基于KPCA方法的储能电站故障诊断研究.pdfVIP

第66卷第7期自动化应用Vol.66No.7

2025年4月AutomationApplicationApr.2025

基于KPCA方法的储能电站故障诊断研究

123

孙昂，袁杰，王云钢

（1.阳光电源股份有限公司，安徽合肥230088；2.海洋石油工程股份有限公司，天津300461；

3.山东海化集团有限公司石油化工分公司，山东潍坊262737）

摘要：作为现代电力系统中的关键组成部分，储能电站的可靠运行对电力系统的稳定性至关重要。随着储能技术

的广泛应用，储能电站故障诊断成为一项关键技术工作。传统的主成分分析（PCA）方法被广泛应用于故障诊断领域，

但其主要提取系统运行中的线性特征，难以有效应对储能电站数据中的非线性成分。基于核主成分分析（KPCA）方法，

利用能源管理系统（EMS）收集储能电站运行数据，分析并识别电站的运行故障。通过与传统PCA方法的对比实验，验

证了KPCA方法在处理数据非线性故障特征时的优越性。

关键词：储能电站；故障诊断；主成分分析；核主成分分析；非线性

中图分类号：TP306+.3文献标识码：ADOI：10.19769/j.zdhy.2025.07.038

ResearchonFaultDiagnosisofEnergyStorageStationsBasedonKPCAMethod

123

SUNAng，YUANJie，WANGYungang

（1.SungrowPowerSupplyCo.，Ltd.，Hefei，Anhui230088，China；2.OffshoreOilEngineeringCo.，Ltd.，Tianjin300461，China；

3.PetrochemicalBranchofShandongHaihuaGroupCo.，Ltd.，Weifang，Shandong262737，China）

Abstract：Asakeycomponentofmodernpowersystems，thereliableoperationofenergystoragestationsiscrucialforthe

stabilityofthepowersystem.Withthewidespreadapplicationofenergystoragetechnology，faultdiagnosisofenergystorage

powerstationshasbecomeakeytechnicaltask.ThetraditionalPrincipalComponentAnalysis（PCA）methodiswidelyusedin

thefieldoffaultdiagnosis，butitmainlyextractslinearfeaturesduringsystemoperationandisdifficulttoeffectivelydealwith

nonlinearcomponents