申请/专利权人：红星合创新能源(上海)有限公司

申请日：2020-10-13

公开（公告）日：2024-04-02

公开（公告）号：CN112287537B

主分类号：G06F30/20

分类号：G06F30/20;G06F17/16

优先权：

专利状态码：有效-授权

法律状态：2024.04.02#授权;2024.03.15#专利申请权的转移;2024.03.08#专利申请权的转移;2021.02.23#实质审查的生效;2021.01.29#公开

摘要：本发明公开一种基于回声状态网络的光伏电板故障检测方法，通过利用回声状态网络模型这种有监督型的建模策略来量化光伏电板采样数据之间的非线性时序关联特征，从而对光伏电板实施数据驱动的故障检测。本发明方法利用回声状态网络模型建立多个测量变量之间的关系模型，起到了量化测量变量间复杂非线性时序关系的作用。其次，本发明方法使用的回声状态网络模型对时间序列数据有较好的拟合作用，可以进一步体现出光伏电板采样数据在时间前后的关联性。因此，利用模型误差的变化来检测光伏电板故障可以保证本发明方法的有效性。本发明方法通过将无监督型的特征提取转化为分布式的有监督建模，从而成功将回声状态网络模型应用于光伏电板故障检测中。

主权项：1.一种基于回声状态网络的光伏电板故障检测方法，其特征在于，包括以下步骤：步骤1：在光伏电板正常工作状态下，利用数据采集系统每隔1分钟采集一次样本数据，具体包括9个数据，并将每次采集的这9个数据组成一个列向量；其中，列向量中的9个数据依次为：光照强度，环境温度，电板温度，最大动态直流功率，直流电流，直流电压，交流功率，交流电压，和交流电流；步骤2：按照采集的时间先后顺序，将光伏电板正常工作状态下采集得到的N个列向量x1，x2，…，xN组成训练数据矩阵X＝[x1，x2，…，xN]，并对X的各个行向量实施归一化处理，从而得到新数据矩阵其中，归一化处理的方式为：将行向量减去该行向量的最小值后，再除以该行向量的最大值与最小值之差；步骤3：依次分别将X中第3行至第9行的行向量用作回声状态网络模型的输出，并将X中其它8行的行向量用作回声状态网络模型的输入，建立回声状态网络模型，具体的实施过程如步骤3.1至步骤3.11所示：步骤3.1：初始化j＝3；步骤3.2：将新数据矩阵中第j行的行向量zj∈R1×N用作回声状态网络模型的输出，再将中其余8行的行向量组建成输入矩阵Xj∈R8×N后用作回声状态网络模型的输入；其中，R1×N表示1×N维的实数向量，R8×N表示8×N维的实数矩阵；步骤3.3：搭建一个回声状态网络模型，具体包括：8个输入节点，L个储蓄池节点，和1个输出节点；其中，储蓄池节点的激活函数fu＝tanhu为双曲正切函数，u为函数自变量；步骤3.4：初始化权值连接矩阵Wj∈RL×L；其中，Wj的各个元素都是按照均匀分布在区间[-1，1]范围内随机产生的；步骤3.5：对权值连接矩阵Wj进行稀疏度修正，具体实施过程是将Wj中小于等于0.1且大于等于-0.1的非对角线上的元素修改成0；步骤3.6：计算权值连接矩阵Wj的所有特征值，并对所有特征值计算绝对值后，再将最大的绝对值记做α；步骤3.7：判断α是否小于1；若否，则根据公式Wj＝0.8·Wjα更新权值连接矩阵Wj后，再保留权值连接矩阵Wj；若是，则直接保留权值连接矩阵Wj；步骤3.8：初始化输入权值矩阵初始化反馈权值向量Vj∈RL×1；其中，输入权值矩阵和反馈权值向量中的元素都是按照均匀分布在区间[-1，1]范围内随机产生的；步骤3.9：根据公式计算输出权值向量其中，表示zj中第2个至第N个元素组成的向量，上标号T表示矩阵或向量的转置符号，λ为正则系数，I为K×K维的单位矩阵，n＝N-1，K＝9+L，矩阵Zj的组成方式如下所示： 上式中，表示Xj中第2列至第N列的列向量组成的矩阵，表示zj中第1个至第N-1个元素组成的向量，表示状态矩阵Sj∈RL×N中第2列至第N列的列向量组成的矩阵，状态矩阵Sj中第一列向量为零向量，Sj中第i列向量的计算方式如下所示： 上式中，表示Xj中的第i列向量，i∈{2，3，…，N}，表示状态矩阵Sj中的第i-1列向量，表示zj中的第i-1个元素；步骤3.10：保留模型参数集并根据公式计算输出估计向量yj∈R1×n后，再计算估计误差向量步骤3.11：判断是否满足条件：j＜9；若是，则设置j＝j+1后，返回步骤3.2；若否，则得到模型参数集φ3，φ4，…，φ9，以及误差向量e3，e4，…，e9；步骤4：将误差向量e3，e4，…，e9合并成误差矩阵E＝[e3T，e4T，…，e9T]后，再计算误差矩阵E中所有行向量的平均值向量μ∈R1×7，并根据公式Λ＝E-UTE-UN-1计算协方差矩阵Λ；其中，均值矩阵U∈Rn×7由n个平均值向量μ∈R1×7组成；步骤5：根据公式D＝diag{E-UΛ-1E-UT}计算检测指标向量D，并将检测指标向量D中最大的元素记做Dlim；其中，diag{}表示将大括号内的矩阵对角线元素转变成向量的操作；步骤6：利用光伏电板的数据采集系统采集最新采样时刻的样本数据xt∈R9×1，xt中的9个数据依次是：光照强度，环境温度，电板温度，最大动态直流功率，直流电流，直流电压，交流功率，交流电压，交流电流；其中，下标号t表示最新采样时刻；步骤7：对xt实施归一化处理，从而得到数据向量步骤8：调用步骤3中的7个模型参数集φ3，φ4，…，φ9，计算得到7个误差数据f3，f4，…，f9，再将这7个误差数据组成误差向量ft＝[f3，f4，…，f9]，具体的实施过程如步骤8.1至步骤8.9所示：步骤8.1：初始化j＝3；步骤8.2：将数据向量中的第j个元素用作回声状态网络模型的输出，并将中其余8个元素组成输入向量γj∈R8×1后用作回声状态网络模型的输入，再计算t采样时刻的状态向量其中，为数据向量中的第j个元素，是t-1采样时刻样本数据xt-1经归一化处理后得到的数据向量，st-1为t-1采样时刻的状态向量，t-1采样时刻表示t采样时刻的前一个采样时刻；步骤8.3：组建向量后，再计算从而可以得到误差数据步骤8.4：判断是否满足条件：j＜9；若是，则设置j＝j+1后，返回步骤8.2；若否，则将7个误差数据f3，f4，…，f9组成误差向量ft＝[f3，f4，…，f9]；步骤9：计算检测指标Dt＝ft-μΛ-1ft-μT后，再判断是否满足条件：Dt≤Dlim；若是，则光伏电板正常运行，并返回步骤6继续实施对光伏电板的故障检测；若否，则执行步骤10；步骤10：返回步骤6继续利用最新采样时刻的样本数据实施故障检测；若连续6个采样时刻的检测指标皆大于Dlim，则触发故障警报；反之，则光伏电板正常运行，并返回步骤6继续实施对光伏电板的故障检测。

全文数据：

权利要求：

百度查询： 红星合创新能源(上海)有限公司 一种基于回声状态网络的光伏电板故障检测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD