，i＝0,1,2,3；j＝0,1,2,3；所述状态包括0：正常状态，1：轻度异常状态，2：中度异常状态，3：重度异常状态。
28、进一步的，所述观测矩阵为n×m的矩阵，m＝m1×m2×m3，m1表示对第一观测量划分的区间数量，m2表示对第二观测量划分的区间数量，m3对第三观测量划分的区间数量，n表示电池组状态的个数；所述观测矩阵的元素bij表示为：
29、
30、其中，设j对应的观测区间组合为nij表示在历史数据中，电池组处于状态i时，观测到第一观测量在区间第二观测量在区间第三观测量在区间的次数。
31、进一步的，所述前向预测向量根据如下公式递推得到：
32、
33、其中，αt(j)为前向预测向量，表示在时刻t，基于观测序列o1，o2，……，ot，电池组处于状态j的概率；
34、所述后向预测向量根据如下公式递推得到：
35、
36、其中，βt(i)为后向预测向量，表示在时刻t，基于观测序列ot+1，ot+2，……，ot，电池组处于状态i的概率。
37、进一步的，所述故障程度概率值根据如下公式计算：
38、
39、其中，γt(i)为故障程度概率值，表示电池组处于各个状态的概率。
40、综上所述，本专利技术实施例提供了一种组串式pcs的故障检测方法，所述方法包括如下步骤：基于交流母线的第一运行参数和第一故障判断模型判断故障停机概率指标；所述故障停机概率指标满足第一条件时，基于储能线路的第二运行参数和第二故障判断模型对故障进行储能线路定位；针对故障储能线路，基于第三故障判断模型预测电池组的故障程度，并根据所述故障程度进行故障处理。本专利技术实施例提供的技术方案，基于第一故障判断模型判断是否可能发生故障，以及该故障是否为需要紧急停机操作的故障，为故障检测提供初步的判断依据，在系统可以继续运行的情况下，采用第二故障判断模型和第三故障判断模型分别进行故障定位和故障程度预测，实现了故障的分层检测与定位，可以在保证系统安全的情况下，提高故障检测的效率。并且为不同层次的故障检测配备了相应的故障判断模型，可以根据各个层次运行参数的特点和故障模式进行针对性的检测，提高了故障检测结果的准确性。
本文档来自技高网...
【技术保护点】
1.一种组串式PCS的故障检测方法，其特征在于，若干条储能线路分别连接至交流母线，每条储能线路包括电池组和组串式PCS；所述方法包括如下步骤：
2.根据权利要求1所述的方法，其特征在于，所述第一故障判断模型为LSTM网络模型，所述第一故障判断模型的输出特征为故障概率和紧急停机概率；
3.根据权利要求2所述的方法，其特征在于，所述故障停机概率指标包括所述故障概率和所述紧急停机概率；
4.根据权利要求3所述的方法，其特征在于，所述故障停机概率指标满足第二条件时，执行紧急停机操作。
5.根据权利要求1所述的方法，其特征在于，所述第二故障判断模型表示为：
6.根据权利要求1所述的方法，其特征在于，基于第三故障判断模型预测电池组的故障程度，包括如下步骤：
7.根据权利要求6所述的方法，其特征在于，所述状态转移概率矩阵表示为：
8.根据权利要求7所述的方法，其特征在于，所述观测矩阵为N×M的矩阵，M＝M1×M2×M3，M1表示对第一观测量划分的区间数量，M2表示对第二观测量划分的区间数量，M3对第三观测量划分的区间数量，N表示电池组状态的个数；所述观测矩阵的元素Bij表示为：
9.根据权利要求8所述的方法，其特征在于，所述前向预测向量根据如下公式递推得到：
10.根据权利要求9所述的方法，其特征在于，所述故障程度概率值根据如下公式计算：
...
【技术特征摘要】
1.一种组串式pcs的故障检测方法，其特征在于，若干条储能线路分别连接至交流母线，每条储能线路包括电池组和组串式pcs；所述方法包括如下步骤：
2.根据权利要求1所述的方法，其特征在于，所述第一故障判断模型为lstm网络模型，所述第一故障判断模型的输出特征为故障概率和紧急停机概率；
3.根据权利要求2所述的方法，其特征在于，所述故障停机概率指标包括所述故障概率和所述紧急停机概率；
4.根据权利要求3所述的方法，其特征在于，所述故障停机概率指标满足第二条件时，执行紧急停机操作。
5.根据权利要求1所述的方法，其特征在于，所述第二故障判断模型表示为：
6.根据权利...
【专利技术属性】
技术研发人员：王兴兴，高瑞茂，叶骏，葛文刚，李艳红，周建雨，
申请(专利权)人：中国华电科工集团有限公司，
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。