CN106059496B - 一种光伏组件阵列性能监测和故障识别的方法及系统 - Google Patents
一种光伏组件阵列性能监测和故障识别的方法及系统 Download PDFInfo
- Publication number
- CN106059496B CN106059496B CN201610329167.1A CN201610329167A CN106059496B CN 106059496 B CN106059496 B CN 106059496B CN 201610329167 A CN201610329167 A CN 201610329167A CN 106059496 B CN106059496 B CN 106059496B
- Authority
- CN
- China
- Prior art keywords
- performance
- photovoltaic
- mrow
- component
- monitoring
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 50
- 238000000034 method Methods 0.000 title claims abstract description 36
- 230000015556 catabolic process Effects 0.000 claims abstract description 34
- 238000006731 degradation reaction Methods 0.000 claims abstract description 34
- 230000007423 decrease Effects 0.000 claims abstract description 12
- 238000005286 illumination Methods 0.000 claims abstract description 10
- 230000032683 aging Effects 0.000 claims description 17
- 230000000873 masking effect Effects 0.000 claims description 16
- 238000012549 training Methods 0.000 claims description 14
- 238000005259 measurement Methods 0.000 claims description 10
- 230000003044 adaptive effect Effects 0.000 claims description 9
- 238000004458 analytical method Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 8
- 230000003862 health status Effects 0.000 claims description 5
- 230000004888 barrier function Effects 0.000 claims description 4
- 230000006866 deterioration Effects 0.000 claims description 4
- 238000003860 storage Methods 0.000 claims description 4
- 238000003483 aging Methods 0.000 claims description 3
- 230000007613 environmental effect Effects 0.000 claims description 3
- 238000011058 failure modes and effects analysis Methods 0.000 claims description 3
- 238000000691 measurement method Methods 0.000 claims description 3
- 238000003909 pattern recognition Methods 0.000 claims description 3
- 230000001537 neural effect Effects 0.000 claims description 2
- 238000010998 test method Methods 0.000 claims description 2
- 238000012423 maintenance Methods 0.000 abstract description 10
- 230000005540 biological transmission Effects 0.000 abstract description 2
- 238000007405 data analysis Methods 0.000 abstract description 2
- 238000011156 evaluation Methods 0.000 description 4
- 238000013461 design Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 230000004931 aggregating effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 210000004027 cell Anatomy 0.000 description 1
- 231100000749 chronicity Toxicity 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 210000004602 germ cell Anatomy 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000005304 joining Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 229910052710 silicon Inorganic materials 0.000 description 1
- 239000010703 silicon Substances 0.000 description 1
- 238000013083 solar photovoltaic technology Methods 0.000 description 1
- 238000001931 thermography Methods 0.000 description 1
- 238000011179 visual inspection 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
- H02S50/15—Testing of PV devices, e.g. of PV modules or single PV cells using optical means, e.g. using electroluminescence
-
- 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
- Testing Of Individual Semiconductor Devices (AREA)
- Photovoltaic Devices (AREA)
Abstract
本发明提供一种光伏组件阵列性能监测和故障识别的方法及系统,所述系统通过数据汇集及存储单元、光伏组件阵列性能衰退监测单元和光伏组件故障识别与定位单元,所述方法包括:S1:采集光伏阵列组件运行工况参数和运行性能参数,所述运行工况参数包括环境温度、辐射照度,所述运行性能参数包括组件工作温度、工作电流和电压;S2:光伏阵列组件实时性能衰退监测;S3:建立故障识别知识库,实现光伏阵列组件的故障识别和定位,本发明通过无线信号采集、传输和数据分析,可实时监测光伏组件的性能衰退状态,并通过故障识别确定出故障类型、故障位置,为实现太阳能电站系统的远程智能运行与维护提供支持。
Description
技术领域
本发明属于太阳能光伏发电技术领域,具体涉及一种光伏组件阵列性能监测和故障识别的方法及系统。
背景技术
作为一种可持续、清洁能源,太阳能光伏发电近年来得到了高速发展。截至2015年底,我国太阳能光伏发电装机容量达到43GW。大量光伏电站投运对运行和维护提出了更高的要求。提高运行与维护水平的关键是要实现对太阳能光伏电站的状态监测和故障识别。
现有光伏电站监测技术主要有简单视觉检查法、热成像方法和基于电气参数测量的方法。后者由于测量简单易实现在线监测而得到广泛应用。常用的监测系统是采集光伏阵列组件串电量信号并通过简单的显示比对来实现对太阳能光伏发电系统的监测。但由于光伏阵列中各组件串工作特性常存在很大的差异,很难用单一的标准来确定组件串的工作状态;另外,这种方法只能判断组件串的工作状态,不能实现故障的精确定位,因而不能满足后续维护的要求。也有部分监测系统根据组件串中的电流变化率对光伏电站工作情况进行监测,但当外界运行环境发生变化,比如组件串受物体或云朵遮挡,容易导致监测结果出现错误。
综上所述,适当配置光伏组件状态监测测点,开展以运行效率偏差为性能评价指标的复杂工况光伏电站组件阵列性能监测和故障识别研究,实现组件级别的性能监测和故障识别,对提高太阳能光伏电站的安全性、可靠性和经济性,降低运行与维护费用具有重要的现实意义。
发明内容
为了解决上述问题,本发明提供一种光伏组件阵列性能监测和故障识别的方法及系统,通过无线信号采集、传输和数据分析,可实时监测光伏组件的性能衰退状态,并通过故障识别确定出故障类型、故障位置,为实现太阳能电站系统的远程智能运行与维护提供支持。
一种光伏组件阵列性能监测和故障识别的方法,所述方法包括:
S1:采集光伏阵列组件运行工况参数和运行性能参数,所述运行工况参数包括环境温度、辐射照度,所述运行性能参数包括组件工作温度、工作电流和电压;
S2:光伏阵列组件实时性能衰退监测;
S3:建立故障识别知识库,实现光伏阵列组件的故障识别和定位;
进一步地,所述S2中光伏阵列组件实时性能衰退监测方法包括:
S21,实时计算组件实际工作效率ηm;
S22,实时计算组件应达工作效率ηe;
S23,实时计算组件效率偏差Δη,并与性能衰退报警阈值Δηth比较,判断其运行性能状态;
进一步地,所述S21中组件实际工作效率由S1测得的电流、电压和环境辐射照度计算获得,所述实际运行效率计算公式如下:
式中,Ipv是光伏组件电流实测值,单位为A;
Vpv是光伏组件电压实测值,单位为V;
G是辐射照度测量值,单位为W/m2;
Apv是光伏组件面积,单位为m2;
进一步地,所述S22中组件应达工作效率计算方法包括以下步骤:
第一步:建立以S1中所测的环境温度、辐射照度为输入,应达工作效率为输出的自适应神经模糊推理系统ANFIS网络模型;
第二步:采用全年筛选出的宽幅工况对应的“健康状态”历史数据训练模型;
第三步:利用训练出的模型实时计算实际工况下的工作效率应达值;
进一步地,所述S23中实时计算运行效率偏差Δη计算公式如下:
Δη=|ηe-ηm| (2)
所述组件性能衰退报警阈值Δηth确定方法为:针对组件运行中引起性能衰退的主要故障模式,所述主要故障模式中的故障包括遮蔽、脏污和老化,通过现场模拟遮挡、脏污和更换老化组件的试验方法,实时计算运行效率偏差,进而确定性能衰退报警阈值;
进一步地,所述S3中光伏阵列组件故障识别知识库建立包括:
步骤S31:利用系统故障模式及影响分析FMEA方法,分析光伏阵列组件故障模式的原因、识别特征和处理措施,组件故障模式的原因包括暂时性遮蔽、周期性遮蔽、脏污和老化;
步骤S32,根据组件故障模式的识别特征建立故障识别规则;
进一步地,所述S31中组件故障模式的确定的识别特征为效率偏差Δη时间序列的特性和光伏组件五参数模型的特征参数(A、RS、I0、RSH),所述S32中组件故障模式识别规则包括:
If周期性性能衰退,Then周期性遮蔽;
If临时性性能衰退,Then暂时性遮蔽;
If永久性性能衰退,Then脏污或老化;
If永久性性能衰退And A、RS、I0增大And RSH减小,Then老化;
进一步地,一种太阳能电站光伏组件阵列实时性能监测与故障识别系统,所述系统包括无线数据汇集及存储模块、组件阵列性能衰退监测模块和故障识别及定位模块,其中;
所述无线数据汇集及存储模块用于实现无线数据的采集和存储;
所述组件阵列性能衰退监测模块用于实现组件的性能监测;
所述故障识别及定位模块用于实现故障模式的识别及位置确定;
进一步地,所述系统还包括监测模型自适应训练模块,所述监测模型自适应训练模块用于将运行中出现新工况数据补充入样本历史数据库,并通过重新训练,实现模型的自适应训练;
进一步地,所述系统采用解析法实时计算光伏组件五参数模型的特征参数A、RS、I0、RSH,并进行趋势分析,用于故障识别;
本发明的有益效果如下:
1)采集光伏组件的运行工况参数和性能参数,进行组件水平的性能监测与故障识别,可实现故障的精确定位,为太阳能光伏电站的运行维护决策提供有力的支持;
2)采用运行效率偏差作为评价性能衰退的指标,避免了单纯依靠发电量、电流变化率等作为评价指标时,运行工况变化对性能评价准确性的影响;
3)依据效率偏差Δη时间序列的特性和五参数模型参数的动态特性进行故障诊断,实现了周期性遮蔽、临时性遮蔽、脏污(含热斑现象)与老化的有效识别;
4)设计开发的系统可靠、实用。本发明使得光伏组件性能衰退监测更加科学和全面,该方法设计合理,实用性强,为实现太阳能电站系统的远程智能运行与维护提供支持。
附图说明
图1为太阳能电站光伏组件性能实时监测和故障识别方法总体流程;
图2为光伏组件阵列性能监测与故障识别系统数据流程图;
图3为光伏组件阵列性能监测与故障识别系统功能框架。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细描述。应当理解,此处所描述的具体实施例仅仅用于解释本发明,并不用于限定本发明。相反,本发明涵盖任何由权利要求定义的在本发明的精髓和范围上做的替代、修改、等效方法以及方案。进一步,为了使公众对本发明有更好的了解,在下文对本发明的细节描述中,详尽描述了一些特定的细节部分。对本领域技术人员来说没有这些细节部分的描述也可以完全理解本发明。
下面结合附图和具体实施例对本发明作进一步说明,但不作为对本发明的限定。下面为本发明的举出最佳实施例:
如图1-图3所示,一种光伏组件阵列性能监测和故障识别的方法,所述方法包括:
S1:采集光伏阵列组件运行工况参数和运行性能参数,所述运行工况参数包括环境温度、辐射照度,所述运行性能参数包括组件工作温度、工作电流和电压;
S2:光伏阵列组件实时性能衰退监测;
S3:建立故障识别知识库,实现光伏阵列组件的故障识别和定位。
所述S2中光伏阵列组件实时性能衰退监测方法包括:
S21,实时计算组件实际工作效率ηm;
S22,实时计算组件应达工作效率ηe;
S23,实时计算组件效率偏差Δη,并与性能衰退报警阈值Δηth比较,判断其运行性能状态,所述S21中组件实际工作效率由S1测得的电流、电压和环境辐射照度计算获得,所述实际运行效率计算公式如下:
式中,Ipv是光伏组件电流实测值,单位为A;
Vpv是光伏组件电压实测值,单位为V;
G是辐射照度测量值,单位为W/m2;
Apv是光伏组件面积,单位为m2
所述S22中组件应达工作效率计算方法包括以下步骤:
第一步:建立以S1中所测的环境温度、辐射照度、为输入,应达工作效率为输出的自适应神经模糊推理系统ANFIS网络模型;
第二步:采用全年筛选出的宽幅工况对应的“健康状态”历史数据训练模型;
第三步:利用训练出的模型实时计算实际工况下的工作效率应达值,所述S23中实时计算运行效率偏差Δη计算公式如下:
Δη=|ηe-ηm| (2)
所述组件性能衰退报警阈值Δηth确定方法为:针对组件运行中性能衰退的各种系统故障模式,通过现场模拟试验确定性能衰退报警阈值,所述系统故障模式包括遮蔽、脏污和老化,所述S3中光伏阵列组件故障识别知识库建立包括:
步骤S31:利用系统故障模式及影响分析FMEA方法,分析光伏阵列组件故障模式的原因、识别特征和处理措施,组件故障模式的原因包括暂时性遮蔽、周期性遮蔽、脏污和老化;
步骤S32,根据组件故障模式的识别特征建立故障识别规则,所述S31中组件故障模式的确定的识别特征为效率偏差Δη时间序列的特性和光伏组件五参数模型的特征参数(A、RS、I0、RSH),所述S32中组件故障模式识别规则包括:
If周期性性能衰退,Then周期性遮蔽;
If临时性性能衰退,Then暂时性遮蔽;
If永久性性能衰退,Then脏污或老化;
If永久性性能衰退And A、RS、I0增大And RSH减小,Then老化
一种太阳能光伏组件阵列性能实时监测和故障识别系统包括数据汇集及存储单元、光伏组件阵列性能衰退监测单元和光伏组件故障识别与定位单元。
1、数据汇集及存储
本发明采用目前太阳能光伏电站常用光伏组件阵列为研究对象,组件阵列的数据采集方法如图2所示。分别采用无线温度传感器和硅光电池采集环境温度和辐射照度;采用无线温度传感器和霍尔元件采集组件工作温度、组件工作电压和电流。根据测量数据通信要求设计并研制了无线数据汇集装置;汇集后的监测数据经路由器存储于数据库服务器。
2、光伏组件阵列性能衰退监测
该模块利用“健康状态”的历史数据训练ANFIS模型,将实时监测数据作为训练好模型的输入,计算获得组件效率应达值。通过计算效率实测值与效率应达值的差距,实现组件阵列性能衰退监测。
利用光伏组件实时监测运行工况数据和性能数据计算运行效率实际值,相应的计算公式如下:
太阳能光伏组件实际运行效率计算公式如下:
式中,Ipv是光伏组件电流实测值,A;
Vpv是光伏组件电压实测值,V;
G是辐射照度测量值,W/m2;
Apv是光伏组件面积,m2。
为获得当前工况光伏组件工作效率的应达值,建立以环境温度、辐射照度为输入,工作效率为输出的自适应神经模糊推理系统(ANFIS)网络模型。采用全年筛选出的宽幅工况对应的“健康状态”历史数据训练模型,获得模型参数。利用训练出的模型便可实时计算实际工况下的工作效率应达值。
实时计算运行效率偏差Δη,其计算公式如下:
Δη=|ηe-ηm| (2)
将Δη与预先设定的效率偏差阈值Δηth比较,超过阈值判定光伏组件性能衰退,反之为健康。
组件性能衰退报警阈值Δηth确定方法为:针对组件运行中性能衰退的各种系统故障模式(如遮蔽、脏污、老化等),通过现场模拟试验确定性能衰退报警阈值。
3、光伏组件故障识别与定位
依据Δη时间序列的特性进行故障诊断,诊断规则为:(1)如果Δη周期性变大,则为周期性遮蔽故障;(2)如果Δη短暂性变大,则为临时性遮蔽故障;(3)如果Δη长期性变大,则为组件表面脏污或老化故障。
然后根据光伏组件五参数隐形模型的模型参数动态特性实现表面脏污和老化故障的识别。
所述区分组件表面脏污和老化的特征参数由五参数隐形模型获得:
式中,Vth=m·k·Ta/q,m—光伏板电池数,k—别尔兹曼常数,Ta—PV板电池工作温度,q—单位电荷量(产品说明书提供);
五个未知参数包括:Iph—光电流;Io—二极管反向电流;Rs—串联电阻;Rsh—并联电阻;A—二极管的理想因子。
所述五参数隐形模型求解方法采用解析方法,计算公式为(4)~(9):
式中,Isc—短路电流;
Voc—开路电压;
Vmpp—最大功率点电压;
Impp—最大功率点电流
其中Voc、Vmpp、Impp三个参数可以在线测得,Isc可以用下式估计:
式中,λsc短路电流温度系数(产品说明书提供);
Isc-stc设计标准试验工况下的短路电流(产品说明书提供)。
通过在线计算五参数模型中的A、Rs、Io、Rsh,并分析各参数变化趋势,可以实现脏污(含热斑)与老化的识别。
识别规则为:如果A、Rs、Io增大,同时Rsh减小则为老化故障,否则为表面脏污。
该故障识别与定位单元可以根据诊断结果给出组件阵列性能衰退原因和相应性能衰退组件的位置。根据故障识别与定位结果可相应地进行运行调整或维修安排,最终达到提高机组可用率,降低运行与维护费用的目的。
本实施例采用的光伏阵列由8块额定功率为120W的光伏板组成,逆变器为SMA公司生产的Sunny Boy1200型额定功率为1200W的单相并网型逆变器。采用18B20型温度传感器采集环境温度和组件温度信号;采用TLS2561型光照度传感器采集辐射照度信号;无线数据发射和汇集装置采用Nordic公司的nRF24L01无线通信芯片。经测试,本实施例能很好地实现对光伏组件阵列运行性能的监测,在发生故障时进行故障识别并发出警报。
以上所述的实施例,只是本发明较优选的具体实施方式的一种,本领域的技术人员在本发明技术方案范围内进行的通常变化和替换都应包含在本发明的保护范围内。
Claims (7)
1.一种光伏组件阵列性能监测和故障识别的方法,其特征在于,所述方法包括:
S1:采集光伏阵列组件运行工况参数和运行性能参数,所述运行工况参数包括环境温度、辐射照度,所述运行性能参数包括组件工作温度、工作电流和电压;
S2:光伏阵列组件实时性能衰退监测;
S3:建立故障识别知识库,实现光伏阵列组件的故障识别和定位,所述S2中光伏阵列组件实时性能衰退监测方法包括:
S21,实时计算组件实际工作效率ηm;
S22,实时计算组件应达工作效率ηe;
S23,实时计算组件效率偏差Δη,并与性能衰退报警阈值Δηth比较,判断其运行性能状态,所述S21中组件实际工作效率由S1测得的电流、电压和环境辐射照度计算获得,所述实际运行效率计算公式如下:
<mrow>
<msub>
<mi>&eta;</mi>
<mi>m</mi>
</msub>
<mo>=</mo>
<mfrac>
<mrow>
<msub>
<mi>I</mi>
<mrow>
<mi>p</mi>
<mi>v</mi>
</mrow>
</msub>
<mo>&CenterDot;</mo>
<msub>
<mi>V</mi>
<mrow>
<mi>p</mi>
<mi>v</mi>
</mrow>
</msub>
</mrow>
<mrow>
<mi>G</mi>
<mo>&CenterDot;</mo>
<msub>
<mi>A</mi>
<mrow>
<mi>p</mi>
<mi>v</mi>
</mrow>
</msub>
</mrow>
</mfrac>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mrow>
式中,Ipv是光伏组件电流实测值,单位为A;
Vpv是光伏组件电压实测值,单位为V;
G是辐射照度测量值,单位为W/m2;
Apv是光伏组件面积,单位为m2,所述S22中组件应达工作效率计算方法包括以下步骤:
第一步:建立以S1中所测的环境温度、辐射照度为输入,应达工作效率为输出的自适应神经模糊推理系统ANFIS网络模型;
第二步:采用全年筛选出的宽幅工况对应的“健康状态”历史数据训练模型;
第三步:利用训练出的模型实时计算实际工况下的工作效率应达值。
2.根据权利要求1所述的方法,其特征在于,所述S23中实时计算运行效率偏差Δη计算公式如下:
Δη=|ηe-ηm| (2)
所述组件性能衰退报警阈值Δηth确定方法为:针对组件运行中引起性能衰退的主要故障模式,所述主要故障模式中的故障包括遮蔽、脏污和老化,通过现场模拟遮挡、脏污和更换老化组件的试验方法,实时计算运行效率偏差,进而确定性能衰退报警阈值。
3.根据权利要求2所述的方法,其特征在于,所述S3中光伏阵列组件故障识别知识库建立包括:
步骤S31:利用主要故障模式及影响分析FMEA方法,分析光伏阵列组件故障模式的原因、识别特征和处理措施,组件故障模式的原因包括暂时性遮蔽、周期性遮蔽、脏污和老化;
步骤S32:根据组件故障模式的识别特征建立故障识别规则。
4.根据权利要求3所述的方法,其特征在于,所述S31中所述的组件故障模式确定的识别特征为效率偏差Δη时间序列的特性和光伏组件五参数模型的特征参数A、RS、I0、RSH,所述S32中组件故障模式识别规则包括:
If周期性性能衰退,Then周期性遮蔽;
If临时性性能衰退,Then暂时性遮蔽;
If永久性性能衰退,Then脏污或老化;
If永久性性能衰退And A、RS、I0增大And RSH减小,Then老化。
5.一种太阳能电站光伏组件阵列实时性能监测与故障识别系统,基于上述权利要求1-4之一所述的方法,其特征在于,所述系统包括无线数据汇集及存储模块、组件阵列性能衰退监测模块和故障识别及定位模块,其中;
所述无线数据汇集及存储模块用于实现无线数据的采集和存储;
所述组件阵列性能衰退监测模块用于实现组件的性能监测;
所述故障识别及定位模块用于实现故障模式的识别及位置确定。
6.根据权利要求5所述的系统,其特征在于,所述系统还包括监测模型自适应训练模块,所述监测模型自适应训练模块用于将运行中出现新工况数据补充入样本历史数据库,并通过重新训练,实现模型的自适应训练。
7.根据权利要求6所述的系统,其特征在于,所述系统采用解析法实时计算光伏组件五参数模型的特征参数A、RS、I0、RSH,并进行趋势分析,用于故障识别。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610329167.1A CN106059496B (zh) | 2016-05-18 | 2016-05-18 | 一种光伏组件阵列性能监测和故障识别的方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610329167.1A CN106059496B (zh) | 2016-05-18 | 2016-05-18 | 一种光伏组件阵列性能监测和故障识别的方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106059496A CN106059496A (zh) | 2016-10-26 |
CN106059496B true CN106059496B (zh) | 2018-03-16 |
Family
ID=57176361
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610329167.1A Active CN106059496B (zh) | 2016-05-18 | 2016-05-18 | 一种光伏组件阵列性能监测和故障识别的方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106059496B (zh) |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109211523B (zh) * | 2017-06-30 | 2022-07-12 | 北京天诚同创电气有限公司 | 采光板故障的检测方法和装置 |
CN107346899B (zh) * | 2017-08-28 | 2020-08-11 | 国网江西省电力公司电力科学研究院 | 一种光伏电站系统稳定性评估方法及系统 |
CN108008176B (zh) * | 2017-11-22 | 2019-11-12 | 福州大学 | 一种光伏阵列实时状态监测与故障定位系统 |
US11663496B2 (en) | 2018-01-30 | 2023-05-30 | Utopus Insights, Inc. | System and method for predicting failure of components using temporal scoping of sensor data |
CN108449050B (zh) * | 2018-03-01 | 2019-10-08 | 上海电机学院 | 应用于光伏发电系统的光伏组件智能巡检方法 |
CN109521314A (zh) * | 2018-09-26 | 2019-03-26 | 浙江宏阳新能源科技有限公司 | 一种太阳能发电设备远程故障诊断方法 |
CN111064433A (zh) * | 2018-10-17 | 2020-04-24 | 太阳能安吉科技有限公司 | 光伏系统故障和警报 |
CN109743019B (zh) * | 2018-12-21 | 2023-09-19 | 中国计量大学 | 基于气象因素的热斑温度预测及热斑定位的系统和方法 |
CN109670553B (zh) * | 2018-12-25 | 2022-08-12 | 福州大学 | 基于自适应神经模糊推理系统的光伏阵列故障诊断方法 |
CN110164102B (zh) * | 2019-04-22 | 2021-05-25 | 创维互联(北京)新能源科技有限公司 | 一种光伏电站组串异常报警方法及报警装置 |
CN112682972A (zh) * | 2020-12-16 | 2021-04-20 | 苏州西热节能环保技术有限公司 | 一种聚光式太阳能发电站快速性能诊断装置 |
CN114337540B (zh) * | 2021-12-31 | 2023-09-12 | 重庆跃达新能源有限公司 | 光伏状态检测方法、系统及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104133981A (zh) * | 2014-06-25 | 2014-11-05 | 国家电网公司 | 一种基于模糊产生式规则知识库的光伏电站故障诊断方法 |
CN104504607A (zh) * | 2014-09-04 | 2015-04-08 | 国家电网公司 | 一种基于模糊聚类算法的光伏电站故障诊断方法 |
CN104796082A (zh) * | 2015-04-22 | 2015-07-22 | 中国科学院广州能源研究所 | 一种光伏发电系统在线故障诊断系统及方法 |
CN105337575A (zh) * | 2015-11-17 | 2016-02-17 | 广州健新自动化科技有限公司 | 光伏电站状态预测及故障诊断方法和系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8988096B1 (en) * | 2011-03-06 | 2015-03-24 | Sunpower Corporation | Flash testing of photovoltaic modules with integrated electronics |
-
2016
- 2016-05-18 CN CN201610329167.1A patent/CN106059496B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104133981A (zh) * | 2014-06-25 | 2014-11-05 | 国家电网公司 | 一种基于模糊产生式规则知识库的光伏电站故障诊断方法 |
CN104504607A (zh) * | 2014-09-04 | 2015-04-08 | 国家电网公司 | 一种基于模糊聚类算法的光伏电站故障诊断方法 |
CN104796082A (zh) * | 2015-04-22 | 2015-07-22 | 中国科学院广州能源研究所 | 一种光伏发电系统在线故障诊断系统及方法 |
CN105337575A (zh) * | 2015-11-17 | 2016-02-17 | 广州健新自动化科技有限公司 | 光伏电站状态预测及故障诊断方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN106059496A (zh) | 2016-10-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106059496B (zh) | 一种光伏组件阵列性能监测和故障识别的方法及系统 | |
CN106777984B (zh) | 一种基于密度聚类算法实现光伏阵列工作状态分析与故障诊断的方法 | |
CN104753461B (zh) | 基于粒子群优化支持向量机的光伏发电阵列故障诊断与分类方法 | |
Wang et al. | Fault diagnosis and operation and maintenance of PV components based on BP neural network with data cloud acquisition | |
CN104391189B (zh) | 基于三级诊断的大型光伏阵列故障诊断定位方法 | |
CN108399493A (zh) | 积灰致光伏发电量损失预测方法及光伏组件清洗判断方法 | |
CN105846780A (zh) | 一种基于决策树模型的光伏组件故障诊断方法 | |
US20150309207A1 (en) | Methods for location identification of renewable energy systems | |
CN106100579B (zh) | 一种基于数据分析的光伏电站故障诊断方法 | |
CN105337575B (zh) | 光伏电站状态预测及故障诊断方法和系统 | |
CN103258103B (zh) | 基于偏最小二乘回归的戴维南等值参数辨识方法 | |
CN105260800A (zh) | 一种光伏组件温度预测方法及装置 | |
CN105866638A (zh) | 一种城网电缆接头绝缘状态在线监测预警装置及方法 | |
CN103103570B (zh) | 基于主元相似性测度的铝电解槽况诊断方法 | |
CN109767054A (zh) | 基于深度神经网络算法的能效云评估方法及边缘能效网关 | |
CN108761377A (zh) | 一种基于长短时记忆模型的电能计量装置异常检测方法 | |
CN104794544A (zh) | 基于智能算法的分布式光伏发电防窃电监测方法 | |
CN106845562B (zh) | 光伏组件的故障监测系统及数据处理方法 | |
CN104767482A (zh) | 一种光伏组件老化和短路故障在线诊断方法 | |
CN103973203A (zh) | 一种适用于安全稳定分析的大型光伏电站在线等值建模方法 | |
CN110363334B (zh) | 基于灰色神经网络模型的光伏并网的电网线损预测方法 | |
CN114580666A (zh) | 一种多模式融合电动机智能维护系统 | |
CN117172620B (zh) | 一种基于参数化分析的建筑光伏潜力评估方法及系统 | |
CN109992911A (zh) | 基于极限学习机和iv特性的光伏组件快速建模方法 | |
CN104574221B9 (zh) | 一种基于损失电量特征参数的光伏电站运行状态辨识方法 |
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 |