System.ArgumentOutOfRangeException: 索引和長度必須引用該字符串內的位置。 參數名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技術實現步驟摘要】
本申請涉及溫度異常識別,尤其涉及一種igbt模塊溫度異常識別方法及裝置。
技術介紹
1、在光伏電站運行過程中,igbt模塊作為集中式逆變器的核心部件,其工作狀態直接影響到光伏電站整個系統的穩定性和效率。過高的工作溫度會加速igbt模塊老化,甚至使其出現故障。因此,實時準確地識別igbt模塊的溫度異常對于預防性維護和提高系統可靠性至關重要。
2、目前,大多采用基于預設閾值進行監控的方法來識別igbt模塊的溫度異常,但是這種方法缺乏靈活性,難以適應復雜多變的實際工況。
技術實現思路
1、本申請實施例通過提供一種igbt模塊溫度異常識別方法及裝置,解決了現有技術中采用基于預設閾值進行監控的方法來識別igbt模塊的溫度異常,缺乏靈活性,難以適應復雜多變的實際工況的技術問題。第一方面,本申請實施例提供的一種igbt模塊溫度異常識別方法,所述方法包括:獲取溫度的時間序列并進行歸一化,形成原始數據集;基于所述原始數據集進行時序預測,獲得每個時刻的預測值,并計算所述預測值與所述原始數據集中的原始值的殘差項,形成殘差數據集;根據每個所述殘差項的k-最近鄰點集合和預設權重函數確定每個所述殘差項的加權平均距離;根據最小點數的預設取值范圍,通過計算聚類評價指標的最小值確定最佳最小點數;基于所述加權平均距離和所述最佳最小點數,對所述殘差數據集進行聚類分析,并根據所述聚類分析的結果識別異常溫度。
2、結合第一方面,在一種可能的實現方式中,所述基于所述原始數據集進行時序預測,獲得每個時刻
3、結合第一方面,在一種可能的實現方式中,所述根據每個所述殘差項的k-最近鄰點集合和預設權重確定每個所述殘差項的加權平均距離,包括:計算每個所述殘差項與對應的所述k-最近鄰點集合中每個點的近鄰距離;根據所述近鄰距離,計算每個所述殘差項的局部密度;基于所述局部密度和所述近鄰距離,構造所述預設權重函數;根據所述近鄰距離和所述預設權重函數,計算每個所述殘差項的所述加權平均距離。
4、結合第一方面,在一種可能的實現方式中,所述預設權重函數如下:其中,表示所述局部密度,表示所述近鄰距離,表示調整各因素權重的參數。
5、結合第一方面,在一種可能的實現方式中,所述對所述殘差數據集進行聚類分析,包括:采用基于密度的聚類算法,對所述殘差數據集進行聚類分析。
6、結合第一方面,在一種可能的實現方式中,所述聚類評價指標為戴維森堡丁指數。
7、結合第一方面,在一種可能的實現方式中,所述方法還包括:在識別出溫度異常狀態時,發出預警信號;其中,所述預警信號包括溫度異常的位置信息。
8、第二方面,本申請實施例提供了一種igbt模塊溫度異常識別裝置,該igbt模塊溫度異常識別裝置包括:獲取模塊,用于獲取溫度的時間序列并進行歸一化,形成原始數據集;殘差模塊,用于基于所述原始數據集進行時序預測,獲得每個時刻的預測值,并計算所述預測值與所述原始數據集中的原始值的殘差項,形成殘差數據集;距離模塊,用于根據每個所述殘差項的k-最近鄰點集合和預設權重函數確定每個所述殘差項的加權平均距離;最小點數模塊,用于根據最小點數的預設取值范圍,通過計算聚類評價指標的最小值確定最佳最小點數;識別模塊,用于基于所述加權平均距離和所述最佳最小點數,對所述殘差數據集進行聚類分析,并根據所述聚類分析的結果識別異常溫度。
9、第三方面,本申請實施例提供了一種電子設備,該電子設備包括存儲器、處理器以及存儲在所述存儲器中并可在所述處理器上運行的計算機程序,所述處理器執行所述計算機程序時實現如第一方面或第一方面任一種可能的實現方式所述的方法。
10、第四方面,本申請實施例提供了一種計算機可讀存儲介質,所述計算機可讀存儲介質存儲有計算機可讀指令,所述計算機可讀指令被處理器執行時實現如第一方面或第一方面任一種可能的實現方式所述的方法。
11、本申請實施例中提供的技術方案,至少具有如下技術效果:
12、本申請實施例提供了一種igbt模塊溫度異常識別方法,該方法通過獲取溫度的時間序列并進行歸一化形成原始數據集,并通過計算每個時刻的預測值與原始值的殘差項形成殘差數據集,基于加權平均距離和最佳最小點數對殘差數據集進行聚類分析,根據聚類分析的結果識別異常溫度。使用該igbt模塊溫度異常識別方法進行異常溫度識別時,無需人工提前設定固定閾值,基于加權平均距離和最佳最小點數對殘差數據集進行聚類分析,根據聚類分析的結果識別異常溫度,進而實現了對不同環境和工況下的溫度變化的自適應,使該igbt模塊溫度異常識別方法具有更好的靈活性。并且,該方法根據每個殘差項的k-最近鄰點集合和預設權重函數確定每個殘差項的加權平均距離,根據最小點數的預設取值范圍,通過計算聚類評價指標的最小值確定最佳最小點數,實現了聚類算法參數的自適應確定,不需要人工觀察聚類結果后手動調整參數,實現了無監督自主聚類。
本文檔來自技高網...【技術保護點】
1.一種IGBT模塊溫度異常識別方法,其特征在于,包括:
2.根據權利要求1所述的方法,其特征在于,所述基于所述原始數據集進行時序預測,獲得每個時刻的預測值,包括:
3.根據權利要求1所述的方法,其特征在于,所述根據每個所述殘差項的K-最近鄰點集合和預設權重確定每個所述殘差項的加權平均距離,包括:
4.根據權利要求3所述的方法,其特征在于,所述預設權重函數如下:;
5.根據權利要求1所述的方法,其特征在于,所述對所述殘差數據集進行聚類分析,包括:
6.根據權利要求1所述的方法,其特征在于,所述聚類評價指標為戴維森堡丁指數。
7.根據權利要求1所述的方法,其特征在于,所述方法還包括:
8.一種IGBT模塊溫度異常識別裝置,其特征在于,包括:
9.一種電子設備,其特征在于,包括存儲器、處理器以及存儲在所述存儲器中并可在所述處理器上運行的計算機程序,所述處理器執行所述計算機程序時實現如權利要求1-7任一項所述的方法。
10.一種計算機可讀存儲介質,其特征在于,所述計算機可讀存儲介
...【技術特征摘要】
1.一種igbt模塊溫度異常識別方法,其特征在于,包括:
2.根據權利要求1所述的方法,其特征在于,所述基于所述原始數據集進行時序預測,獲得每個時刻的預測值,包括:
3.根據權利要求1所述的方法,其特征在于,所述根據每個所述殘差項的k-最近鄰點集合和預設權重確定每個所述殘差項的加權平均距離,包括:
4.根據權利要求3所述的方法,其特征在于,所述預設權重函數如下:;
5.根據權利要求1所述的方法,其特征在于,所述對所述殘差數據集進行聚類分析,包括:
6.根據權利要求1所述的方法,其特...
【專利技術屬性】
技術研發人員:劉明哲,李鴻野,段增權,任海,丁耀,顧晟,
申請(專利權)人:中國三峽新能源集團股份有限公司,
類型:發明
國別省市:
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。