一种基于蒙特卡洛模拟特征寻优的直流故障电弧检测方法及系统

本发明涉及直流电力系统，尤其是涉及一种基于蒙特卡洛模拟特征寻优的直流故障电弧检测方法及系统。

背景技术：

1、随着清洁能源的发展和应用越来越广泛，在能源转型的过程中，分布式光伏发电成为关键的趋势之一。分布式光伏系统具有灵活性和环保性，能够更好地适应不同地区的能源需求。作为光伏逆变器的一个重要类别，组串式逆变器为分布式光伏的发展做出了巨大的贡献，也成为光伏企业重点研发和创新的逆变器类型。但在运行过程中，逆变器直流侧组串可能会出现线缆接头松动、绝缘层破裂等原因，产生直流电弧故障。

2、在一些大型的光伏电站中，一台组串式逆变器功率可达到上百千瓦，如果直流侧出现故障电弧不能及时检测并迅速切断逆变器，可能会造成逆变器损坏，并引发严重的火灾事故。其中，和并联型故障电弧相比，当逆变器直流侧出现串联型故障电弧时，会导致回路电流迅速降低，仅通过在外界设置保护装置或者检测元件难以检测出故障。因此串联型故障电弧的危害更大，更容易导致电气火灾的发生。

3、目前，针对光伏发电系统直流故障电弧检测的研究方法主要有：基于电弧弧光、弧声、电磁辐射特性的检测方法；基于电弧电流、电压时频域特性的检测方法。其中，基于电弧弧光、弧声、电磁辐射特性的检测方法是研究电弧的辐射特性、根据频谱特征进行故障检测，但受复杂环境的干扰影响较大，且受到传感器的制约、局限性较大；基于电弧电流、电压时频域特性的检测方法是目前采用最多的检测方法，但在光伏发电系统中，场景复杂、组件繁多，正常的开关动作、负载突变都可能导致误判，且阈值无法随环境自适应变化。可以说，现有的检测方法无法快速、稳定可靠地检测出直流故障电弧，尤其针对不同阶段故障电弧的检测识别，存在准确性较低的问题。

技术实现思路

1、本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于蒙特卡洛模拟特征寻优的直流故障电弧检测方法及系统，能够提高不同阶段故障电弧的检测识别准确率，提高抗干扰性能以及检测速度。

2、本发明的目的可以通过以下技术方案来实现：一种基于蒙特卡洛模拟特征寻优的直流故障电弧检测方法，包括以下步骤：

3、s1、采集设定时间窗的光伏系统中逆变器并网状态下不同阶段的正常和故障电弧数据；

4、s2、针对采集的电弧数据进行傅里叶变换，对比电弧不同阶段的频谱和正常电流频谱，分析得到电弧能量主要集中频段，确定带通滤波范围；

5、s3、实时采集并网光伏系统逆变器正常并网和模拟故障工况下的直流侧电气量，并按照带通滤波范围进行滤波处理；

6、s4、对滤波后的直流侧电气量进行傅里叶变换和经验模态分解(empirical modedecomposition，emd)，结合方差贡献率和皮尔逊相关系数，确定最优本征模态函数，用于提取出电流频域和时频域信息；

7、s5、采用蒙特卡洛模拟的方式，在电流频域和时频域中寻找最优特征量，以作为遗传算法优化bp(back propagation，反向传播)神经网络模型的训练集，通过训练得到直流故障电弧检测模型；

8、s6、实时采集当前电流信号并计算对应的频域和时频域特征量，输入至直流故障电弧检测模型中，以对直流电弧进行实时检测判断。

9、进一步地，所述步骤s1的具体过程为：模拟若干次串联型直流故障电弧实验，通过示波器采集设定时间窗内若干组正常和不同阶段电弧的电流数据；其中，不同阶段电弧的电流数据包括：电弧尖峰出现后的设定时间窗内的数据，电弧尖峰消失后的设定时间窗内的数据。

10、进一步地，所述步骤s2的具体过程为：将采集的电弧数据时域信号滤除直流分量后，经过离散傅里叶变换，其公式如下：

11、

12、其中，x(k)是频域信号在频率处的复数形式，x(n)是时域信号的第n个样本，n是信号的样本个数；

13、从离散傅里叶变换后的结果x(k)中提取幅度信息，其公式如下：

14、a(k)＝|x(k)|

15、其中，a(k)是频率fk处的幅度，即正常和故障电弧对比的频谱值；

16、对比正常和故障电弧在设定频率值以内的频谱图，选取不同阶段电弧大于正常频谱的共同集中频段，即作为带通滤波范围。

17、进一步地，所述步骤s4中对滤波后的直流侧电气量进行经验模态分解的具体过程为：

18、通过迭代分解时域信号x(t)，得到一组本征模态函数(imfs)和一个剩余项r(t)，如下所示：

19、

20、其中，ci(t)是第i个本征模态函数，i是分解的总层数；

21、定义信号极大值点为：{tj,xj}，极小值点为：{tk,xk}，连接相邻的极大值和极小值点，构建出信号的上、下包络线uup(t)和udown(t)；

22、计算平滑信号m(t)，其公式为：

23、

24、提取第一个本征模态函数c1(t)，其公式为：

25、c1(t)＝x(t)-m(t)

26、重复上述过程，对c1(t)进行迭代，直至满足预设停止条件，得到所有的本征模态函数，其中，预设停止条件为剩余项r(t)是否为一个趋于平稳的函数或噪声。

27、进一步地，所述步骤s4中确定最优本征模态函数的具体过程为：

28、s41、计算同一电流等级下正常和不同阶段故障电弧数据的方差贡献率；

29、s42、计算同一电流等级下正常和不同阶段故障电弧数据的皮尔逊相关系数；

30、s43、通过比较正常和不同阶段故障电弧的各阶imf分量的方差贡献率，初步选取差异性较大的若干组imf分量，结合以正常信号各阶imf分量为基准下的相关性系数和以原始信号为基准下的各阶imf分量相关性系数，确定出最优的一个imf分量。

31、进一步地，所述步骤s41中电弧数据的方差贡献率具体为：

32、

33、其中，vcri为方差贡献率，var(s)为原始时域信号的方差，var(imfi)为第i个imf分量的方差，n是一个周期内的采样点数，ci(k)是第i个imf在第k个采样点的值，x(k)是原始信号在第k个采样点的值。

34、进一步地，所述步骤s42的具体过程为：

35、假设正常、阶段1电弧和阶段2电弧信号分别为x1,x2,x3，计算正常和不同阶段故障电弧之间的样本协方差和

36、

37、计算原始信号的标准差：

38、

39、计算正常和不同阶段故障电弧之间的皮尔逊相关性系数：

40、

41、其中，r1为正常与阶段1故障电弧数据的皮尔逊相关系数，r2为正常与阶段2故障电弧数据的皮尔逊相关系数。

42、进一步地，所述步骤s5中寻找最优特征量的具体过程为：针对若干组正常和不同阶段电弧的频域和时频域信息，基于蒙特卡洛模拟的方法，通过不同的频段组合得到特征统计量，选取正常和故障电弧差异性最大的特征统计量作为频域和时频域特征量，所述特征统计量包括：频谱中不同频段组合的均值、标准差、均方根值，即将最优imf分量进行傅里叶变换后得到频谱中不同频段组合的均值、标准差、均方根值。

43、进一步地，所述步骤s5中训练得到直流故障电弧检测模型的具体过程为：获取若干组频域和正常和不同阶段电弧的时频域特征量，以作为bp神经网络模型的训练样本，训练结束后，将得到的模型再经过遗传算法优化，构建直流故障电弧检测模型。

44、一种基于蒙特卡洛模拟特征寻优的直流故障电弧检测系统，包括：

45、采样模块，用于对实际光伏系统逆变器直流侧经过滤波后的电气量进行实时采样；

46、带通滤波模块，用于对实际光伏系统逆变器直流侧电气量进行滤波处理；

47、通信模块，用于和上位机进行通信，传输当前周期采样得到的电流信号数据；

48、傅里叶变换和经验模态分解模块，用于对接收的若干组电流信号数据进行傅里叶变换和经验模态分解，提取频域和时频域特征信息；

49、特征提取模块，用于对若干组电流信号的频域和时频域特征信息进行蒙特卡洛模拟，提取出频域和时频域特征量；

50、模型训练模块，用于将特征提取模块得到的频域和时频域特征量作为bp神经网络模型训练样本，通过模型训练以及利用遗传算法进行优化，构建得到直流故障电弧检测模型；

51、判断模块，利用直流故障电弧检测模型对采样模块获取的电流信号进行判断，实时检测直流故障电弧。

52、与现有技术相比，本发明具有以下优点：

53、本发明通过采集设定时间窗的光伏系统中逆变器并网状态下不同阶段的正常和故障电弧数据；结合傅里叶变换，确定出带通滤波范围；再实时采集并网光伏系统逆变器正常并网和模拟故障工况下的直流侧电气量，并按照带通滤波范围进行滤波处理；之后对滤波后的直流侧电气量进行傅里叶变换和经验模态分解，结合方差贡献率和皮尔逊相关系数，确定最优本征模态函数，以提取出电流频域和时频域信息；最后采用蒙特卡洛模拟的方式，在电流频域和时频域中寻找最优特征量，以作为遗传算法优化bp神经网络模型的训练集，通过训练得到直流故障电弧检测模型。由此针对实际直流故障处于稳定燃烧阶段时，特征量不明显、容易和外界干扰下正常电流的波动情况混淆在一起等问题，经过蒙特卡洛模拟特征寻优，提取频域和时频域特征，并对于经验模态分解时域信号，采用方差贡献率和皮尔逊相关系数结合的方式确定最优本征模态函数，以增加时频域特征效果，能够有效地确定区分正常和故障电弧的最优特征量，从而提高不同阶段故障电弧的检测识别准确率，同时提高抗干扰性能以及检测速度。

54、本发明通过在正常和故障电流数据集中寻找误差最小的频域和时频域特征量，能够有效提高特征信息对环境噪声的抗干扰性和普适性。

55、本发明采用蒙特卡洛模拟的方法，提取出不同工况下正常和故障数据集的频域和时频域特征量，作为训练bp神经网络模型的样本，并使用遗传算法优化bp神经网络模型，避免bp神经网络训练收敛慢，容易陷入局部最优解等问题，从而进一步提高检测速度和准确性。