CN106230378A - 一种光伏电站组串故障的诊断方法 - Google Patents
一种光伏电站组串故障的诊断方法 Download PDFInfo
- Publication number
- CN106230378A CN106230378A CN201610577117.5A CN201610577117A CN106230378A CN 106230378 A CN106230378 A CN 106230378A CN 201610577117 A CN201610577117 A CN 201610577117A CN 106230378 A CN106230378 A CN 106230378A
- Authority
- CN
- China
- Prior art keywords
- group
- string
- group string
- phylogenetic
- header box
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000002405 diagnostic procedure Methods 0.000 title claims abstract description 7
- 238000000034 method Methods 0.000 claims abstract description 24
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000003745 diagnosis Methods 0.000 claims description 5
- 230000007423 decrease Effects 0.000 claims description 4
- 238000012423 maintenance Methods 0.000 claims description 3
- 230000002354 daily effect Effects 0.000 description 11
- 230000005611 electricity Effects 0.000 description 3
- 238000010248 power generation Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000032683 aging Effects 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000008121 plant development Effects 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02S—GENERATION OF ELECTRIC POWER BY CONVERSION OF INFRARED RADIATION, VISIBLE LIGHT OR ULTRAVIOLET LIGHT, e.g. USING PHOTOVOLTAIC [PV] MODULES
- H02S50/00—Monitoring or testing of PV systems, e.g. load balancing or fault identification
- H02S50/10—Testing of PV devices, e.g. of PV modules or single PV cells
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/50—Photovoltaic [PV] energy
Landscapes
- Photovoltaic Devices (AREA)
Abstract
本发明提供一种基于发电量聚类的光伏电站组串故障的诊断方法,其包括将同一汇流箱下的组串发电量按照优良、中等、较差三个组进行评价并自动聚类,无需额外指定参数。记录每个组串所属的组,随着时间的推移分析各个组内组串数量的变化,依据特征对故障组串定位。该方法计算简单,部署容易具有能够准确地定位故障组串的特征,实用性强。
Description
技术领域
本发明涉及一种光伏电站发电故障的诊断方法,具体涉及一种基于发电量聚类的光伏电站组串故障的诊断方法。
背景技术
目前光伏发电是一些地区的重要组成部分,近年来太阳能光伏发电装机容量迅猛增长。
随着光伏发电装机容量的迅猛发展,对光伏发电的运行维护提出了新的标准、新的要求。作为光伏电站的主要发电部件,光伏组件的数量众多,面临着短路、老化等诸多运行问题。如何从诸多的运行信息中找出问题组串、排除故障是光伏电站发展中需要解决的问题。
如附图1所示,一般的大型地面光伏电站由若干个发电的光伏逆变器组成,每个光伏逆变器(PV inverter)负责将该逆变器所属的所有汇流箱(Junction Box)汇集的直流电转换成交流电。每个汇流箱负责汇集该汇流箱下所有的组串发电产生的电流。大型地面光伏电站,一般一台500MW逆变器约有14-17台左右的汇流箱,每台汇流箱接入15-20组光伏组串(PV String)。由此可见,每个光伏电站拥有数量众多的光伏组串,因此,对光伏组串故障的鉴定十分重要。
评价组串故障的方法可从组件的运行特性的角度处罚,但最直观的方法是从组件的发电量的角度进行分析。理想情况下位于同一汇流箱下的组串其发电量应相同,但实际上由于各个组串的质量、故障情况的差异,导致其发电量不可能完全相同。因此,各个组串发电量的情况为光伏电站的运行提供了可借鉴的依据。
传统的巡检或其他的光伏组串故障的诊断方法,依靠人工巡检来实现,这耗费了大量的人力和物力成本较高、效率低下,给光伏电站的运营带来很大的负担。而传统的依靠发电离散率或类似的方法只能判断出发电量低下的组串,而不能准确的反应故障组串,因为发电量低下的组串并不一定就是故障组串,因为有可能是组串本身发电能力所决定的。依靠分析环境信息和组件特征曲线来定位问题组串的传统方法往往基于一定的假设并且需要组件厂家提供必要的组件特性参数,这不仅增加了故障分析的难度,而所得结果一般并不准确。
因此需要提供一种能够准确地定位故障组串的特征,具有更高实用性的技术方案来满足现有技术的需要。
发明内容
针对光伏电站发电量的分析,本方法提出了聚类的概念。位于同一光伏汇流箱下的光伏组串发电量集合在正常情况下在发电量均值附近分布,若仅仅依靠发电量的简单排序或简单分布,很难通过一个固定的评价标准确定问题组串。
本发明提供一种光伏电站组串故障诊断方法,通过将同一汇流箱下的组串发电量按照优良、中等、较差三个组进行评价并自动聚类,无需额外指定参数。记录每个组串所属的组,通过分析随着时间的推移,各个组内组串数量的变化,依据特征定位故障组串。
一种光伏电站组串故障诊断方法,包括如下步骤:
步骤1:对汇流箱下属光伏组串进行聚类;
步骤2:故障诊断。
所述步骤1包括:
步骤(1-1):计算汇流箱下属光伏组串的日发电量;
步骤(1-2):经过迭代方法对下属光伏组串进行聚类。
所述步骤(1-1)包括:
通过下式(1)计算汇流箱i对应的组串j的日发电量Gij:
其中,t:时间,Uit:t时刻汇流箱i的出口电压,Iijt:t时刻汇流箱i所属的组串j的电流,Δt=300;在一个周期内,每隔五分钟记录一次Uit和Iijt;
根据下式(2)计算周期T:
T=(T2-T1)*12 (2)
T1为光伏电站开始发电的时刻,T2为光伏电站停止发电的时刻。
所述步骤(1-2)将汇流箱i下的n个组串按照日发电量的特征归纳为三个组:优秀聚类组C1、良好聚类组C2、较差聚类组C3,步骤如下:
步骤(1-2-1):初始时,K=0,在n个组串的日电量值中随机选定三个组的中心位置值Zm(k),m表示第m个聚类组,m=1,2,3;
步骤(1-2-2):通过下式(3)计算每个组串的日发电量与所选取的聚类组中心位置的距离D(Gij,Zm(k)):
D(Gij,Zm(k))=|Gij-Zm(k)|j=1,2,…,n (3)
其中,k:当前迭代次数,Gij:汇流箱i对应的组串j的日发电量;
步骤(1-2-3):如果某个组串的日发电量与三个聚类组中心位置中的一个距离最小,则该组串隶属于此聚类中心所属的聚类组,即D(Gij,Zm(k))满足下式(4),则Gij∈Cm:
D(Gij,Zm(k))=min{D(Gij,Zm(k)),m=1,2,3} (4)
其中,Cm:第m个聚类组,min{D(Gij,Zm(k)):组串的日发电量与三个聚类组中心位置的最小距离;
步骤(1-2-4):按下式(5)计算新的聚类中心Zm(k+1):
其中,Nj:第m个聚类组内的组串个数;Giq:汇流箱i对应的组串q的日发电量;
步骤(1-2-5):若Zm(k+1)≠Zm(k),m=1,2,3,则返回步骤(1-2-2)继续计算,否则,聚类结束;
步骤(1-2-6):经过聚类计算,将汇流箱i的下属组串划分为三个聚类组C1,C2和C3,对应的聚类组中心分别为Z1,Z2和Z3,其中Z1>Z2>Z3。
5.如权利要求1所述的故障诊断方法,其特征在于,所述步骤2包括下述诊断方案;
方案1:组串j在d日位于聚类组C1,即Gij,d∈C1,其在d+1日位于聚类组C3,即Gij,d+1∈C3,则表示组串j的性能下降需要进行检修组串j;
方案2:若汇流箱i满足下式(6)则判定d+1日聚类组C3内的所有光伏组串均出现故障,需要进行检修:
|C3,d|为d日聚类组C3内光伏组串的数量,|C3,d+1|为d+1日聚类组C3内光伏组串的数量,Z1,d+1-Z3,d+1为d+1日聚类组C1和C3的聚类中心之差,Z1,d-Z3,d为d日聚类组C1和C3的聚类中心之差。
方案二主要针对某组串突然出现短路或严重故障,致使发电能力大幅度下降的情况,此时聚类组内经聚类后即为包含这些发生短路或严重故障的组串,同时该聚类组的聚类中心值大幅下降,因而根据公式(6)即可定位所属。
与最接近的现有技术比,本发明提供的技术方案具有以下优异效果:
1)基于组串发电量信息,数据容易获得。主要原因在于绝大部分光伏电站均会采集并存储组串的电流和电压信息,因而很容易计算出发电量情况;
2)无需手动指定任意额外参数。组串发电类聚类的方法采用计算欧式距离进行聚类,并根据聚类结果自动进行故障评价,无需任何额外的参数指定,实用方便;
3)计算简单,部署容易。本发明所述方法可以和光伏电站现有监控***或集控中心轻松融合作为内嵌模块,没有复杂的计算且计算次数少,不增加任何额外的传感器,不会对现有光伏电站造成任何额外的投资。
附图说明
附图1:大型地面光伏电站拓扑结构;
附图2:本发明一种光伏电站组串故障诊断方法中光伏组串发电量聚类算法流程图;
附图3:本发明一种光伏电站组串故障诊断方法方案2的流程图;
附图4:本发明一种光伏电站组串故障诊断方法方案1的流程图;
具体实施方式
下面结合附图对本发明做进一步详细的说明。
本发明的目的在于提供一种能够准确定位光伏电站组串故障的新方法。该光伏组串故障诊断方法的实施流程如附图2所示:
(1)针对某个汇流箱i,每隔五分钟记录汇流箱出口电压Uit,同时记录该汇流箱所属的组串j的电流Iijt,经过一天的运行,按照公式(1)可以计算该汇流箱对应的组串j的日发电量Gij:
若某日内光伏电站从早上T1时开始发电至晚上T2时停止发电,则公式(1)中:
T=(T2-T1)*12 (2)
每五分钟计算一次发电量则公式(1)中Δt=300。
(2)由步骤(1)可以计算出汇流箱i下的各个组串的日发电量Gij,假设汇流箱i下共有n个组串,现在需将这n个组串按照日发电量的特征归纳为三个组:优秀(A组)、良好(B组)、一般(C组)。具体流程如下:
1)假设这每个组的中心位置分别为Zm(k),初始时k=0,m表示第m个聚类组,即m=1,2,…,p按照前述,聚类分为三个组,则p=3。初始时,k=0,同时在n个组串日电量值中随机选定三个组的中心位置值。
2)计算每个组串的日发电量与所选取的聚类组中心位置的距离D(Gij,Zm(k)),计算方式如下:
D(Gij,Zm(k))=|Gij-Zm(k)| (3)
在上述公式中,j=1,2,…,n,m=1,2,…,p
3)待步骤2)完全计算完毕之后,进行如下判断,如果满足:
D(Gij,Zm(k))=min{D(Gij,Zp(k)),j=1,2,...,m} (4)
则有:Gij∈Ck,其中Ck表示第k个聚类组。
4)计算新的聚类中心Zm(k+1),公式如下:
5)判断:若Zm(k+1)≠Zm(k),m=1,2,..,p,则返回步骤2)继续计算,否则,聚类结束。
6)经过聚类计算,某汇流箱i所属的组串被划分为三个聚类组C1,C2和C3,对应的聚类组中心为Z1,Z2和Z3,其中Z1>Z2>Z3。
7)每日待光伏电站发电结束之后,进行上述计算,获取该汇流箱的各个聚类组和对应的聚类中心。
(3)开始进行故障诊断,分为两种情况。情况一如附图4所示:对于某组串j,若某d日其位于聚类组C1,即Gij,d∈C1,d+1日位于聚类组C3,即Gij,d+1∈C3,则可以认为该组串性能可能会下降,有可能该组件受到遮挡,致使发电能力轻微下降,可认为组串j需要进行检修。
(4)情况二如附图3所示:针对汇流箱i,若某d日聚类组C3的数量大于后一日聚类组C3数量的两倍,同时d+1日两聚类中心之差Z1,d+1-Z3,d+1大于d日两聚类中心之差Z1,d-Z3,d的两倍,即可认为d+1日聚类C3内的所有光伏组串均出现故障,需要进行检修,判断条件即为公式(6)。
情况二主要针对某组串突然出现短路或严重故障,致使发电能力大幅度下降的情况,此时聚类组C3内经聚类后即为包含这些发生短路或严重故障的组串,同时该聚类组的聚类中心值大幅下降,因而根据公式(6)即可定位所属。
最后应当说明的是:以上实施例仅用于说明本发明的技术方案而非对其保护范围的限制,尽管参照上述实施例对本申请进行了详细的说明,所属领域的普通技术人员应当理解:本领域技术人员阅读本申请后依然可对申请的具体实施方式进行种种变更、修改或者等同替换,但这些变更、修改或者等同替换,均在申请待批的权利要求保护范围之内。
Claims (5)
1.一种光伏电站组串故障的诊断方法,其特征在于,所述故障诊断方法包括如下步骤:
步骤1:对汇流箱下属光伏组串进行聚类;
步骤2:故障诊断。
2.如权利要求1所述的故障诊断方法,其特征在于,所述步骤1包括:
步骤(1-1):计算汇流箱下属光伏组串的日发电量;
步骤(1-2):用迭代法对下属光伏组串进行聚类。
3.如权利要求1所述的故障诊断方法,其特征在于,所述步骤(1-1)包括:汇流箱i对应的组串j的日发电量Gij如下式(1)所示:
其中,t:时间,Uit:t时刻汇流箱i的出口电压,Iijt:t时刻汇流箱i所属的组串j的电流,Δt=300;在一个周期T内,每隔五分钟记录一次Uit和Iijt;
根据下式(2)计算周期T:
T=(T2-T1)*12 (2)
T1为光伏电站开始发电的时刻,T2为光伏电站停止发电的时刻。
4.如权利要求1所述的故障诊断方法,其特征在于,所述步骤(1-2)将汇流箱i下的n个组串按照日发电量的特征归纳为三个组:优秀聚类组C1、良好聚类组C2和较差聚类组C3,其步骤如下:
步骤(1-2-1):初始时,K=0,在n个组串的日电量值中随机选定三个组的中心位置值Zm(k),m表示聚类组数,m=1,2,3;
步骤(1-2-2):按下式(3)计算每个组串的日发电量与所选取的聚类组中心位置的距离D(Gij,Zm(k)):
D(Gij,Zm(k))=|Gij-Zm(k)|j=1,2,…,n (3)
其中,k:当前迭代次数,Gij:汇流箱i对应的组串j的日发电量;
步骤(1-2-3):如果某个组串的日发电量与三个聚类组中心位置中的一个距离最小,则该组串隶属于此聚类中心所属的聚类组,即D(Gij,Zm(k))满足下式(4),则Gij∈Cm:
D(Gij,Zm(k))=min{D(Gij,Zm(k)),m=1,2,3} (4)
其中,Cm:第m个聚类组,min{D(Gij,Zm(k)):组串的日发电量与三个聚类组中
心位置的最小距离;
步骤(1-2-4):按下式(5)计算新的聚类中心Zm(k+1):
其中,Nj:第m个聚类组内的组串个数;Giq:汇流箱i对应的组串q的日发电量;
步骤(1-2-5):若Zm(k+1)≠Zm(k),m=1,2,3,则返回步骤(1-2-2)继续计算,否则,聚类结束;
步骤(1-2-6):经过聚类计算,将汇流箱i的下属组串划分为三个聚类组C1,C2和C3,对应的聚类组中心分别为Z1,Z2和Z3,其中Z1>Z2>Z3。
5.如权利要求1所述的故障诊断方法,其特征在于,所述步骤2包括下述诊断方案;
方案1:组串j在d日位于聚类组C1,即Gij,d∈C1,其在d+1日位于聚类组C3,即Gij,d+1∈C3,则表示组串j的性能下降需要进行检修组串j;
方案2:若汇流箱i满足下式(6)则判定d+1日聚类组C3内的所有光伏组串均出现故障,需要进行检修:
|C3,d|为d日聚类组C3内光伏组串的数量,|C3,d+1|为d+1日聚类组C3内光伏组串的数量,Z1,d+1-Z3,d+1为d+1日聚类组C1和C3的聚类中心之差,Z1,d-Z3,d为d日聚类组C1和C3的聚类中心之差。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610577117.5A CN106230378B (zh) | 2016-07-20 | 2016-07-20 | 一种光伏电站组串故障的诊断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610577117.5A CN106230378B (zh) | 2016-07-20 | 2016-07-20 | 一种光伏电站组串故障的诊断方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106230378A true CN106230378A (zh) | 2016-12-14 |
CN106230378B CN106230378B (zh) | 2020-04-24 |
Family
ID=57532545
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610577117.5A Active CN106230378B (zh) | 2016-07-20 | 2016-07-20 | 一种光伏电站组串故障的诊断方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106230378B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107222169A (zh) * | 2017-08-01 | 2017-09-29 | 河海大学常州校区 | 一种基于离群点检测的光伏阵列实时监控与故障检测方法 |
CN109446243A (zh) * | 2018-11-30 | 2019-03-08 | 石家庄科林电气股份有限公司 | 一种基于大数据分析检测光伏电站发电异常的方法 |
CN110544039A (zh) * | 2019-09-06 | 2019-12-06 | 阳光电源股份有限公司 | 一种光伏组串的阴影遮挡识别方法及装置 |
CN113489455A (zh) * | 2021-08-04 | 2021-10-08 | 阳光电源股份有限公司 | 光伏***及其iv扫描方法、装置和汇流箱 |
CN114722310A (zh) * | 2022-04-08 | 2022-07-08 | 华电电力科学研究院有限公司 | 一种光伏电站设备故障诊断方法、装置、设备及介质 |
CN114898232A (zh) * | 2022-04-29 | 2022-08-12 | 中科云尚(南京)智能技术有限公司 | 基于光伏组串数据分析的光伏电站无人机巡检方法及*** |
US11799419B2 (en) | 2019-05-28 | 2023-10-24 | Huawei Technologies Co., Ltd. | Detection condition determining method, apparatus, and photovoltaic system |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN202798154U (zh) * | 2012-08-08 | 2013-03-13 | 中盛光电能源股份有限公司 | 大规模分布式光伏电站组实时远程智能运行控制*** |
CN103390200A (zh) * | 2013-07-18 | 2013-11-13 | 国家电网公司 | 基于相似日的光伏电站发电输出功率预测方法 |
CN104504607A (zh) * | 2014-09-04 | 2015-04-08 | 国家电网公司 | 一种基于模糊聚类算法的光伏电站故障诊断方法 |
JP2016075534A (ja) * | 2014-10-03 | 2016-05-12 | 日本電信電話株式会社 | 太陽光発電装置の故障診断方法 |
CN105634405A (zh) * | 2014-12-01 | 2016-06-01 | 国家电网公司 | 光伏发电***发电性能的检测方法及装置 |
-
2016
- 2016-07-20 CN CN201610577117.5A patent/CN106230378B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN202798154U (zh) * | 2012-08-08 | 2013-03-13 | 中盛光电能源股份有限公司 | 大规模分布式光伏电站组实时远程智能运行控制*** |
CN103390200A (zh) * | 2013-07-18 | 2013-11-13 | 国家电网公司 | 基于相似日的光伏电站发电输出功率预测方法 |
CN104504607A (zh) * | 2014-09-04 | 2015-04-08 | 国家电网公司 | 一种基于模糊聚类算法的光伏电站故障诊断方法 |
JP2016075534A (ja) * | 2014-10-03 | 2016-05-12 | 日本電信電話株式会社 | 太陽光発電装置の故障診断方法 |
CN105634405A (zh) * | 2014-12-01 | 2016-06-01 | 国家电网公司 | 光伏发电***发电性能的检测方法及装置 |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107222169A (zh) * | 2017-08-01 | 2017-09-29 | 河海大学常州校区 | 一种基于离群点检测的光伏阵列实时监控与故障检测方法 |
CN109446243A (zh) * | 2018-11-30 | 2019-03-08 | 石家庄科林电气股份有限公司 | 一种基于大数据分析检测光伏电站发电异常的方法 |
CN109446243B (zh) * | 2018-11-30 | 2022-03-01 | 国网冀北电力有限公司承德供电公司 | 一种基于大数据分析检测光伏电站发电异常的方法 |
US11799419B2 (en) | 2019-05-28 | 2023-10-24 | Huawei Technologies Co., Ltd. | Detection condition determining method, apparatus, and photovoltaic system |
CN110544039A (zh) * | 2019-09-06 | 2019-12-06 | 阳光电源股份有限公司 | 一种光伏组串的阴影遮挡识别方法及装置 |
CN113489455A (zh) * | 2021-08-04 | 2021-10-08 | 阳光电源股份有限公司 | 光伏***及其iv扫描方法、装置和汇流箱 |
CN113489455B (zh) * | 2021-08-04 | 2023-02-03 | 阳光电源股份有限公司 | 光伏***及其iv扫描方法、装置和汇流箱 |
CN114722310A (zh) * | 2022-04-08 | 2022-07-08 | 华电电力科学研究院有限公司 | 一种光伏电站设备故障诊断方法、装置、设备及介质 |
CN114898232A (zh) * | 2022-04-29 | 2022-08-12 | 中科云尚(南京)智能技术有限公司 | 基于光伏组串数据分析的光伏电站无人机巡检方法及*** |
CN114898232B (zh) * | 2022-04-29 | 2023-08-15 | 中科云尚(南京)智能技术有限公司 | 基于光伏组串数据分析的光伏电站无人机巡检方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN106230378B (zh) | 2020-04-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106230378A (zh) | 一种光伏电站组串故障的诊断方法 | |
CN104270091B (zh) | 一种基于监控***的光伏发电设备故障诊断方法 | |
CN105119286B (zh) | 一种次同步振荡源定位方法及装置 | |
CN108667005B (zh) | 一种计及新能源影响的电网静动态结合脆弱性评估方法 | |
CN105337575B (zh) | 光伏电站状态预测及故障诊断方法和*** | |
CN106330095B (zh) | 一种大型光伏电站汇集***故障定位方法 | |
CN104504607A (zh) | 一种基于模糊聚类算法的光伏电站故障诊断方法 | |
Rezgui et al. | A smart algorithm for the diagnosis of short-circuit faults in a photovoltaic generator | |
Beniwal et al. | Detection of anomalies in the quality of electricity supply | |
Zheng et al. | Fault diagnosis of wind power converters based on compressed sensing theory and weight constrained AdaBoost-SVM | |
CN105065212A (zh) | 一种风电场风电机组校验方法及*** | |
CN112083270B (zh) | 一种基于相关系数的风电场集电线路单相接地故障选线方法 | |
Wang et al. | Gas-insulated switchgear insulation defect diagnosis via a novel domain adaptive graph convolutional network | |
CN106093615A (zh) | 超级电容储能模块的健康状态估计方法 | |
Hare et al. | A review of faults and fault diagnosis in micro-grids electrical energy infrastructure | |
Xue et al. | A data-driven diagnosis method of open-circuit switch faults for PMSG-based wind generation system | |
Aboshady et al. | Fault detection and classification scheme for PV system using array power and cross-strings differential currents | |
Zhang et al. | Improved PSO-SVM-Based fault diagnosis algorithm for wind power converter | |
Rathor et al. | Smart Modern AC Microgrid Monitoring System using Power Line Communication | |
Liu et al. | Dynamic equivalent modeling for microgrids based on LSTM recurrent neural network | |
CN115906350A (zh) | 一种微电网故障定位和诊断方法 | |
Gogula et al. | Fault detection in a distribution network using a combination of a discrete wavelet transform and a neural Network’s radial basis function algorithm to detect high-impedance faults | |
Behzadi et al. | Identification of combined power quality disturbances in the presence of distributed generations using variational mode decomposition and K-nearest neighbors classifier | |
CN113315100A (zh) | 一种基于卷积神经网络的微电网保护方法与*** | |
Ding et al. | Research on power grid fault diagnosis method based on PMU data and convolutional neural network |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |