在实际条件下运行的光伏电站由大量的光伏阵列组成。这种光伏阵列的复杂配置往往会产生各种类型的故障,直接影响电厂的安全和经济运行。光伏阵列故障诊断仍存在一些问题:在不同故障条件下,阵列的电气特性难以精确表示,故障诊断模型需要准确划分故障样本,故障数据的分类依赖于人工先验知识。提出了一种故障诊断方法:(一)有效分析了典型故障条件下光伏阵列输出特性及电特征向量的分布;(2)在模糊C均值算法中引入单位法和高斯核函数,提高了无监督屏幕对各种故障样本的适用性和模糊聚类能力;(三)以聚类数据为输入,建立概率神经网络故障诊断模型。通过实际运行数据,验证了该方法的有效性和可行性。
——文章发布于2018年12月