CN107276531A - 一种光伏组件在线故障分级诊断系统及方法 - Google Patents
一种光伏组件在线故障分级诊断系统及方法 Download PDFInfo
- Publication number
- CN107276531A CN107276531A CN201710426513.2A CN201710426513A CN107276531A CN 107276531 A CN107276531 A CN 107276531A CN 201710426513 A CN201710426513 A CN 201710426513A CN 107276531 A CN107276531 A CN 107276531A
- Authority
- CN
- China
- Prior art keywords
- mrow
- photovoltaic module
- msub
- module
- diagnostic
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 28
- 238000003745 diagnosis Methods 0.000 claims abstract description 52
- 238000001514 detection method Methods 0.000 claims abstract description 12
- 230000005540 biological transmission Effects 0.000 claims abstract description 8
- 238000002405 diagnostic procedure Methods 0.000 claims abstract description 6
- 238000013528 artificial neural network Methods 0.000 claims description 16
- 238000005286 illumination Methods 0.000 claims description 12
- 230000007935 neutral effect Effects 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 12
- 238000012545 processing Methods 0.000 claims description 8
- 230000032683 aging Effects 0.000 claims description 6
- 238000010606 normalization Methods 0.000 claims description 6
- 230000005611 electricity Effects 0.000 claims description 5
- 230000006870 function Effects 0.000 claims description 4
- 210000003850 cellular structure Anatomy 0.000 claims description 3
- 238000004891 communication Methods 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 230000008859 change Effects 0.000 claims description 2
- 230000033083 heart process Effects 0.000 claims 1
- 238000011161 development Methods 0.000 abstract description 3
- 238000012544 monitoring process Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 4
- 210000004027 cell Anatomy 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000010248 power generation Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000003483 aging Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000003703 image analysis method Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000002310 reflectometry Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 238000007493 shaping process 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)
Abstract
本发明提供了一种光伏组件在线故障分级诊断系统及方法，所述分级诊断系统包括前段传感器数据采集和预处理模块、前级单片机内置诊断模块、无线发射和接收模块、后级DSP故障诊断模块以及后台计算机结果显示模块。本发明提供的诊断方法以单个光伏组件作为诊断对象，利用光伏组件故障特性不同，对光伏组件进行分级诊断，并采取相应的检测方法，即保证了对故障种类诊断完整性，又降低了故障诊断模型的复杂程度，保证诊断的准确性，确保每一个光伏组件发挥最大的电性能，同时保证整个光伏组件装置运行的安全性，因此本发明提供的光伏组件在线故障分级诊断系统及方法有利于带动光伏产业链的良性发展。
Description
技术领域
本发明涉及光伏组件故障诊断技术领域，尤其涉及一种光伏组件在线故障分级诊断系统及方法。
背景技术
太阳电池阵列是由若干个太阳电池组件经过串、并联联接组合而成，但在实际中太阳电池阵列的实际发电量却往往大大低于理论设计要求，这是由于太阳能发电所受的制约因数相当多，其中包括单块电池组件自身特性差异、电池组件损坏、电池组件老化、外界环境温度、日照强度、风速、运行时间等均会引起光伏系统的发电量、系统效率等的变化。目前国内外对光伏发电的检测和控制只侧重于整体电池方阵的研究，只是关注光伏电站整个的输出电压、电流和功率等，因此无法实现光伏发电的真正意义上的效率最大化，发电控制自动化。
随着世界各国光伏发电装机容量的快速增长，光伏发电系统的自动监测与故障诊断近年来得到国内外越来越多的学着和相关机构的关注，多种光伏阵列监测与故障诊断方法与技术相继被提出，包括离线的和在线的。离线监测系统是在人工的参与下，通过对离线光伏阵列参数进行分析，主要有红外图像分析法、对地电容测量法、基于参数模型的故障诊断方法等。在线监测系统是指实时监测光伏阵列的参数，并实现对监测数据自动分析，主要有卫星监测法、基于工作电压窗口的故障诊断方法、时域反射分析法等。在这些方法和技术的帮助下，大大提高了电池组件的寿命，减少了光伏发电成本。
光伏电站由成千上万片光伏组件构成，它们安装在室外，受雨雪风雹、高温酷暑的危害时常出现故障，如异物飘落覆盖、组件内部引线开路、外部接线端子松脱等等，一旦发现故障就会影响发电，但这些故障组件混在成千上万片光伏组件中很难被发现。为了提高光伏组件的发电效率，亟需研究开发一种能够诊断光伏组件在线故障的系统及方法。
发明内容
为解决上述技术问题，本发明第一方面提供了一种光伏组件在线故障分级诊断系统，所述分级诊断系统包括前段传感器数据采集和预处理模块、前级单片机内置诊断模块、无线发射和接收模块、后级DSP故障诊断模块以及后台计算机结果显示模块。
其中，所述前段传感器数据采集和预处理模块主要是利用传感器和数据处理电路采集光伏电池组件产生的电流、电压、温度和光照强度外部特性数据。
其中，所述无线发射和接收模块主要是把光伏组件数据实时快速地发送给所述后级DSP故障诊断模块中DSP核心处理芯片，同时将诊断结果发送到所述后台计算机结果显示模块中后台上位计算机实时显示诊断结果。
其中，所述后台计算机结果显示模块主要是通过无线通讯设备接收来自所述前级单片机内置诊断模块中前级单片机与所述后级DSP故障诊断模块中后级DSP的诊断结果，并做到实时显示故障信息的作用。
本发明第二方面提供了一种光伏组件在线故障分级诊断方法，包括以下步骤：
步骤S1：第一级检测通过前段传感器数据采集和预处理电路采集光伏组件的电流、电压、温度和光照强度，通过将光伏组件短路和开路故障信息提取在各光伏组件上的单片机中进行初步判断，检查光伏组件是否出现短路和开路这些初级且易诊断的故障情况；若出现故障则对旁路二极管进行动作，泄掉多余的不平衡电流，保护电路；若检测正常，进入第二级检测；
步骤S2：第二级检测通过连接在单片机上的无线模块把处理后的电流、电压数值以无线通讯模式把数据发送给DSP核心处理芯片，所述DSP核心处理芯片对接收到的数据进行归一化处理，并把离线模式下载MATLAN中建立好的BP神经网络故障诊断模型在DSP内部进行编程，实现对光伏组件老化和热斑故障的在线诊断，并把诊断结果通过XBEE以无线形式发送到后台上位计算机显示。
其中，所述DSP核心处理芯片的型号为TM320F28335。
其中，所述步骤S1中：
当光伏组件支路短路电流为0时，通过光强传感器估算出实际的短路电流ISC，具体计算公式如下：
式中，SC为任意光照下的光照强度，ISC为此光强下对应的短路电流，ISC-STC为标况下的短路电流；
若Isc不为0则可初步判断光伏组件出现开路故障；
当光伏组件支路短路电流不为0时，通过判断电压传感器数值判断是否出现短路故障，支路总开路电压为UO，其中某一组件上的开路电压为UO1，假设一条支路上有N个单光伏组件串联而成，则当UO≤(N-1)UO1时可判断出现短路故障。
其中，所述步骤S2中：
使用最大功率功率点Pm和开路电压UOC为区分故障特性因子，使用[S T Pm UOC]作为BP神经网络的故障诊断模型的故障特征量，由于BP神经网络输入层4个变量单位不同，数量级相差也比较大所以在对BP故障模型进行诊断前需要对其进行归一化处理以保证诊断模型的准确性，归一化公式如下：
式中，Xk为原始输入数据，Xmin和Xmax为原始数据的最小最大值，Yk为归一化后的输入数据，当DSP在接收数据后按上式对数据进行归一化处理并把已建立好的故障诊断在DSP中进行编程完成故障在线诊断，把诊断结果以无线形式传输到后台上位计算机显示；
通过最大功率点Pm和开路电压Uoc之间的差异，光伏组件故障诊断使用[S T PmUoc]作为BP神经网络的输入层数据，神经网络隐含层采用tansig函数，隐含层的输出公式如下：
式中Ii为神经网络的输入；hj为隐含层的输出；wij为输入层与输出层的连接权值；bj为阀值；j的范围为1～n，n为神经网络隐含层个数；
最佳隐含层节点数确定如下所示：
式中n为隐含层节点数；i为输入节点数；m为输出节点数；a为0到10之间的常数，以此确定隐含层节点数；
通过BP神经网络诊断出光伏组件的运行状态，完成对光伏组件的第二级检测。
本发明的有益效果：
由于现有对光伏组件故障诊断方法大多是通过外部或内部参数作为故障诊断信息，通过训练好的故障模型对其所有故障进行整体诊断，这样算法处理的数据量大，结果不明显，不易对不同故障进行分层处理。本发明以单个光伏组件作为诊断对象，利用光伏组件故障特性不同，对光伏组件进行分级诊断，并采取相应的检测方法，即保证了对故障种类诊断完整性，又降低了故障诊断模型的复杂程度，保证诊断的准确性，确保每一个光伏组件发挥最大的电性能，同时保证整个光伏组件装置运行的安全性。光伏组件是形成光伏电站光伏阵列的基本单元，其安全性，可靠性以及发电效率直接影响光伏产业的发展和普及，因此本发明提供的光伏组件在线故障分级诊断系统及方法有利于带动光伏产业链的良性发展。
附图说明
为了更清楚地说明本发明的技术方案，下面将对实施方式中需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施方式，对应本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的光伏组件在线故障分级诊断系统的整体设计图；
图2为本发明实施例提供的光伏组件在线故障分级诊断方法的整体流程图；
图3为本发明实施例提供的光伏组件传感器采集装置位置图；
图4为本发明实施例提供的光伏组件故障功率特性曲线图；
图5为本发明实施例提供的光伏组件故障诊断的BP神经网络算法结构图。
具体实施方式
以下是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。
本发明第一方面提供了一种光伏组件在线故障分级诊断系统，所述分级诊断系统包括前段传感器数据采集和预处理模块、前级单片机内置诊断模块、无线发射和接收模块、后级DSP故障诊断模块以及后台计算机结果显示模块；所述前段传感器数据采集和预处理模块主要是利用传感器和数据处理电路采集光伏电池组件产生的电流、电压、温度和光照强度外部特性数据；所述无线发射和接收模块主要是把光伏组件数据实时快速地发送给所述后级DSP故障诊断模块中DSP核心处理芯片，同时将诊断结果发送到所述后台计算机结果显示模块中后台上位计算机实时显示诊断结果；所述后台计算机结果显示模块主要是通过无线通讯设备接收来自所述前级单片机内置诊断模块中前级单片机与所述后级DSP故障诊断模块中后级DSP的诊断结果，并做到实时显示故障信息的作用。
本发明第二方面提供了一种光伏组件在线故障分级诊断系统，包括以下步骤：
步骤S1：第一级检测通过前段传感器数据采集和预处理电路采集光伏组件的电流、电压、温度和光照强度，通过将光伏组件短路和开路故障信息提取在各光伏组件上的单片机中进行初步判断，检查光伏组件是否出现短路和开路这些初级且易诊断的故障情况；若出现故障则对旁路二极管进行动作，泄掉多余的不平衡电流，保护电路；
如图3所示的光伏组件传感器采集装置位置图首先通过电流传感器得出光伏组件的支路短路电流值是否为0，当光伏组件支路短路电流为0时，通过光强传感器估算出实际的短路电流ISC，具体计算公式如下：
式中，SC为任意光照下的光照强度，ISC为此光强下对应的短路电流，ISC-STC为标况下的短路电流；
若ISC不为0则可初步判断光伏组件出现开路故障，对短路电流ISC是为了防止出现夜晚或阴天对光伏组件工作状态的误判。
当光伏组件支路短路电流不为0时，通过判断电压传感器数值判断是否出现短路故障，支路总开路电压为UO，其中某一组件上的开路电压为UO1，假设一条支路上有N个单光伏组件串联而成，则当UO≤(N-1)UO1时可判断出现短路故障；
若第一级检测正常，进入第二级检测。
步骤S2：第二级检测通过连接在单片机上的无线模块把处理后的电流、电压数值以无线通讯模式把数据发送给DSP核心处理芯片，采用的DSP核心处理芯片的型号为TM320F28335，所述DSP核心处理芯片对接收到的数据进行归一化处理，并把离线模式下载MATLAN中建立好的BP神经网络故障诊断模型在DSP内部进行编程，实现对光伏组件老化和热斑故障的在线诊断，并把诊断结果通过XBEE以无线形式发送到后台上位计算机显示。
如图4显示光伏组件老化和热斑故障下的功率输出特性，使用最大功率功率点Pm和开路电压UOC为区分故障特性因子，使用[S T Pm UOC]作为BP神经网络的故障诊断模型的故障特征量，由于BP神经网络输入层4个变量单位不同，数量级相差也比较大所以在对BP故障模型进行诊断前需要对其进行归一化处理以保证诊断模型的准确性，归一化公式如下：
式中，Xk为原始输入数据，Xmin和Xmax为原始数据的最小最大值，Yk为归一化后的输入数据，当DSP在接收数据后按上式对数据进行归一化处理并把已建立好的故障诊断在DSP中进行编程完成故障在线诊断，把诊断结果以无线形式传输到后台上位计算机显示。
DSP中的BP故障诊断模型是后级故障诊断的关键所在，本文设计的在线故障诊断系统采用的是离线训练神经网络，即根据建立的故障数学模型采集样本数据，在MATLAB平台上训练神经网络，获取连接权值、阈值、训练函数等，然后在DSP中进行编程，下面对BP神经网络对光伏组件诊断进行详细说明。如图5为BP神经网路算法结构图，通过图4可以看出光伏组件发生老化和热斑情况下其最大功率点Pm和开路电压Uoc会出现差异，所以光伏组件故障诊断就以使用[S T Pm Uoc]作为BP神经网络的输入层数据。而神经网络隐含层则采用tansig函数，则隐含层的输出如下式(3)所示：
式中Ii为神经网络的输入；hj为隐含层的输出；wij为输入层与输出层的连接权值；bj为阀值；j的范围为1～n，n为神经网络隐含层个数；
最佳隐含层节点数确定如下所示：
式中n为隐含层节点数；i为输入节点数；m为输出节点数；a为0到10之间的常数，以此确定隐含层节点数；如表1所示为故障类型输出层定义表，通过BP神经网络诊断出光伏组件的运行状态，完成对光伏组件的第二级检测。
表1故障类型输出层定义表
本发明提供的光伏组件在线故障分级诊断系统及方法采取多级分段处理，解决了现有技术对光伏组件故障诊断种类补全的问题，同时又按照对不同故障特性进行分级处理降低算法对数据的处理，提高了诊断的准确性；并通过无线传输技术达到对故障结果的准确发送，减少了外部地域和环境对结果的影响。以上实施例仅表达了本发明的一种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都是属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。
Claims (8)
1.一种光伏组件在线故障分级诊断系统，其特征在于：所述分级诊断系统包括前段传感器数据采集和预处理模块、前级单片机内置诊断模块、无线发射和接收模块、后级DSP故障诊断模块以及后台计算机结果显示模块。
2.根据权利要求1所述的光伏组件在线故障分级诊断系统，其特征在于：所述前段传感器数据采集和预处理模块主要是利用传感器和数据处理电路采集光伏电池组件产生的电流、电压、温度和光照强度外部特性数据。
3.根据权利要求1所述的光伏组件在线故障分级诊断系统，其特征在于：所述无线发射和接收模块主要是把光伏组件数据实时快速地发送给所述后级DSP故障诊断模块中DSP核心处理芯片，同时将诊断结果发送到所述后台计算机结果显示模块中后台上位计算机实时显示诊断结果。
4.根据权利要求3所述的光伏组件在线故障分级诊断系统，其特征在于：所述后台计算机结果显示模块主要是通过无线通讯设备接收来自所述前级单片机内置诊断模块中前级单片机与所述后级DSP故障诊断模块中后级DSP的诊断结果，并做到实时显示故障信息的作用。
5.一种利用权利要求1～4中任意一项权利要求所述的光伏组件在线故障分级诊断系统进行诊断的方法，其特征在于，包括以下步骤：
步骤S1：第一级检测通过前段传感器数据采集和预处理电路采集光伏组件的电流、电压、温度和光照强度，通过将光伏组件短路和开路故障信息提取在各光伏组件上的单片机中进行初步判断，检查光伏组件是否出现短路和开路这些初级且易诊断的故障情况；若出现故障则对旁路二极管进行动作，泄掉多余的不平衡电流，保护电路；若检测正常，进入第二级检测；
步骤S2：第二级检测通过连接在单片机上的无线模块把处理后的电流、电压数值以无线通讯模式把数据发送给DSP核心处理芯片，所述DSP核心处理芯片对接收到的数据进行归一化处理，并把离线模式下载MATLAN中建立好的BP神经网络故障诊断模型在DSP内部进行编程，实现对光伏组件老化和热斑故障的在线诊断，并把诊断结果通过XBEE以无线形式发送到后台上位计算机显示。
6.根据权利要求5所述的诊断方法，其特征在于：所述DSP核心处理芯片的型号为TM320F28335。
7.根据权利要求5所述的诊断方法，其特征在于，所述步骤S1中：
当光伏组件支路短路电流为0时，通过光强传感器估算出实际的短路电流ISC，具体计算公式如下：
<mrow>
<msub>
<mi>S</mi>
<mi>c</mi>
</msub>
<mo>=</mo>
<mfrac>
<mrow>
<mn>1000</mn>
<msub>
<mi>I</mi>
<mrow>
<mi>s</mi>
<mi>c</mi>
</mrow>
</msub>
</mrow>
<msub>
<mi>I</mi>
<mrow>
<mi>s</mi>
<mi>c</mi>
<mo>-</mo>
<mi>S</mi>
<mi>T</mi>
<mi>C</mi>
</mrow>
</msub>
</mfrac>
</mrow>
式中，SC为任意光照下的光照强度，ISC为此光强下对应的短路电流，ISC-STC为标况下的短路电流；
若Isc不为0则可初步判断光伏组件出现开路故障；
当光伏组件支路短路电流不为0时，通过判断电压传感器数值判断是否出现短路故障，支路总开路电压为UO，其中某一组件上的开路电压为UO1，假设一条支路上有N个单光伏组件串联而成，则当UO≤(N-1)UO1时可判断出现短路故障。
8.根据权利要求5所述的诊断方法，其特征在于，所述步骤S2中：
使用最大功率功率点Pm和开路电压UOC为区分故障特性因子，使用[S T Pm UOC]作为BP神经网络的故障诊断模型的故障特征量，由于BP神经网络输入层4个变量单位不同，数量级相差也比较大所以在对BP故障模型进行诊断前需要对其进行归一化处理以保证诊断模型的准确性，归一化公式如下：
<mrow>
<msub>
<mi>y</mi>
<mi>k</mi>
</msub>
<mo>=</mo>
<mfrac>
<mrow>
<msub>
<mi>x</mi>
<mi>k</mi>
</msub>
<mo>-</mo>
<msub>
<mi>x</mi>
<mi>min</mi>
</msub>
</mrow>
<mrow>
<msub>
<mi>x</mi>
<mrow>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>x</mi>
<mi>min</mi>
</msub>
</mrow>
</mfrac>
</mrow>
式中，Xk为原始输入数据，Xmin和Xmax为原始数据的最小最大值，Yk为归一化后的输入数据，当DSP在接收数据后按上式对数据进行归一化处理并把已建立好的故障诊断在DSP中进行编程完成故障在线诊断，把诊断结果以无线形式传输到后台上位计算机显示；
通过最大功率点Pm和开路电压Uoc之间的差异，光伏组件故障诊断使用[S T Pm Uoc]作为BP神经网络的输入层数据，神经网络隐含层采用tansig函数，隐含层的输出公式如下：
<mrow>
<msub>
<mi>h</mi>
<mi>j</mi>
</msub>
<mo>=</mo>
<mfrac>
<mn>2</mn>
<mrow>
<mo>&lsqb;</mo>
<mn>1</mn>
<mo>+</mo>
<mi>exp</mi>
<mrow>
<mo>(</mo>
<mo>-</mo>
<mn>2</mn>
<mo>&CenterDot;</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mn>4</mn>
</munderover>
<msub>
<mi>I</mi>
<mi>i</mi>
</msub>
<msub>
<mi>W</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
</mrow>
</mfrac>
<mo>-</mo>
<mn>1</mn>
<mo>+</mo>
<msub>
<mi>b</mi>
<mi>j</mi>
</msub>
</mrow>
式中Ii为神经网络的输入；hj为隐含层的输出；wij为输入层与输出层的连接权值；bj为阀值；j的范围为1～n，n为神经网络隐含层个数；
最佳隐含层节点数确定如下所示：
<mrow>
<mi>n</mi>
<mo><</mo>
<msqrt>
<mrow>
<mo>(</mo>
<mi>m</mi>
<mo>+</mo>
<mi>i</mi>
<mo>)</mo>
</mrow>
</msqrt>
<mo>+</mo>
<mi>a</mi>
</mrow>
式中n为隐含层节点数；i为输入节点数；m为输出节点数；a为0到10之间的常数，以此确定隐含层节点数；
通过BP神经网络诊断出光伏组件的运行状态，完成对光伏组件的第二级检测。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710426513.2A CN107276531B (zh) | 2017-06-08 | 2017-06-08 | 一种光伏组件在线故障分级诊断系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710426513.2A CN107276531B (zh) | 2017-06-08 | 2017-06-08 | 一种光伏组件在线故障分级诊断系统及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107276531A true CN107276531A (zh) | 2017-10-20 |
| CN107276531B CN107276531B (zh) | 2019-08-27 |
Family
ID=60065934
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710426513.2A Active CN107276531B (zh) | 2017-06-08 | 2017-06-08 | 一种光伏组件在线故障分级诊断系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107276531B (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108494365A (zh) * | 2018-05-30 | 2018-09-04 | 福州大学 | 一种光伏组件及组件串在线失配监测系统 |
| CN108879959A (zh) * | 2018-07-25 | 2018-11-23 | 广东石油化工学院 | 一种光伏组件监测方法和系统 |
| CN110276372A (zh) * | 2019-05-08 | 2019-09-24 | 复变时空(武汉)数据科技有限公司 | 基于云平台的燃料电池发动机故障诊断方法 |
| WO2019214268A1 (zh) * | 2018-05-09 | 2019-11-14 | 北京理工大学 | 一种基于复合信息的光伏阵列故障诊断方法 |
| CN111967620A (zh) * | 2020-07-31 | 2020-11-20 | 科华恒盛股份有限公司 | 一种光伏组件诊断方法、装置、设备及可读存储介质 |
| CN112067997A (zh) * | 2020-08-14 | 2020-12-11 | 杭州小电科技股份有限公司 | 移动电源租赁设备诊断方法、系统、电子设备和存储介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102340811A (zh) * | 2011-11-02 | 2012-02-01 | 中国农业大学 | 无线传感器网络故障诊断方法 |
| CN202652273U (zh) * | 2012-06-26 | 2013-01-02 | 中国电力科学研究院 | 一种基于多光伏电站的远程监控系统 |
| CN105490388A (zh) * | 2015-12-31 | 2016-04-13 | 重庆西南集成电路设计有限责任公司 | 光伏电站无线智能监控系统及方法 |
| US9496823B2 (en) * | 2011-06-10 | 2016-11-15 | System Jd Co., Ltd. | Fault diagnosis system, fault diagnosis device, fault diagnosis method, program, computer-readable medium, and device under test |
-
2017
- 2017-06-08 CN CN201710426513.2A patent/CN107276531B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9496823B2 (en) * | 2011-06-10 | 2016-11-15 | System Jd Co., Ltd. | Fault diagnosis system, fault diagnosis device, fault diagnosis method, program, computer-readable medium, and device under test |
| CN102340811A (zh) * | 2011-11-02 | 2012-02-01 | 中国农业大学 | 无线传感器网络故障诊断方法 |
| CN102340811B (zh) * | 2011-11-02 | 2014-11-26 | 中国农业大学 | 无线传感器网络故障诊断方法 |
| CN202652273U (zh) * | 2012-06-26 | 2013-01-02 | 中国电力科学研究院 | 一种基于多光伏电站的远程监控系统 |
| CN105490388A (zh) * | 2015-12-31 | 2016-04-13 | 重庆西南集成电路设计有限责任公司 | 光伏电站无线智能监控系统及方法 |
Non-Patent Citations (1)
| Title |
|---|
| 秦逸平 等.: "光伏电站工作状态无线监测系统设计", 《信息与电脑（理论版）》 * |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2019214268A1 (zh) * | 2018-05-09 | 2019-11-14 | 北京理工大学 | 一种基于复合信息的光伏阵列故障诊断方法 |
| CN108494365A (zh) * | 2018-05-30 | 2018-09-04 | 福州大学 | 一种光伏组件及组件串在线失配监测系统 |
| CN108879959A (zh) * | 2018-07-25 | 2018-11-23 | 广东石油化工学院 | 一种光伏组件监测方法和系统 |
| CN110276372A (zh) * | 2019-05-08 | 2019-09-24 | 复变时空(武汉)数据科技有限公司 | 基于云平台的燃料电池发动机故障诊断方法 |
| CN110276372B (zh) * | 2019-05-08 | 2022-02-11 | 复变时空(武汉)数据科技有限公司 | 基于云平台的燃料电池发动机故障诊断方法 |
| CN111967620A (zh) * | 2020-07-31 | 2020-11-20 | 科华恒盛股份有限公司 | 一种光伏组件诊断方法、装置、设备及可读存储介质 |
| WO2022022659A1 (zh) * | 2020-07-31 | 2022-02-03 | 科华数据股份有限公司 | 一种光伏组件诊断方法、装置、设备及可读存储介质 |
| CN111967620B (zh) * | 2020-07-31 | 2023-07-14 | 厦门科华数能科技有限公司 | 一种光伏组件诊断方法、装置、设备及可读存储介质 |
| CN112067997A (zh) * | 2020-08-14 | 2020-12-11 | 杭州小电科技股份有限公司 | 移动电源租赁设备诊断方法、系统、电子设备和存储介质 |
| CN112067997B (zh) * | 2020-08-14 | 2023-11-14 | 杭州小电科技股份有限公司 | 移动电源租赁设备诊断方法、系统、电子设备和存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107276531B (zh) | 2019-08-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107276531B (zh) | 一种光伏组件在线故障分级诊断系统及方法 | |
| CN104601108B (zh) | 一种小型光伏电站的故障诊断方法 | |
| 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 | |
| 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 | |
| CN104502795B (zh) | 一种适用于微电网的智能故障诊断方法 | |
| 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 | |
| CN102608512B (zh) | 在线检测太阳能光伏电站中光伏电池故障的方法 | |
| CN107395119B (zh) | 一种光伏阵列的故障定位方法 | |
| CN105846780A (zh) | 一种基于决策树模型的光伏组件故障诊断方法 | |
| 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 | |
| CN106100579B (zh) | 一种基于数据分析的光伏电站故障诊断方法 | |
| CN109660206A (zh) | 一种基于Wasserstein GAN的光伏阵列故障诊断方法 | |
| Zaki et al. | Fault detection and diagnosis of photovoltaic system using fuzzy logic control | |
| CN109034220A (zh) | 一种基于最优旋转森林的智能光伏阵列故障诊断方法 | |
| CN104767482A (zh) | 一种光伏组件老化和短路故障在线诊断方法 | |
| CN104485889A (zh) | 用于多个相同安装倾角的光伏发电单元的故障检测方法 | |
| CN105978487A (zh) | 基于内部等效参数的光伏组件故障诊断方法 | |
| Yun et al. | Research on fault diagnosis of photovoltaic array based on random forest algorithm | |
| CN105406818A (zh) | 一种光伏发电组件优化监控方法和系统 | |
| CN108418548A (zh) | 光伏板全方位一体化监测系统 | |
| CN104779909B (zh) | 一种太阳能光伏电站的工作状态监测方法及系统 | |
| Al-Kashashnehand et al. | Wireless Sensor Network Based Real-Time Monitoring and Fault Detection for Photovoltaic Systems | |
| CN104767480A (zh) | 用于汇流箱的汇流检测方法及系统、太阳能电站 | |
| Gong et al. | Fault diagnosis method of photovoltaic array based on random forest algorithm | |
| CN115906350A (zh) | 一种微电网故障定位和诊断方法 |
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 | ||
| GR01 | Patent grant |