基于深度學(xué)習(xí)的分布式光伏故障診斷系統(tǒng)設(shè)計

北京京能科技有限公司，北京 100000

摘要：隨著分布式光伏發(fā)展，故障診斷需求凸顯?；诖?，設(shè)計了一個基于深度學(xué)習(xí)的分布式光伏故障診斷系統(tǒng)，該系統(tǒng)通過數(shù)據(jù)采集、故障檢測、診斷分析及結(jié)果輸出等功能模塊，結(jié)合高性能硬件支撐，實現(xiàn)了對光伏系統(tǒng)的全面監(jiān)測與智能診斷。系統(tǒng)測試結(jié)果表明，該系統(tǒng)能夠有效進行故障檢測和診斷分析，提高了故障診斷的準(zhǔn)確率和效率。

關(guān)鍵詞：深度學(xué)習(xí)；分布式光伏；故障診斷；系統(tǒng)設(shè)計；測試

中圖分類號：TP181；TM615 文獻標(biāo)識碼：A

0 引言

隨著全球能源需求的不斷增長和可再生能源技術(shù)的進步，分布式光伏發(fā)電系統(tǒng)因其環(huán)保、可再生、經(jīng)濟效益高等特點，在全球范圍內(nèi)得到了廣泛應(yīng)用。然而，光伏系統(tǒng)在運行過程中會出現(xiàn)多種故障，如逆變器故障、組件損壞等，如果不及時診斷和處理，將嚴(yán)重影響系統(tǒng)的運行效率和壽命。因此，設(shè)計一個基于深度學(xué)習(xí)的分布式光伏故障診斷系統(tǒng)具有重要意義。

1 需求分析

分布式光伏系統(tǒng)的廣泛部署對故障診斷技術(shù)提出了迫切需求。傳統(tǒng)診斷方法在準(zhǔn)確性和時效性上存在局限性，難以滿足系統(tǒng)高效運維的需要。系統(tǒng)需具備高效數(shù)據(jù)采集、智能故障識別、快速響應(yīng)等功能，以提升分布式光伏系統(tǒng)的運行穩(wěn)定性與維護效率。引入深度學(xué)習(xí)模型的系統(tǒng)能夠自動學(xué)習(xí)故障特征，優(yōu)化診斷流程，為光伏電站的智能運維提供強有力的技術(shù)支持。

2 基于深度學(xué)習(xí)的分布式光伏故障診斷系統(tǒng)設(shè)計

2.1 整體架構(gòu)設(shè)計

基于深度學(xué)習(xí)的分布式光伏故障診斷系統(tǒng)由功能設(shè)計和硬件設(shè)計兩個部分組成（圖1）。功能設(shè)計主要包括數(shù)據(jù)采集、故障檢測和診斷分析3個子功能。硬件設(shè)計則包含數(shù)據(jù)采集模塊、中央處理單元和存儲設(shè)備3個主要組件，其中數(shù)據(jù)采集模塊負責(zé)信號的獲取和初步處理；中央處理單元承擔(dān)任務(wù)調(diào)度和數(shù)據(jù)處理的核心工作；而存儲設(shè)備用于數(shù)據(jù)的傳輸和存儲。整個系統(tǒng)通過各模塊間的緊密協(xié)作，實現(xiàn)了對分布式光伏發(fā)電系統(tǒng)的全方位監(jiān)控和故障診斷。

2.2 功能設(shè)計

2.2.1 數(shù)據(jù)采集功能

數(shù)據(jù)采集功能模塊包括數(shù)據(jù)采集、數(shù)據(jù)預(yù)處理、數(shù)據(jù)同步3個關(guān)鍵子功能項。首先，系統(tǒng)采用高性能的傳感器，如光電流傳感器、溫度傳感器和濕度傳感器，實時監(jiān)測光伏板的電流、溫度和環(huán)境濕度等關(guān)鍵參數(shù)[1]。傳感器利用無線傳感器網(wǎng)絡(luò)與中央處理單元連接，確保數(shù)據(jù)的實時傳輸。其次，數(shù)據(jù)預(yù)處理子模塊利用數(shù)據(jù)清洗算法，去除噪聲和異常值，如使用滑動窗口濾波器消除噪聲信號，濾波后的數(shù)據(jù)yt計算公式：

式中，xi為原始數(shù)據(jù)點，n為窗口大小，t為時間。

最后，數(shù)據(jù)同步子模塊利用時間戳對齊不同傳感器的數(shù)據(jù)，數(shù)據(jù)存儲子模塊使用數(shù)據(jù)庫管理系統(tǒng)（如MySQL）存儲處理后的數(shù)據(jù)，便于后續(xù)分析和檢索。

2.2.2 故障檢測功能

故障檢測功能模塊負責(zé)實時監(jiān)測光伏系統(tǒng)的運行狀態(tài)，及時發(fā)現(xiàn)潛在故障。該模塊包括實時監(jiān)測、異常檢測、故障報警3個子功能項。實時監(jiān)測子模塊讀取傳感器數(shù)據(jù)，持續(xù)跟蹤光伏系統(tǒng)的各項指標(biāo)，如電流、電壓和溫度等。異常檢測子模塊采用深度學(xué)習(xí)模型，如卷積神經(jīng)網(wǎng)絡(luò)（convolutional neural network，CNN）和長短期記憶（long short-term memory，LSTM）網(wǎng)絡(luò)，這些模型可以對傳感器數(shù)據(jù)進行特征提取和模式識別[2]，損失函數(shù)L計算公式：

式中，yi為真實標(biāo)簽，i為預(yù)測值，N為樣本數(shù)量。

故障報警子模塊以短信、郵件或應(yīng)用程序推送等方式，及時告知運維人員相關(guān)的故障信息，確?？焖夙憫?yīng)。

2.2.3 診斷分析功能

診斷分析功能模塊包括故障定位、原因分析、數(shù)據(jù)關(guān)聯(lián)3個子功能項。故障定位子模塊利用故障檢測模塊提供的異常數(shù)據(jù)，結(jié)合地理信息系統(tǒng)（geographic information system，GIS）技術(shù)，精準(zhǔn)定位故障發(fā)生的地理位置。原因分析子模塊采用因果推理算法，如貝葉斯網(wǎng)絡(luò)（Bayesian network），分析故障產(chǎn)生的根本原因，其計算公式：

式中，C為故障原因，E為觀測到的證據(jù)。

數(shù)據(jù)關(guān)聯(lián)子模塊負責(zé)查詢數(shù)據(jù)庫中的歷史故障記錄，識別故障模式和趨勢，輔助故障診斷[3]。

2.3 硬件設(shè)計

2.3.1 數(shù)據(jù)采集模塊

數(shù)據(jù)采集模塊采用了多種高性能硬件設(shè)備。電流傳感器選用型號為ACS712，其測量范圍可達到±30 A，精度為1.5%，能夠準(zhǔn)確測量光伏系統(tǒng)中的電流變化。電壓傳感器采用HNV025A，測量范圍為0～1 000 V，精度為0.5%，確保對光伏系統(tǒng)電壓的精確監(jiān)測。環(huán)境傳感器則使用BME280，可以同時測量溫度、濕度和氣壓等參數(shù)，溫度測量精度為±0.5℃，濕度精度為±3% RH。傳感器利用RS485通信接口與數(shù)據(jù)采集終端連接，數(shù)據(jù)采集終端采用STM32系列微控制器，能夠?qū)崟r采集并初步處理傳感器數(shù)據(jù)。

2.3.2 中央處理單元

中央處理單元選用了NVIDIA Jetson Xavier NX開發(fā)板。它搭載了NVIDIA Carmel ARMv8.2 64位中央處理器（central processing unit，CPU），具有六核處理器，主頻高達1.43 GHz。其還配備了384個NVIDIA Volta 圖形處理器（graphics processing unit，GPU）核心，能夠提供強大的并行計算能力，滿足深度學(xué)習(xí)算法對計算資源的高要求。該開發(fā)板具有8 GB 128位LPDDR4x內(nèi)存，能夠快速存儲和讀取數(shù)據(jù)。

2.3.3 存儲設(shè)備

存儲設(shè)備采用了三星970 EVO Plus固態(tài)硬盤，其容量為1 TB，順序讀取速度高達3 500 MB/s，順序?qū)懭胨俣葹? 300 MB/s。該固態(tài)硬盤具有高可靠性和耐用性，能夠快速存儲大量的光伏系統(tǒng)數(shù)據(jù)和診斷結(jié)果。為了防止數(shù)據(jù)丟失，還配備了一個容量為4 TB的西部數(shù)據(jù)外置硬盤作為備份存儲。在系統(tǒng)運行過程中，存儲設(shè)備負責(zé)存儲采集的數(shù)據(jù)、深度學(xué)習(xí)模型和診斷結(jié)果等信息，以便后續(xù)的查詢和分析[4]。

3 基于深度學(xué)習(xí)的分布式光伏故障診斷系統(tǒng)測試

3.1 測試環(huán)境

系統(tǒng)測試在模擬光伏電站運行的實驗室環(huán)境中執(zhí)行，采用真實光伏板和逆變器模型。測試平臺基于NVIDIA Jetson Xavier NX開發(fā)板，配備1 TB三星970 EVO Plus 固態(tài)硬盤（solid state disk，SSD）和4 TB西部數(shù)據(jù)外置硬盤，使用Dell P2421D顯示器進行結(jié)果展示。系統(tǒng)軟件環(huán)境為Ubuntu 18.04，采用Python 3.7進行編程。測試數(shù)據(jù)來源于實驗室模擬的故障場景與歷史故障數(shù)據(jù)集，確保測試條件的全面性和真實性。

3.2 測試結(jié)果

3.2.1 功能測試

如表1所示，功能測試涵蓋了系統(tǒng)的所有關(guān)鍵功能，數(shù)據(jù)采集的完整性達到100.0%，確保了輸入數(shù)據(jù)的可靠。故障檢測準(zhǔn)確率達到98.0%，有效識別了模擬的300次故障事件，其中僅6次誤報。診斷分析模塊對150種故障類型進行了準(zhǔn)確歸因，準(zhǔn)確率高達94.7%，僅8個案例分析出現(xiàn)偏差。報告生成時間穩(wěn)定在3.2 s，滿足實時響應(yīng)需求。

3.2.2 性能測試

性能測試結(jié)果（表2）顯示，系統(tǒng)實時平均響應(yīng)時間為1.8 s，遠低于預(yù)期閾值（5 s）。在24 h連續(xù)運行測試中，CPU占用率穩(wěn)定在34.5%，表明系統(tǒng)資源管理高效。10 GB數(shù)據(jù)讀寫測試中，存儲設(shè)備達到了3 200 MB/s的數(shù)據(jù)讀寫速度，確保了數(shù)據(jù)處理的流暢性。系統(tǒng)在性能方面表現(xiàn)優(yōu)異，滿足了高效率和穩(wěn)定性的要求。

4 結(jié)語

本文設(shè)計并實現(xiàn)了一個基于深度學(xué)習(xí)的分布式光伏故障診斷系統(tǒng)，有效提升了故障檢測的準(zhǔn)確率和響應(yīng)速度，但仍有提升空間。未來，可進一步改進數(shù)據(jù)采集模塊，提高數(shù)據(jù)質(zhì)量；優(yōu)化中央處理單元性能，加快診斷速度；完善顯示輸出，增強交互性；加強與其他領(lǐng)域合作，拓展系統(tǒng)應(yīng)用，為分布式光伏產(chǎn)業(yè)持續(xù)健康發(fā)展提供更有力保障。

參考文獻

[1] 鮮恒超.分布式光伏發(fā)電系統(tǒng)的狀態(tài)監(jiān)測及故障診斷[J].通訊世界，2024，31（6）：97-99.

[2] 姜侃.光伏發(fā)電系統(tǒng)故障診斷與恢復(fù)策略[J].大眾用電，2023，38（10）：50-51.

[3] 蔡斯源.分布式光伏發(fā)電系統(tǒng)的狀態(tài)監(jiān)測及故障診斷分析[J].集成電路應(yīng)用，2024，41（1）：126-127.

[4] 黃艷陽.整區(qū)屋頂分布式光伏發(fā)電系統(tǒng)巡檢方案分析[J].光源與照明，2022（12）：88-90.