(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210941993.7 (22)申请日 2022.08.08 (71)申请人 江苏戴日光控能源科技有限公司 地址 221011 江苏省徐州市贾 汪区潘安湖 恒盛智谷7号楼 (72)发明人 夏之秋　魏子麒　王春鹏　李潇潇　 白建波　赵婷婷　 (51)Int.Cl. H02S 50/10(2014.01) G01D 21/02(2006.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种基于Hopfield神经网络的光伏电站故 障诊断方法 (57)摘要 一种基于Hopfield神经网络的光伏电站故 障诊断方法， 其特征在于包括： 光伏组件阵列、 测 量模块、 控制模块、 通讯模块、 环境温度测量仪、 照度测量仪构成； 根据当前照度测量仪输出的照 度值、 环境温度测量仪输出的温度值、 光伏阵列 的电流和电压值， 采用Hopfield神经网络的计算 方法， 检测出光伏阵列是否出现光伏热斑、 阴影 遮挡、 异常老化三种故障类型。 权利要求书2页 说明书5页 附图1页 CN 115296615 A 2022.11.04 CN 115296615 A 1.一种基于Hopfield神经网络的光伏电站 故障诊断方法， 其特征在于包括： 光伏阵列、 测量模块、 控制模块、 通讯模块、 环境 温度测量仪， 照度测量仪构成； 所述光伏阵列由多个光 伏组件串联构成； 所述光伏阵列的输出端与所述测量模块的输入端连接； 所述测量模块的 输出端与所述控制模块的输入端连接； 所述控制模块的输出端与所述通讯模块的输入端连 接； 所述测量模块包括电压采样模块和电流采样模块， 所述电压采样模块个数与光伏组件 的个数相同， 所述每个电压采样模块的输入端分别与相应光伏组件的输出端连接， 所述电 流采样模块的输入端与任意一块光伏组件的输出端连接， 用于实时采集光伏阵列的输出电 压和输出电流； 所述通讯模块用于将当前系统状态以及故障检测结果传出, 所述环境温度和照度测量仪安装在光伏组件场附近， 其输出端与所述控制模块的输入 端连接， 用于测量当前环境场的环境温度和太阳能辐照量； 所述控制模块根据当前所述环 境温度和照度测量仪输出的照度值、 光伏组件的电流和电压值， 采用Hopfield神经网络的 计算方法， 检测出光伏组件是否出现热斑、 遮挡 、 异常老化故障。 2.根据权利要求1所述的一种基于Hopfield神经网络的光伏电站故障诊断方法， 具体 步骤如下： 步骤1获取检测样本数据 选择阳光充足的天气， 将早上6点到晚间6点的时间段进行整点划分， 分别选择光伏组 件正常运行、 光伏热斑、 阴影遮挡、 异常老化四种情况下， 设 T为环境温度，G为照度，V为光伏 组件的电压， I为电流，t为时间， 其中 t=1,2,..., m， 获取不同时间段的照度 值G1, G2, ...,  Gm， 环境温度值 T1, T2, ..., Tm， 光伏组件的电压值 V1, V2, ..., Vm， 电流值I1, I2, ...,  Im， 采集100天以上的样本值， 作为Hopfield神经网络的Heb b学习检测样本, 步骤2采用Heb b学习算法进行 经验学习  1） 选定输入和输出检测样本 采集经验学习检测样本， 将采集到的时间 t、 环境温度 T、 照度G、 光伏组件 的电压V和电 流I的值转换成二进制； 当光伏阵列发电正常时， 输出 d等于00； 当光伏阵列出现光伏热斑故 障时， 输出 d等于01； 当光伏阵列出现阴影遮挡故 障时， 输出 d等于10； 当光伏阵列出现异常 老化故障时， 输出 d等于11,则： 输入样本为： = ， 输出样本为:   2） 进行Heb b经验学习 设给定 个需要记忆的检测样本向量  且  , 则可得权矩阵：权　利　要　求　书 1/2 页 2 CN 115296615 A 2在一定条件下， … 可为Hopfield网络的 个稳定点， 当输入某一 向量时 网络能找到与此向量ham ming距离最近的那个稳态， 终止迭代； 步骤3获取当前的照度值、 环境温度值、 光伏组件的电压值、 电流 值 读取照度测量仪的照度值； 温度测量仪的环境温度值； 通过电压采样模块获取光伏组 件的电压值 V； 通过电流采样模块获取电流 值I， 送入控制模块， 步骤4采用Hopfield神经网络进行 联想记忆 1） 采用Hopfield神经网络进行迭代计算， 各神经 元之间的连接权矩阵 由上述的Hebb 学习得到， 为其阈值， 为神经元 的状态， 取值为+1或 ‑1， 网络采用并行工作方式,   将可视激励向量 作为Hopfield网络的初始向量进行迭代， 迭代公式如下：   (2.18) 其中：  ， ； 当某一有限时刻以后网络状态不再变化， 即 ,  ， 则网络 达到稳态 ,  如果此稳定状态对应于网络已 存储的 个样本中的一个 , ， 即 = ， 则称 是由 联想起来的， 2） 将当前的时间 t、 环境温度值 T、 照度值G、 光伏组件 的电压值 V和电流值 I作为输入向 量u， 输入到上述的Hopfield神经网络中， 则可以计算出网络的输出值 d，当输出值 d等于00 时认为光伏组件正常， 当 d等于01时认为光伏组件出现光伏热斑故障， 当 d等于10时认为光 伏组件出现阴影遮挡故障， 当 d等于11时认为光伏组件出现异常 老化故障。权　利　要　求　书 2/2 页 3 CN 115296615 A 3