基于熵特征融合的光伏组串直流电弧故障辨识方法

王天泽; 徐永海; 于荣跃; 陈林; 张雪梅; 潘明明

English Version Reader LoginJournal Login

您当前的位置：

首页 >

文章列表页 >

基于熵特征融合的光伏组串直流电弧故障辨识方法

更新时间：2025-12-18

- 基于熵特征融合的光伏组串直流电弧故障辨识方法
- Vol. 52, Issue 6, Pages: 97-106+115(2025)
- 作者机构：
  
  1. 华北电力大学电气与电子工程学院
  2. 国网山东电力公司市场营销服务中心(计量中心)
  3. 需求侧多能互补优化与供需互动技术北京市重点实验室(中国电力科学研究院有限公司)
- 作者简介：
- 基金信息：
- DOI：
  CLC： M615;TM501.2
- Published：2025
- 稿件说明：
移动端阅览
王天泽, 徐永海, 于荣跃, et al. 基于熵特征融合的光伏组串直流电弧故障辨识方法[J]. 2025, 52(6): 97-106+115.
DOI：

王天泽, 徐永海, 于荣跃, et al. 基于熵特征融合的光伏组串直流电弧故障辨识方法[J]. 2025, 52(6): 97-106+115. DOI：

摘要

直流电弧在光伏组串发生的位置不同则故障类型不同，直流电弧类型精细化识别是实现发生不同类型的直流电弧所采用的电路保护和电弧定位的基础。针对目前光伏组串直流电弧故障类型辨识模糊、分类粗糙的问题，将直流电弧故障类型划分为4类，并提出了一种基于熵特征融合的光伏组串直流电弧辨识方法。首先采集光伏组串电流作为特征信号，利用经验小波变换(empirical wavelet transform

EWT)提取特征信号中的高频分量；然后利用模糊熵、样本熵和包络熵刻画高频分量的故障特征，形成多维熵特征融合的故障特征向量，进而形成故障特征矩阵，并通过门控循环神经网络(gate recurrent unit

GRU)进行4种光伏组串直流电弧故障类型辨识；最后，通过实验数据验证了所提方法可以有效区分正常情况及不同位置不同类型的直流电弧故障且不受光伏遮荫故障和光伏输出功率的干扰，并与其他方法对比，验证了本文方法的准确性和有效性。

Abstract

关键词

Keywords

references

牟龙华,王伊健,蒋伟,张凡.光伏系统直流电弧故障特征及检测方法研究[J].中国电机工程学报,2016(19).

吴春华,徐文新,李智华,徐立娟,柏同杨.光伏系统直流电弧故障检测方法及其抗干扰研究[J].中国电机工程学报,2018(12).

苏晶晶,许志红.基于EMD和PNN的故障电弧多变量判据诊断方法[J].电力自动化设备,2019(04).

吴春华,徐文新,李智华,徐立娟.光伏系统直流侧故障电弧类型辨识及电路保护[J].中国电机工程学报,2017(17).

朱冠南,杨晓艺,高宇航,钟昱铭,熊兰,周林.小电流直流电弧的动态模拟及其稳态特性研究[J].电测与仪表,2020(01).

文云峰,杨伟峰,汪荣华,胥威汀,叶希,李婷.构建100%可再生能源电力系统述评与展望[J].中国电机工程学报,2020(06).

赵铁军,孟菁,宋岳奇,谢小英,张孟琛.组串式光伏系统直流串联电弧故障检测与保护策略[J].电力系统保护与控制,2020(20).

贾科,施志明,朱瑞,陈聪,陈淼,毕天姝.基于边界谐振识别的光伏直流升压汇集系统的故障处理[J].中国电机工程学报,2021(06).

刘永奇,陈龙翔,韩小琪.能源转型下我国新能源替代的关键问题分析[J].中国电机工程学报,2022(02).

熊庆,刘小军,郭自清,冯先勇,汲胜昌,祝令瑜.基于电流频谱积分差值的光伏系统电弧故障检测和定位[J].高电压技术,2021(05).

黄宵宵,吴春华,李智华,汪飞.光伏系统直流电弧故障检测方法对比研究[J].太阳能学报,2020(08).

Fugang Liu,Ziwei Zhang,Ruolin Zhou.Automatic Modulation Recognition Based on CNN and GRU[J].Tsinghua Science and Technology,2022(02).

杨帆,宿磊,杨志淳,徐丙垠,薛永端,王玮,邹国锋.基于改进CEEMDAN分解与时空特征的低压供电线路串联故障电弧检测[J].电力系统保护与控制,2022(12).

胡继新,许永新,耿镱诚,王永强.基于多特征融合的光伏系统串联直流电弧故障识别方法[J].现代电力,2022(05).

Views

545

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

Fault Diagnosis for Rotating Machinery on BP Network

On-line Monitoring and Diagnosis of Over-Heating Faults on Turbo-Generator

INTEGRATING ARTIFICIAL NEURAL NETWORK WITH EXPERT SYSTEM FOR FAULT DIAGNOSIS IN POWER SYSTEM

基于改进堆栈自编码器的变压器故障诊断模型

基于改进深度信念网络的旋转机械故障诊断研究

Related Author

杨玉华

宋之平

李如翔

戈志华

李和明

李永刚

Sheng Siqing

Yang Yihan

Related Institution

Dept. of Power Engineering

Dept.of Electric Power Engineering

华北电力学院电力工程系

华北电力大学控制与计算机工程学院

河北省输变电设备安全防御重点实验室(华北电力大学)

AI问答

⁰