CN108696249B - 光伏组件故障快速诊断方法 - Google Patents

Abstract

本发明主要涉及到光伏组件故障快速诊断方法，采集至少在一个预设时间周期内的电池组串中各个光伏组件的一种或多种不同类型的工作参数；将电池组串中各个光伏组件的指定类型的工作参数在预设时间周期内的集合与电池组串中每一个光伏组件个体在该预设时间周期内的指定类型的工作参数进行比较；基于比较结果至少判断出电池组串中每一个光伏组件是否发生发电异常事件。在含有光伏电池的应用场合中提供光伏组件故障快速诊断的方法，能够根据实际情况快速诊断某些光伏组件，并藉此判断出故障组件的问题所在从而为提供准确的对策提供依据。

Description

光伏组件故障快速诊断方法

技术领域

本发明主要涉及到光伏发电技术领域，确切的说是涉及到在含有光伏电池的应用场合中提供光伏组件故障快速诊断的方法，能够根据实际情况快速诊断某些光伏组件，并藉此判断出故障组件的问题所在从而为提供准确的对策提供依据。

背景技术

能源是人类生产生活不可或缺的资源，能源也是人类当前的实际需求和自然资源的消耗之间体现得较为明显的矛盾点。伴随着传统化工能源如石油、煤炭、天然气等的不可再生性，它们也在日益枯竭，同时也导致了类似于雾霾和温室效应等严重的环境问题。人类普遍认识到化工能源造成的负面环境问题变得日趋严重，寻找一种取之不尽、周而复始的可再生能源来取代资源有限、对环境有污染的传统化工能源，成为了新能源领域迫切需要解决的重要命题。以中国为例，政府鼓励新技术和新材料为基础的科技发展，也出台了若干鼓励群众使用新能源的政策，使可再生能源得到现代化的开发和利用，如地热能、风能和海洋能、生物质能和核聚变能等。除了政府层面的积极引导，群众自发的环境保护意识也在逐步增强，环保的周边事业和能够持续性发展的新能源得到了积极的应用。类似于风能及海洋能等这样的资源比较受制于地理位置，风能要求地理位置一年四季都是能够提供充裕的风力，例如中国的华北、东北和西北及东南沿海等地理位置比较适用。而核聚变能源则是投入大而且风险控制要求较高，民间应用暂时不适用于大范围推广。所以光伏发电这种新能源具备清洁、安全、运行费用少、维护简单和任意地点随处可用等优势，使它成为世界各国普遍关注和重点发展的新型产业，光伏发电产业得到了迅速的发展，尤其是在解决能源短缺和偏远地区的用电问题上发挥着不可或缺的作用，中国政府近年来推行的光伏的扶贫政策对于偏远地区的群众的经济及生活有了较大的改观。

资源与环境是人类赖以生存、繁衍和发展的基本条件，近一个世纪以来全世界人口增长了约两倍而能源和自然资源的消费增长了约十倍，显然太阳能必然会朝着蓬勃发展的方向日趋增长，但同时也面临着各种问题的挑战，积极解决光伏能源出现的各种问题对于推广太阳能和提高整个社会对光伏的认知度和接受度是有必要的。光伏电池的输出特性受到外界温度、光照辐射强度的影响而发生很大的变化，在当前的光伏发电系统中，为了使发电系统更安全可靠的运行，需要能够及时发现各种潜在的威胁，例如阴影遮挡造成的热斑效应就是一种负面的威胁，它可能会让某些电池从电源转换成负载而引起电池板发热至起火烧毁，所以监控光伏电池的电压、电流、功率及温度等工作参数是光伏发电系统中很重要的一个环节。光伏电池的工作参数监控在实际的应用场合更多的是采用了电力线载波作为通讯手段，依靠电力载波很容易就能将光伏电池的参数作为通信数据传递到光伏电池提供光伏电压的电力线上，再从电力线上进行载波信号的解码即可撷取光伏电池的实时参数。此外，各种当前的标准无线通信技术也被广泛的推行到光伏电池的工作参数监控的应用场合。本申请的目标就在于：基于将光伏电池的工作参数提取出来然后予以分析，及时发现存在潜在故障的光伏电池以便为执行对应的决策提供依据。

发明内容

本发明在一个实施例中提供了一种光伏组件故障快速诊断方法，其中：

采集至少在一个预设时间周期t内的一个电池组串中各个光伏组件PV1…PVN的一种或多种不同类型的工作参数；

将电池组串中各个光伏组件PV1…PVN的指定类型的工作参数在预设时间周期t内的集合{F₁、F₂、F₃…F_N}与电池组串中每一个光伏组件个体在该预设时间周期内的指定类型的工作参数进行比较；

基于比较结果至少判断出电池组串中每一个光伏组件是否发生发电异常事件。

上述的方法，其中：

依据所述的集合{F₁、F₂、F₃…F_N}所计算出所述指定类型的工作参数的一个高位诊断阈值D_UPPER和一个低位诊断阈值D_LOWER，并判断出电池组串中每一个光伏组件在该预设时间周期内监测到的该指定类型的工作参数是否超出所述高位和低位诊断阈值的范围，不在范围D_LOWER-D_UPPER内则予以警示。

上述的方法，其中：

依据在预设时间周期t内电池组串中各个光伏组件的指定类型的工作参数的集合{F₁、F₂、F₃…F_N}计算出的数学均值M和数学均方差值S，藉此确定高位和低位诊断阈值；

M＝{F₁+F₂+F₃…F_N}/t；

高位诊断阈值D_UPPER和低位诊断阈值D_LOWER可以是关于M和S的函数。

上述的方法，其中：

所述的一种或多种不同类型的工作参数至少包括光伏组件的发电量、电压、温度等。

上述的方法，其中：

采集同一个电池组串中各个不同光伏组件PV1…PVN的指定类型的工作参数的数值集合{F₁、F₂、F₃…F_N}，是在同一天的同一个预设时间周期t内进行统计的，或者是在相同的若干天的同一个预设时间周期内进行统计的。

上述的方法，其中：

在确定高位和低位诊断阈值的步骤中，设置一系列等级不同的诊断阈值范围并且每一级诊断阈值范围均包括一个高位诊断阈值和一个低位诊断阈值；其中

等级高的诊断阈值范围的高位诊断阈值低于等级低的诊断阈值范围的高位诊断阈值以及等级高的诊断阈值范围的低位诊断阈值高于等级低的诊断阈值范围的高位诊断阈值；

例如：等级高(反映光伏组件被检测的某些参数偏的离程度更大)的诊断阈值范围的高位诊断阈值D_UPPER低于等级低(反映光伏组件被检测的某些参数偏的离程度略小)的诊断阈值范围的高位诊断阈值D_UPPER，及等级高的诊断阈值范围的低位诊断阈值D_LOWER高于等级低的诊断阈值范围的低位诊断阈值D_LOWER，意思是设置的等级越高则越容易触发警示，反之设置的等级越低则允许被检测的参数的波动范围则更大。

上述实施例是基于在不同的光伏组件之间相互横向比较，整体思路是找出那些和其他光伏组件的输出特性存在差异的特殊组件。本发明在另一个实施例中还提供了另一种光伏组件故障快速诊断方法，该实施例是在基于在同一个光伏组件自身的当前数据和历史数据之间进行比较，整体思路是侦测出光伏组件自身在当前的输出特性和在历史上的输出特性之间存在的差异性，能轻易感知组件发生何种程度的衰减等，其中：

采集至少在当前的一个预设时间周期T内的一个电池组串中各个光伏组件PV1…PVN的一种或多种不同类型的工作参数；和

采集至少在以前的一个历史时间阶段H内的一个电池组串中各个光伏组件PV1…PVN的一种或多种不同类型的工作参数；

将任意一个光伏组件个体在该预设时间周期T内的指定类型的工作参数与它在历史时间阶段H内的指定类型的工作参数进行比较；

基于比较结果至少判断出电池组串中每一个光伏组件是否发生发电异常事件。

上述的方法，其中：

统计任意一个光伏组件个体在所述历史时间阶段H内的所述指定类型的工作参数的集合{f₁、f₂、f₃…f_K}并计算出所述指定类型的工作参数基于历史数据的高位诊断阈值D_upper和低位诊断阈值D_lower；

判断出任意一个光伏组件在该预设时间周期T内监测到的该指定类型的工作参数是否超出所述高位和低位诊断阈值的范围D_lower-D_upper，不在范围内则予以警示。

上述的方法，其中：

依据在多个历史时间阶段H内电池组串中每一个光伏组件的指定类型的工作参数的集合{f₁、f₂、f₃…f_K}计算出的数学均值和数学均方差值，并藉此确定高位和低位诊断阈值；

m＝{f₁+f₂+f₃…f_K}/H；

高位诊断阈值D_UPPER和低位诊断阈值D_LOWER可以是关于m和s的函数。

上述的方法，其中：

在确定低位和高位诊断阈值D_lower-D_upper的步骤中，设置一系列等级不同的诊断阈值范围并且每一级诊断阈值范围均包括一个高位诊断阈值和一个低位诊断阈值；其中

等级高的诊断阈值范围的高位诊断阈值低于等级低的诊断阈值范围的高位诊断阈值及等级高的诊断阈值范围的低位诊断阈值高于等级低的诊断阈值范围的高位诊断阈值。

附图说明

阅读以下详细说明并参照以下附图之后，本发明的特征和优势将显而易见：

图1是光伏组件中的工作参数利用载波等方式发送到解码器的范例示意图。

图2是在同一个电池组串中多个光伏组件相互串联连接起来的范例示意图。

具体实施方式

下面将结合各具体的实施例，对本发明披露的技术方案进行清楚完整的阐述，但所描述的实施例仅是本发明用作叙述说明所用的实施例而非全部的实施例，在基于该等实施例的基础之上，本领域的技术人员应该认识到，在没有做出创造性劳动的前提下所获得的任何方案都属于本发明的保护范围。

在光伏发电领域，光伏组件或光伏电池PV是发电的核心部件之一，太阳能电池板在主流技术的方向分为单晶硅太阳电池、多晶硅太阳电池、非晶硅太阳能电池等，大型的集中式光伏电站采用的电池组件的数量庞大，小型的分布式户用型小型电站采用的电池组件的数量相对较少。由于硅电池在本领域要求的使用年限一般高达二十多年的寿命，所以对电池板的长期性和持久性监测是必不可少的。很多内部和外部因素都会导致光伏组件的发电效率降低，如光伏组件自身之间的制造差异或安装差异或阴影遮挡或最大功率追踪适配等因素都会引起效率低下。以典型的阴影遮挡为例，如果部分光伏组件被云朵或建筑物或树影或污垢等类似情况遮挡后，这部分组件就会由电源变成负载而不再产生电能，光伏组件在发生热斑效应严重的地方局部温度可能较高，有的甚至超过150℃，导致组件局部区域烧毁或形成暗斑、焊点融化、封装材料老化、玻璃炸裂、腐蚀等永久性破坏，给光伏组件的长期安全性和可靠性造成极大地的隐患。光伏电站/系统亟待解决的问题就是：能够实时地观察每一块被安装的光伏电池板的工作状态，可以对电池的过温、过压、过流和输出端短接等异常情况进行预警，这对发生异常的电池采取类似于主动安全关断或其他的应急措施是十分有意义的。无论是集中式光伏电站还是分布式小型电站，基于针对光伏组件采集的工作参数数据对于判断和识别那些存在潜在问题的组件十分必要。

在光伏发电领域，如果光伏组件发生过温或过压或过流等类似的异常情况，无疑我们需要主动去触发关断这些异常的光伏组件的动作，在异常的光伏组件退出异常状态而恢复到正常状态时我们又需要再次接入这些光伏组件。而且有些场合需要检测组件的发电量或者说是监测输出功率情况，这是判断组件质量的依据，例如如果组件的发电量降低很明显则很可能也是发生了发电异常事件，被鸟粪、灰尘、建筑物、树影、云朵等遮挡，这需要我们去清洁电池或改变安装方位等措施。本领域的技术人员知道，单晶硅太阳电池、多晶硅太阳电池、非晶硅太阳能电池等都是属于特性容易发生衰减的材质，监控组件的衰减程度是必要的，这对于判断电池的质量极其重要。问题是：我们并不知道如何在庞大组件阵列中甄别那些组件是异常组件那些组件是正常组件，下文内容会解决该问题。

参见图1，为了实现这些预定的目标，本申请后续涉及的集成通信功能的光伏组件监测系统，可以将光伏电池所有的工作参数都用电力载波反映到电力线上，它为光伏电站对电池执行故障报警、故障快速定位等提供了合适的解决方案，适用于不同规模的并网或离网型的光伏发电系统。载波发送模块CSG和处理器100配合使用，处理器100利用图中未示意出的采集模块将光伏电池PV的电压、电流、功率、温度和发电量等一系列的指定工作参数进行采集，注意采集这些工作参数的采集模块属于现有技术，任何可采集电池这些参数的方案均兼容本申请，本申请不再单独对现有的采集模块单独阐释。在图1所示的实施例中，具有连到光伏电池PV正极的第一传输线路LINA和连到光伏电池PV负极的第二传输线路LINB，第一传输线路LINA上的一个第一节点N1耦合到光伏电池PV的正极而第二传输线路LINB上的第二节点N2和耦合到光伏电池PV的负极，也即需要从第一节点N1和第二节点N2间撷取光伏电池PV通过光伏效应产生的光伏电压。在本申请介绍的实施例中，载波发送模块CSG的支路直接连接在第一节点N1和第二节点N2之间，但是在没有示意出的实施例中，如果其他类型的载波发送模块采用带有耦合变压器的载波发送电路则其他类型的载波发送模块无需连接在第一节点N1和第二节点N2之间，此时只要将其他类型的载波发送模块带有的耦合变压器的次级绕组连到光伏电池PV正极和第一节点N1之间，然后从耦合变压器的初级绕组输入载波脉冲，同样可以将载波信号输送到第一节点N1处。或者，只要将其他类型的载波发送模块带有耦合变压器的次级绕组连到光伏电池PV负极和第二节点N2之间，然后从耦合变压器的初级绕组输入载波脉冲，同样也可以将载波信号输送到第二节点N2处。另外的实施方式就是按照图1的方案直接将载波发送模块CSG连接在第一节点N1和第二节点N2之间从而直接将载波信号同时注入在第一节点N1和第二节点N2处。以上主要是基于站在发送载波信号的角度来考虑，如果我们基于在接收载波信号的角度来考虑，则在图1中所示的那些连接到第一节点N1和/或第二节点N2的连接线LAN上可以利用当前任意的属于已知技术的载波解码模块就能够实现对载波信号的解码/译码。在处理器100将数据(如电池的各种工作参数数据)通过各种任意类型的载波发送模块传输到第一传输线路上LINA和/或第二传输线路LINB及连接线LANC上后，其他的电子设备利用解码器DECODER就可以在连接线LAN上的节点N3或N4处对载波解码。作为感测和解码载波信号的一方，图1的一个可选实施例中，通常解码器DECODER通常带有传感器模块和带通滤波器模块及带有类似于MCU/DSP等的处理单元等，电力线穿过传感器模块(如采用罗氏空心线圈传感器等)藉此由传感器模块来侦测传输线上的载波信号，为了精确的捕获真实的载波数据和屏蔽噪声，带通滤波器模块再对传感器模块感测到的载波信号进行进一步地滤波，滤除不在指定频率范围内的杂波，只有在指定频率范围内的载波carrier signal才可以表示预期的真实载波信号，处理单元接收真实载波信号和解码其载波数据。因此载波发送模块的作用在于向第一传输线路LINA和第二传输线路LINB尤其是连接线LAN上传播电力载波信号，这种载波信号可以按照当前指定的各种通信协议被转换成二进制码元进行数据信息的交互，解码设备只要侦测到第一传输线路LINA和第二传输线路LINB或连接线LAN上的电力载波再执行解码，就能获悉载波发送模块CSG所发送在电力线上的载波信号所携带的数据或指令的含义。处理器100将数据以载波的形式发送仅仅是范例之一，还有无线模块WIFI或GPS或-红外-蓝牙(Blue-tooth)等无线形式也能实现相同的功能。

参见图2，在实际应用中，很多数量的光伏电池或光伏组件PV串联连接来形成了一个电池组串，假定总共N级的光伏电池PV1、PV2……PVN串联，该N通常取大于1的自然数，电池组串的串级电压等于：第一级光伏电池PV1输出的电压V₁加上第二级光伏电池PV2输出的电压V₂再加上第三级光伏电池PV3输出的电压…直至累加到第N级的光伏电池PVN输出的电压V_N，等于V₁+V₂+……V_N。电池组串的串级电压才送到汇流箱或者逆变器等电力设备170。总共N级的光伏电池PV1、PV2……PVN串联，其中某些光伏组件无故发电量变少，或电压变低或组件自身温度突然上升过高，等等，都属于发电异常事件，尤其是阴影遮挡造成的电池热斑效应就是一种负面的威胁，它可能会让某些电池从电源转换成负载而引起电池板发热至起火烧毁。那么我们需要根据电池组串中这些光伏电池PV1、PV2……PVN各自的工作参数(预设数据)的表象特征，从而至少能够判断出电池组串中每一个光伏组件是否发生发电异常事件。

参见图2，以组件阵列为例它们是光伏发电系统从光能到电能转换的基础，设N是大于等于1的自然数，每一个电池串组具有串联的光伏电池PV1、PV2……PVN。在本申请的一个可选实施例中，每块光伏组件或称光伏电池PV各自均配置有执行最大功率追踪MPPT的功率优化电路BS，例如某一个电池串组中的第一个光伏组件PV1产生的光伏电压由第一个功率优化电路BS1进行DC/DC电压转换以执行功率优化，第二个光伏组件PV2产生的光伏电压由第二个功率优化电路BS2进行电压转换，……直至第N级的光伏组件PVN产生的光伏电压由第N级功率优化电路BSN进行电压转换以执行功率优化功能。其实与每块光伏电池PV对应的功率优化电路BS输出的电压才可以表征该光伏电池PV提供在光伏电池串组上的实际电压，先行假定任意一串的光伏电池串组串接有第一级光伏组件PV1、第二级光伏组件PV2……至第N级的光伏组件PVN，第一级功率优化电路BS1用于将第一级光伏电池PV1的光伏电压源执行最大功率追踪而进行电压转换并输出V₁，……至第N级功率优化电路BSN将第N级的光伏电池BSN的光伏电压执行最大功率追踪而进行电压转换并输出V_N，可以获悉任意一串光伏电池串组上提供总的串级电压等于：第一级功率优化电路BS1输出的电压V₁加上第二级功率优化电路BS2输出的电压V₂再加第三级功率优化电路BS3输出的电压V₃……直至累加到第N级的功率优化电路BSN输出的电压V_N，串级电压的运算结果就等于V₁+V₂+……V_K。功率优化电路或称电压转换电路本质上是直流到直流的DC-DC转换器，须强调的是，现有技术中针对光伏电池的最大功率追踪的任何方案适用于本申请的电压转换电路，常见的最大功率追踪有恒定电压法、电导增量法、扰动观察法等，本申请不再单独对电压转换电路是如何执行最大功率追踪MPPT的方案予以赘述，值得注意的是，上文介绍的处理器100不仅仅可以采集组件的数据，同时还可以输出PWM信号用于驱动DC/DC转换器。图2中第一级功率优化电路BS1、第二级功率优化电路BS2直至第N级的功率优化电路BSN等均通过串接线LAN串联连接，传输串接线LAN上由功率优化电路BS1-BSN叠加的串级电压被输送给类似于汇流箱或者逆变器等电力设备170进行汇流或逆变等。

本发明在一个实施例中提供了一种光伏组件故障快速诊断方法，其中：采集至少在一个预设时间周期t内的一个电池组串中各个光伏组件PV1…PVN的一种或多种不同类型的工作参数，不同类型的工作参数典型的例如有电压、电流、温度、功率或说发电量等等需要监控的参数数据。预设时间周期t可以是一天内的某个连续的时间段也可以是一天内不同的几个时间段。例如，光伏组件PV1在某一天上午的一个预设时间周期t-1的某种工作参数记作F₁，光伏组件PV2在某一天上午的一个预设时间周期t-1的某种工作参数记作F₂，依此类推，……直至光伏组件PVN在某一天上午的一个预设时间周期t-1的某种工作参数记作F_N，这个工作参数例如是电压，那么我们自然就得到了一个我们期望得到的数值集合，也即电池组串中各个光伏组件PV1…PVN各自的指定类型的工作参数在预设时间周期t内的集合{F₁、F₂、F₃…F_N}，工作参数例如是电压，假定光伏组件PV1在这一天上午的一个预设时间周期t-1的电压工作参数记作F₁，光伏组件PV2在这一天上午的一个预设时间周期t-1的电压工作参数记作F₂，依此类推，……光伏组件PVN假定在这一天上午的一个预设时间周期t-1的电压工作参数记作F_N，然后我们在分析预设时间周期t-1内的集合{F₁、F₂、F₃…F_N}时候发现，某个组件的电压比较异常，其中的光伏组件PV3在这一天上午的预设时间周期t-1的电压工作参数记作F₃突然比其他的所有的光伏组件的电压{F₁、F₂、F₄—F_N}都要表现得过大或过小，则认为光伏组件PV3在这一天上午的预设时间周期t-1的电压工作参数记作F₃是由于某种因素引发的异常，有可能是光伏组件PV3被遮挡而电压变小，或者光伏组件PV3没有被遮挡但是其他余下的光伏组件PV1-2及PV4-PVN被遮挡住也即其他组件的电压变得更小。这里仅仅是以电压类型的工作参数为例，工作参数例如是电压当然也可以是电流或温度或发电量等，例如光伏组件PV3衰减严重导致其在预设时间周期t-1的发电量变小，而相比较而言，整个串联的组件中余下的其他光伏组件PV1-2及PV4-PVN衰减相对较小导致其他组件的在预设时间周期t-1的电量比光伏组件PV3要多。此外，例如光伏组件PV3安装方位有所偏差导致其在预设时间周期t-1的发电量变小，而相比较而言，整个串联的组件中余下的其他光伏组件PV1-2及PV4-PVN的安装方位正确导致其他组件的在预设时间周期t-1的电量比光伏组件PV3要多。因此只要我们将电池组串中的各个光伏组件PV1…PVN的指定类型的工作参数在预设时间周期t内的集合{F₁、F₂、F₃…F_N}与电池组串中每一个光伏组件个体在该预设时间周期t内的指定类型的工作参数进行比较，我们基于比较结果至少判断出电池组串中每一个光伏组件PV是否发生发电异常事件。预设时间周期t还可以是某一天内的早晨太阳刚升起来的时段或中午或傍晚的时段，本实施例中，可以直接在某天开始的零时零分到结束的二十四点之间取连续的预设时间周期t-1，例如上午8:00-12:00或者下午13:30-15:00甚至从早上计时开始到晚上结束的6:30-18:30等等。

预设时间周期t的选择方式并不唯一，它可以是某一天内的一个连续时间段也可以分散的时间段。例如，光伏组件PV1在某一天Day的一个预设时间周期t1(例如在这一天在上午截取时间段t1-1、中午截取时间段t1-2、傍晚截取时间段t1-3等)的某种工作参数记作F₁，相类似的，光伏组件PV2在某一天Day的一个预设时间周期t1(例如在这一天在上午截取时间段t1-1、中午截取时间段t1-2、傍晚截取时间段t1-3等)的某种工作参数记作F₂，类推…直至光伏组件PVN在某一天Day的一个预设时间周期t1(例如在这一天在上午截取时间段t1-1、中午截取时间段t1-2、傍晚截取时间段t1-3等)的某种工作参数记作F_N。这里预设时间周期t1实际上是这一天在上午截取时间段t1-1、中午截取时间段t1-2、傍晚截取时间段t1-3这三个时间段的和值，当然预设时间周期t1也不限制于三个特定的时间段，早上中午傍晚甚至有月亮的晚上都可取样，也即可以取样预设时间周期t1在某一天Day取样的次数也不必限制在三个。唯独必须注意的是，第一个光伏组件PV1在某一天Day的预设时间周期t1得到工作参数F₁，第二个光伏组件PV2必须在相同的这一天Day的相同的一个预设时间周期t1得到工作参数F₂，类推…直至光伏组件PVN必须在相同这一天Day的相同一个预设时间周期t1得到工作参数F_N，意思就是采集同一个电池组串string中各个不同光伏组件PV1…PVN的指定类型的工作参数的数值集合{F₁、F₂、F₃…F_N}，必须在同一天的同一个预设时间周期内进行统计的，这个预设的时间周期t1不一定要是连续的，可以是断续的，例如该实施例中预设时间周期在上午太阳刚升起的时候截取了第一个子时间段t1-1，如早晨5:00-9:00；中午阳光辐射强度大的时间段又再单独截取了第二个子时间段t1-2，如中午12:00-15:00；傍晚太阳辐射不是很强的时段又截取了第三个子时间段t1-3，如傍晚17:30-19:00；当然该实施例中预设时间周期还可以包括更多的子时间段，这里以三个子时间段是作为示范。可见预设时间周期既以是上文中连续的时间段，还可以包含本实施例中断续的数个子时间段。

预设时间周期t的选择方式并不唯一，它可以是某几天内的一个连续时间段也可以分散的时间段。例如光伏组件PV1在某几天Day1-DayQ的一个预设时间周期t_1(例如在某一天Day1截取时间段t_1-1、某一天Day2截取时间段t_1-2、……某一天DayQ截取时间段t_1-Q等)的某种工作参数记作F₁，这里Q是一个大于1的自然数。相类似的光伏组件PV2在某几天Day1-DayQ的一个预设时间周期t_1(例如在某一天Day1截取时间段t_1-1、某一天Day2截取时间段t_1-2、……某一天DayQ截取时间段t_1-Q等)的某种工作参数记作F₂，依次类推……直至光伏组件PVN在某几天Day1-DayQ的一个预设时间周期t_1撷取的(例如在某一天Day1截取时间段t_1-1、某一天Day2截取时间段t_1-2、…某一天DayQ截取时间段t_1-Q等)的某种工作参数记作F_N。这个实施例中预设时间周期t_1实际上是在某一天Day1截取时间段t_1-1、和某一天Day2截取时间段t_1-2、……及某一天DayQ截取时间段t_1-Q等的和值。必须注意的是，第一个光伏组件PV1在这几天Day1-DayQ的预设时间周期t_1得到工作参数F₁，而且第二个光伏组件PV2也必须在相同的这几天Day1-DayQ的相同的一个预设时间周期t_1得到工作参数F₂，依次类推…直至光伏组件PVN必须在相同这几天Day1-DayQ的相同一个预设时间周期t_1得到工作参数F_N。其意思就是：采集同一个电池组串string中各个不同光伏组件PV1…PVN的指定类型的工作参数的数值集合{F₁、F₂、F₃…F_N}，必须在相同的若干天的同一个预设时间周期t_1内进行统计的。这个预设的时间周期t_1不一定要是连续的可以是断续的，例如该实施例中预设时间周期t_1在第一天Day1选取了第一个子时间段t_1-1，如第一天早上开始到晚上结束6:00-17:00；预设时间周期t_1在第二天Day2选取了第二个子时间段t_1-2，如早上开始到中午结束7:00-12:00；预设时间周期t_1在第三天Day3选取了第三个子时间段t_1-3，如早上开始到晚上结束6:10-18:10；依此类推直至预设时间周期t_1在第Q天DayQ选取了第Q个子时间段t_1-Q，如第Q天下午开始到晚上结束13:00-18:00。当然在该实施例中预设时间周期t_1还可以包括更多的子时间段，这里以Q个子时间段是作为示范。预设时间周期既以是上文中某一天中连续的一个时间段t-1，可以是某一天多个的断续的子时间段{t1-1、t1-2、t1-1……}，除此之外还可以是本实施例中披露的那样，预设时间周期是在若干天Day1-DayQ中分别选取的若干个子时间段{t_1-1、t_1-2、t_1-3……}。预设时间周期可以是各种时间单位，常规使用的例如毫秒、秒、分钟、小时甚至天数、一周或几周甚至一个月甚至几个月等，当然也可以用季度、年作为时间计算单位，但是最简单的方式就是把天数或者周数或者月数甚至年数都转化为如小时之类的计时单位。

本申请披露的一种光伏组件故障快速诊断方法，最重要的方法之一就是要怎么甄别同一个的电池组串/string中某些特殊组件有别与其他普通组件的差异性。依据上文中统计的所述集合{F₁、F₂、F₃…F_N}就能够所计算出所述指定类型的工作参数(例如发电量或电压或电流或温度或功率等)在预设时间周期t的一个高位诊断阈值D_UPPER和一个低位诊断阈值D_LOWER，虽然上文以预设时间周期t-1和预设时间周期t1以及预设时间周期t_1等等为例来阐述预设时间周期t，但是我们在依据集合{F₁、F₂、F₃…F_N}计算高位诊断阈值和低位诊断阈值仍然以预设时间周期t作为表现方式。撷取高位诊断阈值D_UPPER和低位诊断阈值D_LOWER，我们就能够以它们作为基准来考核和判断电池组串string中每一个个体的光伏组件在该预设时间周期t内监测到的该指定类型的工作参数是否超出所述高位和低位诊断阈值的范围，通常如果不在范围D_LOWER-D_UPPER内则予以警示，告知参数我们需要检查不在该范围内的那些组件是否存在故障或过度衰减等。通常每一个光伏组件的电压或电流或温度等指定参数在该预设时间周期t内可能不是很平稳，略有波动，那么我们就取某种指定参数该预设时间周期t内的平均值，并判断光伏组件在预设时间周期t内监测到的该指定类型的工作参数的平均值是否超出高位和低位诊断阈值的范围。注意这里的由数据分析给出的警示不一定是表示该组件就一定是损坏或发生故障，例如某个特殊组件自身的发电量远超过发电量这种指定工作参数的高位诊断阈值D_UPPER，很可能是这个组件质量可靠但是同一个电池组串中其他余下的组件质量不佳，这里的警示反而是表征了其他组件的品质不佳以及该特殊组件较之其他组件的品质更好，基于比较结果至少能够判断出电池组串中每一个光伏组件是否发生发电异常事件。

上述的光伏组件故障快速诊断方法，其中依据在预设时间周期t内电池组串string中各个光伏组件PV1…PVN的指定类型的工作参数的集合{F₁、F₂、F₃…F_N}计算出的数学均值M和数学均方差值S，确定高位诊断阈值D_UPPER和低位诊断阈值D_LOWER。我们先算出集合{F₁、F₂、F₃…F_N}的数学均值M和数学均方差值S，然后再根据数学均值M和数学均方差值S来确定诊断阈值，这里高位诊断阈值D_UPPER和低位诊断阈值D_LOWER均是关于数学均值M和数学均方差值S的函数。

M＝{F₁+F₂+F₃…F_N}/t。

关于高位诊断阈值D_UPPER和低位诊断阈值D_LOWER可以是关于M和S的函数，设定该高位诊断阈值D_UPPER等于M+K*S，低位诊断阈值D_LOWER等于M－K*S，这里K是正数就能满足条件。上文已经阐述，通常每一个光伏组件PV的电压或电流或温度等指定参数在该预设时间周期t内可能不是很平稳而是波动的，那么我们就取这种指定参数在该预设时间周期t内的平均值，并判断光伏组件在预设时间周期t内监测到的该指定类型的工作参数的平均值是否超出高位和低位诊断阈值的范围D_LOWER-D_UPPER，某种参数在该预设时间周期t内的平均值不在范围内则应当予以警示。在另一些实施例中，例如发电量可以无需取平均值，而直接判断在预设时间周期t内监测到的实际发电量是否超出发电量参数的高位和低位诊断阈值的范围D_LOWER-D_UPPER，发电量不在范围内则应当予以警示。应该注意的是，由于同一个电池组串string中不同的组件PV1-PVN是串联关系，串联关系的组件有一个本质特征，就是组件PV1-PVN各自的电流在该预设时间周期t内基本上是一起波动变化的，由于组件PV1-PVN各自的电流在预设时间周期t内的某个时间点是基本相同的，但是电流大小却影响着发电量和功率等，也即电流影响着部分指定工作参数在监测过程中的准确度。为了更精细化/精准化的判断出电池组串中每一个光伏组件在该预设时间周期内监测到的该指定类型的工作参数是否超出高位和低位诊断阈值的范围，而不是仅仅在一个较宽范围内进行甄别，需要再设计一套规则：假设组件PV1-PVN的电流在该预设时间周期t内的平均值为I_AVE，设定该高位诊断阈值D_UPPER从原来的M+K*S修正为后续的(M+K*S)/I_AVE，与此同时，将低位诊断阈值D_LOWER从原来的M－K*S修正为后续的(M－K*S)/I_AVE，然后再判断出电池组串中每一个光伏组件在该预设时间周期内监测到的该指定类型的工作参数是否超出所述高位和低位诊断阈值的范围，或者是判断光伏组件在预设时间周期t内监测到的该指定类型的工作参数的平均值是否超出高位和低位诊断阈值的范围D_LOWER-D_UPPER。在这种条件下，电池组串中光伏组件PV1-PVN各自的电流在该预设时间周期t内一起波动变化，我们能精准的基于比较结果至少判断出电池组串中每一个光伏组件是否发生发电异常事件，必须着重说明的是，这种检测规则仅仅只是在光伏组件PV1-PVN相互串联而具备同步变化的串联电流的条件下才是精确的，否则这种规则不适用，譬如，光伏组件PV1-PVN并联就不应该采用该措施来检测。如果不采用多级电压转换器BS1-BSN而直接让光伏组件PV1-PVN串联来提供总的串级电压，则光伏组件PV1-PVN的电流在预设时间周期t内的平均值为I_AVE表示流过组件PV1-PVN它们各自内阻的平均电流，如果采用多级电压转换器BS1-BSN则光伏组件PV1-PVN的电流在该预设时间周期t内的平均值为I_AVE实际是流过串联形式的电压转换器BS1-BSN的平均电流。流过组件PV1-PVN各自内阻的串联电流I_S在不同的时刻都有波动起伏，但是流过任意两个不同的光伏组件的电流(如PV1的电流I_S1和PVN的电流I_SN)在任意的时刻都是相同的，这是串联的特征；流过电压转换器BS1-BSN各自的串联电流I_B在不同的时刻都有波动起伏，但流过任意两个不同电压转换器的电流(如BS1的电流I_B1和BSN的电流I_BN)在任意的时刻都是相同的，这是串联的特征。此时高位诊断阈值D_UPPER被定义为上述的(M+K*S)/I_AVE及低位诊断阈值D_LOWER被定义为上述(M－K*S)/I_AVE实质表示了不同组件之间同步变化的串级电流参与了对工作参数即数据的诊断误差的抑制，在判断电池组串中每一个光伏组件在该预设时间周期内监测到的该指定类型的工作参数是否超出高位和低位诊断阈值的范围的程序中，可以较高程度的降低误判的概率。

上述的光伏组件故障快速诊断方法，在确定高位和低位诊断阈值D_LOWER-D_UPPER的步骤中，设置一系列等级不同的诊断阈值范围Range-1、Range-2……Range-X并且每一级诊断阈值范围Range-X(X是大于等于1的自然数)均包括高位诊断阈值D_UPPER和低位诊断阈值D_LOWER。设计等级不同的诊断阈值范围Range-1、Range-2…Range-X是考虑到有些情况下我们即便诊断出某些参数略有超过规格，但是可能是允许的，例如飘过组件上方的云朵等引起遮挡是属于意外情况，发生略微的不太明显的升温是允许的，这种警示我们可以选择不予理会或者采取进一步措施，但是例如覆盖于电池板表面的污垢引起了电池板的同样的升温效果，我们却不能忍受必须采取应对措施。所以等级不同的诊断阈值范围就表面了警示的等级或说是重要性，例如：等级高则反映光伏组件被检测的某些参数偏的离程度更大，等级低则反映光伏组件被检测的某些参数偏的离程度略小。等级高的诊断阈值范围的高位诊断阈值低于等级低的诊断阈值范围的高位诊断阈值及等级高的诊断阈值范围的低位诊断阈值高于等级低的诊断阈值范围的高位诊断阈值。暂时以等级高的诊断阈值范围Range-(X)和等级低的诊断阈值Range-(X－1)为例，等级高的诊断阈值范围Range-(X)的高位诊断阈值D_UPPER(M+1.5*S)低于等级低的诊断阈值Range-(X－1)范围的高位诊断阈值D_UPPER(M+1.7*S)，以及还有等级高的诊断阈值范围Range-(X)的低位诊断阈值D_LOWER(M－1.5*S)高于等级低的诊断阈值范围Range-(X－1)的低位诊断阈值D_LOWER(M－1.7*S)，意思是设置的等级Range越高则越容易触发警示，反之设置的等级Range越低则允许被检测的参数的波动范围则更大。

本申请在上文的各个实施例中采用的方案，基于在相同的一个电池组串string不同的光伏组件PV1-PVN之间相互横向比较，整体思路是找出那些比较特殊的组件PV，特殊的组件的参数和其他光伏组件的输出特性{F₁、F₂、F₃…F_N}存在差异，例如发电量过低或温度过高或过压及低压等异常发电情况。

本申请除了在上文的各个实施例中采用的方案之外，本发明在下文的另一个实施例中还提供了另一种光伏组件故障快速诊断方法，作为取代上文实施例的方案，不再需要在电池组串string的不同光伏组件PV1-PVN之间找出比较特殊的组件PV。本实施例是在基于在同一个光伏组件PV自身的当前数据和历史数据之间进行比较，整体思路是侦测出光伏组件PV自身在当前的输出特性和在历史上的输出特性之间存在的差异性，能轻易感知组件当前相对于历史发生了何种程度的衰减等异常；还可以从历史数据和当前数据中分析出该光伏组件PV在历史上发生了什么异常，

本申请披露的另一种光伏组件故障快速诊断方法，采集至少在当前的一个预设时间周期T内的一个电池组串中各个光伏组件PV1…PVN的一种或多种不同类型的工作参数和采集至少在以前的多个历史时间阶段H内的一个电池组串中各个光伏组件PV1…PVN的一种或多种不同类型的工作参数。注意当前预设时间周期T的总时间和以前的历史时间阶段H的总时间应该相等，这里当前是相对于以前显得时间更靠后，反之以前的历史相对于当前显得时间更靠前。作为可选项，当前的预设时间周期T和以前的历史时间阶段H最好是在相同的时间段内进行统计的，这里的相同的时间段内至少含有两层含义，第一个含义是预设时间周期T和多个采样历史时间阶段H中的每一个历史时间阶段的总时长都相等；第二个含义是预设时间周期T在当前某一天Day-A的起始时间节点应当和每一个历史时间阶段H在历史上某一天Day-C的起始时间节点完全相同、及预设时间周期T在当前某一天Day-B的结束时间节点应当和每一个历史时间阶段H在历史上某一天Day-D的结束时间节点完全相同，预设时间周期T的起始日期Day-A和结束日期Day-B可以是同一天也可以不同，该历史时间阶段H的起始日期Day-C和结束日期Day-D可以是同一天也可以不同。示例，如2017年3月24日的时段8:00-17:00作为当前的一个预设时间周期T1，则2016年3月24日的时段8:00-17:00可以作为以前的一个历史时间阶段H。例如，2017年3月20日的时段8:30-10:00作为当前的一个预设时间周期T1，2017年3月19日的时段8:30-10:00作为以前的一个历史时间阶段H。还如2017年1月2日的起始时间节点5:00到2017年1月8日的结束时间节点17:20作为当前的预设时间周期T1，与此同时，2016年10月23日的起始时间节点5:00到2016年10月29日的结束时间节点17:20作为以前的历史时间阶段H，或是2016年1月2日的起始时间节点5:00到2016年1月8日的结束时间节点17:20作为以前的历史时间阶段H。注意这里作为阐释说明所用的当前时段和历史时段，仅仅是作为范例不构成限制条件。

本申请披露的另一种光伏组件故障快速诊断方法，例如，统计至少在当前的一个预设时间周期T内的电池组串string中各个光伏组件PV1…PVN的一种或多种不同类型的工作参数(发电量和功率、电流和电压及温度等)；统计至少在以前的多个历史时间阶段H内的一个电池组串中各个光伏组件PV1…PVN的一种或多种不同类型的工作参数(发电量和功率、电流和电压及温度等)，当前的预设时间周期T和以前的历史时间阶段H最好是在不同的日期(统计日期不一样)，但是分别是在不同的日期的相同时间段内进行统计的，而且预设时间周期T和历史时间阶段H的总时长相等。如预设时间周期T在当前某一天Day-A的起始时间节点应当和历史时间阶段H在历史上某一天Day-C的起始时间节点完全相同，例如都是早上8点钟；以及预设时间周期T在当前某一天Day-B的结束时间节点应当和历史时间阶段H在历史上某一天Day-D的结束时间节点完全相同，例如都是傍晚6点钟；而且预设时间周期T的起始日期Day-A到结束日期Day-B之间的天数应该和历史时间阶段H起始日期Day-C到结束日期Day-D之间的天数相同。

本申请披露的另一种光伏组件故障快速诊断方法中，将任意一个光伏组件PV个体在该预设时间周期T内的指定类型的工作参数与它在一个或多个历史时间阶段H内的指定类型的工作参数进行比较，然后基于这种比较结果至少判断出电池组串中每一个光伏组件是否发生发电异常事件。本申请披露的一种光伏组件故障快速诊断方法，最重要的方法之一就是要怎么甄别同一个电池组件PV在当前预设时间周期T的参数统计数据与这个电池组件PV以前的历史时间阶段H的参数的历史统计数据之间的差异。统计任意一个光伏组件PV个体在多个历史时间阶段H内的指定类型(电压、温度和电流或发电量)的工作参数的集合{f₁、f₂、f₃…f_k}并计算出所述指定类型的工作参数基于历史数据的一个高位诊断阈值D_upper和一个低位诊断阈值D_lower。最终判断出任意一个光伏组件PV在该预设时间周期T内监测到的该指定类型的工作参数是否超出所述高位和所述低位诊断阈值的范围D_lower-D_upper，不在范围内则予以警示。例如2017年3月24日的时段8:00-17:00作为当前的一个预设时间周期T1，则2011年3月24日的时段8:00-17:00可以作为以前的第一个历史时间阶段H1-1，2012年3月24日的时段8:00-17:00可以作为以前的第二个历史时间阶段H1-2，2013年3月24日的时段8:00-17:00可以作为以前的第三个历史时间阶段H1-3，……等等，其中预设时间周期T1的时长与任意一个历史时间阶段例如这里的H1-1或H1-2或H1-3……等等的时长是相等的。任意一个光伏组件PV个体在第一个历史时间阶段H1-1内的指定参数的统计数值为f₁，光伏组件PV个体在第二个历史时间阶段H1-2内的指定参数的统计数值为f₂，光伏组件PV个体在第三个历史时间阶段H1-3内的指定参数的统计数值为f₃，……等等，光伏组件PV个体在第k个历史时间阶段H1-k内的指定参数的统计数值为f_k，k是大于等于1的自然数，这样我们在第一个历史时间阶段H1-1、第二个历史时间阶段H1-2……第k个历史时间阶段H1-k分别采样了某个参数的若干个数值集合{f₁、f₂、f₃…f_k}。此时需要将当前预设时间周期T1内统计的光伏组件PV的所述指定类型的工作参数与数值集合{f₁、f₂、f₃…f_k}比较。还如2017年1月2日的起始时间节点5:00到2017年1月8日的结束时间节点17:20作为当前的预设时间周期T1，与此同时，2016年10月23日的起始时间节点5:00到2016年10月29日的结束时间节点17:20作为第一个历史时间阶段H1_1，或者是，将2016年1月2日的起始时间节点5:00到2016年1月8日的结束时间节点17:20作为第二个历史时间阶段H1_2，……类推，直至2016年8月2日的起始时间节点5:00到2016年8月8日的结束时间节点17:20作为第k个历史时间阶段H1_k，这样我们同样也能在第一个历史时间阶段H1-1、第二个历史时间阶段H1-2……第k个历史时间阶段H1-k分别采样了某个参数的若干个数值集合{f₁、f₂、f₃…f_k}。这里作为阐释说明的当前时段和历史时段，仅仅是作为范例不构成限制条件。此时需要将当前预设时间周期T1内统计的光伏组件PV的指定类型的工作参数与数值集合{f₁、f₂、f₃…f_k}比较，基于比较结果至少判断出电池组串中每一个光伏组件是否发生发电异常事件。

依据上文统计的所述集合{f₁、f₂、f₃…f_k}就能够所计算出指定类型的工作参数(例如发电量或电压或电流或温度或功率等)在预设时间周期T的一个高位诊断阈值D_upper和一个低位诊断阈值D_lower，虽然上文内容以H1-1或H1-2或H1-3……等等为例来阐述历史时间阶段H，但是我们在依据集合{f₁、f₂、f₃…f_k}计算高位诊断阈值和低位诊断阈值仍然以历史时间阶段H作为表现方式。撷取高位诊断阈值D_upper和低位诊断阈值D_lower，我们就能够以它们作为基准来考核和判断电池组串string中每一个个体的光伏组件在该预设时间周期T内监测到的指定类型的工作参数是否超出高位和低位诊断阈值的范围，通常如果不在范围D_lower-D_upper内则予以警示，告知参数我们需要检查不在该范围内的那些组件是否存在故障或过度衰减等。通常每一个光伏组件的电压或电流或温度等指定参数在该预设时间周期T内可能不是很平稳，略有波动，那么我们就取某种指定参数该预设时间周期T内的平均值，并判断光伏组件在预设时间周期T内监测到的该指定类型的工作参数的平均值是否超出高位和低位诊断阈值的范围。注意这里的由数据分析给出的警示不一定是表示该组件就一定是损坏或发生故障，例如某个特殊组件自身的发电量远超过发电量这种指定工作参数的高位诊断阈值D_upper，很可能是这个组件被污垢遮挡但是一旦我们清洁干净污垢后它的发电量就会抬升，这里的警示反而是表征了需要经常清洁电池。

根据本申请发明精神的一方面，依据在多个历史时间阶段H内的光伏组件的指定类型的工作参数对应采集的多个数据组成的集合{f₁、f₂、f₃…f_K}，计算出其数学均值m和数学均方差值s，并藉此确定高位和低位诊断阈值。

m＝{f₁+f₂+f₃…f_K}/H。

关于高位诊断阈值D_upper和低位诊断阈值D_lower可以是关于m和s的函数，设定该高位诊断阈值D_upper等于m+K*s，低位诊断阈值D_lower等于m－K*s，这里K是正数就能满足条件。上文已经阐述，通常每一个光伏组件PV的电压或电流或温度等指定参数在该预设时间周期T内可能不是很平稳而是波动的，那么我们就取这种指定参数在该预设时间周期T内的平均值，并判断光伏组件在预设时间周期T内监测到的该指定类型的工作参数的平均值是否超出高位和低位诊断阈值的范围D_lower-D_upper，某种参数在该预设时间周期T内的平均值不在范围内则应当予以警示。在另一些实施例中，例如发电量可以无需取平均值，而直接判断在预设时间周期t内监测到的实际发电量是否超出发电量参数的高位和低位诊断阈值的范围D_lower-D_upper，发电量不在范围内则应当予以警示。

上述的光伏组件故障快速诊断方法，在确定高位诊断和低位诊断阈值D_lower-D_upper的步骤中，设置一系列等级不同的诊断阈值范围Range-1、Range-2……Range-X并且每一级诊断阈值范围Range-X(X是大于等于1的自然数)均包括高位诊断阈值D_UPPER和低位诊断阈值D_LOWER。设计等级不同的诊断阈值范围Range-1、Range-2…Range-X是考虑到有些情况下我们即便诊断出某些参数略有超过规格，但是可能是允许的，例如阴雨天气是属于意外情况，发生略微的发电量降低是允许的，这种警示我们可以选择不予理会或者采取进一步措施，但是例如建筑物树影引起了电池板的同样的发电量降低，我们却不能忍受必须采取应对措施。所以等级不同的诊断阈值范围就表面了警示的等级或说是重要性，例如：等级高则反映光伏组件被检测的某些参数偏的离程度更大，等级低则反映光伏组件被检测的某些参数偏的离程度略小。认为等级高的诊断阈值范围的高位诊断阈值低于等级低的诊断阈值范围的高位诊断阈值及等级高的诊断阈值范围的低位诊断阈值高于等级低的诊断阈值范围的高位诊断阈值。暂时先以等级高的诊断阈值范围Range-(X)和等级低的诊断阈值Range-(X－2)为例，这里的该等级高的诊断阈值范围Range-(X)的高位诊断阈值D_UPPER(m+2*S)实际上是低于等级低的诊断阈值Range-(X－2)范围的高位诊断阈值D_UPPER(M+3*S)，以及与此同时，还有等级高的诊断阈值范围Range-(X)的低位诊断阈值D_LOWER(M－2*S)实际上是高于等级低的诊断阈值范围Range-(X－2)的低位诊断阈值D_LOWER(M－3*S)，意思是设置的等级Range越高相当于阈值范围越狭窄则也越容易触发警示，反之，设置的等级Range越低相当于阈值范围越是宽泛则被检测的参数的允许波动的范围相对也就更大。为避免混淆和歧义，本申请记载的“-”表示连接符而记载的函数关系中出现的“+、－”分别代表加号和减号。

以上通过说明和附图，给出了具体实施方式的特定结构的典型实施例，上述发明提出了现有的较佳实施例，但这些内容并不作为局限。对于本领域的技术人员而言，阅读上述说明后，各种变化和修正无疑将显而易见。因此，所附的权利要求书应看作是涵盖本发明的真实意图和范围的全部变化和修正。在权利要求书范围内任何和所有等价的范围与内容都应认为仍属本发明的意图和范围内。

Claims (4)

1.一种光伏组件故障快速诊断方法，其特征在于，该方法包括：

采集至少在一个预设时间周期t内的一个电池组串中各个光伏组件PV1…PVN的一种或多种不同类型的工作参数，N取大于1的自然数；

将电池组串中各个光伏组件PV1…PVN的指定类型的工作参数在预设时间周期t内的集合{F₁、F₂、F₃…F_N}与电池组串中每一个光伏组件个体在该预设时间周期t内的指定类型的工作参数进行比较；

基于比较结果至少判断出电池组串中每一个光伏组件是否发生发电异常事件；

依据所述集合{F₁、F₂、F₃…F_N}计算出所述指定类型的工作参数的一个高位诊断阈值D_UPPER和一个低位诊断阈值D_LOWER，并判断出电池组串中每一个光伏组件在该预设时间周期t内监测到的该指定类型的工作参数是否超出所述高位诊断阈值D_UPPER和低位诊断阈值D_LOWER的范围D_LOWER-D_UPPER，不在范围D_LOWER-D_UPPER内则予以警示；

依据在预设时间周期t内电池组串中各个光伏组件PV1…PVN的指定类型的工作参数的集合{F₁、F₂、F₃…F_N}计算出数学均值M和均方差值S，并藉此确定高位诊断阈值D_UPPER和低位诊断阈值D_LOWER；

M＝{F₁+F₂+F₃…F_N}/t；

高位诊断阈值D_UPPER和低位诊断阈值D_LOWER是关于M和S的函数，设定高位诊断阈值D_UPPER等于M+K*S，低位诊断阈值D_LOWER等于M－K*S，K是正数。

2.根据权利要求1所述的方法，其特征在于，该方法包括：

所述的一种或多种不同类型的工作参数至少包括光伏组件的发电量、电压、温度。

3.根据权利要求1所述的方法，其特征在于，该方法包括：

采集同一个电池组串中各个不同光伏组件PV1…PVN的指定类型的工作参数的数值集合{F₁、F₂、F₃…F_N}，是在同一天的同一个预设时间周期t内进行统计的，或者是在相同的若干天的同一个预设时间周期t内进行统计的。

4.根据权利要求1所述的方法，其特征在于，该方法包括：

在确定高位诊断阈值D_UPPER和低位诊断阈值D_LOWER的步骤中，设置一系列等级不同的诊断阈值范围并且每一级诊断阈值范围均包括一个高位诊断阈值D_UPPER和一个低位诊断阈值D_LOWER；其中

等级高的诊断阈值范围的高位诊断阈值D_UPPER低于等级低的诊断阈值范围的高位诊断阈值D_UPPER以及等级高的诊断阈值范围的低位诊断阈值D_LOWER高于等级低的诊断阈值范围的低位诊断阈值D_LOWER。

Images