CN105978486B - 一种硅太阳能电池阵列的故障检测方法 - Google Patents
一种硅太阳能电池阵列的故障检测方法 Download PDFInfo
- Publication number
- CN105978486B CN105978486B CN201610599612.6A CN201610599612A CN105978486B CN 105978486 B CN105978486 B CN 105978486B CN 201610599612 A CN201610599612 A CN 201610599612A CN 105978486 B CN105978486 B CN 105978486B
- Authority
- CN
- China
- Prior art keywords
- mrow
- msub
- equivalent resistance
- series equivalent
- solar cell
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 21
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 title claims abstract description 11
- 229910052710 silicon Inorganic materials 0.000 title claims abstract description 11
- 239000010703 silicon Substances 0.000 title claims abstract description 11
- 230000014509 gene expression Effects 0.000 claims abstract description 28
- 230000032683 aging Effects 0.000 claims abstract description 8
- 210000004027 cell Anatomy 0.000 claims description 25
- 230000004888 barrier function Effects 0.000 claims description 4
- 210000003850 cellular structure Anatomy 0.000 claims description 3
- 238000005286 illumination Methods 0.000 claims description 2
- 230000005855 radiation Effects 0.000 claims 1
- 230000004069 differentiation Effects 0.000 abstract description 3
- 238000000034 method Methods 0.000 description 18
- 238000005259 measurement Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 241000208340 Araliaceae Species 0.000 description 2
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 2
- 235000003140 Panax quinquefolius Nutrition 0.000 description 2
- 230000000903 blocking effect Effects 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 235000008434 ginseng Nutrition 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 239000004576 sand Substances 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 229910021421 monocrystalline silicon Inorganic materials 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02S—GENERATION OF ELECTRIC POWER BY CONVERSION OF INFRARED RADIATION, VISIBLE LIGHT OR ULTRAVIOLET LIGHT, e.g. USING PHOTOVOLTAIC [PV] MODULES
- H02S50/00—Monitoring or testing of PV systems, e.g. load balancing or fault identification
- H02S50/10—Testing of PV devices, e.g. of PV modules or single PV cells
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/50—Photovoltaic [PV] energy
Landscapes
- Photovoltaic Devices (AREA)
- Testing Of Individual Semiconductor Devices (AREA)
Abstract
本发明公开了一种硅太阳能电池阵列的故障检测方法,具体包括以下步骤:S1采集太阳能电池阵列的温度以及辐照度,得到太阳能电池阵列在该条件下的I‑V输出特性关系;S2根据得到的I‑V输出特性关系式,利用基于I‑V输出特性的实际串联等效电阻计算式,计算出太阳能电池组件的实际串联等效电阻RS1,通过基于环境参数的参考串联等效电阻计算式,计算出太阳能电池组件的参考串联等效电阻RS;S3根据实际串联等效电阻RS1与参考串联等效电阻RS之间的比值得到K;S4根据K值大小判别太阳能电池阵列故障、电池组件老化或被遮挡的严重程度。本发明综合考虑了温度,辐照度,输出电压、电流参数,提高了判别的精确度,并且能定位故障点的位置。
Description
技术领域
本发明属于硅太阳能电池技术领域,涉及一种基于硅太阳能电池I-V输出特性表达式的故障检测方法,具体涉及一种硅太阳能电池阵列的故障检测方法。
背景技术
光伏系统作为洁净能源有着良好的应用和发展前景,太阳能电池作为光伏系统的核心越来越受到人们的关注。而太阳能电池阵列的故障往往制约着光伏发电,因此太阳能电池阵列的故障在线检测显得十分重要。目前检测技术主要有以下几类:1.基于红外图像分析法,是一种不需要测量太阳能电池组件参数的方法,只需要利用红外摄像机将电池组件拍摄下来,然后利用计算机进行图像分析就可以进行故障诊断,主要是通过故障点与正常工作组件的温差从而判别,这种检测方法成本太高,不易推广,该方法也只适用于研究或一些特殊的场合;2.基于电路结构的方法,其实质是通过改变光伏系统太阳能电池阵列结构来达到减少传感器的目的。但是故障原因和表现形式是多种多样的,通过改变电路结构,用传感器来测量一些电参数进行故障诊断是十分复杂的,并且会增加系统成本,所以基于电路结构的方法更多的是用于一些特殊场合或小规模的光伏系统中;3.还有基于测量接地电容的方法,但是在实际中很难满足该方法的检测条件;4.基于电气测量法是最简单的方法,其中最普遍的一种方法是对光伏系统太阳能电池阵列的I-V曲线进行测量,比较测量得到的曲线和理论曲线就能够判断太阳能电池阵列是否发生了故障。文献[OOZEKIT,YAMADAT,KATOK.On-site Measurements of photovoltaic systems for detection offailure modules[C]//IEEE Photo-voltaic Symposium on IndustrialElectronics.San Diego,CA,USA:IEEE,2008:1-6].使用了这一种方法,这种方法不需要测量温度与辐照度,利用这种方法可以检测到一些简单的故障。[VANDEE,GXASHEKAAR,MEYEREL.Monitoring current-voltage characteristics of photovoltaic modules[C]//IEEE Photo-voltaic Specialists Conference.New York,USA:IEEE,2002:1516-1519.]进一步将I-V曲线与环境温度、太阳辐照度及组件温度等进行数据融合,可以更加全面的描述太阳能电池阵列的行为,其检测结果更加准确。但是上述两类所使用基于测量I-V曲线方法的缺点是不能确定故障发生的位置,而且所能够确定的故障类型也十分有限;5.也有直接扫描电压,通过比较各个组件间的电压,认为偏离组件平均水平的组件便是有故障的组件,但是该方法并未考虑到辐照度与温度的因素的影响,所以限制了判别的精确度,只能简单的故障判别。
发明内容
有鉴于此,本发明公开了一种硅太阳能电池阵列的故障检测方法。
本发明的目的是通过以下技术方案来实现的:一种硅太阳能电池阵列的故障检测方法,包括以下步骤:
S1采集太阳能电池阵列的温度以及辐照度,得到太阳能电池阵列在该条件下的I-V输出特性关系式;
S2将太阳能电池阵列在正常工作时的I-V输出特性关系式作为标准I-V输出关系式,将检测到的组件间的电压值代入到所述标准I-V输出关系式中得到计算电流值,在每条支路上串接一个电流传感器检测支路电流;
若电流传感器测得的电流值明显小于所述计算电流值,则该支路为故障支路;
若电流传感器检测到的电流值为零,则该支路故障为断路故障;
S3根据得到的I-V输出特性关系式,利用基于I-V输出特性的实际串联等效电阻计算式,计算出太阳能电池组件的实际串联等效电阻Rs1,通过基于环境参数的参考串联等效电阻计算式,计算出太阳能电池组件的参考串联等效电阻Rs;
S4根据实际串联等效电阻Rs1与参考串联等效电阻Rs之间的比值得到K;
S5根据K值大小判别太阳能电池阵列故障、电池组件老化或被遮挡的严重程度,K值越大遮挡或者老化程度越严重。
进一步,所述I-V输出特性关系式为:
其中I表示输出电流,V表示输出电压,G表示辐照度,Gref表示参考辐照度,T表示电池温度,Tref表示参考电池温度,α是温度系数,为正数;β是辐照度系数,为一负数,α与β的值通过实验数据拟合得到,ISC为太阳能电池短路电流,α1为温度补偿系数,β1为简化合并后的系数,K1为拟合系数,VT=N·(Tk/q),其中N为输出电压V值所对应的串联电池组件个数,k表示波尔兹曼常数,q表示电子电荷。
进一步,基于I-V输出特性的实际串联等效电阻计算式为:
RS1=[ln((IL-(I+K1I))Io+1)·VT-V]/IN (4)
其中IL为光生电流,Io为等效二极管反向饱和电流
基于环境参数的参考串联等效电阻计算式为:
RS=(α·T+β·G)/N (7)
其中(4)-(6)根据太阳能电池阵列输出I,V量,再根据基于I-V输出特性的串联等效电阻计算式,计算出的电阻值RS1称为实际串联等效电阻;
其中(7)直接根据环境参数T,G进而求得的电阻值RS称为参考串联等效电阻。
进一步,所述步骤S2与步骤S3之间还包括步骤S21:根据I-V输出特性关系式找出故障支路,并对故障类型及故障位置进行判断。
由于采用了以上技术方案,本发明具以下有益技术效果:
本发明通过采集太阳能电池阵列的温度及辐照度,采用太阳能电池的精确数学模型得到I-V输出特性关系式,计算出实际串联等效电阻RS1,参考串联等效电阻RS及其比值K,进而检测太阳能电池阵列故障。本发明综合考虑了温度,辐照度,输出电压、电流参数,提高了判别的精确度,并且能定位故障点的位置。
附图说明
为了使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作进一步的详细描述,其中:
图1为太阳能电池等效参数模型;
图2实测数据与通过I-V输出特性关系式得到I-V曲线对比图;
图3为太阳能电池阵列示意图;
图4为不同照射条件下串联等效电阻比;
图5为算法流程图。
具体实施方式
以下将结合附图,对本发明的优选实施例进行详细的描述;应当理解,优选实施例仅为了说明本发明,而不是为了限制本发明的保护范围。
本发明方法具体完整步骤为:
(一)太阳能电池阵列输出I-V特性表达式的求取;基于经典的参数等效模型,求出太阳能电池阵列I-V输出的基本函数表达式:
其中RHS为并联等效电阻。
然后分别分析辐照度与温度对这些等效参数的影响。最终得到一个含有温度与辐照度参数的I-V输出表达式。但是这样的表达式比较繁琐,需要简化处理,在分析的过程中,发现部分参数对I-V输出表达式影响不明显比如并联等效电阻,这些参数就可以当定值处理。而有些电阻则对I-V输出曲线影响明显,比如串联等效电阻,这时候考虑温度与辐照度对其的影响就是必要的。以及对于难以求解的参数可以通过实际检测的数据进行拟合得到。通过这些处理既保证了精确性,也使得I-V输出特性得到简化,如下所示的I-V输出特性关系式:
其中需要拟合的只有α,β,β1,α1,K1,其它参数为已知参数。VT=N·(Tk/q),其中N为输出电压V值所对应的串联电池组件个数。根据实验数据,借助matlab最小二乘法拟合得到最终的任意条件下太阳能电池阵列输出I-V关系式,针对型号为TSM-175DA01的单晶硅太阳电池组件,拟合得到的I-V输出特性关系式如下:
其中分别为0.0037(Ω/℃),0.00021(Ω·m2/W),0.014(℃-1),3.6×10-9(A),0.0015。实测数据与通过I-V输出特性关系式得到I-V曲线如图2。显然I-V曲线与实际测得实验数据很吻合,从而验证了该I-V输出特性关系式的合理性。
(二)根据得到的I-V输出特性关系式,计算出实际串联等效电阻RS1;根据算出的实际串联等效电阻与参考串联等效电阻之间的比值得到串联等效电阻比值K;根据K值大小从而判别是否有故障或者电池老化。
依据太阳能电池在正常工作时其输出电压与电流满足(2)式。根据(2)式,由采集到的太阳能电池阵列温度与辐照度可以得到该太阳能电池列阵的I-V输出关系式,该I-V输出关系式可作为该阵列的标准I-V输出关系式。当某个组件出现被遮挡或者短路故障或者断路故障,显然该组件所在支路的I-V输出关系与标准I-V输出关系有不同程度的偏差。这就是故障检测的根本依据。针对SP结构的太阳能电池阵列,判断思路如下:首先判断出现故障的支路,再确定故障点在支路上的准确位置。
故障支路的确定:假设检测的是一个基于SP结构的N×M太阳能电池阵列,如图3所示。每条支路上串接一个电流传感器检测支路电流。把检测到的N个组件间的电压值带入到标准I-V输出关系式中去计算得到电流值,实测电流值明显小于计算电流值的支路是有故障的支路。如果某条支路电流为零,该支路故障为断路故障。
支路上故障点的确定:当故障点被长时间遮挡,则温度比正常高,而且辐照度变小,对应的串联等效电阻变大。当故障点是老化引起的,串联等效电阻也是变大。串联电阻本身较小,所以采用电阻比值的方式,即通过检测组件上的I,V值计算出该组件实际串联等效电阻与当前环境参数条件下的参考串联等效电阻的比值。在计算实际串联等效电阻的时候,以RS1为待求量,根据I-V输出特性关系式可得,
RS1=[ln((IL-(I+K1I))Io+1)·VT-V]/IN (4)
其中IL为光生电流,Io为等效二极管反向饱和电流,
其中(4)-(6)根据太阳能电池阵列输出I,V量,再根据基于I-V输出特性的串联等效电阻计算式,计算出的电阻值RS1称为实际串联等效电阻。
参考串联等效电阻可以根据环境参数电池温度T,辐照度G,太阳能电池阵列输出电压V,输出电流I,可以计算出此时单个电池组件的实际串联等效电阻。单个电池组件的参考串联等效电阻的表达式为:
RS=(α·T+β·G)/N (7)
该电阻值作为单个太阳能电池组件,在当前环境参数条件下正常工作时串联等效电阻。当出现遮挡时,I-V输出特性关系式中的光生电流是比实际光生电流大,又根据式子(1)得dLL/dRs>0,所以用式(4)计算得到的实际串联等效电阻RS1比真实电阻的更大,这有利于对故障点的检测。定义串联等效电阻比:K=RS1/RS。通过比较实际串联等效电阻RS1与参考串联等效电阻RS的比值K可以判别组件是否有故障。当出现老化或者长时间遮挡时,计算得到的实际串联等效电阻阻值会变大。借助实验数据,用不同照射条件下I,V值计算出组件的实际串联等效电阻RS1,以辐照度为700W/m2时的串联等效电阻作为基准值得出,遮挡程度与电阻比成正相关。如图4所示,显然可以看出串联电阻比大小基本与辐照度大小成负线性相关的。当组件的串联等效电阻比值越大,遮挡或者老化程度越严重。从而验证了本发明方法的合理性。
整个故障检测算法流程如图5所示。本发明方法针对太阳能电池阵列故障的检测,提出了通过采集太阳能电池阵列的温度及辐照度,并利用I-V输出特性关系式,计算出实际串联等效电阻RS1,参考串联等效电阻RS及其比值K这一创新的方法,该方法综合考虑了温度,辐照度,输出电压、电流参数,提高了判别的精确度,并且能定位故障点的位置。
以上所述仅为本发明的优选实施例,并不用于限制本发明,显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (3)
1.一种硅太阳能电池阵列的故障检测方法,其特征在于:包括以下步骤:
S1采集太阳能电池阵列的温度以及辐照度,得到太阳能电池阵列在对应温度以及辐射照度条件下的I-V输出特性关系式;
S2将太阳能电池阵列在正常工作时的I-V输出特性关系式作为标准I-V输出关系式,将检测到的组件间的电压值代入到所述标准I-V输出关系式中得到计算电流值,在每条支路上串接一个电流传感器检测支路电流;
若电流传感器测得的电流值明显小于所述计算电流值,则该支路为故障支路;
若电流传感器检测到的电流值为零,则该支路故障为断路故障;
S3根据得到的I-V输出特性关系式,利用基于I-V输出特性的实际串联等效电阻计算式,计算出太阳能电池组件的实际串联等效电阻Rs1,通过基于环境参数的参考串联等效电阻计算式,计算出太阳能电池组件的参考串联等效电阻Rs;
S4根据实际串联等效电阻Rs1与参考串联等效电阻Rs之间的比值得到K;
S5根据K值大小判别太阳能电池阵列故障、电池组件老化或被遮挡的严重程度,K值越大遮挡或者老化程度越严重;
步骤S3中基于I-V输出特性的实际串联等效电阻计算式为:
RS1=[ln((IL-(I+K1I))Io+1)·VT-V]/IN (4)
<mrow>
<msub>
<mi>I</mi>
<mi>L</mi>
</msub>
<mo>=</mo>
<mfrac>
<mi>G</mi>
<msub>
<mi>G</mi>
<mrow>
<mi>r</mi>
<mi>e</mi>
<mi>f</mi>
</mrow>
</msub>
</mfrac>
<mo>&CenterDot;</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>+</mo>
<msub>
<mi>&alpha;</mi>
<mn>1</mn>
</msub>
<mo>(</mo>
<mrow>
<mi>T</mi>
<mo>-</mo>
<msub>
<mi>T</mi>
<mrow>
<mi>r</mi>
<mi>e</mi>
<mi>f</mi>
</mrow>
</msub>
</mrow>
<mo>)</mo>
<mo>)</mo>
</mrow>
<mo>&CenterDot;</mo>
<msub>
<mi>I</mi>
<mrow>
<mi>S</mi>
<mi>C</mi>
</mrow>
</msub>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>5</mn>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msub>
<mi>I</mi>
<mi>o</mi>
</msub>
<mo>=</mo>
<msup>
<mrow>
<mo>(</mo>
<mfrac>
<mi>T</mi>
<msub>
<mi>T</mi>
<mrow>
<mi>r</mi>
<mi>e</mi>
<mi>f</mi>
</mrow>
</msub>
</mfrac>
<mo>)</mo>
</mrow>
<mn>3</mn>
</msup>
<mo>&CenterDot;</mo>
<msub>
<mi>&beta;</mi>
<mn>1</mn>
</msub>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>6</mn>
<mo>)</mo>
</mrow>
</mrow>
其中,RS1为实际串联等效电阻,IL为光生电流,I表示输出电流,V表示输出电压,K1为拟合系数,Io为等效二极管反向饱和电流,VT=N·(Tk/q),N为输出电压V值所对应的串联电池组件个数,k表示波尔兹曼常数,q表示电子电荷,G表示辐照度,Gref表示参考辐照度,T表示电池温度,Tref表示参考电池温度,α1为温度补偿系数,ISC为太阳能电池短路电流,β1为简化合并后的系数;
基于环境参数的参考串联等效电阻计算式为:
RS=(α·T+β·G)/N (7)
其中,RS为参考串联等效电阻,α是温度系数,β是辐照度系数。
2.根据权利要求1所述的硅太阳能电池阵列的故障检测方法,其特征在于:所述I-V输出特性关系式为:
<mrow>
<mi>I</mi>
<mo>=</mo>
<mfrac>
<mi>G</mi>
<msub>
<mi>G</mi>
<mrow>
<mi>r</mi>
<mi>e</mi>
<mi>f</mi>
</mrow>
</msub>
</mfrac>
<mo>&CenterDot;</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>+</mo>
<msub>
<mi>&alpha;</mi>
<mn>1</mn>
</msub>
<mo>(</mo>
<mrow>
<mi>T</mi>
<mo>-</mo>
<msub>
<mi>T</mi>
<mrow>
<mi>r</mi>
<mi>e</mi>
<mi>f</mi>
</mrow>
</msub>
</mrow>
<mo>)</mo>
<mo>)</mo>
</mrow>
<mo>&CenterDot;</mo>
<msub>
<mi>I</mi>
<mrow>
<mi>S</mi>
<mi>C</mi>
</mrow>
</msub>
<mo>-</mo>
<msup>
<mrow>
<mo>(</mo>
<mfrac>
<mi>T</mi>
<msub>
<mi>T</mi>
<mrow>
<mi>r</mi>
<mi>e</mi>
<mi>f</mi>
</mrow>
</msub>
</mfrac>
<mo>)</mo>
</mrow>
<mn>3</mn>
</msup>
<mo>&CenterDot;</mo>
<msub>
<mi>&beta;</mi>
<mn>1</mn>
</msub>
<mo>&CenterDot;</mo>
<mrow>
<mo>(</mo>
<msup>
<mi>e</mi>
<mfrac>
<mrow>
<mi>V</mi>
<mo>+</mo>
<mi>I</mi>
<mrow>
<mo>(</mo>
<mi>&alpha;</mi>
<mi>T</mi>
<mo>+</mo>
<mi>&beta;</mi>
<mi>G</mi>
<mo>)</mo>
</mrow>
</mrow>
<msub>
<mi>V</mi>
<mi>T</mi>
</msub>
</mfrac>
</msup>
<mo>-</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<mo>-</mo>
<msub>
<mi>K</mi>
<mn>1</mn>
</msub>
<mi>I</mi>
</mrow>
其中I表示输出电流,V表示输出电压,G表示辐照度,Gref表示参考辐照度,T表示电池温度,Tref表示参考电池温度,α是温度系数,为正数;β是辐照度系数,为一负数,α与β的值通过实验数据拟合得到,ISC为太阳能电池短路电流,α1为温度补偿系数,β1为简化合并后的系数,K1为拟合系数,VT=N·(Tk/q),其中N为输出电压V值所对应的串联电池组件个数,k表示波尔兹曼常数,q表示电子电荷。
3.根据权利要求1所述的硅太阳能电池阵列的故障检测方法,其特征在于:所述步骤S2与步骤S3之间还包括步骤S21:根据I-V输出特性关系式找出故障支路,并对故障类型及故障位置进行判断。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610599612.6A CN105978486B (zh) | 2016-07-27 | 2016-07-27 | 一种硅太阳能电池阵列的故障检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610599612.6A CN105978486B (zh) | 2016-07-27 | 2016-07-27 | 一种硅太阳能电池阵列的故障检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105978486A CN105978486A (zh) | 2016-09-28 |
CN105978486B true CN105978486B (zh) | 2018-04-03 |
Family
ID=56951004
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610599612.6A Active CN105978486B (zh) | 2016-07-27 | 2016-07-27 | 一种硅太阳能电池阵列的故障检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105978486B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106982030B (zh) * | 2017-04-27 | 2018-11-27 | 国网江西省电力公司电力科学研究院 | 一种集中型太阳能逆变器组件板失配定位方法 |
CN108846849A (zh) * | 2018-06-15 | 2018-11-20 | 重庆大学 | 一种多点信息融合的光伏故障检测方法 |
CN109936335A (zh) * | 2019-03-20 | 2019-06-25 | 重庆大学 | 光伏阵列热斑故障的在线检测方法 |
CN109933929A (zh) * | 2019-03-20 | 2019-06-25 | 重庆大学 | 等效串联电阻计算方法 |
CN116366004B (zh) * | 2023-05-30 | 2023-09-15 | 国家电投集团云南国际电力投资有限公司 | 光伏发电系统的故障检测方法、装置、设备及存储介质 |
CN117235617A (zh) * | 2023-11-10 | 2023-12-15 | 兰州理工大学 | 沙尘天气下基于ml-rfknn的光伏阵列故障诊断方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102749497A (zh) * | 2012-07-13 | 2012-10-24 | 北京空间飞行器总体设计部 | 卫星太阳电池阵电流输出预测及故障诊断方法 |
CN104391189A (zh) * | 2014-10-13 | 2015-03-04 | 合肥工业大学 | 基于三级诊断的大型光伏阵列故障诊断定位方法 |
CN104601108A (zh) * | 2015-02-10 | 2015-05-06 | 河海大学常州校区 | 一种小型光伏电站的故障诊断方法 |
CN105207619A (zh) * | 2015-10-26 | 2015-12-30 | 中国科学院广州能源研究所 | 光伏组件的诊断方法 |
CN105406818A (zh) * | 2015-12-22 | 2016-03-16 | 北京中电飞华通信股份有限公司 | 一种光伏发电组件优化监控方法和系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2015192530A (ja) * | 2014-03-28 | 2015-11-02 | パナソニックIpマネジメント株式会社 | 太陽電池監視装置、太陽電池監視方法および太陽電池システム |
-
2016
- 2016-07-27 CN CN201610599612.6A patent/CN105978486B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102749497A (zh) * | 2012-07-13 | 2012-10-24 | 北京空间飞行器总体设计部 | 卫星太阳电池阵电流输出预测及故障诊断方法 |
CN104391189A (zh) * | 2014-10-13 | 2015-03-04 | 合肥工业大学 | 基于三级诊断的大型光伏阵列故障诊断定位方法 |
CN104601108A (zh) * | 2015-02-10 | 2015-05-06 | 河海大学常州校区 | 一种小型光伏电站的故障诊断方法 |
CN105207619A (zh) * | 2015-10-26 | 2015-12-30 | 中国科学院广州能源研究所 | 光伏组件的诊断方法 |
CN105406818A (zh) * | 2015-12-22 | 2016-03-16 | 北京中电飞华通信股份有限公司 | 一种光伏发电组件优化监控方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN105978486A (zh) | 2016-09-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105978486B (zh) | 一种硅太阳能电池阵列的故障检测方法 | |
Dhimish et al. | Comparing Mamdani Sugeno fuzzy logic and RBF ANN network for PV fault detection | |
CN105375878B (zh) | 一种在线检测和评估光伏系统效率的方法 | |
Gokmen et al. | Simple diagnostic approach for determining of faulted PV modules in string based PV arrays | |
CN104378068B (zh) | 一种光伏组件阵列对地绝缘阻抗检测方法及电路 | |
Wang et al. | Fault diagnosis and operation and maintenance of PV components based on BP neural network with data cloud acquisition | |
Makrides et al. | Energy yield prediction errors and uncertainties of different photovoltaic models | |
CN106130480B (zh) | 一种光伏组件户外发电特性与衰减状况测试系统 | |
Dhimish et al. | Novel open-circuit photovoltaic bypass diode fault detection algorithm | |
Chen et al. | A novel fault diagnosis method of PV based-on power loss and IV characteristics | |
CN109936335A (zh) | 光伏阵列热斑故障的在线检测方法 | |
CN103149494A (zh) | 三相电网电压短路故障诊断方法 | |
King et al. | New methods for measuring performance of monolithic multi-junction solar cells | |
CN103063927A (zh) | 光伏逆变器的对地阻抗检测电路及方法 | |
Xu et al. | A fault diagnosis method for PV arrays based on new feature extraction and improved the fuzzy C-mean clustering | |
CN111027723A (zh) | 一种光伏与建筑一体化系统及方法 | |
CN113708726B (zh) | 基于光伏组件电压实时计算比较的光伏阵列故障判别方法 | |
Holovský et al. | Variable light biasing method to measure component I–V characteristics of multi-junction solar cells | |
Kohno et al. | Fault-diagnosis architecture for large-scale photovoltaic power plants that does not require additional sensors | |
Kimber et al. | Improved test method to verify the power rating of a photovoltaic (PV) project | |
TamizhMani et al. | Simultaneous non-contact IV (NCIV) measurements of photovoltaic substrings and modules in a string | |
CN113872526B (zh) | 基于最小不匹配度故障电流预测的光伏阵列故障诊断方法 | |
DANOUNE et al. | Characterization of photovoltaic panel using single diode and double diode models a comparative study with experimental validation | |
CN109885856A (zh) | 基于i-v曲线的光伏组件热斑功率损耗计算方法 | |
Aarseth et al. | Defect recognition and power loss estimation using infrared thermography |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |