CN107065829A - 一种基于太阳能发电监管大数据挖掘下的光伏组件污染诊断方法 - Google Patents
一种基于太阳能发电监管大数据挖掘下的光伏组件污染诊断方法 Download PDFInfo
- Publication number
- CN107065829A CN107065829A CN201710238611.3A CN201710238611A CN107065829A CN 107065829 A CN107065829 A CN 107065829A CN 201710238611 A CN201710238611 A CN 201710238611A CN 107065829 A CN107065829 A CN 107065829A
- Authority
- CN
- China
- Prior art keywords
- mrow
- msub
- avg
- photovoltaic
- inverter
- 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.)
- Pending
Links
- 238000010248 power generation Methods 0.000 title claims abstract description 13
- 238000003745 diagnosis Methods 0.000 title claims abstract description 12
- 230000002159 abnormal effect Effects 0.000 claims description 11
- 238000004458 analytical method Methods 0.000 claims description 9
- 230000000875 corresponding Effects 0.000 claims description 4
- 239000000428 dust Substances 0.000 claims description 4
- 230000000694 effects Effects 0.000 claims description 4
- 230000032683 aging Effects 0.000 claims description 3
- 238000005259 measurement Methods 0.000 claims description 3
- 230000002035 prolonged Effects 0.000 claims description 3
- 238000000518 rheometry Methods 0.000 claims description 3
- 239000000306 component Substances 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 241000196324 Embryophyta Species 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 3
- 230000005611 electricity Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 238000004454 trace mineral analysis Methods 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 210000004556 Brain Anatomy 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 230000002547 anomalous Effects 0.000 description 1
- 239000008358 core component Substances 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000002405 diagnostic procedure Methods 0.000 description 1
- 235000005035 ginseng Nutrition 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02S—GENERATION OF ELECTRIC POWER BY CONVERSION OF INFRA-RED 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
-
- 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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
- Y04S10/52—Outage or fault management, e.g. fault detection or location
Abstract
一种基于太阳能发电监管大数据挖掘下的光伏组件污染诊断方法，通过对光伏发电系统生产大数据的实时采集，可以通过正常运行状态下各主要部件的运行参数趋势和规律分析出故障状态的异常运行参数，从而推算出现故障的光伏组件具体位置及故障类型，为发电监管乃至光伏电站自身的管理和安全高效运行提供有效的技术支持和维护策略，提升光伏电站及集团公司的信息化管理水平。
Description
一种基于太阳能发电监管大数据挖掘下的光伏组件污染诊断 方法
技术领域
[0001] 本发明属于动力工程领域，具体涉及一种基于太阳能发电监管大数据挖掘下的光 伏组件污染诊断方法。
背景技术
[0002] 太阳能发电是具有前景的节能环保的发电技术，在中国乃至世界应用逐渐广泛。 太阳能发电技术的信息化发展也是重要环节，尤其是利用厂级生产信息监控系统、集团公 司的发电监管系统技术，挖掘实时生产及历史数据，对太阳能发电技术的高效运行、针对性 维护方面提供智囊作用尤为重要。
[0003] 太阳能发电的核心部件是吸收太阳能并转换为电能的多组光伏阵列。在整个光伏 发电系统中，影响发电效率的重要环节就在光伏阵列的效率上。光伏阵列效率损失主要包 括:组件匹配损失、表面尘埃遮挡损失、不可利用的太阳辐射损失、温度的影响以及直流线 路损失等。在光伏电站各系统设备正常运行的情况下，影响光伏电站发电量的主要因素为 光伏组件表面尘埃遮挡所造成太阳辐射损失。通过监控大数据对各级系统设备运行参数分 析，诊断出故障数据及相应设备，给出光伏组件状态诊断及维护方案，对太阳能发电的信息 化智能化发展具有重要作用。
发明内容
[0004] 本发明的目的在于提供一种基于太阳能发电监管大数据挖掘下的光伏组件污染 诊断方法。
[0005] 为达到上述目的，本发明采用的技术方案是：
[0006] 1)诊断出有问题的光伏单元
[0007] 计算整个光伏电站的总功率PQ，及运行中的每个光伏单元i (ie [l，nl])的平均功 率Pavg，同时假定各光伏单元正常运行时的实时功率测量值服从正态分布，在平均功率Pavg 上下浮动，根据公式⑴计算整个光伏电站的标准差〇〇,根据“3〇”准则，标记光伏单元功率P1 在区间（Pavg_3〇〇，Pavg+3〇〇)夕卜，且低于平均功率Pavg的光伏单元i，作为故障嫌疑光伏单元；
[0008]
[0009] 2)诊断报警有问题的逆变器j
[0010] 根据厂家提供的逆变器效率保证值Ilit驟,0,在故障嫌疑光伏单元中，嫌疑光伏单元 的各逆变器j (je [l，n2])的效率110^,」，满足条件的逆变器jl进行标记和报 警，标记出的逆变器原件本身有问题需要处理；
[0011] 在故障嫌疑光伏单元i中，计算各逆变器j实时输入功率Pj,j^Sin，与非故障嫌疑光 伏单元的各逆变器输入功率的平均值Pavg,_ιη，假定各光伏单元正常运行时的逆变器实时 输入功率值服从正态分布，根据公式(2)计算出非故障嫌疑光伏单元的各逆变器输入功率 的标准差〇1，根据“3〇”准则，标记逆变器实时输入功率在区间 O1)外，且
的逆变器j2;
[0012]
[0013] 3)诊断出异常的汇流箱
[0014] 在标记的逆变器」2所属的汇流箱中，计算出各汇流箱的电流(支路电流）平均值 Ij2,avg，根据公式(3)计算标准差〇2，根据“3〇”准则，标记k(ke [1，η3])路电流Ij2,k在区间 (1见_-3〇2，1」2,^+3〇2)外，且1」2,1{〈1」2,_的汇流箱1^，对应的汇流箱1^作为故障嫌疑单元；
[0015]
[0016] 4)诊断分析异常的光伏组件
[0017] 对确定为故障嫌疑单元的汇流箱k，依次通过以下步骤分析诊断：
[0018] 第一步，实时横向比较某光伏组件电流与该汇流箱下其他光伏组件电流，假定各 光伏组件的电流测量值服从正态分布，计算出汇流箱k中的各光伏组件电流平均值Ik,avg及 根据公式⑷计算标准差σ3,根据“3〇”准则，标记汇流箱k下的各光伏通道实时电流Ikj在区 间（115,_-3〇3，11{,^+3〇3)外，且11{,1〈11{,_的光伏组件1(1^[1，114])，作为有故障的光伏组 件；
[0019]
[0020] 第二步，纵向比较上步记录的光伏组件1不同历史工作日下同一时刻下的电流，考 虑到环境因素影响，选取当前工作日前的X个历史工作日，并保证满足以下条件：（1)历史工 作日在该时刻下辐照强度(W/m2)和环境温度与当日数值相差在± 5 % (数值可变）以内^2) 环境参数满足下的光伏通道电流状态诊断值为正常类型，满足以上条件的历史工作日对应 的该光伏组件电流记为Mi = I，x)，当前工作日当前时刻的该光伏通道电流为1〇,对Io和Ii (i = l，x)进行统计，计算出数组1:的平均值Iavg和根据公式(5)计算标准差〇1，根据“3〇”准 贝1J，记录Io在区间（Iavg-3〇i，Iavg+3〇i)外且Io〈Iavg的光伏组件1〇,作为故障确定的光伏组件；
[0021]
[0022]所述步骤1)〜4)中对光伏阵列中运行特征参数的判断方法，即认为大量光伏组件 在正常运行时特征参数符合正态分布，通过比较实时特征参数λ与平均值Aavg、实时特征参 数λ是否在置信区间(Aavg-3〇，Aavg+3〇)来判断光伏阵列大数据中的异常数据，认为Aaavg且
I时为故障异常数据，其中，
[0023]
[0024] λ为实时特征值功率、电流、效率，z为同类特征值的数量，
[0025]
[0026] 所述步骤4)诊断分析异常的光伏组件通过发电监管系统得到的实时值与历史曲 线进行故障类型的判断，具体判断故障类型方法如下:针对该光伏组件的电流的历史时间 段数据趋势对时间求一阶导数，计算出电流导数随时间变化趋势，并分情况诊断：（1)电流 一阶导数随时间变化曲线出现陡峭单峰，然后趋于零值附近，说明该电流通道在某时刻开 始光伏电流变小，然后维持稳定，表明可能有阴影遮挡；（2)电流一阶导数无陡峭峰值，但曲 线出现长时间的负值平台，表明光伏通道电流持续降低，有可能是积尘增加或组件老化； (3)电流一阶导数曲线出现陡峭单峰，然后出现长时间负值平台，说明表明该光伏通道出现 其他类型故障。
[0027] 本发明基于太阳能光伏发电监管大数据，实时获取光伏电站系统主要运行参数特 征值并存储历史，按一定秩序对光伏设备各层次运行参数进行统计分析及故障诊断，为太 阳能发电电站的高效运行及集团公司监管的信息化智能化发展具有重要作用。
具体实施方式
[0028] 本发明包括以下步骤：
[0029] 1)诊断出有故障可能的光伏单元
[0030] 计算整个光伏电站的总功率Ρο,及每个运行中的光伏单元i (ie [l，nl])的平均功 率Pavg。同时假定各光伏单元正常运行时的实时功率测量值服从正态分布，在平均功率Pavg 上下浮动，根据公式⑴计算出整个光伏电站的标准差〇〇。根据“30”准则，标记光伏单元功 率在区间（Pavg-3〇o，Pavg+3〇o)外，且低于平均功率的光伏单元i，作为故障嫌疑光伏单元，进 行进一步的跟踪分析；
[0031]
[0032] 2)诊断有故障可能的逆变器
[0033] 在故障嫌疑光伏单元中，分析这些光伏单元的各逆变器j(je [1，η2])的效率 P诊断逆变器效率并报警。根据厂家提供的逆变器效率保证值标记和报警满 足Hit雛,Knas雛,〇条件的逆变器jl，这些逆变器原件本身有问题需要处理。
[0034] 在故障嫌疑光伏单元i中，计算各逆变器j实时输入功率Pj,j^Sin，与非故障嫌疑光 伏单元的各逆变器输入功率的平均值Pavg, _ιη。假定各光伏单元正常运行时的逆变器实时 输入功率值服从正态分布，根据公式(2)计算出非故障嫌疑光伏单元的各逆变器输入功率 的标准差0I。根据“3〇”准则，标记逆变器实时输入功率在区间，Pavg,j^|in+3 〇1)外，且?』,1^^〈?£^,1^^的逆变器」2。
[0035]
[0036] 3)诊断出异常的汇流箱
[0037] 在标记的逆变器」2所属的汇流箱中，计算出各汇流箱的电流(支路电流）平均值 Ij2,avg及根据公式（3)标准差〇2。根据“3〇”准则，标记k(ke [1，η3])路电流Ij2,k在区间 山2,^-3〇2，1」2,^+3〇2)外，且1」2,1{〈1」2,^的汇流箱1^。对应的汇流箱1^作为故障嫌疑单元，进 行进一步的跟踪分析。
[0038]
[0039] 4)诊断分析异常的光伏组件
[0040] 对确定为故障嫌疑单元的汇流箱k，进一步分析汇流箱的各分支光伏组件电流。然 后依次通过以下步骤分析诊断：
[0041] 第一步，实时横向比较某光伏组件电流与该汇流箱下其他光伏组件电流。假定各 光伏组件的电流测量值服从正态分布，计算出汇流箱k中的各光伏组件电流平均值Ik,avg及 根据公式(4)标准差〇3。根据“3〇”准则，标记汇流箱k下的各光伏通道实时电流Ik,i在区间 (11<^-3〇3，11{,^+3〇3)外，且11{,1〈11{,^的光伏组件1(1^[1，114])，作为有故障可能的光伏组 件(通道）。
[0042]
[0043] 第二步，纵向比较上步记录的光伏组件1不同历史工作日下同一时刻下的电流。考 虑到环境因素影响，选取当前工作日前的X个历史工作日，并保证满足以下条件：（1)历史工 作日在该时刻下辐照强度(W/m2)和环境温度与当日数值相差在± 5 % (数值可变）以内^2) 环境参数满足下的光伏通道电流状态诊断值为正常类型。满足以上条件的历史工作日对应 的该光伏组件电流记为I1 (i = I，x)，当前工作日当前时刻的该光伏通道电流为1〇。这样可以 对Io和I1 (i = l，x)进行统计分析。计算出数组^的平均值Iavg和根据公式⑶标准差〇1。根据 “3〇”准则，记录Io在区间（Iavg-3〇i，Iavg+3〇i)外且Io〈Iavg的光伏组件1〇,作为故障确定的光伏 组件。
[0044]
[0045] 以上步骤中对光伏阵列中运行特征参数的判断方法，即认为大量光伏组件在正常 运行时特征参数符合正态分布，通过比较实时特征参数λ与平均值1_、实时特征参数λ是否 在置信区间（Aavg-3〇，Aavg + 3〇)来判断光伏阵列大数据中的异常数据，认为A〈Aavg且
时为故障异常数据，其中，
[0046]
[0047] λ为实时特征值功率、电流、效率，z为同类特征值的数量，
[0048]
[0049] 至此，故障的光伏板具体位置已确定，位置坐标为（i，j，k，l)即光伏单元i中的逆 变器j中的汇流箱k下的光伏组件1为有故障可能的光伏组件，位置坐标为（i，j，k，lo)即光 伏单元i中的逆变器j汇流箱k下的光伏组件Io为故障确定的光伏组件。
[0050] 第三步，针对故障确定的光伏通道，分析比较该通道电流历史时间的连续变化趋 势，捕捉异常变化，分析确定光伏板污染或故障的具体位置，并给出污染故障的类型。这些 作为已确定故障类型的光伏通道。具体判断故障类型方法如下：该通道电流的历史时间段 数据趋势对时间求一阶导数，计算出电流导数随时间变化趋势，并分情况诊断：（1)电流一 阶导数随时间变化曲线出现陡峭单峰，然后趋于零值附近，说明该电流通道(光伏组件)在 某时刻开始光伏电流变小，然后维持稳定，表明可能有阴影遮挡；（2)电流一阶导数无陡峭 峰值，但曲线出现长时间的负值平台，表明光伏通道(光伏组件）电流持续降低，有可能是积 尘增加或组件老化；（3)电流一阶导数曲线出现陡峭单峰，然后出现长时间负值平台，表明 该光伏通道(光伏组件）出现其他类型故障。
[0051] 采用上述数据分析流程及方法，能够及时准确诊断出太阳能发电光伏阵列的各组 件故障状态及故障类型，为光伏发电电站运行维护及监管系统的智能化管理提供有益的支 持和技术指导。
Claims (3)
1. 一种基于太阳能发电监管大数据挖掘下的光伏组件污染诊断方法，其特征在于包括 以下步骤： 1) 诊断出有问题的光伏单元 计算整个光伏电站的总功率Ρο,及运行中的每个光伏单元i (i e [I，nl])的平均功率 Pavg，同时假定各光伏单元正常运行时的实时功率测量值服从正态分布，在平均功率Pavg上 下浮动，根据公式⑴计算整个光伏电站的标准差〇〇,根据“3〇”准则，标记光伏单元功率?:在 区间(Pavg-3〇o，Pavg+3〇o)外，且低于平均功率Pavg的光伏单元i，作为故障嫌疑光伏单元；
2) 诊断报警有问题的逆变器j 根据厂家提供的逆变器效率保证值nas雛在故障嫌疑光伏单元中，嫌疑光伏单元的各 逆变器j (je [1，η2])的效率满足条件的逆变器jl进行标记和报警，标 记出的逆变器原件本身有问题需要处理； 在故障嫌疑光伏单元i中，计算各逆变器j实时输入功率Pj ，与非故障嫌疑光伏单 元的各逆变器输入功率的平均值Pavg,逆雛ιη，假定各光伏单元正常运行时的逆变器实时输入 功率值服从正态分布，根据公式(2)计算出非故障嫌疑光伏单元的各逆变器输入功率的标 准差〇1，根据“3〇”准则，标记逆变器实时输入功率在区间(Pavg ，Pavg,外， 且P j ,j^in〈PaVg 的逆变器 j 2 ;
3) 诊断出异常的汇流箱 在标记的逆变器j2所属的汇流箱中，计算出各汇流箱的电流(支路电流)平均值Ij2,avg， 根据公式(3)计算标准差O2，根据“3〇”准则，标记k(ke[l，n3])路电流Ij2,k在区间（Img-3 〇2，Ij2,aVg+3〇2)外，且Ij2,k〈Ij2,aVg的汇流箱k，对应的汇流箱k作为故障嫌疑单元；
4) 诊断分析异常的光伏组件 对确定为故障嫌疑单元的汇流箱k，依次通过以下步骤分析诊断： 第一步，实时横向比较某光伏组件电流与该汇流箱下其他光伏组件电流，假定各光伏 组件的电流测量值服从正态分布，计算出汇流箱k中的各光伏组件电流平均值Ik,avg及根据 公式⑷计算标准差〇3,根据“3〇”准则，标记汇流箱k下的各光伏通道实时电流Ik,i在区间 (Ik,avg-3〇3，Ik,avg+3〇3)外，且Ik,i〈Ik,avg的光伏组件I (I e [I，n4])，作为有故障的光伏组件；
第二步，纵向比较上步记录的光伏组件1不同历史工作日下同一时刻下的电流，考虑到 环境因素影响，选取当前工作日前的X个历史工作日，并保证满足以下条件：（1)历史工作日 在该时刻下辐照强度(W/m2)和环境温度与当日数值相差在± 5 % (数值可变）以内^2)环境 参数满足下的光伏通道电流状态诊断值为正常类型，满足以上条件的历史工作日对应的该 光伏组件电流记为Mi = l，x)，当前工作日当前时刻的该光伏通道电流为1〇,对Io和Mi = I，x)进行统计，计算出数组1成平均值Iavg和根据公式⑶计算标准差σι，根据“3〇”准则，记 录Io在区间（Iavg-So1Javf^oi)外且I〇〈Iavg的光伏组件1〇，作为故障确定的光伏组件；
2. 根据权利要求1所述的基于太阳能发电监管大数据挖掘下的光伏组件污染诊断方 法，其特征在于:所述步骤1)〜4)中对光伏阵列中运行特征参数的判断方法，即认为大量光 伏组件在正常运行时特征参数符合正态分布，通过比较实时特征参数λ与平均值Aavg、实时 特征参数λ是否在置信区间(Aavg-3〇，Aavg+3〇)来判断光伏阵列大数据中的异常数据，认为λ〈
I时为故障异常数据，其中，
λ为实时特征值功率、电流、效率），z为同类特征值的数量，
3. 根据权利要求1所述的基于太阳能发电监管大数据挖掘下的光伏组件污染诊断方 法，其特征在于:所述步骤4)诊断分析异常的光伏组件通过发电监管系统得到的实时值与 历史曲线进行故障类型的判断，具体判断故障类型方法如下:针对该光伏组件的电流的历 史时间段数据趋势对时间求一阶导数，计算出电流导数随时间变化趋势，并分情况诊断： (1)电流一阶导数随时间变化曲线出现陡峭单峰，然后趋于零值附近，说明该电流通道在某 时刻开始光伏电流变小，然后维持稳定，表明可能有阴影遮挡；（2)电流一阶导数无陡峭峰 值，但曲线出现长时间的负值平台，表明光伏通道电流持续降低，有可能是积尘增加或组件 老化；（3)电流一阶导数曲线出现陡峭单峰，然后出现长时间负值平台，说明表明该光伏通 道出现其他类型故障。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710238611.3A CN107065829A (zh) | 2017-04-13 | 2017-04-13 | 一种基于太阳能发电监管大数据挖掘下的光伏组件污染诊断方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710238611.3A CN107065829A (zh) | 2017-04-13 | 2017-04-13 | 一种基于太阳能发电监管大数据挖掘下的光伏组件污染诊断方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107065829A true CN107065829A (zh) | 2017-08-18 |
Family
ID=59600982
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710238611.3A Pending CN107065829A (zh) | 2017-04-13 | 2017-04-13 | 一种基于太阳能发电监管大数据挖掘下的光伏组件污染诊断方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107065829A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109150102A (zh) * | 2018-07-25 | 2019-01-04 | 华北电力大学 | 一种光伏组件故障实时监测方法和系统 |
| CN109842372A (zh) * | 2017-11-28 | 2019-06-04 | 中国电力科学研究院有限公司 | 一种光伏组件故障检测方法和系统 |
| CN112003564A (zh) * | 2020-09-18 | 2020-11-27 | 北京航空航天大学 | 基于智能终端的分布式光伏系统支路功率异常预警方法 |
Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101577979A (zh) * | 2009-06-01 | 2009-11-11 | 扬州大学 | 光伏电站的无线传感器网络装置 |
| CN102566435A (zh) * | 2012-02-17 | 2012-07-11 | 冶金自动化研究设计院 | 一种光伏电站的性能预报及故障报警方法 |
| CN102723394A (zh) * | 2012-06-29 | 2012-10-10 | 中国农业大学 | 一种光伏组件接线盒 |
| CN103197131A (zh) * | 2012-01-04 | 2013-07-10 | 华北电力科学研究院有限责任公司 | 光伏发电系统的性能检测系统 |
| CN103472331A (zh) * | 2013-09-13 | 2013-12-25 | 同济大学 | 一种基于光伏物理模型的光伏发电故障诊断系统 |
| 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 |
| CN104767479A (zh) * | 2015-04-28 | 2015-07-08 | 北京汉能光伏投资有限公司 | 用于汇流箱的汇流检测方法及系统、太阳能电站 |
| CN104794544A (zh) * | 2015-04-24 | 2015-07-22 | 国家电网公司 | 基于智能算法的分布式光伏发电防窃电监测方法 |
| 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 |
| CN105515531A (zh) * | 2015-12-11 | 2016-04-20 | 中电投江苏新能源有限公司 | 一种基于监控系统的光伏组件衰减异常诊断方法 |
| CN205304734U (zh) * | 2015-11-17 | 2016-06-08 | 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装置 |
| CN105978487A (zh) * | 2016-05-05 | 2016-09-28 | 江苏方天电力技术有限公司 | 基于内部等效参数的光伏组件故障诊断方法 |
| CN106100579A (zh) * | 2016-06-07 | 2016-11-09 | 国电南瑞南京控制系统有限公司 | 一种基于数据分析的光伏电站故障诊断方法 |
| CN106533361A (zh) * | 2016-12-14 | 2017-03-22 | 河海大学常州校区 | 一种基于小波分析的光伏组件故障诊断方法 |
-
2017
- 2017-04-13 CN CN201710238611.3A patent/CN107065829A/zh active Pending
Patent Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101577979A (zh) * | 2009-06-01 | 2009-11-11 | 扬州大学 | 光伏电站的无线传感器网络装置 |
| CN103197131A (zh) * | 2012-01-04 | 2013-07-10 | 华北电力科学研究院有限责任公司 | 光伏发电系统的性能检测系统 |
| CN102566435A (zh) * | 2012-02-17 | 2012-07-11 | 冶金自动化研究设计院 | 一种光伏电站的性能预报及故障报警方法 |
| CN102723394A (zh) * | 2012-06-29 | 2012-10-10 | 中国农业大学 | 一种光伏组件接线盒 |
| CN103472331A (zh) * | 2013-09-13 | 2013-12-25 | 同济大学 | 一种基于光伏物理模型的光伏发电故障诊断系统 |
| 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 |
| CN104794544A (zh) * | 2015-04-24 | 2015-07-22 | 国家电网公司 | 基于智能算法的分布式光伏发电防窃电监测方法 |
| CN104767479A (zh) * | 2015-04-28 | 2015-07-08 | 北京汉能光伏投资有限公司 | 用于汇流箱的汇流检测方法及系统、太阳能电站 |
| 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 |
| CN205304734U (zh) * | 2015-11-17 | 2016-06-08 | 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装置 |
| CN105515531A (zh) * | 2015-12-11 | 2016-04-20 | 中电投江苏新能源有限公司 | 一种基于监控系统的光伏组件衰减异常诊断方法 |
| CN105978487A (zh) * | 2016-05-05 | 2016-09-28 | 江苏方天电力技术有限公司 | 基于内部等效参数的光伏组件故障诊断方法 |
| CN106100579A (zh) * | 2016-06-07 | 2016-11-09 | 国电南瑞南京控制系统有限公司 | 一种基于数据分析的光伏电站故障诊断方法 |
| CN106533361A (zh) * | 2016-12-14 | 2017-03-22 | 河海大学常州校区 | 一种基于小波分析的光伏组件故障诊断方法 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109842372A (zh) * | 2017-11-28 | 2019-06-04 | 中国电力科学研究院有限公司 | 一种光伏组件故障检测方法和系统 |
| CN109150102A (zh) * | 2018-07-25 | 2019-01-04 | 华北电力大学 | 一种光伏组件故障实时监测方法和系统 |
| CN112003564A (zh) * | 2020-09-18 | 2020-11-27 | 北京航空航天大学 | 基于智能终端的分布式光伏系统支路功率异常预警方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103400302B (zh) | 一种风电基地连锁故障风险感知预警方法 | |
| CN107065829A (zh) | 一种基于太阳能发电监管大数据挖掘下的光伏组件污染诊断方法 | |
| CN107732970B (zh) | 一种新能源并网电力系统的静态安全概率评估方法 | |
| CN105375878B (zh) | 一种在线检测和评估光伏系统效率的方法 | |
| CN106100579B (zh) | 一种基于数据分析的光伏电站故障诊断方法 | |
| CN104483575A (zh) | 用于非侵入式电力监测的自适应负荷事件检测方法 | |
| CN106777984A (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 | |
| CN107346899A (zh) | 一种光伏电站系统稳定性评估方法及系统 | |
| CN104504607A (zh) | 一种基于模糊聚类算法的光伏电站故障诊断方法 | |
| CN107453709B (zh) | 一种隔离机制与交叉测量融合的光伏热斑故障诊断方法 | |
| Chunlai et al. | A survey of online fault diagnosis for PV module based on BP neural network | |
| CN103711645A (zh) | 基于建模参数特征分析的风力发电机组状态评估方法 | |
| Bakdi et al. | Real-time fault detection in PV systems under MPPT using PMU and high-frequency multi-sensor data through online PCA-KDE-based multivariate KL divergence | |
| CN203879690U (zh) | 风电场故障实时预警智能控制平台 | |
| Chen et al. | A novel fault diagnosis method of PV based-on power loss and IV characteristics | |
| Livera et al. | Failure diagnosis of short-and open-circuit fault conditions in PV systems | |
| Yurtseven et al. | Sensorless fault detection method for photovoltaic systems through mapping the inherent characteristics of PV plant site: Simple and practical | |
| Alam et al. | A short length window-based method for islanding detection in distributed generation | |
| CN104601107A (zh) | 一种云光伏故障诊断系统 | |
| Liu et al. | Hierarchical context-aware anomaly diagnosis in large-scale PV systems using SCADA data | |
| Dyamond et al. | Detecting Anomalous Events for a Grid Connected PV Power Plant Using Sensor Data | |
| Yun et al. | Research on Fault Diagnosis of Photovoltaic Array Based on Random Forest Algorithm | |
| Jing et al. | On-line Diagnosis Technology of Distributed Photovoltaic Abnormal Generation Based on Output Prediction | |
| CN112234940B (zh) | 考虑限功率与运行效率的逆变器输出功率异常预警方法 | |
| Mu et al. | Design of an online intelligent alarming system for cascading failures of group of wind farms |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170818 |
|
| RJ01 | Rejection of invention patent application after publication |