CN108649892B - 光伏电站的缺陷诊断方法及装置 - Google Patents
光伏电站的缺陷诊断方法及装置 Download PDFInfo
- Publication number
- CN108649892B CN108649892B CN201810365216.6A CN201810365216A CN108649892B CN 108649892 B CN108649892 B CN 108649892B CN 201810365216 A CN201810365216 A CN 201810365216A CN 108649892 B CN108649892 B CN 108649892B
- Authority
- CN
- China
- Prior art keywords
- photovoltaic
- value
- power generation
- photovoltaic power
- power station
- 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
- 230000007547 defect Effects 0.000 title claims abstract description 153
- 238000000034 method Methods 0.000 title claims abstract description 58
- 238000003745 diagnosis Methods 0.000 title claims abstract description 27
- 238000010248 power generation Methods 0.000 claims abstract description 162
- 238000012360 testing method Methods 0.000 claims abstract description 36
- 238000011156 evaluation Methods 0.000 claims abstract description 25
- 230000008569 process Effects 0.000 claims abstract description 17
- 230000002950 deficient Effects 0.000 claims description 45
- 238000012423 maintenance Methods 0.000 claims description 27
- 239000011159 matrix material Substances 0.000 claims description 26
- 230000002159 abnormal effect Effects 0.000 claims description 23
- 238000004590 computer program Methods 0.000 claims description 7
- 238000003860 storage Methods 0.000 claims description 5
- 238000005401 electroluminescence Methods 0.000 claims 2
- 238000005286 illumination Methods 0.000 claims 2
- 238000001514 detection method Methods 0.000 abstract description 12
- 238000010586 diagram Methods 0.000 description 14
- 230000009467 reduction Effects 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 230000015556 catabolic process Effects 0.000 description 5
- 238000006731 degradation reaction Methods 0.000 description 5
- 230000002860 competitive effect Effects 0.000 description 4
- 238000007689 inspection Methods 0.000 description 4
- 230000004807 localization Effects 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 230000001186 cumulative effect Effects 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 230000008030 elimination Effects 0.000 description 2
- 238000003379 elimination reaction Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 238000012800 visualization Methods 0.000 description 2
- 206010041662 Splinter Diseases 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000008034 disappearance Effects 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000003331 infrared imaging Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 229910021421 monocrystalline silicon Inorganic materials 0.000 description 1
- 239000000178 monomer Substances 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 229910021420 polycrystalline silicon Inorganic materials 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
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
-
- 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
- Photovoltaic Devices (AREA)
Abstract
本发明提供了一种光伏电站的缺陷诊断方法及装置，其中，该方法包括：采集待诊断光伏电站运行过程中的测试数据；根据测试数据，确定待诊断光伏电站年效能PR值，待诊断光伏电站的每一发电单元的PR值，以及每一发电单元包括的组成部件的PR值、加权效率、并联失配损失或串联失配损失；基于PR评价阈值模型，根据待诊断光伏电站PR值、待诊断光伏电站的每一发电单元的PR值，以及每一发电单元包括的组成部件的PR值、加权效率、并联失配损失或串联失配损失，对待诊断光伏电站进行逐层诊断定位缺陷；所述PR评价阈值模型基于光伏电站现场实测数据预先确定。上述技术方案实现了从运行层面对光伏电站的缺陷检测，提高了光伏电站缺陷诊断的效率。
Description
技术领域
本发明涉及光伏电站检测技术领域，特别涉及一种光伏电站的缺陷诊断方法及装置。
背景技术
2016年1月11日，国家能源局下发《关于完善太阳能发电规模管理和实行竞争方式配置项目指导意见》，文件中规定对于普通光伏电站和先进光伏发电基地的投资主体，各地区需制定竞争性配置办法，其中应包含上网电价、企业技术和投资能力、项目前期工作成熟程度、土地综合利用、对地方经济转型贡献以及企业诚信履约情况等竞争要素。不论采取何种基于市场竞争的配置项目方式，如公开招投标、竞争性比选等，均应将上网电价作为重要竞争条件，上网电价在竞争中综合评分权重至少达到20％。上网电价不得超过国家确定的当地光伏发电标杆上网电价。这个指导意见旨在规范光伏电站投资环境，提高行业进入门槛，引导降低光伏上网电价。
据国家能源局统计数据，截止2016年底，全国光伏发电新增装机容量3454万千瓦，占全球装机容量的46％，2017年前三季度，新增光伏电站4300万千瓦，其中光伏电站2779万千瓦，同比增加3％，分布式光伏1530万千瓦，截止9月底，全国光伏电站累计装机容量9480万千瓦，分布式光伏2562万千瓦。
一方面管理机构在引导降低上网电价，一方面光伏电站和分布式光伏装机容量快速发展，距离市场饱和越来越近，这两方面作用下势必光伏发电补贴会迅速降低，可能几年之内光伏会和风电一样平价上网。对于电站业主，尽量缩短投资回收期、增加回报率是电站营运的最重要目的，提高光伏电站发电效率是一项重要的优化措施。
目前，一般光伏电站常规维护方法包括日常巡检，在线数据统计、故障检修等方式，仅依托于这种被动的故障检修方式，电站中发电效率异常和隐形缺陷无法评价、定位。例如，现有一种检测方法是先对电站中的光伏组件进行抽样，然后对样品依次进行外观检查、EL测试、红外呈像检测、I-V曲线测试，确认组件是否有缺陷。又例如，现有另一种方法中检测光伏组件缺陷的装置，多采用红外摄影技术。由于一个光伏电站光伏组件数量以十万计，各现有技术中对组件的检测方法与设备多应用于组件收货与交接给施工单位阶段，尚未有从光伏电站运行层面的缺陷检测方法，检测效率也低。
发明内容
本发明实施例提供了一种光伏电站的缺陷诊断方法，用以实现从运行层面对光伏电站的缺陷检测，该方法包括：
采集待诊断光伏电站运行过程中的测试数据；
根据待诊断光伏电站运行过程中的测试数据，确定待诊断光伏电站年效能PR值，待诊断光伏电站的每一发电单元的PR值，以及每一发电单元包括的组成部件的PR值、加权效率、并联失配损失或串联失配损失；
基于PR评价阈值模型，根据待诊断光伏电站PR值、待诊断光伏电站的每一发电单元的PR值，以及每一发电单元包括的组成部件的PR值、加权效率、并联失配损失或串联失配损失，对待诊断光伏电站进行逐层诊断定位缺陷；所述PR评价阈值模型基于光伏电站现场实测数据预先确定。
本发明实施例还提供了一种光伏电站的缺陷诊断装置，用以实现从运行层面对光伏电站的缺陷检测，该装置包括：
采集模块，用于采集待诊断光伏电站运行过程中的测试数据；
确定模块，用于根据待诊断光伏电站运行过程中的测试数据，确定待诊断光伏电站年效能PR值，待诊断光伏电站的每一发电单元的PR值，以及每一发电单元包括的组成部件的PR值、加权效率、并联失配损失或串联失配损失；
缺陷定位模块，用于基于PR评价阈值模型，根据待诊断光伏电站PR值、待诊断光伏电站的每一发电单元的PR值，以及每一发电单元包括的组成部件的PR值、加权效率、并联失配损失或串联失配损失，对待诊断光伏电站进行逐层诊断定位缺陷；所述PR评价阈值模型基于光伏电站现场实测数据预先确定。
本发明实施例还提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行上述光伏电站的缺陷诊断方法。
本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有执行上述光伏电站的缺陷诊断方法的计算机程序。
与现有技术中在光伏电站施工阶段或日常巡检中抽样光伏组件等被动的缺陷检测方式相比较，本发明实施例提供的技术方案：根据待诊断光伏电站运行过程中的测试数据，确定待诊断光伏电站年效能PR值，待诊断光伏电站的每一发电单元的PR值，以及每一发电单元包括的组成部件的PR值、加权效率、并联失配损失或串联失配损失，基于PR评价阈值模型，根据待诊断光伏电站PR值、待诊断光伏电站的每一发电单元的PR值，以及每一发电单元包括的组成部件的PR值、加权效率、并联失配损失或串联失配损失，对待诊断光伏电站进行逐层诊断定位缺陷，实现了基于光伏电站运行数据，从运行层面对光伏电站的缺陷检测，提高了光伏电站缺陷诊断的效率。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，并不构成对本发明的限定。在附图中：
图1是本发明实施例中光伏电站的缺陷诊断方法的流程示意图；
图2是本发明实施例中光伏电站发电单元年效能PR值分布图；
图3是本发明实施例中按照光伏电站-发电单元-逆变器-汇流箱-组串-组件逐层检测原理示意图；
图4是本发明实施例中逐层分析法对光伏发电单元中一个光伏方阵进行缺陷定位的原理示意图；
图5是本发明实施例中缺陷分级及确定策略的原理示意图；
图6是本发明实施例中光伏电站的缺陷诊断装置的结构示意图；
图7是本发明实施例中2014、2015年去全年辐射量对比示意图；
图8是本发明实施例中2015年非正常发电时间形成的光伏电站故障模型示意图；
图9是本发明实施例中2014年非正常发电时间形成的光伏电站故障模型示意图；
图10是本发明实施例中设备故障引起的停电时间的光伏电站故障模型示意图；
图11是本发明实施例中发电量与损失电量比例的光伏电站故障模型示意图；
图12是本发明实施例中代表设备故障次数对比的光伏电站故障模型的示意图；
图13是本发明实施例中各发电单元年PR指标示意图；
图14是本发明实施例中发电单元G036的两台逆变器效率对比示意图；
图15是本发明实施例中发电单元G036的光伏组件发电效率分布示意图；
图16是本发明实施例中缺陷光伏组件EL测试图像示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，下面结合实施方式和附图，对本发明做进一步详细说明。在此，本发明的示意性实施方式及其说明用于解释本发明，但并不作为对本发明的限定。
发明人发现：目前一般光伏电站常规维护方法包括日常巡检，在线数据统计、故障检修等方式，仅依托于这种被动的故障检修方式，电站中发电效率异常和隐形缺陷无法评价、定位。由于发明人考虑到了现有技术中存在的技术问题，提出了一种光伏电站发电性能评估与缺陷诊断的技术方法，旨在达到两个目的：(1)将引起电站发电效率降低的原因可视化，使业主有直观的感知，为后续消缺提供参考；(2)定位引起发电效率降低的原因，提出优化意见。下面对该光伏电站的缺陷诊断方案进行详细介绍如下。
图1是本发明实施例中光伏电站的缺陷诊断方法的流程示意图，如图1所示，该方法包括如下步骤：
步骤101：采集待诊断光伏电站运行过程中的测试数据；
步骤102：根据待诊断光伏电站运行过程中的测试数据，确定待诊断光伏电站年效能PR值，待诊断光伏电站的每一发电单元的PR值，以及每一发电单元包括的组成部件的PR值、加权效率、并联失配损失或串联失配损失；
步骤103：基于PR评价阈值模型，根据待诊断光伏电站PR值、待诊断光伏电站的每一发电单元的PR值，以及每一发电单元包括的组成部件的PR值、加权效率、并联失配损失或串联失配损失，对待诊断光伏电站进行逐层诊断定位缺陷；所述PR评价阈值模型基于光伏电站现场实测数据预先确定。
首先发明人发现现有一种检测方法是先对电站中的光伏组件进行抽样，然后对样品依次进行外观检查、EL测试、红外呈像检测、I-V曲线测试，确认组件是否有缺陷。或者现有另一种方法中检测光伏组件缺陷的装置，多采用红外摄影技术。由于一个光伏电站光伏组件数量以十万计，各现有技术中对组件的检测方法与设备多应用于组件收货与交接给施工单位阶段，尚未有从光伏电站运行层面的缺陷检测方法，检测效率也低。
由于发明人考虑到这个技术问题，提出本发明实施例的方案：根据待诊断光伏电站运行过程中的测试数据，确定待诊断光伏电站年效能PR值，待诊断光伏电站的每一发电单元的PR值，以及每一发电单元包括的组成部件的PR值、加权效率、并联失配损失或串联失配损失，基于PR评价阈值模型，根据待诊断光伏电站PR值、待诊断光伏电站的每一发电单元的PR值，以及每一发电单元包括的组成部件的PR值、加权效率、并联失配损失或串联失配损失，对待诊断光伏电站进行逐层诊断定位缺陷，实现了基于光伏电站运行数据，从运行层面对光伏电站的缺陷检测，提高了光伏电站缺陷诊断的效率。
具体实施时，在上述步骤101之前，包括一个确定PR评价阈值模型的步骤，该步骤即为对光伏电站发电性能评价的步骤。首先对确定这个PR评价阈值模型的步骤进行介绍。
具体实施时，采用年能效(PR annual)对待测光伏电站的发电性能进行评价，基于大量的现场实测数据，例如利用图2所示的光伏电站发电单元年效能PR值分布图，得到PR评价阈值模型，该阈值模型可以是如下表1所示的模型，当然也可以是其他形式的模型，例如图表式的或是函数式的。
| 评价 | PR参数值 |
| 优 | 0.8<PR<1 |
| 良 | 0.7≤PR≤0.8 |
| 差 | PR<0.7 |
表1
具体实施时，PR annual：年能效比，评估周期为1年，不考虑温度差异的影响，可采用两种计算方法计算：
(1)PR值是光伏等效利用小数与峰值日日照小时数的比值：
PR＝Yf/Yr＝(E/P)/(Hi/Gstc) (1)
其中：E为光伏电站累计发电量，P为考虑光伏组件年衰退率的装机容量，Hi为光伏倾斜面接受到的辐射量，Gstc为标准状态下的辐照度。
另外，PR还可以表示为光伏电站发电量与基于光伏方阵额定功率的直流发电量的比值：E/(P*(Hi/Gstc))，性能比的物理意义为输出能量与输入能量的比值。
(2)发电功率模型法
根据光伏电站正常发电年份下统计的发电单元辐照度S、背板温度T拟合出发电单元的发电功率曲线函数式，如式(2)所示：
P理论＝aSLn(e+bS+c)[1+α×(T-25)] (2)
其中：a，b，c为常数，e为指数常数项，α为光伏发电单元发电功率温度系数，T为实测背板温度，S为实测辐照度。此种方法属于模糊算法范畴，将组件发电功率衰退、积灰、遮挡等因素均包含在内，更接近光伏发电单元实际应该发出的功率。
进而计算：
PR＝P实际/P理论 (3)
其中：P实际为光伏电站年实际发电量，P理论为该光伏电站根据式(2)计算出的年理论发电量。
具体实施时，采集待诊断光伏电站运行过程中的测试数据可以包括上述参数：Hi、Gstc、α、T、S等。
具体实施时，上述步骤102中，待诊断光伏电站的各PR值的计算方法也可以参考上述两种方法。
其次，介绍基于PR值，进行光伏电站缺陷诊断。
在一个实施例中，上述步骤103可以包括：
在PR评价阈值模型中选取PR值为0.8作为PR判断阈值；
根据每一发电单元的PR值，确定PR值小于0.8的发电单元，将PR值小于0.8的发电单元作为带缺陷运行发电单元；
根据带缺陷运行发电单元中每一光伏方阵的PR值，确定PR值小于0.8的光伏方阵，将PR值小于0.8的光伏方阵作为带缺陷运行光伏方阵；
根据带缺陷运行发电单元中每一逆变器的加权效率，确定加权效率小于第一预设阈值的逆变器，将加权效率小于第一预设阈值的逆变器作为带缺陷运行逆变器；
将带缺陷运行发电单元中各汇流箱的并联失配损失小于第二预设阈值的各汇流箱作为带缺陷运行汇流箱。
在一个实施例中，上述光伏电站的缺陷诊断方法还可以包括：
在带缺陷运行光伏方阵中各光伏组串的并联失配小于所述第二预设阈值时，确定该组光伏组串为带缺陷运行光伏组串；
根据带缺陷运行光伏组串中每一光伏组串的PR值，确定PR值小于0.8的光伏组串，将PR值小于0.8的光伏组串作为带缺陷运行光伏组串。
在一个实施例中，上述光伏电站的缺陷诊断方法还可以包括：
在带缺陷运行光伏组串中各光伏组件的串联失配损失大于第二预设阈值时，对带缺陷运行光伏组串中每一光伏组件进行红外、IV曲线或EL测试，确定带缺陷运行光伏组件。
具体实施时，上述第一预设阈值可以为96％，上述第二预设阈值可以为5％。
如图3和图4所示，基于光伏电站-发电单元-逆变器-汇流箱-组串-组件的电站物理结构和监控架构，以PR＝0.8为判断依据，逐层进行分析，具体步骤依次如下：
A.依据光伏电站监控系统数据：依次计算各发电单元年PR值，PR≥0.8的发电单元认定为发电良好，PR＜0.8的发电单元认定为带缺陷运行，需进行下一层缺陷定位。
B.依据光伏电站监控系统数据：(1)依次计算每个发电单元两台逆变器分别对应的光伏方阵的年PR值，PR≥0.8的光伏方阵认为发电良好，PR＜0.8光伏方阵认定为带缺陷运行，需进行下一层缺陷定位；(2)计算各逆变器的加权效率是否≥96％，若不满足，则需要进行逆变器检修；(3)计算各汇流箱的并联失配损失是否小于5％，若不满足，则认定汇流箱为带缺陷运行，需要进行逆变器检修。
C.依据光伏电站监控系统数据：(1)依次计算汇流箱分别对应的光伏组串的年PR值，PR≥0.8的并联光伏组串认为发电良好，PR＜0.8并联光伏组串认定为带缺陷运行，需进行下一层缺陷定位；(2)通过现场测试数据计算各光伏组串的并联失配损失是否小于5％，若不满足，则认定为带缺陷运行，需进行下一层缺陷定位。
D.依据现场测试数据，计算各个光伏组串中组件串联失配损失，是否大于5％，若大于5％，在需要对此光伏组串中每个光伏组件进行红外、IV曲线、EL测试，确定带缺陷运行的光伏组件。
具体实施时，逐层分析法中“层”可以如图3、图4所示，假设图3中光伏电站的PR值小于0.8，因此确定该光伏电站为带缺陷运行，需要对该光伏电站进行逐层检测定位缺陷。该光伏电站可以包括多个光伏发电单元，假设发电单元1的PR值小于0.8，因此确定该发电单元1为带缺陷运行，需要对该发电单元1进行逐层检测定位缺陷。图3中发电单元1可以包括光伏方阵、逆变器、汇流箱等组成部件。光伏方阵的数目可以为多个，逆变器的数目可以为多个，汇流箱的数目可以为多个。假设发电单元1中有一个光伏方阵的PR值小于0.8，因此确定该光伏方阵为带缺陷运行，需要对该光伏方阵进行逐层检测定位缺陷。这时，首先确认光伏方阵中一组光伏组串的并联失配，在各组串的并联失配损失小于5％时，则认定该组光伏组串为带缺陷运行。最后，在带缺陷运行光伏组串中各光伏组件的串联失配损失大于5％时，对带缺陷运行光伏组串中每一光伏组件进行红外、IV曲线或EL测试，确定带缺陷运行光伏组件，该缺陷可以如图15所示：缺陷类型为裂片，导致功率衰减严重超限，应及时更换。
具体实施时，进行逐层检测时，可以对一个光伏发电单元中的光伏方阵、逆变器、直流汇流箱同时进行检测，也可以是按照图3中先检测一个光伏方阵、再检测光伏方阵对应的逆变器、再检测汇流箱的方式。接着，如果该光伏方阵的PR＜0.8，认定该光伏方阵为带缺陷运行，需进行下一层缺陷定位，进而再检测光伏方阵中光伏组串、如果根据PR值、并联失配、串联失配等确定带缺陷运行的光伏组件。
具体实施时，可以根据实际需要选择其他判断阈值，例如0.75、0.85等。
再次，介绍缺陷分级与处理建议如下。
在一个实施例中，上述光伏电站的缺陷诊断方法还可以包括：
根据待诊断光伏电站存在缺陷部位的PR值，计算每一缺陷部位的功率衰减差异K值；
根据每一缺陷部位的功率衰减差异K值，对缺陷部位进行缺陷分级；
根据缺陷分级，确定待诊断光伏电站维修策略。
具体实施时，可以按照如下公式，计算每一缺陷部位的功率衰减差异K值：
功率衰减差异
其中：PR0为光伏电站中同一层级(例如同为发电单元PR值、光伏方阵的PR值等)PR值平均值，表征正常发电效率的平均值，PR为带缺陷运行PR值，表征带缺陷运行发电效率。
如图5所示，根据每一缺陷部位的功率衰减差异K值，对缺陷部位进行缺陷分级，并根据缺陷分级，确定待诊断光伏电站维修策略的步骤可以为：
A.若K值尚在厂家保证范围内，为I级缺陷，电站正常运维即可；
B.若K＜5％，为II级缺陷，电站运维过程中需定期检测劣化趋势，制定检修方案；
C.若5％＜K＜20％，为III级缺陷，电站应重点关注，安排检修计划，制定更换策略；
D.若20％＜K＜50％，为IV级缺陷，应在48h(hours，小时)是对缺陷进行处理；
E.若50％＜K，为V级缺陷，应立即更换光伏组件或其他部件。
最后，再介绍光伏电站原因可视化：
在一个实施例中，上述光伏电站的缺陷诊断方法还可以包括：
根据待诊断光伏电站各设备运行数据，确定光伏电站的每一设备故障原因引起的非正常发电时间；
根据待诊断光伏电站各设备运行数据，确定光伏电站的每一电量损失原因引起的损失电量；
根据每一设备故障原因引起的非正常发电时间和每一电量损失原因引起的损失电量，形成光伏电站故障模型。
具体实施时，原因可视化包括非正常发电时间与各原因损失电量的可视化，使业主有直观的感知，为后续消缺提供参考，具体步骤可包括：
(1)全年非正常发电时间统计
根据光伏电站运行日记统计由于①光伏发电设备故障；②电气设备故障③发电设备检修④站内电气设备检修⑤站外线路及设备故障等各种原因起因电站非正常发电的时间。
涉及到设备故障的，应该将每种具体故障引起的非正常发电时间记录详细，以便光伏业主后期消缺重点关注。
(2)全年损失电量统计
统计由于各种原因引起的损失电量，包括①限功率损失电量；②性能退化损失电量；③故障停机损失电量；④设备检修损失电量；⑤站内陪停损失电量；⑥站外陪停损失电量等。
停机状态下损失电量的计算公式如式(4)：
ΔQ1＝P1*ΔT1 (4)
其中：ΔQ1为停机期间损失电量；P1为根据式(1)或(2)计算出的发电单元应发电功率；ΔT1为停机时间。
性能退化损失电量的计算公式如式(5)：
ΔQ2＝P2*T2-Q2 (5)
其中：P2为根据式(1)或(2)计算出的发电单元应发电功率；T2为发电单元正常发电时间；Q2为发电单元年实际发电量。
涉及到站内、站外故障的，应将每种具体故障引起的损失电量统计详细，以便光伏业主后期技改重点关注。
具体实施时，待诊断光伏电站各设备运行数据可以包括上述ΔQ1、P1ΔT1、P2、T2、Q2等参数。根据每一设备故障原因引起的非正常发电时间和每一电量损失原因引起的损失电量，形成光伏电站故障模型可以如图8至图12所示，通过光伏电站故障模型，使业主有直观的感知，为后续消缺提供参考。
基于同一发明构思，本发明实施例中还提供了一种光伏电站的缺陷诊断装置，如下面的实施例。由于光伏电站的缺陷诊断装置解决问题的原理与光伏电站的缺陷诊断方法相似，因此光伏电站的缺陷诊断装置的实施可以参见光伏电站的缺陷诊断方法的实施，重复之处不再赘述。以下所使用的，术语“单元”或者“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。
图6是本发明实施例中光伏电站的缺陷诊断装置的结构示意图，如图6所示，该装置包括：
采集模块02，用于采集待诊断光伏电站运行过程中的测试数据；
确定模块04，用于根据待诊断光伏电站运行过程中的测试数据，确定待诊断光伏电站年效能PR值，待诊断光伏电站的每一发电单元的PR值，以及每一发电单元包括的组成部件的PR值、加权效率、并联失配损失或串联失配损失；
缺陷定位模块06，用于基于PR评价阈值模型，根据待诊断光伏电站PR值、待诊断光伏电站的每一发电单元的PR值，以及每一发电单元包括的组成部件的PR值、加权效率、并联失配损失或串联失配损失，对待诊断光伏电站进行逐层诊断定位缺陷；所述PR评价阈值模型基于光伏电站现场实测数据预先确定。
在一个实施例中，所述缺陷定位模块具体用于：
在PR评价阈值模型中选取PR值为0.8作为PR判断阈值；
根据每一发电单元的PR值，确定PR值小于0.8的发电单元，将PR值小于0.8的发电单元作为带缺陷运行发电单元；
根据带缺陷运行发电单元中每一光伏方阵的PR值，确定PR值小于0.8的光伏方阵，将PR值小于0.8的光伏方阵作为带缺陷运行光伏方阵；
根据带缺陷运行发电单元中每一逆变器的加权效率，确定加权效率小于第一预设阈值的逆变器，将加权效率小于第一预设阈值的逆变器作为带缺陷运行逆变器；
将带缺陷运行发电单元中各汇流箱的并联失配损失小于第二预设阈值的各汇流箱作为带缺陷运行汇流箱。
在一个实施例中，所述缺陷定位模块还用于：
在带缺陷运行光伏方阵中各光伏组串的并联失配小于所述第二预设阈值时，确定该组光伏组串为带缺陷运行光伏组串；
根据带缺陷运行光伏组串中每一光伏组串的PR值，确定PR值小于0.8的光伏组串，将PR值小于0.8的光伏组串作为带缺陷运行光伏组串。
在一个实施例中，所述缺陷定位模块还用于：
在带缺陷运行光伏组串中各光伏组件的串联失配损失大于第二预设阈值时，对带缺陷运行光伏组串中每一光伏组件进行红外、IV曲线或EL测试，确定带缺陷运行光伏组件。
在一个实施例中，上述光伏电站的缺陷诊断装置还包括：
K值计算模块，用于根据待诊断光伏电站存在缺陷部位的PR值，计算每一缺陷部位的功率衰减差异K值；
缺陷分级模块，用于根据每一缺陷部位的功率衰减差异K值，对缺陷部位进行缺陷分级；
策略确定模块，用于根据缺陷分级，确定待诊断光伏电站维修策略。
在一个实施例中，上述光伏电站的缺陷诊断装置还包括：
非正常发电时间确定模块，用于根据待诊断光伏电站各设备运行数据，确定光伏电站的每一设备故障原因引起的非正常发电时间；
损失电量确定模块，用于根据待诊断光伏电站各设备运行数据，确定光伏电站的每一电量损失原因引起的损失电量；
故障模型形成模块，用于根据每一设备故障原因引起的非正常发电时间和每一电量损失原因引起的损失电量，形成光伏电站故障模型。
下面举一例以说明本发明如何实施。
华北地区某光伏电站，装机容量100MW，共106个发电单元，212台逆变器，单晶硅、多晶硅等各类型光伏组件40余万块，如图7所示，2014、2015年两年全年辐射量基本相同，但2015年出现发电量同比降低现象。
一、非正常发电时间统计
统计该光伏电站2014、2015年由于各种原因引起的光伏非正常发电的时间，如图8-9(图8、9分别为2015、2014年非正常发电时间统计；图10为各种设备故障引起的停电时间对比)，可以看出2015年光伏设备故障损失时间的比重降低0.39％，电气设备检修导致的陪停时间和站内设备陪停时间均明显降低；电气设备场外原因导致的非停时间增加。
图8中91.934％代表正常发电时间，其他百分比值可以代表：光伏发电设备故障损失时间、电气设备陪停损失时间、光伏发电设备检修损失时间、站内设备检修损失时间、站外电气设备故障停机时间。
图9中94.658％代表正常发电时间，其他百分比值可以代表：光伏发电设备故障损失时间、电气设备陪停损失时间、光伏发电设备检修损失时间、站内设备检修损失时间、站外电气设备故障停机时间。
图11中79.34％代表实际电量，其他百分比值可以代表：限功率损失电量、性能退化损失电量、故障停机损失电量、设备检修损失电量、站内陪停损失电量、站外陪停损失电量。
二、损失发电量统计
统计该光伏电站2015年实际发电量与损失电量的对比，如图11所示，可以看出光伏电站全年实际的发电量为理论发电量的79.34％，整体处于良状态；设备性能退化和故障停机导致的电站电量损失占比为5.74％和5.41％。图12展示的是电站中各种设备故障发生的次数，可以看出站内故障停机主要原因为直流接地故障和逆变器桥驱动故障，在检修计划中应重点关注。
三、逐层定位及合理化建议
78台发电单元年均PR指标低于0.8处于良或差状态，占比为73.6％，如图13所示，PR指标最高的G055发电单元达到0.88，最低的G036发电单元仅为0.46，为V级曲线，需要立即处理。
图14为G036发电单元对应的两台逆变器下一年中各汇流箱每天发电功率统计图(图14中横坐标为倾斜面辐照度)，其中每个点代表一个汇流箱的实际发电功率，图中直线为不同辐照度下理论发电功率，从图中可以看出，相比(1)号逆变器(位于上方的坐标图)中更多的点在图中直线之上，(2)号逆变器(位于下方的坐标图)的下发电功率偏低。下表2不同发电单元是失配损失均值对比。
表2
通过多级失配损失测试，如表2所示，诊断发现G036发电单元的组件串联失配损失为6.42％，超过2％的标准限制，对比其他被测单元，最大仅为1.92％。
如图15所示，通过串联失配损失测试结果可以发现，相比其他发电单元，G036发电单元光伏组件单体发电效率的一致性偏差现象严重，是导致G036发电单元串联失配损失严重的关键原因，最大偏差为37.15％，定位了发电效率最低的缺陷组件。15中附图标记11即代表G036单元中光伏组件。
通过EL测试，进一步识别定位的G036发电单元缺陷组件内部缺陷原因，主要缺陷类型为裂片，如图16所示，导致功率衰减严重超限，应及时更换。
本发明实施例还提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行上述光伏电站的缺陷诊断方法。
本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有执行上述光伏电站的缺陷诊断方法的计算机程序。
本发明实施例提供技术方案的有益技术效果为：
(1)基于光伏电站运行数据，采用逐层缺陷定位法，定位缺陷发生的部位，实现了从运行层面对光伏电站的缺陷检测，提高了光伏电站缺陷诊断的效率。
(2)根据光伏电站非正常发电时间与各种原因下造成的损失电量，输出光伏电站故障模型，使电站业主对发电效率降低原因有直观的认识。
(3)根据待诊断光伏电站存在缺陷部位的PR值，对缺陷部位进行缺陷分级，并根据缺陷分级，确定待诊断光伏电站维修策略，对光伏电站的运维提供了合理化的、具有指导性的建议。
显然，本领域的技术人员应该明白，上述的本发明实施例的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，并且在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明实施例不限制于任何特定的硬件和软件结合。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明实施例可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (14)
1.一种光伏电站的缺陷诊断方法，其特征在于，包括：
采集待诊断光伏电站运行过程中的测试数据；
根据待诊断光伏电站运行过程中的测试数据，确定待诊断光伏电站年效能PR值，待诊断光伏电站的每一发电单元的PR值，以及每一发电单元包括的组成部件的PR值、加权效率、并联失配损失或串联失配损失；
基于PR评价阈值模型，根据待诊断光伏电站PR值、待诊断光伏电站的每一发电单元的PR值，以及每一发电单元包括的组成部件的PR值、加权效率、并联失配损失或串联失配损失，对待诊断光伏电站进行逐层诊断定位缺陷；所述PR评价阈值模型基于光伏电站现场实测数据预先确定；
PR值是光伏等效利用小数与峰值日日照小时数的比值，或表示光伏电站发电量与基于光伏方阵额定功率的直流发电量的比值。
2.如权利要求1所述的光伏电站的缺陷诊断方法，其特征在于，基于PR评价阈值模型，根据待诊断光伏电站PR值、待诊断光伏电站的每一发电单元的PR值，以及每一发电单元包括的组成部件的PR值、加权效率、并联失配损失或串联失配损失，对待诊断光伏电站进行逐层诊断定位缺陷，包括：
在PR评价阈值模型中选取PR值为0.8作为PR判断阈值；
根据每一发电单元的PR值，确定PR值小于0.8的发电单元，将PR值小于0.8的发电单元作为带缺陷运行发电单元；
根据带缺陷运行发电单元中每一光伏方阵的PR值，确定PR值小于0.8的光伏方阵，将PR值小于0.8的光伏方阵作为带缺陷运行光伏方阵；
根据带缺陷运行发电单元中每一逆变器的加权效率，确定加权效率小于第一预设阈值的逆变器，将加权效率小于第一预设阈值的逆变器作为带缺陷运行逆变器；
将带缺陷运行发电单元中各汇流箱的并联失配损失小于第二预设阈值的各汇流箱作为带缺陷运行汇流箱。
3.如权利要求2所述的光伏电站的缺陷诊断方法，其特征在于，还包括：
在带缺陷运行光伏方阵中各光伏组串的并联失配小于所述第二预设阈值时，确定该组光伏组串为带缺陷运行光伏组串；
根据带缺陷运行光伏组串中每一光伏组串的PR值，确定PR值小于0.8的光伏组串，将PR值小于0.8的光伏组串作为带缺陷运行光伏组串。
4.如权利要求3所述的光伏电站的缺陷诊断方法，其特征在于，还包括：
在带缺陷运行光伏组串中各光伏组件的串联失配损失大于第二预设阈值时，对带缺陷运行光伏组串中每一光伏组件进行红外、IV曲线或EL测试，确定带缺陷运行光伏组件；
IV曲线是指太阳能电池板输出电流与输出电压的关系，IV曲线测试是通过IV曲线的形态来判断组件的质量情况；EL测试是电致发光测试，用于检测组件的内部缺陷。
5.如权利要求1所述的光伏电站的缺陷诊断方法，其特征在于，还包括：
根据待诊断光伏电站存在缺陷部位的PR值，计算每一缺陷部位的功率衰减差异K值；
根据每一缺陷部位的功率衰减差异K值，对缺陷部位进行缺陷分级；
根据缺陷分级，确定待诊断光伏电站维修策略；
按照如下公式，计算每一缺陷部位的功率衰减差异K值：
其中：PR0为光伏电站中同一层级PR值平均值，表征正常发电效率的平均值，PR为带缺陷运行PR值，表征带缺陷运行发电效率。
6.如权利要求1所述的光伏电站的缺陷诊断方法，其特征在于，还包括：
根据待诊断光伏电站各设备运行数据，确定光伏电站的每一设备故障原因引起的非正常发电时间；
根据待诊断光伏电站各设备运行数据，确定光伏电站的每一电量损失原因引起的损失电量；
根据每一设备故障原因引起的非正常发电时间和每一电量损失原因引起的损失电量，形成光伏电站故障模型。
7.一种光伏电站的缺陷诊断装置，其特征在于，包括：
采集模块，用于采集待诊断光伏电站运行过程中的测试数据；
确定模块，用于根据待诊断光伏电站运行过程中的测试数据，确定待诊断光伏电站年效能PR值，待诊断光伏电站的每一发电单元的PR值，以及每一发电单元包括的组成部件的PR值、加权效率、并联失配损失或串联失配损失；
缺陷定位模块，用于基于PR评价阈值模型，根据待诊断光伏电站PR值、待诊断光伏电站的每一发电单元的PR值，以及每一发电单元包括的组成部件的PR值、加权效率、并联失配损失或串联失配损失，对待诊断光伏电站进行逐层诊断定位缺陷；所述PR评价阈值模型基于光伏电站现场实测数据预先确定；
PR值是光伏等效利用小数与峰值日日照小时数的比值，或表示光伏电站发电量与基于光伏方阵额定功率的直流发电量的比值。
8.如权利要求7所述的光伏电站的缺陷诊断装置，其特征在于，所述缺陷定位模块具体用于：
在PR评价阈值模型中选取PR值为0.8作为PR判断阈值；
根据每一发电单元的PR值，确定PR值小于0.8的发电单元，将PR值小于0.8的发电单元作为带缺陷运行发电单元；
根据带缺陷运行发电单元中每一光伏方阵的PR值，确定PR值小于0.8的光伏方阵，将PR值小于0.8的光伏方阵作为带缺陷运行光伏方阵；
根据带缺陷运行发电单元中每一逆变器的加权效率，确定加权效率小于第一预设阈值的逆变器，将加权效率小于第一预设阈值的逆变器作为带缺陷运行逆变器；
将带缺陷运行发电单元中各汇流箱的并联失配损失小于第二预设阈值的各汇流箱作为带缺陷运行汇流箱。
9.如权利要求8所述的光伏电站的缺陷诊断装置，其特征在于，所述缺陷定位模块还用于：
在带缺陷运行光伏方阵中各光伏组串的并联失配小于所述第二预设阈值时，确定该组光伏组串为带缺陷运行光伏组串；
根据带缺陷运行光伏组串中每一光伏组串的PR值，确定PR值小于0.8的光伏组串，将PR值小于0.8的光伏组串作为带缺陷运行光伏组串。
10.如权利要求9所述的光伏电站的缺陷诊断装置，其特征在于，所述缺陷定位模块还用于：
在带缺陷运行光伏组串中各光伏组件的串联失配损失大于第二预设阈值时，对带缺陷运行光伏组串中每一光伏组件进行红外、IV曲线或EL测试，确定带缺陷运行光伏组件；
IV曲线是指太阳能电池板输出电流与输出电压的关系，IV曲线测试是通过IV曲线的形态来判断组件的质量情况；EL测试是电致发光测试，用于检测组件的内部缺陷。
11.如权利要求7所述的光伏电站的缺陷诊断装置，其特征在于，还包括：
K值计算模块，用于根据待诊断光伏电站存在缺陷部位的PR值，计算每一缺陷部位的功率衰减差异K值；
缺陷分级模块，用于根据每一缺陷部位的功率衰减差异K值，对缺陷部位进行缺陷分级；
策略确定模块，用于根据缺陷分级，确定待诊断光伏电站维修策略；
按照如下公式，计算每一缺陷部位的功率衰减差异K值：
其中：PR0为光伏电站中同一层级PR值平均值，表征正常发电效率的平均值，PR为带缺陷运行PR值，表征带缺陷运行发电效率。
12.如权利要求7所述的光伏电站的缺陷诊断装置，其特征在于，还包括：
非正常发电时间确定模块，用于根据待诊断光伏电站各设备运行数据，确定光伏电站的每一设备故障原因引起的非正常发电时间；
损失电量确定模块，用于根据待诊断光伏电站各设备运行数据，确定光伏电站的每一电量损失原因引起的损失电量；
故障模型形成模块，用于根据每一设备故障原因引起的非正常发电时间和每一电量损失原因引起的损失电量，形成光伏电站故障模型。
13.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6任一所述方法。
14.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有执行权利要求1至6任一所述方法的计算机程序。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810365216.6A CN108649892B (zh) | 2018-04-23 | 2018-04-23 | 光伏电站的缺陷诊断方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810365216.6A CN108649892B (zh) | 2018-04-23 | 2018-04-23 | 光伏电站的缺陷诊断方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108649892A CN108649892A (zh) | 2018-10-12 |
| CN108649892B true CN108649892B (zh) | 2020-08-04 |
Family
ID=63747204
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810365216.6A Active CN108649892B (zh) | 2018-04-23 | 2018-04-23 | 光伏电站的缺陷诊断方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108649892B (zh) |
Families Citing this family (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108429539A (zh) * | 2017-02-14 | 2018-08-21 | 林敬杰 | 电站评估方法与装置 |
| CN109830981A (zh) * | 2019-02-25 | 2019-05-31 | 黑龙江大千环保科技有限公司 | 一种户级的光伏电站管理系统及其控制方法 |
| EP3885860B1 (en) * | 2020-03-24 | 2024-04-24 | Siemens Aktiengesellschaft | Method, computer-implemented tool and power plant control device for detecting power production degradation of solar power plants |
| AU2021429051A1 (en) * | 2021-02-23 | 2023-09-07 | Huawei Digital Power Technologies Co., Ltd. | Photovoltaic cell testing method and apparatus, and system, medium, and chip |
| CN113435038B (zh) * | 2021-06-25 | 2023-09-29 | 西安热工研究院有限公司 | 一种光伏发电系统损耗在线分析系统及方法 |
| CN114123970B (zh) * | 2021-10-15 | 2023-09-29 | 阳光电源股份有限公司 | 发电量损失的检测方法、装置、设备及计算机存储介质 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5581194A (en) * | 1995-06-07 | 1996-12-03 | Advanced Micro Devices, Inc. | Method and apparatus for passive optical characterization of semiconductor substrates subjected to high energy (MEV) ion implantation using high-injection surface photovoltage |
| CN103944508A (zh) * | 2014-03-22 | 2014-07-23 | 联合光伏（深圳）有限公司 | 一种光伏阵列的性能优化及诊断方法 |
| CN104574221A (zh) * | 2015-01-30 | 2015-04-29 | 华北电力大学（保定） | 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 |
| 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 |
| CN105514975A (zh) * | 2015-11-27 | 2016-04-20 | 国网冀北电力有限公司电力科学研究院 | 一种光伏发电系统的能效预测方法 |
| CN106067758A (zh) * | 2016-05-25 | 2016-11-02 | 河海大学常州校区 | 基于参数辨识的光伏发电系统故障诊断方法及系统 |
| CN106295698A (zh) * | 2016-08-11 | 2017-01-04 | 南京国电南自电网自动化有限公司 | 一种基于分层kpi相似度的智能光伏电站故障诊断方法 |
| CN106411257A (zh) * | 2016-11-03 | 2017-02-15 | 许继集团有限公司 | 一种光伏电站状态诊断方法及装置 |
| CN106656040A (zh) * | 2016-11-23 | 2017-05-10 | 北京鉴衡认证中心有限公司 | 光伏电站中光伏组件的故障诊断方法及装置 |
-
2018
- 2018-04-23 CN CN201810365216.6A patent/CN108649892B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5581194A (en) * | 1995-06-07 | 1996-12-03 | Advanced Micro Devices, Inc. | Method and apparatus for passive optical characterization of semiconductor substrates subjected to high energy (MEV) ion implantation using high-injection surface photovoltage |
| CN103944508A (zh) * | 2014-03-22 | 2014-07-23 | 联合光伏（深圳）有限公司 | 一种光伏阵列的性能优化及诊断方法 |
| CN104574221A (zh) * | 2015-01-30 | 2015-04-29 | 华北电力大学（保定） | 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 |
| CN105514975A (zh) * | 2015-11-27 | 2016-04-20 | 国网冀北电力有限公司电力科学研究院 | 一种光伏发电系统的能效预测方法 |
| 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 |
| CN106067758A (zh) * | 2016-05-25 | 2016-11-02 | 河海大学常州校区 | 基于参数辨识的光伏发电系统故障诊断方法及系统 |
| CN106295698A (zh) * | 2016-08-11 | 2017-01-04 | 南京国电南自电网自动化有限公司 | 一种基于分层kpi相似度的智能光伏电站故障诊断方法 |
| CN106411257A (zh) * | 2016-11-03 | 2017-02-15 | 许继集团有限公司 | 一种光伏电站状态诊断方法及装置 |
| CN106656040A (zh) * | 2016-11-23 | 2017-05-10 | 北京鉴衡认证中心有限公司 | 光伏电站中光伏组件的故障诊断方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108649892A (zh) | 2018-10-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108649892B (zh) | 光伏电站的缺陷诊断方法及装置 | |
| CN110311709B (zh) | 用电信息采集系统故障判别方法 | |
| Ma et al. | Photovoltaic module current mismatch fault diagnosis based on IV data | |
| CN111614317B (zh) | 一种基于iv曲线扫描的光伏板阴影遮挡的诊断方法 | |
| CN102289731A (zh) | 一种基于系统风险的输电设备状态检修方法 | |
| CN113037214B (zh) | 一种基于s-v曲线的光伏组件阴影遮挡故障诊断方法 | |
| CN110580387B (zh) | 基于熵权法的直流保护系统混合威布尔可靠性评价方法 | |
| CN111126759A (zh) | 一种基于异常事件故障关联度的电能表状态评估方法 | |
| CN107181461A (zh) | 一种光伏组串清洗方法和装置 | |
| Livera et al. | Failure diagnosis of short-and open-circuit fault conditions in PV systems | |
| CN109670652A (zh) | 一种光伏组件的故障预测方法 | |
| CN106523300A (zh) | 基于机舱风速仪的风电机组损失电量评估方法 | |
| Pan et al. | Research on output distribution modeling of photovoltaic modules based on kernel density estimation method and its application in anomaly identification | |
| Yun et al. | Research on fault diagnosis of photovoltaic array based on random forest algorithm | |
| CN111950165B (zh) | 典型环境下的电能表可靠性分析方法 | |
| CN111091292B (zh) | 一种核电站实时风险动态建模分析系统 | |
| Livera et al. | Advanced diagnostic approach of failures for grid-connected photovoltaic (PV) systems | |
| CN116879672A (zh) | 一种基于时间卷积网络的台区总表故障智能辨识方法 | |
| CN112463636A (zh) | 一种测试用例排序管理方法及系统 | |
| WO2024113510A1 (zh) | 一种光伏组件发电量损失的计算方法、装置及电子设备 | |
| CN110873857B (zh) | 基于多源数据融合的智能电能表运行状态评价方法及系统 | |
| CN114281846B (zh) | 一种基于机器学习的新能源发电预测方法 | |
| CN114139744A (zh) | 异常光伏组串支路识别方法、装置、电子设备及存储介质 | |
| CN105868830B (zh) | 一种多台变压器检修顺序的确定方法 | |
| CN112256693A (zh) | 一种预测线路故障停电和用户投诉的方法 |
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 |