鄭光軍 ,王 霄 ,龍道銀 ,楊 靖 ,覃 濤

(1.貴州大學(xué)電氣工程學(xué)院,貴州 貴陽 550025;2.中國(guó)電建集團(tuán)貴州工程有限公司,貴州 貴陽 550025)

0 引言

光伏陣列既是光伏發(fā)電的核心,又是光伏發(fā)電的基礎(chǔ)設(shè)備。近年來,隨著光伏發(fā)電應(yīng)用的快速發(fā)展,光伏陣列布置的復(fù)雜程度也在不斷提高。光伏發(fā)電系統(tǒng)故障類型也呈現(xiàn)出各式各樣的變化。其中,光伏陣列發(fā)生故障較常見、易發(fā)生。光伏陣列發(fā)生故障對(duì)整個(gè)發(fā)電系統(tǒng)影響是巨大,嚴(yán)重的話甚至?xí)斐苫馂?zāi)。因此,對(duì)光伏陣列故障診斷的方法進(jìn)行研究具有重大意義。因?yàn)楣夥嚵虚L(zhǎng)期暴露在室外的環(huán)境下,經(jīng)過長(zhǎng)年累月的風(fēng)吹雨打,不免會(huì)出現(xiàn)一些故障。隨著智能算法的迅速發(fā)展,Dempster-Shafer(D-S)證據(jù)理論因?yàn)榫哂泻芨叩慕鉀Q不確定信息特性、在工業(yè)應(yīng)用中有非常好的實(shí)用性,被廣泛運(yùn)用在信息融合、決策分析和人工智能等領(lǐng)域[1]。將D-S 證據(jù)理論運(yùn)用在光伏陣列故障診斷中,不僅可以解決光伏陣列故障中存在的數(shù)據(jù)交叉、誤判率高、診斷速度慢的問題,而且可以提高光伏陣列故障診斷的準(zhǔn)確性。但是采用傳統(tǒng)的Dempster 組合規(guī)則進(jìn)行證據(jù)融合時(shí),其結(jié)果在某些情況下經(jīng)常會(huì)出現(xiàn)違背常識(shí)的結(jié)論。這主要是因?yàn)閭鹘y(tǒng)的Dempster 融合規(guī)則只適用于融合證據(jù)沖突較小的證據(jù),一旦融合沖突大的證據(jù)就會(huì)出現(xiàn)結(jié)論悖論。為解決融合沖突大的證據(jù)這一缺陷,眾多學(xué)者針對(duì)這一缺陷積極地進(jìn)行分析和探討,提出了多種改進(jìn)方案。這些方案都在某種程度上彌補(bǔ)了證據(jù)理論的缺陷。但迄今為止,仍沒有取得一種特別可靠的方案?？傮w而言,現(xiàn)有的D-S 證據(jù)理論改進(jìn)方案主要?dú)w納為兩大類。第一類方法就是提出一種新的證據(jù)組合規(guī)則來代替?zhèn)鹘y(tǒng)的Dempster 規(guī)則,如:文獻(xiàn)[2]認(rèn)為所有沖突證據(jù)都不可以提供對(duì)證據(jù)融合結(jié)果有力的信息,將所有沖突信息全部歸納為未知來減少證據(jù)沖突;文獻(xiàn)[3]認(rèn)為證據(jù)之間的沖突有一部分是對(duì)證據(jù)融合結(jié)果有用的,因此應(yīng)將證據(jù)沖突的信息按照一定的分配比例分給所有證據(jù)的焦元集合;文獻(xiàn)[4]～文獻(xiàn)[10]也都分別提出相對(duì)應(yīng)的改進(jìn)方案。這些方法的核心是研究沖突信息應(yīng)如何分配給哪些命題,以及按照怎樣的分配方案去分配。第二類方法就是證據(jù)預(yù)處理[11],其核心就是在不改變證據(jù)理論中Dempster 組合規(guī)則的情況下,在證據(jù)合成前先對(duì)沖突證據(jù)進(jìn)行修改,減小沖突后用Dempster 組合規(guī)則進(jìn)行合成。目前,第一類方法效果不是很理想,因?yàn)槿绻C據(jù)沖突是因設(shè)備故障所導(dǎo)致的,卻將其認(rèn)為是證據(jù)組合規(guī)則所引起的就很不合理。第二類方法也存在著各種瑕疵。針對(duì)以上所述的問題,本文提出了一種新的算法,并將其運(yùn)用在光伏陣列故障診斷中,得到了顯著的改進(jìn)。

1 光伏陣列故障分析

光伏陣列在工作中會(huì)出現(xiàn)陰影遮蓋、組件老化、組件短路、組件開路、電池板裂化等故障。這些故障的出現(xiàn)會(huì)影響光伏陣列正常的運(yùn)行,甚至損壞光伏陣列器件。光伏陣列故障診斷就是通過光伏陣列發(fā)生故障時(shí)的狀態(tài)特征和對(duì)應(yīng)時(shí)刻的系統(tǒng)數(shù)據(jù),快速地判定故障類型。

光伏陣列發(fā)生開路、短路、陰影遮蓋等故障時(shí),就會(huì)出現(xiàn)其故障特有的現(xiàn)象。如:電壓、電流的突變使整個(gè)光伏發(fā)電系統(tǒng)輸出的電壓增大或減少等。光伏陣列的一種故障可能產(chǎn)生多種故障現(xiàn)象,而有些故障的故障現(xiàn)象有可能一樣。因此,只是單純地檢測(cè)一種故障特征,并不能完全正確地診斷出光伏陣列發(fā)生了哪一種故障。

本文以光伏陣列短路故障診斷作為研究對(duì)象,結(jié)合大量的光伏發(fā)電試驗(yàn)與運(yùn)維經(jīng)驗(yàn),總結(jié)引起光伏陣列短路的故障原因主要有:組件短路、組件老化、陰影遮蓋。同時(shí),總結(jié)引起光伏陣列短路故障的特征主要有以下7 種:A-組件溫度升高;B-電流瞬間增大;C-輸出功率增大;D-電流緩慢增大;E-產(chǎn)生電弧;F-輸出功率下降;G-故障點(diǎn)因過熱而損壞。其中:A、B、C 可表示組件短路;A、D、F、G 可表示陰影遮擋;A、B、E、F、G可表示組件老化;E、F 互斥,并且每種特征發(fā)生的概率不同。因此,當(dāng)特征A 發(fā)生或特征A、B 同時(shí)發(fā)生時(shí),每種故障特征和與之相對(duì)應(yīng)產(chǎn)生的原因的可能性大不相同。由此可知,不能簡(jiǎn)單地依靠每種故障特征發(fā)生原因的概率診斷短路故障的原因,也因此不能及時(shí)有效地排除故障。這體現(xiàn)了光伏陣列故障診斷的不確定性。

2 D-S 證據(jù)融合

傳統(tǒng)的D-S 證據(jù)理論融合算法融合證據(jù)時(shí)與沖突系數(shù)K有關(guān),但是傳統(tǒng)的證據(jù)沖突系數(shù)K不能有效地衡量各個(gè)證據(jù)之間的沖突。本節(jié)介紹傳統(tǒng)D-融合規(guī)則和利用Jousselem 改進(jìn)的衡量證據(jù)沖突系數(shù)。

2.1 Dempster 融合規(guī)則

在D-S 證據(jù)理論中首先定義一個(gè)辨識(shí)框架Ω,是一個(gè)非空集合,是由兩兩互斥的命題組成的有限完備集,即Ω={θ1,θ2,...,θn}。2Ω是Ω的冪集,是Ω所有子集的集合。

對(duì)2Ω的任意命題A,定義映射函數(shù)m:2Ω→[0,1]為Ω上的一個(gè)基本概率分配函數(shù)(basic probability assignment,BPA)。m滿足 :

對(duì)于?A?Ω,如果m(A) ＞0,則A為焦元,m(A)為A的基本概率賦值。m(A)反映了證據(jù)對(duì)A的信任度。

定義1:m1、m2是辨識(shí)框上的兩個(gè)獨(dú)立的BPA。m1、m2利用Dempster 組合規(guī)則為:

式中:m(A)為D-S 證據(jù)理論基本概率賦值,也是對(duì)A的可信度;K為證據(jù)沖突因子,表示了證據(jù)之間的沖突程度。

式中:K∈[0,1],K越大表示證據(jù)沖突越大。

當(dāng)K=1 時(shí),證據(jù)之間的沖突量最大,表示不能使用Dempster 組合規(guī)則。采用的Dempster 規(guī)則合成m1和m2的運(yùn)算也稱為求取m1和m2正交和的運(yùn)算,記為m1⊕m2。

對(duì)多組證據(jù)信任分配函數(shù)m1,m2,...,mn也可以通過正交和運(yùn)算實(shí)現(xiàn),即m1⊕m2⊕m3⊕...⊕mn。

定義2:m1,m2,...,mn是在同一個(gè)辨識(shí)框架Ω上的n組獨(dú)立的BPA,焦元分別為Ai(i=1,2,...,N)。則Dempster 規(guī)則為:

2.2 衡量證據(jù)沖突系數(shù)Q

D-S 證據(jù)理論在融合證據(jù)時(shí)與沖突系數(shù)K也有關(guān)系。因此,如何有效地計(jì)算出證據(jù)之間的沖突有著重要意義。沖突系數(shù)K∈[0,1]。當(dāng)K越大,證據(jù)之間的沖突也就越大。反之,當(dāng)K越小,證據(jù)之間的沖突程度就越小。當(dāng)K=1 時(shí),表示證據(jù)完全沖突,Dempster組合規(guī)則就不再適用,并且還會(huì)出現(xiàn)對(duì)一致證據(jù)的“誤判”以及沖突系數(shù)表征的沖突程度與實(shí)際不相符等問題。以下通過案例說明傳統(tǒng)的證據(jù)沖突衡量標(biāo)準(zhǔn)沖突系數(shù)存在的缺陷。

證據(jù)E1:m1=(0.25,0.25,0.25,0.25) 和E2:m2=(0.25,0.25,0.25,0.25),經(jīng)過計(jì)算得到兩個(gè)證據(jù)的沖突系數(shù)K=0.75。依據(jù)所定義的K進(jìn)行分析,可以得到這兩個(gè)證據(jù)的沖突程度很大。但實(shí)際上,這兩個(gè)證據(jù)沒有任何沖突是完全一樣的。

因?yàn)閭鹘y(tǒng)的沖突系數(shù)K在衡量證據(jù)沖突時(shí)有缺陷,導(dǎo)致D-S 證據(jù)理論在融合證據(jù)時(shí)得到的結(jié)果會(huì)出現(xiàn)誤判。因此,本文利用改進(jìn)的Jousselme 距離Q[12]作為證據(jù)沖突衡量標(biāo)準(zhǔn),可以準(zhǔn)確、有效地衡量證據(jù)沖突。

定義3:辨識(shí)框架Ω={θ1,θ2,...,θn},有證據(jù)E1和E2及其對(duì)應(yīng)的基本概率賦值為m1、m2,焦元各為A、B。則兩個(gè)證據(jù)E1、E2之間的mdBPA距離公式為:

式中:＜m1,m2＞為這兩個(gè)向量的內(nèi)積;＜m1,m1＞=;＜m2,m2＞=

利用Q計(jì)算證據(jù)沖突,對(duì)于例1 計(jì)算得到Q=0,可以得到兩證據(jù)無沖突,符合實(shí)際。因此,用沖突系數(shù)Q作為衡量證據(jù)沖突有效。

3 改進(jìn)的D-S 證據(jù)理論

傳統(tǒng)的D-S 證據(jù)理論無法融合高沖突證據(jù)。因此,本節(jié)利用權(quán)重系數(shù)的概念和沖突系數(shù)Q對(duì)各個(gè)證據(jù)基本概率賦值重新分配,然后利用改進(jìn)的融合規(guī)則融合證據(jù),并通過建立的判定規(guī)則識(shí)別融合結(jié)果。

3.1 引進(jìn)權(quán)重系數(shù)

由于傳統(tǒng)的D-S 證據(jù)理論中Dempster 融合規(guī)則,在融合高沖突證據(jù)時(shí)會(huì)失效,融合的結(jié)果一般與實(shí)際不相符。對(duì)此,本文從Haenni 的論點(diǎn)出發(fā),并思考發(fā)現(xiàn)證據(jù)源在一定程度上因?yàn)楸旧淼臈l件有限以及工作環(huán)境差異性的影響,所以由它們所提供的證據(jù)在證據(jù)組合的過程中,每個(gè)證據(jù)的重要程度都是有差別的。因此,在利用證據(jù)融合規(guī)則融合證據(jù)的過程中,引進(jìn)了表征各證據(jù)在證據(jù)融合中重要程度的權(quán)重系數(shù)h。

定義4:利用Dempster 規(guī)則進(jìn)行融合時(shí),有n個(gè)證據(jù)源同時(shí)提供證據(jù),證據(jù)集為E=(E1,E2,...,En)。則每個(gè)證據(jù)權(quán)重系數(shù)組成的權(quán)重向量H,用每個(gè)證據(jù)所占權(quán)重hi表示如下:

式中:hi∈[0,1]。

證據(jù)權(quán)重系數(shù)表述的是:由證據(jù)源所提供的證據(jù),在證據(jù)融合的過程中的所占比重和對(duì)融合結(jié)果的影響大小。

3.2 改進(jìn)的權(quán)重系數(shù)計(jì)算

在數(shù)據(jù)信息融合、決策等領(lǐng)域,少數(shù)服從多數(shù)的觀點(diǎn)得到了廣泛的運(yùn)用。Zadel 認(rèn)為D-S 證據(jù)理論中的各證據(jù)之間產(chǎn)生的高沖突或者是完全沖突,究其原因可能是單個(gè)證據(jù)或者是一小部分證據(jù)之間的極大不相容性所導(dǎo)致的。Yamada 提到D-S 證據(jù)融合規(guī)則的融合結(jié)果,可以保證大部分證據(jù)觀點(diǎn),是證據(jù)融合規(guī)則所具備的一個(gè)特征。本文受少數(shù)服從多數(shù)的決策思想啟發(fā),D-S 證據(jù)理論在證據(jù)合成過程中,產(chǎn)生高沖突或完全沖突的單個(gè)證據(jù)或是一小部分證據(jù),對(duì)Dempster 融合規(guī)則的結(jié)果影響作用應(yīng)該較小,所以其證據(jù)權(quán)重系數(shù)所占比就小。本文采用Q作為證據(jù)沖突衡量標(biāo)準(zhǔn),利用信息熵的思想衡量每個(gè)證據(jù)在證據(jù)合成過程中的重要程度。若是某個(gè)證據(jù)與其他證據(jù)的沖突越小,熵就越小,則此證據(jù)所占權(quán)重就越大,即證據(jù)之間支持度就越大;反之,沖突越大,熵就越大,則此證據(jù)所占權(quán)重就越小,即證據(jù)之間支持度越小。根據(jù)該標(biāo)準(zhǔn),即可確定權(quán)重向量H。

定義5:D-S 證據(jù)理論在證據(jù)合成的過程中,若有n個(gè)證據(jù)源一起提供證據(jù),則此證據(jù)集可表示為E={E1,E2,…,En}。此證據(jù)集里證據(jù)Ei的權(quán)重系數(shù)為hi,則由每個(gè)證據(jù)的權(quán)重系數(shù)所構(gòu)成的權(quán)重向量H為:H={h1,h2,…,hn}。其權(quán)重系數(shù)和權(quán)重向量的計(jì)算方法如下。

①計(jì)算此證據(jù)集中的證據(jù)Ei和其他證據(jù)Ej(j=1,2,n且j≠i)之間的沖突程度,則證據(jù)Ei的沖突向量Qi為:

式中:Qi為證據(jù)集中證據(jù)Ei與其他證據(jù)之間的沖突程度。

②將第一步得到的沖突向量Qi進(jìn)行歸一化處理:

從這一步驟可以清楚地看出,對(duì)某個(gè)證據(jù)和其他證據(jù)之間的沖突所占比重進(jìn)行歸一化,可以方便后面步驟的計(jì)算。

④對(duì)得到的沖突向量的熵值取倒數(shù):

⑤計(jì)算每一個(gè)證據(jù)Ei的權(quán)重系數(shù)hi:

這一步驟歸一化,可以更加簡(jiǎn)便地計(jì)算出權(quán)重系數(shù)。

通過定義5,可以確定各證據(jù)的權(quán)重系數(shù)hi和權(quán)重向量H。

3.3 改進(jìn)的融合規(guī)則

首先,將定義5 求得的各證據(jù)權(quán)重系數(shù)hi進(jìn)行排序,可以很明顯地看出各證據(jù)在證據(jù)合成過程中的重要性。設(shè)權(quán)重系數(shù)最大的證據(jù)為核心證據(jù),其他證據(jù)均為非核心,則可知各證據(jù)相對(duì)于核心證據(jù)的證據(jù)權(quán)重為:

式中:εi∈[0,1]。

當(dāng)εi=0 時(shí),證據(jù)Ei是完全不可靠的。當(dāng)εi=1時(shí),該表征證據(jù)Ei是完全可靠的。

其次,利用各證據(jù)相對(duì)于核心證據(jù)的證據(jù)權(quán)重,基于“折扣率”的思想,將各證據(jù)的基本概率賦值進(jìn)行轉(zhuǎn)換。令mεi表示對(duì)證據(jù)mi調(diào)整后的基本概率賦值,轉(zhuǎn)換方法如下:

式(15)中減小了證據(jù)權(quán)重小的證據(jù)中元素A提供的確定信息,加大了不確定元素Θ 提供的不確定信息。因此,通過式(15)的轉(zhuǎn)換,可以有效地減小證據(jù)之間彼此支持度較小的證據(jù)對(duì)合成結(jié)果的影響。

最后,仍利用Dempster 組合規(guī)則合成轉(zhuǎn)換后的基本概率賦值mεi:

改進(jìn)的合成公式不僅擁有傳統(tǒng)的證據(jù)理論中Dempster 合成公式的優(yōu)勢(shì),而且還包含了各證據(jù)在證據(jù)合成過程中的重要程度。這樣可以提高D-S 證據(jù)理論合成的結(jié)果的可靠性,并且與實(shí)際相符合。

3.4 目標(biāo)判定規(guī)則

本文將用以下規(guī)則進(jìn)行最后融合結(jié)果的目標(biāo)判定。

①最后判定的目標(biāo)對(duì)應(yīng)的基本概率賦值必須是最大的。

②最后判定的目標(biāo)對(duì)應(yīng)的基本概率賦值與其他目標(biāo)的基本概率賦值之差必須大于本文設(shè)置的下限σ1。

③不確定集合對(duì)應(yīng)的基本概率賦值m(Θ)必須小于所設(shè)定的上限σ2。其中,Θ 為不確定集合。

④最后判定的目標(biāo)對(duì)應(yīng)的基本概率賦值必須大于不確定集合基本概率賦值m(Θ)。

4 基于D-S 證據(jù)融合的故障診斷

光伏陣列故障參量和故障特征屬于非線性一一映射關(guān)系。D-S 證據(jù)融合算法是利用不同證據(jù)之間的基本概率值進(jìn)行證據(jù)融合,以解決不確定性的信息。但證據(jù)之間可能存在高沖突。因此,需要先解決證據(jù)之間高沖突的問題,再建立目標(biāo)判定規(guī)則,最后實(shí)現(xiàn)故障診斷。光伏陣列故障診斷流程如圖1 所示。

圖1 光伏陣列故障診斷流程圖Fig.1 Fault diagnosis process of PV array

5 仿真驗(yàn)證及結(jié)果分析

在試驗(yàn)室外搭建一個(gè)小型的光伏陣列測(cè)試平臺(tái)。此次光伏發(fā)電測(cè)試平臺(tái)由10 塊光伏板搭建成兩個(gè)2×2 的陣列和一個(gè)2×1 的陣列串聯(lián)而成,一塊光伏板開路電壓為21 V,短路電流為2 A,功率為50 W。根據(jù)光伏陣列發(fā)電試驗(yàn),建立光伏陣列故障診斷中短路故障的識(shí)別框架Θ={A=陰影遮擋,B=組件短路,C=組件老化}。對(duì)應(yīng)光伏陣列短路故障識(shí)別框架的證據(jù)如下。

①Z1:組件溫度升高。

②Z2:輸出功率增大。

③Z3:電流緩慢增大。

④Z4:故障點(diǎn)因過熱而損壞。

依據(jù)光伏電站以及試驗(yàn)室搭建的小型光伏陣列測(cè)試出的200 組數(shù)據(jù),由專家經(jīng)驗(yàn)以及大量的光伏陣列發(fā)電測(cè)試試驗(yàn)數(shù)據(jù)分析,對(duì)每條證據(jù)的焦元進(jìn)行基本概率賦值。

①Z1:m1(A)=0.6,m1(B)=0.1,m1(C)=0.3。

②Z2:m2(A)=0,m2(B)=0.8,m2(C)=0.2。

③Z3:m3(A)=0.7,m3(B)=0.2,m3(C)=0.1。

④Z4:m4(A)=0.6,m4(B)=0.2,m4(C)=0.2。

5.1 證據(jù)沖突計(jì)算和對(duì)比

利用本文的方法對(duì)這4 條證據(jù)進(jìn)行沖突計(jì)算,并將計(jì)算結(jié)果與傳統(tǒng)的沖突計(jì)算進(jìn)行對(duì)比。證據(jù)沖突系數(shù)對(duì)比如圖2 所示。

圖2 證據(jù)沖突系數(shù)對(duì)比示意圖Fig.2 Evidence conflict coefficient contrast

由圖2 中的數(shù)據(jù)對(duì)比可知,利用傳統(tǒng)的方法描述證據(jù)沖突時(shí)存在著不一樣的缺點(diǎn)。沖突系數(shù)K描述證據(jù)1、3、4 之間的沖突都在0.50 以上,與實(shí)際不符。Pignistic 概率距離描述證據(jù)沖突時(shí),證據(jù)1 和2 以及證據(jù)2 和3 之間的證據(jù)沖突是一樣的,但從證據(jù)源的概率知證據(jù)1、3 支持A 的概率程度是不一樣,所以也存在問題。Jousselme 證據(jù)距離描述證據(jù)之間的沖突時(shí)符合實(shí)際,但是與本文方法描述證據(jù)沖突對(duì)比可知,本文方法在描述證據(jù)沖突時(shí)能更有效地描述證據(jù)之間的沖突。由本文方法計(jì)算到證據(jù)2 與證據(jù)1、3、4 之間的沖突較大,沖突分別達(dá)到了0.87、0.84、0.80。除此之外,其他證據(jù)之間的沖突程度都比較小(在0.25 以下),符合實(shí)際情況。由此可知,這4 條證據(jù)之間存在高沖突。

5.2 證據(jù)融合結(jié)果對(duì)比

為了驗(yàn)證本文方法的有效性以及改進(jìn)的效果,下面對(duì)上述獲取的基本概率賦值,分別使用經(jīng)典Dempster 規(guī)則融合方法、Yager 算法、郭華偉算法、胡昌華算法和本文方法進(jìn)行證據(jù)融合,并對(duì)證據(jù)融合結(jié)果作比較分析。

若取上限值σ1=0.050 0、σ2=0.700 0,根據(jù)目標(biāo)判定規(guī)則,可得到5 種算法證據(jù)融合結(jié)果如表1 所示。

表1 5 種算法證據(jù)融合結(jié)果Tab.1 5 algorithms evidence fusion results

5.3 結(jié)果分析

由表1 可知,采用Dempster 規(guī)則、Yager 算法進(jìn)行證據(jù)融合,其識(shí)別結(jié)果是錯(cuò)誤的。對(duì)于Dempster 規(guī)則而言,是傳統(tǒng)的證據(jù)理論融合方法無法融合高沖突證據(jù);對(duì)于Yager 算法而言,不確定命題的基本概率m(Θ)大于所設(shè)定的σ2=0.700 0,因此識(shí)別結(jié)果是無法判斷的。這主要是因?yàn)閅ager 算法將支持沖突的基本概率都?xì)w納為未知命題。表1 中,郭華偉算法、胡昌華算法以及本文方法的融合結(jié)果識(shí)別目標(biāo)都是正確的。但本文方法的識(shí)別精度很大程度上高于其他算法,且收斂快。因此,利用本文方法進(jìn)行證據(jù)融合,其融合結(jié)果相對(duì)于傳統(tǒng)的方法更可靠、更具有可信度。由本文方法可知,當(dāng)證據(jù)集中有3 個(gè)證據(jù)時(shí),就能夠快速、準(zhǔn)確地融合到正確的結(jié)果。結(jié)合證據(jù)集中的4 個(gè)證據(jù)可知,證據(jù)2 應(yīng)該是干擾數(shù)據(jù),與其他的證據(jù)相互存在著很大的差別。本文利用改進(jìn)的Q和信息熵改進(jìn)的權(quán)重系數(shù),極大地減少了一些干擾證據(jù)對(duì)證據(jù)融合結(jié)果的影響,并且有著很強(qiáng)的抗干擾能力和收斂速度快等特點(diǎn);而且此方法極大地加強(qiáng)了D-S 證據(jù)合成結(jié)果的準(zhǔn)確性和可靠性。從表1 還可知,當(dāng)證據(jù)集中支持A的證據(jù)越來越多時(shí),收斂速度會(huì)越來越快,融合結(jié)果也會(huì)越來越可靠。

6 結(jié)論

針對(duì)光伏陣列故障有大量不確定性的問題,本文利用D-S 證據(jù)理論具有處理不確定性信息能力的優(yōu)點(diǎn),建立了光伏陣列故障特征的基本概率賦值函數(shù),并將其隸屬度的值作為證據(jù)理論融合的基本概率賦值,從而有效找出光伏陣列故障的原因。該方法的基本隸屬度的確定是由歷史數(shù)據(jù)和經(jīng)驗(yàn)賦值產(chǎn)生的,不需用大量的樣本數(shù)據(jù)去訓(xùn)練。該方法利用改進(jìn)的D-S 證據(jù)理論解決故障特征不確定信息,可以在證據(jù)相對(duì)較少的情形下快速融合證據(jù)并得到正確的結(jié)果、提高收斂速度并減少高沖突證據(jù)帶來的決策缺陷。與此同時(shí),該方法極大程度地提高了融合證據(jù)沖突的情況下融合結(jié)果的可信度,有效提高了光伏陣列故障診斷的準(zhǔn)確性和靈敏性,減少了光伏陣列故障帶來的損失。