基于CatBoost算法的光伏阵列故障诊断方法.pdfVIP

第47卷第2期2023年1月25日电力系统自动化Vol.47No.2Jan.25,2023

DOI:10.7500/AEPS20211123004AutomationofElectricPowerSystems

基于CatBoost算法的光伏阵列故障诊断方法

顾崇寅，徐潇源，王梦圆，严正

（电力传输与功率变换控制教育部重点实验室（上海交通大学），上海市200240）

摘要：针对基于传统机器学习算法的光伏阵列故障诊断方法需要大量训练集的问题，提出了基于

CatBoost算法的故障诊断方法，实现小规模训练集下不同程度故障的准确诊断。建立了光伏组件

等效电路模型，考虑短路、开路、老化、局部阴影下不同程度的光伏阵列故障，分析包含旁路二极管

和阻塞二极管的光伏阵列的伏安特性曲线变化特性，构建反映不同故障特性的特征量，作为光伏阵

列故障诊断方法的输入向量。使用CatBoost算法对小规模训练集进行训练，建立基于CatBoost算

法的故障诊断模型。为验证所提方法的效果，分别进行了仿真和实验分析。将所提方法与传统神

经网络算法、其他决策树算法进行对比，验证了所提方法在小规模训练集下的准确性与稳定性

关键词：光伏阵列故障；故障诊断；人工智能；CatBoost算法；小规模训练集

0引一种基于反向传播(backpropagation,BP)神经网络

的故障诊断方法，可用于诊断光伏阵列短路、开路、

传统化石燃料带来严重的环境污染问题，太阳

异常老化和局部阴影4种故障。文献[12]利用参考

能作为可再生的清洁能源，日益受到各国的重视。

光伏组件将光伏阵列电压和电流归一化，提出一种

光伏发电具有安装简便、地域限制小、运行噪音低和

半监督机器学习算法诊断故障类型。文献[13]提出

使用寿命长等优点，近年来，全球光伏发电装机容量

迅速提升1-3]。然而，光伏阵列多安装在屋顶、山丘、一种基于级联随机森林的光伏组件故障诊断模型，

综合光伏电站和气象站监测数据诊断常见故障类

沙漠等恶劣环境中，故障频发，导致发电效率降低、

型。文献[14]利用输出特性曲线斜率判断被阴影遮

光伏组件损坏，甚至引发火灾。因此，研究准确、快

挡的组件个数，并通过短路电流对阴影强度进行预

速的光伏阵列故障诊断方法具有重要意义。

估，提出一种基于模糊控制的热斑故障诊断方法。

常用的故障诊断方法分为电路结构法、数学模

型法、红外图像法和人工智能法等[4]。电路结构文献[15]提出一种基于半监督梯形网络的故障诊断

方法，利用光伏阵列的时序电压和电流，诊断短路、

法[5-6]通过改变电路结构，配合电压、电流传感器诊

开路、局部阴影等多种故障

断故障类型。但是，这类方法需要安装额外的传感

器，增加了系统复杂度和安装成本。数学模型法[7-8]综合上述文献，现有人工智能方法一般采用神

经网络拟合光伏阵列量测信息与故障类型之间的关

通过对光伏阵列进行仿真建模，将阵列实际运行结

系，需要大量有标签数据进行训练，数据采集工作量

果与仿真预期结