CN106603006B - 一种基于查表插值的光伏阵列的故障诊断与定位方法 - Google Patents
一种基于查表插值的光伏阵列的故障诊断与定位方法 Download PDFInfo
- Publication number
- CN106603006B CN106603006B CN201611151962.2A CN201611151962A CN106603006B CN 106603006 B CN106603006 B CN 106603006B CN 201611151962 A CN201611151962 A CN 201611151962A CN 106603006 B CN106603006 B CN 106603006B
- Authority
- CN
- China
- Prior art keywords
- value
- voltage
- current
- temperature
- fault
- 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
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000003745 diagnosis Methods 0.000 title claims abstract description 16
- 230000002159 abnormal effect Effects 0.000 claims abstract description 20
- 238000009499 grossing Methods 0.000 claims description 21
- 238000010998 test method Methods 0.000 claims description 13
- 230000004888 barrier function Effects 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 3
- 238000003672 processing method Methods 0.000 claims description 3
- 241000208340 Araliaceae Species 0.000 claims 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 claims 1
- 235000003140 Panax quinquefolius Nutrition 0.000 claims 1
- 235000008434 ginseng Nutrition 0.000 claims 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims 1
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 230000003862 health status Effects 0.000 description 3
- 238000005286 illumination Methods 0.000 description 3
- 238000003491 array Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000004088 simulation 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
- Testing Of Individual Semiconductor Devices (AREA)
Abstract
本发明公开了一种基于查表插值的光伏阵列的故障诊断与定位方法,包括以下步骤:按季节选取正常运行状态下的各种天气类型的数据作为原始数据,分别形成两张关于电流、电压的二维表;根据实时温度、辐照数据查表采用样条插值获得参考电流、电压值,作为故障程度判断的参考;对实时各串电流,电压异常值选择,选取异常值,并获得异常串的串号;对异常值的串判定故障程度,根据异常电流、电压与参考电流、电压的偏离程度确定故障程度。本发明的有益效果是可以实时准确的提取出故障电流、电压值,并可定位到相应的串,可实现光伏阵列的实时故障诊断与定位,并可判断出电流、电压故障及其相应的故障程度,具有很强的适应性,速度快,实效性好。
Description
技术领域
本发明涉及一种基于查表插值的光伏阵列的故障诊断与定位方法,属于光伏发电技术领域。
背景技术
目前针对于SP结构的光伏阵列的故障检测方法已经有好多种,大多都是基于传感器检测,通过传感器获得的值相比较以判断故障,该方法传感器众多,限于小型的光伏阵列,实时性,智能化程度不高,且不能够判断出故障的程度,没有相对明确的指标。一种具有实时性,准确性,可用于各种光伏阵列,具有良好适应性的方法具有很好的应用前景。
发明内容
针对现有技术上存在的不足,本发明的目的在于利用本发明来实时检测光伏阵列的故障,并判断出故障位置,给出故障程度;以解决现阶段我国人工判别故障出现的时间点的不准确性,随机性,不经济性的问题。
为了实现上述目的,本发明是通过如下的技术方案来实现:
一种基于查表插值的光伏阵列的故障诊断与定位方法,其特征在于:包括以下步骤:
步骤A:按季节选取正常运行状态下的各种天气类型的数据作为原始数据,分别形成两张关于电流、电压的二维表;
步骤B:根据实时温度、辐照数据查表采用线性插值获得参考电流、电压值,作为故障程度判断的参考;
步骤C:对实时电流In×m,电压Vn×m异常值选择,其中m为电流、电压样本,n为串数,选取异常样本值,并获得异常串的串号;
步骤D:对异常值的串判定故障程度,根据异常电流、电压与参考电流、电压的偏离程度确定故障程度。
所述步骤A的具体过程为:
A1)按每年四个季度选取正常运行条件下的晴天,阴天,多云,雨的共面辐照度G,环境温度T,各串电流,各串电压作为原始数据;
A2)获得电流表,温度按0.5℃间隔选取,对于当温度相同时,将辐照度相同但电流值异常的数据删除,对其余的电流值取均值,作为该温度下,对应的辐照度下的电流参考值;
A3)获得电压表,辐照度按照10W/m2间隔选取,对于当辐照度相同时,将温度相同但电压值异常的数据删除,对其余的电压值取均值,作为该辐照度下,对应的温度下的电压参考值。
所述步骤B的具体过程为:
B1)对实时温度采取指数平滑处理后,再使温度适应于电流表的温度值,即温度只能是0.5℃的倍数;
B2)对实时辐照度采取指数平滑处理后,再使福照度值适应于电压表的辐照度值,即辐照度只能是10W/m2的倍数;
B3)对温度和福照度平滑处理后,分别用线性插值获得参考电流、参考电压。
所述步骤B中,对实时的辐照度、温度根据指数平滑方法按照式(1)对其平滑处理,其中,此处β取0.03;
S1:初始平滑值;
y1:初始实际值;
St:时间t的平滑值;
yt:时间t的实际值;
St-1:时间t-1的平滑值;
β:平滑常数,其取值范围为[0,1];
对经平滑处理过的温度T,为获得与参考电流表温度相对应,对温度信号采取式(2)四舍五入处理;
T=round(T·2)/2 (2)
对经平滑处理过的辐照度G,为获得与参考电压表辐照度相对应,对幅照度信号采取式(3)四舍五入处理
G=round(G/10)·10 (3)
分别将处理好后的数据值带入电流表、电压表中进行线性插值计算;Round为四舍五入函数;
根据式(2)和式(3)处理后的T、G根据所获得参考电流表采用线性插值计算获得实时参考电流Iref
其中
G1:参考电流表中与G相邻的低辐照度;
G2:参考电流表中与G相邻的高辐照度;
Irefer1:参考电流表中与G1相对应的电流;
Irefer2:参考电流表中与G2相对应的电流;
同理,参考电压Vref为:
其中
T1:参考电压表中与温度T相邻的低温度;
T2:参考电压表中与温度T相邻的高温度;
Vrefer1:参考电压表中与T1相对应的电压;
Vrefer2:参考电压表中与T2相对应的电压;
对获得参考电压表,同理,只是对辐照度按照间隔10W/m2处理,其余处理方法与获得参考电流表完全一致。
所述步骤C中对实时电流In×m选取异常值,并获得异常串的串号的方法为:求每一列的电流均值每一列的电流标准差σ,Ii为串号为i的电流,用格拉布斯准则,选取显著性水平α=0.05,根据所选参数的查表选取格拉布斯准则系数K,若则认为时异常值,并取出串号i。
所述步骤C中,用式(5)求所有串电流均值
标准差σ的计算公式如式(6)所示,根据格拉布斯准则,选取异常值,并取出串号i为故障的串;
其中,σ表示标准差;
Iunusal表示异常电流值的集合;
K'表示实际格拉布斯准则系数;
同理,对实时电压Vn×m的异常值选取与对实时电流In×m异常值方法选取完全一致。
所述步骤D中根据异常电流与参考电流的偏离程度确定故障程度的具体方法为:选取故障不同程度的阈值,判断故障程度;定义error=Iref-Iunusual/Iref为故障特征值,定义阵列健康状态为{正常、注意,异常,恶化},考虑到故障特征值在[0,1]区间内变化,对给定的健康状态的各自的阈值分别为{0.05,0.25,0.4},如果error大于0.4则为恶化,小于0.05为正常,0.05-0.25间为注意,0.25-0.4为异常。
所述根据异常电压与参考电压的偏离程度确定故障程度的方法与根据异常电流与参考电流的偏离程度确定故障程度的方法完全相同,包括阈值的选取也是完全相同的。
本发明的有益效果为:相比于光伏仿真模型,该方法所获得参考电流,参考电压是基于待评估电站的历史数据获得的,具有很强的适应性,速度快,实效性好。运用格拉布斯准则对异常的电流、电压的提取,可以实时准确的提取出故障电流、电压值,并可定位到相应的串;可实现光伏阵列的实时故障诊断与定位,并可判断出电流、电压故障及其相应的故障程度。
附图说明
下面结合附图和具体实施方式来详细说明本发明:
图1为本发明的流程图;
图2为2016年9月13日故障特征图;
图3为2016年9月13日健康状态图。
具体实施方式
为使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解,下面结合具体实施方式,进一步阐述本发明。
如图1所示的本发明的流程图,本发明的光伏阵列的故障诊断与定位方法,包括以下步骤:
步骤A:按季节选取正常运行状态下的各种天气类型的数据作为原始数据,分别形成两张关于电流、电压的二维表。
A1)按每年四个季度选取正常运行条件下的晴天,阴天,多云,雨的共面辐照度,环境温度,各串电流,各串电压作为原始数据;
A2)获得电流表,温度按0.5℃间隔选取,对于当温度相同时,将辐照度相同但电流值异常的数据删除,对其余的电流值取均值,作为该温度下,对应的辐照度下的电流参考值;
A3)获得电压表,辐照度按照10W/m2间隔选取,对于当辐照度相同时,将温度相同但电压值异常的数据删除,对其余的电压值取均值,作为该辐照度下,对应的温度下的电压参考值。
步骤B:根据实时温度、辐照数据查表采用样条插值获得参考电流、电压值,作为故障程度判断的参考。
B1)对实时温度采取指数平滑处理后,再使温度适应于电流表的温度值,即温度只能是0.5℃的倍数;
B2)对实时辐照度采取指数平滑处理后,再使福照度值适应于电压表的辐照度值,即辐照度只能是10W/m2的倍数;
B3)对温度和福照度平滑处理后,分别用样条插值获得参考电流、参考电压。
对实时的辐照度、温度根据指数平滑方法按照式(1)对其平滑处理,其中,此处β取0.03;
S1:初始平滑值;
y1:初始实际值;
St:时间t的平滑值;
yt:时间t的实际值;
St-1:时间t-1的平滑值;
β:平滑常数,其取值范围为[0,1];
对经平滑处理过的温度T,为获得与参考电流表温度相对应,对温度信号采取式(2)四舍五入处理;
T=round(T·2)/2 (2)
对经平滑处理过的辐照度G,为获得与参考电压表辐照度相对应,对福照度信号采取式(3)四舍五入处理
G=round(G/10)·10 (3)
分别将处理好后的数据值带入电流表、电压表中进行线性插值计算;
Round为四舍五入函数;
根据式(2)和式(3)处理后的T、G采用线性插值计算获得实时参考电流Iref
其中
G1:参考电流表中与G相邻的低辐照度;
G2:参考电流表中与G相邻的高辐照度;
Irefer1:参考电流表中与G1相对应的电流;
Irefer2:参考电流表中与G2相对应的电流;
对参考电压表,同理,只是对辐照度按照间隔10W/m2处理,其余处理方法与电流相同。
步骤C:对实时电流In×m,电压Vn×m异常值选择,其中m为电流、电压样本,n为串数,选取异常样本值,并获得异常串的串号;
对实时电流In×m选取异常值,并获得异常串的串号的方法为:求每一列的电流均值每一列的电流标准差σ,Ii为串号为i的电流,用格拉布斯准则,选取显著性水平α=0.05,根据所选参数的查表选取格拉布斯准则系数K,若则认为时异常值,并取出串号i。
本实施例中,取α=0.05,四串电流(I1、I2、I3、I4)、四串电压(V1、V2、V3、V4),所以获得的格拉布斯系数K=1.46,具体见表1与图1。
用式(5)求所有串电流均值
标准差σ的计算公式如式(6)所示,根据格拉布斯准则,选取异常值,并取出串号i为故障的串;
其中,σ表示标准差;
m表示异常个数;
Iunusal表示异常电流值的集合;
K'表示实际格拉布斯准则系数;
本实施例中,实验得到表2和表3中的数据,其中表2为部分电流异常选取表,表3为部分故障状态实时四串电流值。
同理,对实时电压Vm×n的异常值选取与对实时电流Im×n异常值方法选取完全一致。
步骤D:对异常值的串判定故障程度,根据异常电流、电压与参考电流、电压的偏离程度,定义故障特征值阈值,确定故障程度。
根据异常电流与参考电流的偏离程度确定故障程度的具体方法为:选取故障不同程度的阈值,判断故障程度;定义error=Iref-Iunusual/Iref为故障特征值,定义阵列健康状态为{正常、注意,异常,恶化},考虑到故障特征值在[0,1]区间内变化,对给定的健康状态的各自的阈值分别为{0.05,0.25,0.4},如果error大于0.4则为恶化,小于0.05为正常,0.05-0.25间为注意,0.25-0.4为异常。
根据异常电压与参考电压的偏离程度确定故障程度的方法与根据异常电流与参考电流的偏离程度确定故障程度的方法完全相同,包括阈值的选取也是完全相同的。
实验结果给出2016年9月13日的上午8:15-14:20的第一串组件的部分遮挡情况,具体见图2和图3。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
表1 格拉布斯准则系数K的取值表
表2 部分电流异常值选取表
K' | 串号 | 该串电流值 | 时间点 |
1.491686715 | 1 | 2.81 | 2957 |
1.481408766 | 1 | 2.94 | 2958 |
1.480724875 | 1 | 3.02 | 2959 |
1.477793133 | 1 | 3.1 | 2960 |
1.464998048 | 1 | 3.07 | 2961 |
1.48079752 | 1 | 3.03 | 2962 |
1.462547804 | 1 | 3.03 | 2963 |
1.476045872 | 1 | 2.99 | 2964 |
1.488303915 | 1 | 2.83 | 2965 |
表3 部分故障状态实时四串电流值
时间点 | 2957 | 2958 | 2959 | 2960 | 2961 | 2962 | 2963 | 2964 | 2965 |
I1 | 2.81 | 2.94 | 3.02 | 3.1 | 3.07 | 3.03 | 3.03 | 2.99 | 2.83 |
I2 | 3.68 | 3.72 | 3.73 | 3.73 | 3.69 | 3.59 | 3.63 | 3.52 | 3.48 |
I3 | 3.72 | 3.73 | 3.76 | 3.75 | 3.7 | 3.64 | 3.64 | 3.55 | 3.53 |
I4 | 3.61 | 3.6 | 3.63 | 3.63 | 3.56 | 3.53 | 3.5 | 3.44 | 3.43 |
Claims (8)
1.一种基于查表插值的光伏阵列的故障诊断与定位方法,其特征在于:包括以下步骤:
步骤A:按季节选取正常运行状态下的各种天气类型的数据作为原始数据,分别形成两张关于电流、电压的二维表;所述各种天气类型包括晴天、阴天、多云和雨;
步骤B:根据实时温度、辐照数据查表采用线性插值获得参考电流、电压值,作为故障程度判断的参考;
步骤C:对实时电流In×m,电压Vn×m异常值选择,其中m为电流、电压样本,n为串数,选取异常样本值,并获得异常串的串号;
步骤D:对异常值的串判定故障程度,根据异常电流、电压与参考电流、电压的偏离程度确定故障程度。
2.如权利要求1所述一种基于查表插值的光伏阵列的故障诊断与定位方法,其特征在于,所述步骤A的具体过程为:
A1)按每年四个季度选取正常运行条件下的晴天,阴天,多云,雨的共面辐照度G,环境温度T,各串电流,各串电压作为原始数据;
A2)获得电流表,温度按0.5℃间隔选取,对于当温度相同时,将辐照度相同但电流值异常的数据删除,对其余的电流值取均值,作为该温度下,对应的辐照度下的电流参考值;
A3)获得电压表,辐照度按照10W/m2间隔选取,对于当辐照度相同时,将温度相同但电压值异常的数据删除,对其余的电压值取均值,作为该辐照度下,对应的温度下的电压参考值。
3.如权利要求2所述一种基于查表插值的光伏阵列的故障诊断与定位方法,其特征在于,所述步骤B的具体过程为:
B1)对实时温度采取指数平滑处理后,再使温度适应于电流表的温度值,即温度只能是0.5℃的倍数;
B2)对实时辐照度采取指数平滑处理后,再使辐 照度值适应于电压表的辐照度值,即辐照度只能是10W/m2的倍数;
B3)对温度和辐 照度平滑处理后,分别用线性插值获得参考电流、参考电压。
4.如权利要求3所述一种基于查表插值的光伏阵列的故障诊断与定位方法,其特征在于,所述步骤B中,对实时的辐照度、温度根据指数平滑方法按照式(1)对其平滑处理,其中,此处β取0.03;
S1:初始平滑值;
y1:初始实际值;
St:时间t的平滑值;
yt:时间t的实际值;
St-1:时间t-1的平滑值;
β:平滑常数,其取值范围为[0,1];
对经平滑处理过的温度T,为获得与参考电流表温度相对应,对温度信号采取式(2)四舍五入处理;
T=round(T·2)/2 (2)
对经平滑处理过的辐照度G,为获得与参考电压表辐照度相对应,对幅照度信号采取式(3)四舍五入处理
G=round(G/10)·10 (3)
分别将处理好后的数据值带入电流表、电压表中进行线性插值计算;
Round为四舍五入函数;
根据式(2)和式(3)处理后的T、G根据所获得参考电流表采用线性插值计算获得实时参考电流Iref
其中
G1:参考电流表中与G相邻的低辐照度;
G2:参考电流表中与G相邻的高辐照度;
Irefer1:参考电流表中与G1相对应的电流;
Irefer2:参考电流表中与G2相对应的电流;
对获得参考电压表,同理,只是对辐照度按照间隔10W/m2处理,其余处理方法与获得参考电流表完全一致。
5.如权利要求2或4所述一种基于查表插值的光伏阵列的故障诊断与定位方法,其特征在于,所述步骤C中对实时电流In×m选取异常值,并获得异常串的串号的方法为:求每一列的电流均值每一列的电流标准差σ,Ii为串号为i的电流,用格拉布斯准则,选取显著性水平α=0.05,根据所选参数的查表选取格拉布斯准则系数K,若则认为是 异常值,并取出串号i。
6.如权利要求5所述一种基于查表插值的光伏阵列的故障诊断与定位方法,其特征在于,所述步骤C中,用式(5)求所有串电流均值
标准差σ的计算公式如式(6)所示,根据格拉布斯准则,选取异常值,并取出串号i为故障的串;
其中σ表示标准差;
Iunusal表示异常电流值的集合;
K'表示实际格拉布斯准则系数;
同理,对实时电压Vn×m的异常值选取与对实时电流In×m异常值方法选取完全一致。
7.如权利要求6所述一种基于查表插值的光伏阵列的故障诊断与定位方法,其特征在于,所述步骤D中根据异常电流与参考电流的偏离程度确定故障程度的具体方法为:选取故障不同程度的阈值,判断故障程度;定义error=Iref-Iunusual/Iref为故障特征值,定义阵列健康状态为{正常、注意,异常,恶化},考虑到故障特征值在[0,1]区间内变化,对给定的健康状态的各自的阈值分别为{0.05,0.25,0.4},如果error大于0.4则为恶化,小于0.05为正常,0.05-0.25间为注意,0.25-0.4为异常。
8.如权利要求7所述一种基于查表插值的光伏阵列的故障诊断与定位方法,其特征在于,所述根据异常电压与参考电压的偏离程度确定故障程度的方法与根据异常电流与参考电流的偏离程度确定故障程度的方法完全相同,包括阈值的选取也是完全相同的。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611151962.2A CN106603006B (zh) | 2016-12-14 | 2016-12-14 | 一种基于查表插值的光伏阵列的故障诊断与定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611151962.2A CN106603006B (zh) | 2016-12-14 | 2016-12-14 | 一种基于查表插值的光伏阵列的故障诊断与定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106603006A CN106603006A (zh) | 2017-04-26 |
CN106603006B true CN106603006B (zh) | 2018-08-03 |
Family
ID=58802488
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611151962.2A Active CN106603006B (zh) | 2016-12-14 | 2016-12-14 | 一种基于查表插值的光伏阵列的故障诊断与定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106603006B (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107395121B (zh) * | 2017-08-01 | 2018-12-25 | 河海大学常州校区 | 基于格拉布斯准则及离群点检测光伏阵列故障检测方法 |
CN107276533B (zh) * | 2017-08-08 | 2023-12-22 | 国网江苏省电力有限公司检修分公司 | 屋顶光伏板的电压和电流检测装置 |
CN108287320A (zh) * | 2018-02-01 | 2018-07-17 | 安徽创世科技股份有限公司 | 一种电池电量检测优化方法 |
CN108964606B (zh) * | 2018-08-23 | 2019-12-20 | 上海电气分布式能源科技有限公司 | 一种光伏系统热斑故障检测方法 |
CN109085437B (zh) * | 2018-09-03 | 2021-04-13 | 苏州协鑫新能源运营科技有限公司 | 一种光伏电站设备健康值的检测方法 |
CN111555716B (zh) * | 2020-03-13 | 2023-07-28 | 远景智能国际私人投资有限公司 | 光伏阵列工作状态的确定方法、装置、设备及存储介质 |
CN111614318B (zh) * | 2020-05-26 | 2021-07-20 | 广东电网有限责任公司电力调度控制中心 | 光伏系统直流侧电流故障检测方法和装置 |
CN112039438B (zh) * | 2020-09-28 | 2021-08-10 | 国网江苏省电力有限公司苏州供电分公司 | 一种光伏方阵串内的故障趋势精准定位方法及其系统 |
CN114039546A (zh) * | 2021-11-18 | 2022-02-11 | 河海大学常州校区 | 基于光伏组件i-v曲线重构的光伏阵列故障定位方法和装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104715103A (zh) * | 2015-01-12 | 2015-06-17 | 国家电网公司 | 基于fpga的光伏电池实时仿真模型设计方法 |
KR101602844B1 (ko) * | 2015-10-27 | 2016-03-21 | 지투파워 (주) | 과열 및 아크 검출을 통해 전기화재 감시진단 기능을 갖는 태양광 접속반 |
CN105790711A (zh) * | 2014-12-26 | 2016-07-20 | 国家电网公司 | 一种光伏电站硅基组件缺陷的检测方法及系统 |
CN106059492A (zh) * | 2016-05-05 | 2016-10-26 | 江苏方天电力技术有限公司 | 基于功率预测的光伏组件阴影故障类型判定方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2293089A1 (de) * | 2009-09-02 | 2011-03-09 | SMA Solar Technology AG | Stringausfallüberwachung |
-
2016
- 2016-12-14 CN CN201611151962.2A patent/CN106603006B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105790711A (zh) * | 2014-12-26 | 2016-07-20 | 国家电网公司 | 一种光伏电站硅基组件缺陷的检测方法及系统 |
CN104715103A (zh) * | 2015-01-12 | 2015-06-17 | 国家电网公司 | 基于fpga的光伏电池实时仿真模型设计方法 |
KR101602844B1 (ko) * | 2015-10-27 | 2016-03-21 | 지투파워 (주) | 과열 및 아크 검출을 통해 전기화재 감시진단 기능을 갖는 태양광 접속반 |
CN106059492A (zh) * | 2016-05-05 | 2016-10-26 | 江苏方天电力技术有限公司 | 基于功率预测的光伏组件阴影故障类型判定方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106603006A (zh) | 2017-04-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106603006B (zh) | 一种基于查表插值的光伏阵列的故障诊断与定位方法 | |
CN108062571B (zh) | 基于差分进化随机森林分类器的光伏阵列故障诊断方法 | |
CN110082640B (zh) | 一种基于长短时记忆网络的配网单相接地故障辨识方法 | |
CN108616120B (zh) | 一种基于rbf神经网络的非侵入式电力负荷分解方法 | |
CN109978079A (zh) | 一种改进的堆栈降噪自编码器的数据清洗方法 | |
CN110659693A (zh) | 基于k近邻分类的配电网快速拓扑识别方法、系统及可读存储介质 | |
CN111628494B (zh) | 一种基于逻辑回归法的低压配电网拓扑识别方法及系统 | |
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 | |
CN105137324B (zh) | 一种基于仿真分类模型的多探测点故障元器件定位方法 | |
CN110289613A (zh) | 基于灵敏度矩阵的配电网拓扑识别与线路参数辨识方法 | |
CN109142991A (zh) | 一种基于Burr分布的瓷绝缘子红外测零温度阈值判定方法 | |
CN111259953A (zh) | 一种基于电容型设备缺陷数据的设备缺陷时间预测方法 | |
CN111931851A (zh) | 一种基于一维残差神经网络的风机叶片结冰故障诊断方法 | |
CN106384298B (zh) | 一种基于两阶段插补模型的智能用电缺失数据修正方法 | |
CN112649644B (zh) | 一种学生公寓用电安全负载学习方法 | |
CN110850717A (zh) | 利用风机电流的神经网络热泵除霜控制装置及控制方法 | |
CN114330571A (zh) | 基于迁移学习的电力系统主导失稳模式识别方法及系统 | |
CN117370744A (zh) | 一种电力用户用电异常数据动态清洗方法及系统 | |
CN112100946B (zh) | 一种基于故障在线模拟的逆变器开路故障诊断方法及装置 | |
CN113092933A (zh) | 一种基于lstm的单相接地故障选线方法及系统 | |
CN116436405A (zh) | 一种光伏组串的热斑故障诊断方法 | |
CN114487284B (zh) | 一种测量空气中重金属浓度的方法及系统 | |
CN109713665B (zh) | 一种适用于配电网多重多相故障的最小碰集算法 | |
CN114565581A (zh) | 一种配电线路低值绝缘子的检测方法、记录媒体及系统 | |
CN111044176A (zh) | 一种发电机温度异常的监测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant |