光伏系统直流串联电弧故障检测研究

搭建了光伏系统电弧故障实验平台,采集系统运行时的电流作为电弧检测的依据,利用时频域分析相结合的方法对电弧故障进行检测.分析发现系统正常运行和发生电弧故障时的电流信号在时域上的平均值变化特征明显,而在频域上利用小波对电弧电流及正常电流做5层分解,利用d5频段能量可有效对正常、阴影遮挡及故障运行状态进行区分.最后,采用将时...     

光伏系统直流故障电弧时频域特性及其复合模型研究北大核心CSCD

故障电弧严重威胁着光伏系统的安全稳定运行,研究其物理特性及保护装置具有重要的意义。文中为了探究光伏系统内直流故障电弧的时频域特性,构建更适合系统级仿真的电弧模型,以MATLAB软件作为仿真平台,分别研究了3种不同类型的电弧模型。通过对仿真所得的故障电弧电流信号进行时频分析,得到了不同电弧模型的时频特征,并与实验波形及其时频特征进行对比,得到了不同模型在故障电弧时频特性仿真方面的优缺点。单一使用电弧噪声模型和U-I模型无法完整地描述故障电弧特性,将二者适当组合得到的复合模型仿真效果良好,最终对复合模型和黑盒模型在光伏系统故障电弧仿真的范围进行了讨论。提出的复合电弧模型为光伏系统故障电弧特征的研究及诊断方法的性能验证提供了有效的仿真手段。     

光伏系统直流串联故障电弧检测方法

故障电弧是光伏系统电气火灾事故的常见原因,研究可靠的光伏系统直流故障电弧检测方法对保障系统运行和人身安全有重要意义.首先搭建了光伏系统直流故障电弧实验平台,采集了故障电弧典型电信号;接着对其进行了稳定性分析、时变性分析、相关性分析和随机性分析,并以特征显著、计算量小、抗干扰强为比选条件,选取欧拉特征作为故障电弧检测的最...     

光伏直流系统故障电弧检测方法研究综述

直流故障电弧,特别是串联故障电弧,是光伏系统（PV）发生火灾的重要原因。如果不及时发现和中断,此类危险事件可能导致灾难性火灾,将对人类安全和财产构成严重威胁。首先,文中分析了直流故障电弧发生的机理和故障特征;其次,综述了近几年光伏系统中直流故障电弧检测、定位方法。对最近发表的论文进行技术细节的总结和讨论;最后,针对直流系统,从实际应用的角度出发指出了当前亟需解决的问题,并展望了未来直流故障电弧检测以及故障电弧定位的应用场景和研究方向。     

基于FCM和SRF组合的光伏组件故障诊断研究

为了在较长的时间段内准确诊断光伏组件的故障,提出了一种基于FCM (fuzzy C-means)算法和SRF算法组合的光伏组件故障诊断方法。利用FCM将样本数据按照最大隶属度原则进行相似日聚类并得到聚类中心,用每一类样本数据分别训练SRF分类模型,将上述聚类中心和SRF分类模型组成FCM-SRF分类模型来判断光伏组件的运行状态。通过实验证明了该方法适用于样本数据的时间和季节跨度较大的情况,其判断结果具有较高的准确性和有效性。     

光伏系统直流侧故障电弧的检测与判别

针对光伏系统直流侧故障电弧的检测问题,本文提出了基于电弧时频域特性的阈值判断检测算法。首先,将电弧发生器接入实验光伏系统,以便可控地产生可重复的直流电弧波形。并利用传感器与示波器对实验电弧波形进行采集;其次,将得到的数据导入Matlab中进行傅里叶变换分析并得出电弧特性。通过理论分析和实验结果验证了所提方法的可行性。     

基于FCM与高斯隶属度的光伏组件健康状态诊断

随着光伏发电的大规模推广,光伏系统中的故障检测问题成为研究热点。在技术不断革新的同时,能够预测和提前预防光伏系统故障的发生,保证系统的可靠运行,变得尤其重要。文章基于光伏组件的工作情况、组件结构、老化现象以及对应的等效电路模型参数变化,对光伏组件的健康状态进行划分,总结了影响光伏组件亚健康状态的三大指标,分别是透光率、串联电阻以及并联电阻。文章提出了一种模糊算法对光伏组件健康状态进行健康、亚健康、部分阴影与故障状态进行诊断。首先,对归一化处理后的光伏组件样本数据集进行模糊C均值(fuzzy C-means,FCM)聚类得到聚类中心;然后,利用聚类中心与测试样本代入高斯隶属函数对健康状态进行诊断,并通过仿真与实验验证了该方法的可行性,为光伏系统故障预警、老化检测提供参考。     

基于电流频谱积分差值的光伏系统电弧故障检测和定位

光伏系统中的直流电弧故障由于具有负阻性而难以检测,严重危害系统的安全运行.该文提出利用并联电容电流的频谱积分差值检测光伏系统中直流电弧故障的方法,搭建了离网光伏实验平台,在光伏系统中各支路并联电容,利用霍尔电流传感器检测电容电流.同时研究了系统中不同位置发生串联或并联电弧故障时,电容电流的幅值、脉冲极性和频谱特性,并与...     

光伏系统故障电弧检测技术综述

为推进光伏系统直流端故障电弧检测技术的发展,概述了光伏系统直流端故障电弧产生的原因及分类,对当前光伏系统故障电弧检测的研究内容、成果及发展方向进行了调研,并分析与其他领域内直流故障电弧特性的差异,着重讨论了基于电流、电压波形和基于频率特性的检测原理和检测方法,最后对光伏系统故障电弧检测技术进行了展望。     

光伏系统直流故障电弧时频域特性及其复合模型研究

故障电弧严重威胁着光伏系统的安全稳定运行,研究其物理特性及保护装置具有重要的意义.文中为了探究光伏系统内直流故障电弧的时频域特性,构建更适合系统级仿真的电弧模型,以MATLAB软件作为仿真平台,分别研究了3种不同类型的电弧模型.通过对仿真所得的故障电弧电流信号进行时频分析,得到了不同电弧模型的时频特征,并与实验波形及其...     

基于多特征融合的光伏系统串联直流电弧故障识别方法

针对目前光伏系统中存在的串联直流电弧故障特征量少、识别定位困难等问题,提出一种基于多特征融合的光伏系统串联直流电弧故障识别方法。首先搭建实验平台,采集正常和串联直流电弧故障下的电流信号并利用小波变换进行降噪;其次,对降噪后信号提取时域上的电流均值变化率和电流周期最值差特征量,并提取频域上的各频带能量及能量比,利用集合经验模态分解（ensemble empirical mode decomposition, EEMD）得到各阶信号本征模态函数（intrinsic mode function,IMF）,计算各阶IMF故障信号与正常信号余弦相似度,并提取相似度较低电弧的IMF能量熵特征;然后,以时域、频域、能量熵特征构成多维特征向量,构建故障电弧特征空间,通过实验确定故障空间边界参数,得到特征判据,根据多维特征判据实现直流电弧故障检测;最后,通过实验分析验证所提方法的准确性。     

基于随机共振方法增强光伏直流故障电弧检测特征的研究

光伏直流系统中存在复杂多样的系统噪声干扰,使得故障电弧特征难以有效提取,因而增强故障电弧特征信息对准确检测故障电弧至关重要。为此,搭建含多种源荷、线路阻抗等元件的光伏直流故障电弧实验平台,研究随机共振方法对不同直流系统拓扑结构下故障电弧检测特征的增强效果。不同拓扑结构的故障电弧特征增强均有其独立的最优参数组合,蚁群算法寻找最优参数相较于传统的正交试验方法更具快速性及准确性,最优参数组合下随机共振处理后的检测特征可以更加有效地区分故障电弧与正常状态。通过对实验数据的计算与比较,验证了随机共振方法对不同拓扑结构故障电弧特征增强的普适性,最终基于支持向量机方法构建了直流故障电弧检测算法,得到较高的检测准确率。在故障电弧检测环节引入随机共振方法,可有效增强电弧检测特征的有效信息,保证高准确率的同时,降低故障电弧检测算法的设计难度,有利于高效、快速、精准地检测直流故障电弧。     

低压直流系统故障电弧检测技术研究综述北大核心CSCD

随着系统容量日趋增大、电压等级逐渐提高,直流系统故障电弧威胁日益提升,新型源荷设备的接入更是增加了系统干扰的复杂程度,传统保护技术无法满足直流故障电弧及时准确的检测需求。文中从电弧仿真、特征构建、算法设计、硬件实现4个方面总结了直流故障电弧检测技术的研究进展,讨论了不同电弧仿真模型的缺陷,分析了复合电弧模型的针对性改进;论述了基于物理、电磁、电气信号的特征构建方法,对比了不同时频检测特征优势;并从故障电弧特征融合的角度,基于树莓派平台比较了机器学习算法与阈值比较算法的检测应用效果;介绍了国内外直流故障电弧测试标准与测试平台,已研制的故障电弧检测样机在体积、成本方面更具优势。未来故障电弧检测设备可集成其他故障检测功能以综合提升直流系统安全保护效率,同时结合机器学习、5G网络等先进技术实现智能化检测应用。     

基于信息熵的自适应窗长光伏系统直流串联电弧故障识别研究

采用对电流参数最终归一化的时域分析和基于信息熵自适应选取窗长的频域分析相结合的方法,研究了光伏发电系统直流串联电弧故障的识别问题。通过设计自适应窗函数,获得直流侧电流归一化的时域信息和基于信息熵自适应选取窗长的频域信息。根据串联电弧故障状态和正常工作状态下的特征差异,提出了用时频域信息结合以提高识别灵敏度的方法,经实验验证,该方法能可靠地识别各种状态下的串联电弧故障,不受阴影遮挡等条件的影响,可在保障光伏发电系统安全运行中发挥积极作用。     

基于减法聚类的FCM算法在电力负荷分类中的应用

针对目前在电力负荷分类中应用较多的模糊C均值聚类算法(FCM)的不足之处,提出了一种基于减法聚类改进的算法(SUB-FCM)。该算法运用减法聚类来初始化聚类中心矩阵,解决了FCM算法随机初始化的问题,且提高了算法的全局搜索能力,避免陷入局部最优解。由实验算例分析发现,该算法还能加快收敛速度,且收敛效果也较好,能有效应用于电力负荷分类。     

基于自适应特征频段的光伏故障电弧检测装置

针对直流故障电弧由于其强烈的随机性而难以检测的问题,提出了一种光伏系统直流电弧检测算法。首先用快速傅里叶变换(FFT)提取信号的频域特征,然后采用幅度熵自适应的方法选取特征频段。但特征频段的频谱分辨率较低,频率泄露严重,因此采用CZT来提高特征频段的频谱分辨率,最后利用极限学习机(ELM)神经网络进行故障电弧识别。并且基于该算法,此处设计了一种基于STM32嵌入式平台的光伏系统直流电弧检测装置,该装置不仅能够在实验室场景下实现故障电弧的检测,还能够在具体的光伏现场中实现高精准度的识别,具有重要的现实意义。     

基于FCM和LSTM的光伏功率超短期预测

光伏电站输出功率的不确定性对电网的运行调度产生了严重影响。基于模糊均值聚类(fuzzy C-means,FCM)和长短期记忆网络(long short-term memory networks,LSTM),提出了一种光伏功率超短期预测方法。首先,通过滑动时窗将历史数据划分为时序片段,将功率波动特性以时段为样本进行分析;然后,定义了3种特征指标提取波动规律,采用FCM方法进行时序片段聚类,在聚类后重构数据集,结合LSTM网络,建立光伏功率预测模型;最后,采用澳大利亚光伏电站实测数据集验证所提方案的聚类性能与预测性能。仿真结果表明,所提方法具有更高的聚类准确性和预测精确度。     

聚类算法在电网故障元件定位应用中的研究

利用聚类分析定位故障元件是基于广域测量系统来研究的,通过对比系统聚类和模糊C均值法在故障元件中的优缺点,得出当两种方法结合使用时聚类分析定位故障元件的结果更为合理,并通过例子验证基于聚类分析理论的故障元件定位不仅可以准确地定位出故障元件,同时可以定位出受故障影响很明显的区域。     

聚类算法在电网故障元件定位应用中的研究

利用聚类分析定位故障元件是基于广域测量系统来研究的,通过对比系统聚类和模糊C均值法在故障元件中的优缺点,得出当两种方法结合使用时聚类分析定位故障元件的结果更为合理,并通过例子验证基于聚类分析理论的故障元件定位不仅可以准确地定位出故障元件,同时可以定位出受故障影响很明显的区域.