BP神经网络在光伏发电系统故障诊断中的应用

BP神经网络在光伏发电系统故障诊断中的应用

王群新

（广州发展新能源股份有限公司510623）

摘要：当前，我国能源紧缺问题越来越严重，在这样的情况下，社会各个领域越来越着重关注可再生能源的开发和利用，以此来有效缓解全球范围内的能源危机，在这样的背景下，可再生能源的地位也得到显著的提升，特别是太阳能被社会各界广泛关注，太阳能光伏发电技术也有了不断的发展和优化，应用范围越来越广，人们的接受度和认可度也越来越高。因为光伏发电系统故障诊断对于发电系统的正常运行有着关键性的影响，要想对其进行科学合理的维护和监测需要付出极大的人力、物力和财力，特别是人工资源，所以寻找到更有效的监测和维护网络是至关重要的。结合这样的情况，本文有针对性的分析和探究BP神经网络在光伏发电系统故障诊断中的应用，希望通过本文的分析能够为相关从业者提供某种程度上的参考。

关键词：BP神经网络；光伏发电；系统故障；诊断；应用

引言

在光伏发电系统的故障诊断过程中，智能故障诊是最为常见的诊断方法，英文IFD（IntelligentFaultDiagnosis），主要以人工智能理论和方法为基础进行故障诊断，是一种全新的技术，在远程诊断领域十分广泛的应用。其中，人工智能以人工神经网络为基础，通过神经网络，利用人工模拟动物的大脑神经网络，有针对性的反映外界的信息，从而针对自身的内部结构进行有效调整和完善，由此最终形成一套与之相对应的更智能化的模型，构成一种自适应系统。在我国的光伏发电系统故障诊断过程中，有效运用这种神经网络系统，通过网络对其进行有针对性的调整和改进，能够进一步有效节省人力物力和财力，极大的提升诊断的效率和精准程度，呈现出巨大的应用效益。据此，下文重点分析BP神经网络在光伏发电系统故障诊断中的应用。

1BP神经网络概述

通常意义上我们所称之为的神经网络，也可以叫做人工神经网络，也可以简而言之称之为神经网络或类神经网络，在机器认知和学习相关的学科领域中，通常意义上有模拟生物的相关算法，例如，遗传算法、模拟退火算法等一系列相关内容，而在实际的应用过程中，可以很明显的看出，这些传统的算法并没有十分显著的应用能力和适应能力，也就是说，他们针对外界环境的变化，不能进行内部结构的调整和完善，自适应性比较薄弱。神经网络从根本上来讲，与人类大脑基本上是类似的，都是由神经元和突触构成的。人工神经网络所呈现出的优势主要体现在，它能够利用自身的不断学习和精进，进行及时有效的反馈，针对相关的超参数进行不断的修改和完善。在多种多样的神经网络中，应用最为广泛的是BP神经网络，BP神经网络是一种比较典型的多层网络，它主要包括三个层次，分别是：输入层、输出层以及隐层。对于BP算法来说，它主要指的是误差反向传播的简称，通常情况下，它和其他人工神经网络的常见方法进行有效的融合，共同作用，使网络得到更有效的健全和优化。这种方法首先有针对性的结合突触权值而产生相对应的输出值，然后进一步将输出值和已知的良好输出值展开相对应的比较和分析，然后对其均方误差进行相对应的计算，再把具体的误差反向传播给网络，确保每层网络中的权值都有与之相对应的其他改动，权值的更改最后会在很大程度上减少误差信号，然后再进一步重复这个过程，确保整体的误差值保持在闳值权限范围内，所以通常情况下这种方法也可以被认为是一种比较典型的监督式学习方法，和样本特征值进行比较和计算，从而得出相对应的计算模型，然后再利用不断的迭代，针对超参数进行不断的修改和完善，然后可以确保模型更精准有效，提升其精准程度，超出原先预定的阀值，通过这样的方法，针对全新的样本进行有针对性的预测。

2光伏发电系统故障诊断方法

针对光伏发电系统进行故障诊断的技术，涉及多种类型，并且随着科学技术的进一步发展，智能化的故障诊断技术及诊断方法得到了越来越广泛的应用。智能化的故障诊断技术包括两种类型，分别是信号预处理方法和故障模式识别诊断方法。其体而言，主要体现在以下几个方面。

2.1以信号检测为基础的故障诊断技术

以具体的信号检测为基础的故障诊断，是结合检测的故障信号，通过相对应的特征提取和故障识别，进一步探寻到相关的故障源。所以以信号检测为基础的故障诊断，其关键点主要是能够科学合理的选择好可以真正体现出设备运行状态的参数，然后通过小波分析等相关方法针对故障进行诊断。

2.2以模型为基础而进行的故障诊断技术

这种以模型作为基础的诊断方法，其核心是产生相对应的残差，把残差当做相关故障的指示信号，这种方法能够进一步有效克服专家系统知识的获取瓶颈，可以更有效的诊断出没有被预测到的故障，所以在业界受到广泛欢迎和认可。

2.3以知识为基础而开展的故障诊断技术

这种方法没有必要构建更精准有效的数学模型，往往结合长期的经验积累和相关的故障信息而研发和设计出相对应的智能化计算机程序，知识分成浅知识和深知识，在具体的应用过程中，以浅知识和深知识互相融合的方式，进行职能诊断。

3BP神经网络在光伏发电系统故障诊断中的应用

3.1从根本上保证光伏发电系统诊断样本的精准性和科学性。结合具体情况，有针对性的构建BP神经网络，在建立的过程中，需要充分选取相应的训练样本，然后以此为基础建立相对应的网络，针对神经网络训练而言，在最大程度上确保样本的科学性准确性是最为关键的，要进一步有效明确分类样本，并归纳出相应的样本特征和标签，以此为基准，开展后续的工作，同时要确保相关总结和归纳的科学性，合理性，这样才能够进一步提升故障诊断的效率。

3.2更科学合理的构建光伏发电系统故障诊断相对应的BP神经网络

以选择光伏发电系统故障样本为基础，确保其科学性，精准性，与此同时一定要建立相对应的网络，网络的建立有着至关重要的作用，它决定着后续任务的有效性和针对性。有针对性的通过之前的经验，以此为作为参考，针对光伏发电系统故障模式进行查找和排除，然后利用网络训练，有针对性的探究无发电系统故障模式与故障原因两者之间的内在联系。网络训练样本的标签可以利用二元化进行有效表示，也就是说，0为有故障，1为没有故障。在具体的构建过程中，要着重考虑三个大的因素，分别是BP神经网络科学合理的设计、每层的神经元个数和学习率。通常情况下该神经网络是由输人层、隐层和输出层有机构构成，输入节点是由问题模式来决定的。在具体的应用过程中，要注重把握光伏发电系统诊断的相关环节，使相关问题得到有效的探究，并据此提出相对应的完善策略，使光伏发电系统的诊断呈现出更大化的效益。

4结语

通过上面的分析，我们能够明显看出，在能源危机越来越严重的情况下，切实有效的应用光伏发电系统是至关重要的。随着科学技术的进深入发展，进一步推进BP神经网络在光伏发电系统故障诊断中的应用，并使其呈现出更大化的应用效果，对于可再生能源的利用和环境的保护都有着至关重要的作用，可以进一步提升光伏发电系统的运行效率，在最大程度上提升相关企业的经济效益，社会效益和生态效益。

参考文献：

[1]唐珂.神经网络在光伏发电系统故障诊断中的应用[J].中国设备工程，2018，（15）：93-94.

[2]刘玉英，冯英伟.BP神经网络光伏组件在线故障诊断系统开发[J].电源技术，2014，38（6）：1088-1089

[3]周丽霞，熊瑞平，杨荣松.LabVIEW在BP神经网络设备故障诊断系统中的应用[J].机床与液压，2007，35（4）：215-216，228.

[4]刘纪新，胡凤菊，贾晓芬，赵佰亭.BP神经网络在配料系统故障诊断中的应用[J].自动化博览，2008，25（1）：58-60.

[5]俞玮捷，刘光宇.基于BP神经网络的光伏系统故障诊断方法[J].杭州电子科技大学学报，2018，38（4）：52-57，89