模糊C均值聚类在光伏阵列故障样本数据识别中的应用

• 作者: 姚建曦 戴松元 朱红路 连魏魏 陆灵骍
• 来源期刊: 发电技术
• 关键词: 光伏系统 故障样本 模糊C均值聚类 故障特征提取
• 年，卷（期）: 2018,（2）
• 所属期刊栏目: 新能源
• 页码范围: 188-194
• 页数: 7页
• 语种: 中文
• DOI: 10.12096/j.2096-4528.pgt.2018.029

摘要

光伏电站由数量庞大的光伏组件构成,因复杂的生产工艺及艰苦的工作环境,光伏系统直流侧故障频发,直接影响到光伏系统的发电效益.如何从光伏阵列的运行数据中提取有效的故障样本,并对其进行识别,是建立故障模型的重要步骤.因此提出一种基于模糊C均值(fuzzy C-means,FCM)聚类算法对故障样本进行划分及标识的方法.首先对故障条件下光伏阵列的输出特性进行分析,提取出故障特征向量(开路电压Uoc,短路电流Isc,最大工作点电压Um,最大工作点电流Im).为排除外部激励条件对电气参数的影响,将故障特征向量统一转换至标准测试条件(standard test condition,STC).最后根据FCM算法良好的模糊信息处理功能,对开路故障、短路故障、阴影故障、异常老化故障的样本进行聚类划分.实际运行数据证明,该方法可以精确、可靠地对光伏系统直流侧典型故障的样本进行智能聚类,并有效地描述不同故障下光伏阵列电气参数的分布特征.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	朱红路	华北电力大学可再生能源学院	22	142	7.0	11.0
2	戴松元	华北电力大学可再生能源学院	11	113	3.0	10.0
3	姚建曦	华北电力大学可再生能源学院	8	56	3.0	7.0
4	连魏魏	华北电力大学可再生能源学院	2	8	2.0	2.0
5	陆灵骍	华北电力大学可再生能源学院	1	3	1.0	1.0