基于t-SNE流形学习与快速聚类算法的光伏逆变器故障预测技术

• 作者: 张筱辰 朱金大 杜炜 杨冬梅 陈永华
• 来源期刊: 中国电力
• 关键词: 故障预测 流形学习 聚类算法 逆变器 光伏
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 人工智能在电力系统的应用
• 页码范围: 41-47
• 页数: 7页
• 字数: 4335字
• 语种: 中文
• DOI: 10.11930/j.issn.1004-9649.201902032

摘要

光伏逆变器作为太阳能光伏发电系统的关键设备,其健康状态直接影响电力系统的安全与稳定.提出了一种基于t-SNE流形学习与快速聚类算法的光伏逆变器故障预测技术,将光伏逆变器集群的历史监测信号作为原始特征库,采用t-SNE降维算法提取光伏逆变器集群的主特征矩阵,基于快速聚类算法搜寻每一采样时刻的聚类中心光伏逆变器,分别计算每台逆变器在各个采样时刻的偏心距离,得到归一化的累积偏心距离矩阵,通过合理设定预警阈值,从而实现光伏逆变器故障的准确预测.最后基于设计开发的分布式光伏发电监控系统,利用采集的光伏逆变器集群的历史运行数据对算法进行了测试.结果表明,提出的光伏逆变器故障预测技术能够提前准确地预测光伏逆变器故障,有助于保障设备健康平稳运行.