CN108921302B - 分布式光伏电站的杂草遮挡诊断及故障排除判定方法 - Google Patents

Abstract

本发明涉及一种分布式光伏电站的杂草遮挡诊断及故障排除判定方法，判断当前日期是否需要进行杂草遮挡诊断；计算日离散率；将日离散率与阈值离散率进行比较；计算本周平均离散率、并与上周的平均离散率比较；计算前15天电站电量与标杆电量的比值；将15天的比值按照相邻3天进行分组，并求出5组比值的平均值；比较相邻两组平均值的大小；推送杂草遮挡故障告警或者疑似杂草遮挡故障提示；自推送杂草遮挡故障告警的第二天起持续进行杂草遮挡故障排除的判定。本发明实现对杂草遮挡故障的远程精确定位，并在现场除草、故障排除后自动恢复；无需人工点检巡检，降低了分布式光伏电站的运维成本；实施操作简便，经济投入成本较低。

Description

分布式光伏电站的杂草遮挡诊断及故障排除判定方法

技术领域

本发明涉及分布式光伏电站运维技术领域，具体涉及一种分布式光伏电站的杂草遮挡诊断及故障排除判定方法。

背景技术

目前全国各地纷纷在贫困地区建设分布式光伏电站，光伏电站所用的光伏组件由数十块光伏电池单元串联而成，电池单元由一种可通过光生伏打效应将光的辐射能转化为电能的半导体材料制作而成。当有遮光物体附着于组件表面时，一方面，被遮挡的电池单元因缺少光照而无法发电；同时，由于该不发电的电池单元仍串联在光伏组件的发电回路中，流过该电池单元的电流所承载的部分电能将被其等效内阻消耗并转化为热能，从而大幅降低组件整体的发电水平，并局部发热形成热斑，减少组件使用寿命。

由于村级分布式光伏电站单电站容量较小，预算成本相对较低，且多建于土地之上，常出现杂草疯长的现象，比如在山东济南，可攀爬到组件表面并造成严重影响的主要是桑科葎草属的葎草(剌剌秧)等藤蔓植物，杂草遮挡故障主要出现在5月到9月。疯长的杂草或藤蔓植物构成了光伏电站最主要的附着性遮挡故障，对电站的发电量和设备寿命与安全生产构成了极大的威胁。同时，由于分布式电站数量众多、位置偏僻且分布分散，传统人工巡检的运维方式难以及时定位故障，巡检成本高企。

现在仍处于分布式光伏村级电站的大规模建设阶段，对于这一类电站单体规模小、电站数量多的分布式光伏项目运维还相对不成熟。对组件的杂草遮挡故障，以现场人工巡检为主，部分线上数据监测比较好的项目会对发电量明显偏低的电站进行人工点检，因而无法做到及时准确的故障诊断与定位。

发明内容

为解决上述技术问题，本发明基于光伏电站所在地区杂草遮挡故障的成因与故障机理，通过分析光伏电站发电水平的时序特征与组串电流的离散率变化，提出了杂草遮挡诊断及故障排除判定方法。本发明的原理是：在分布式光伏电站中，根据容量通常有多路光伏组串，每条组串由数十块光伏组件串联而成，电站出现杂草遮挡故障时，被遮挡组串的电流和发电量会大幅下降，由于杂草在场内的分布和长势具有随机性，各组串的遮挡情况和严重程度均不相同，故可根据各组串间电流的一致性与电站发电水平的变化进行该故障的诊断定位与故障排除判定。本发明所采用的技术方案如下：

分布式光伏电站的杂草遮挡诊断及故障排除判定方法，包括以下步骤

步骤1、当日逆变器关机后，判断当前日期是否需要进行杂草遮挡诊断，如果是转下一步，如果否判定为无杂草遮挡、转步骤10；在这里，判断当前日期是否需要进行杂草遮挡诊断时，可根据光伏电站所在地区的自然环境情况，仅在杂草疯长的季节进行判断，比如在山东省，就可以仅在5-9月这5个月期间进行杂草遮挡故障的诊断；

步骤2、计算该光伏电站组串电流的日离散率δ；

步骤3、将日离散率δ与阈值离散率进行比较，如果δ高于阈值离散率，则转下一步、触发杂草遮挡诊断流程，否则转步骤10；

步骤4、计算该光伏电站组串电流的本周平均离散率、并与上周的平均离散率比较，若本周平均离散率升高，则转下一步，否则判定为无杂草遮挡、转步骤10；

步骤5、计算前15天电站电量与标杆电量的比值P，用该比值衡量电站发电水平。其中标杆电量为该光伏电站在所处日照环境下的应发电量，可用辐射度推算法或邻近电站分析法得出；

步骤6、将15天的比值按照相邻3天进行分组，并求出5组比值的平均值；

步骤7、比较相邻两组平均值的大小，若4次比较中有3次新值小于旧值或最近2次连续新值小于旧值，则说明光伏电站发电水平下滑，转下一步，否则判定为无杂草遮挡、转步骤10；在这里，新值指较新的数据、旧值指较旧的数据，比如相比前天的日发电量，昨天的日发电量就是新值、前天的日发电量就是旧值；

步骤8、推送杂草遮挡故障告警或者疑似杂草遮挡故障提示；

步骤9、如果推送了杂草遮挡告警，自推送杂草遮挡告警的第二天起持续进行杂草遮挡故障排除的判定，否则转下一步；

步骤10、杂草遮挡诊断及故障排除判定流程结束。

优选地，步骤2所述的计算该电站组串电流的日离散率δ方法如下：

2.1、从数据库中读取当前电站n条组串m个时间点的电流如下：

2.2、计算各组串m个时间点电流的平均值，得到各组串的日均电流I₁到I_n；

2.3、计算该电站各组串日均电流I₁到I_n的平均值

和标准差σ，σ的计算公式为：

2.4、计算该电站当日离散率δ，计算公式为：

优选地，步骤8所述的推送杂草遮挡故障告警或者疑似杂草遮挡故障提示的具体方法是：

从数据库中读取近一周的运维记录和杂草故障诊断和排除判定记录，若最近一周没有除草记录或故障排除记录，则判定为杂草遮挡故障、并通过微信端向现场推送杂草遮挡故障告警；若有相关记录，则仅推送疑似杂草遮挡故障提示。

优选地，步骤9所述的持续进行杂草遮挡故障排除的判定的步骤包括：

9.1、从数据库中查询过去5天的离散率，并排序得到最小δ_m；

9.2、将今日的离散率δ与δ_m相比较，若离散率降低则进入下一步，否则退出判断；

9.3、从数据库中查询过去40天的发电量与标杆电量，并分别计算每天实际电量与标杆电量的比值P；

9.4、对P进行排序，取排名前十的比值并计算平均值，定义为P_nom；

9.5、取最近10天的比值并计算平均值，定义为P_mal；

9.6、设置阈值系数k，根据k、P_nom和P_mal计算阈值P₀，计算公式为：

P₀＝k×P_nom+(1-k)×P_mal；

9.7、将当日的实际电量与标杆电量的比值P与P₀相比较，若当日的比值P较大，说明杂草已清除，则取消杂草遮挡故障告警，并记录。

本发明的有益效果：

1)本发明通过分析光伏电站发电水平的时序特征与组串电流的离散率变化，实现对杂草遮挡故障的远程精确定位，并在现场除草、故障排除后自动恢复，避免了杂草遮挡故障的漏判与误判；

2)本发明无需人工点检巡检，降低了分布式光伏电站的运维成本；

3)本发明实施操作简便，经济投入成本较低，经济效益明显。

附图说明

图1为本发明的逻辑流程框图；

图2为本发明的进行杂草遮挡故障排除判定的流程图。

具体实施方式

现在结合附图，具体说明本发明的实施方式。本发明实施例分为杂草遮挡诊断触发、杂草遮挡判定、推送杂草遮挡告警、杂草遮挡故障排除判定四个大步骤，其中，前三个步骤是杂草遮挡故障诊断的流程。需要注意的是，四个步骤中所有的数据均需剔除外网告警、组串断路和电站设备告警等故障发生时的数据。本实施例以位于山东省济南市的光伏电站为例，所以，仅在5-9月这5个月期间进行杂草遮挡故障的诊断。

如图1所示，是本发明的逻辑流程框图。分布式光伏电站的杂草遮挡诊断及故障排除判定方法，其特征在于，包括以下步骤：

步骤1、当日逆变器关机后，判断当前日期是否需要进行杂草遮挡诊断，即当前日期在5-9月范围内，如果是转下一步，如果否转步骤10；

步骤2、计算该电站组串电流的日离散率δ；

目前，行业内普遍使用固定的离散率作为状态判据。由于电站组件随运行年限增加会出现不同程度衰减，尤其是某些持续影响离散率的故障，如未能更换的破损组件、蜗牛纹组件、隐裂组件、严重的PID衰减组件等。当这些影响不足以驱使电站产权方更换组件时，或由于组件更换造成新老组件混用时，均会造成离散率的持续偏高乃至超出设定范围。因此，使用固定离散率阈值会产生故障判据随时间推移前松后紧的问题，并随不同电站个性的日渐鲜明而失去普适性和准确性。

针对上述问题，设计动态阈值离散率方法如下：

将阈值离散率δ看做基础离散率δ_b和故障增量离散率δ_Δ的叠加，其中，故障增量离散率δ_Δ由δ_b与阈值系数相乘得到。

δ＝δ_b+δ_Δ＝(1+k)δ_b

选取春分日作为年基准日，对该日电站离散率进行排序，获取所有电站离散率的中位数作为电站的基础离散率δ_b。依据经验，在0.3～0.7之间对k进行取值。

步骤3、将日离散率δ与阈值离散率进行比较，如果δ高于阈值离散率，则转下一步，否则转步骤10；

步骤4、计算本周平均离散率、并与上周的平均离散率比较，若本周平均离散率升高，则转下一步，否则转步骤10；

步骤5、计算前15天电站电量与标杆电量的比值P，其中标杆电量为电站在所处日照环境下的应发电量；

步骤6、将15天的比值按照相邻3天进行分组，并求出5组比值的平均值；

步骤7、比较相邻两组平均值的大小，若4次比较中有3次新值小于旧值或最近2次连续新值小于旧值，转下一步，否则转步骤10；

步骤8、推送杂草遮挡告警或者疑似杂草故障提示；从数据库中读取近一周的运维记录和杂草故障诊断和排除判定记录，若最近一周没有除草记录或故障排除记录，则判定为杂草遮挡故障、并向现场推送杂草遮挡告警；若有相关记录，则仅推送疑似杂草遮挡故障提示；

步骤9、如果推送了杂草遮挡告警，自推送杂草遮挡告警的第二天起持续进行杂草遮挡故障排除的判定，否则转下一步；

步骤10、杂草遮挡诊断及故障排除判定流程结束。

如图2所示，是本发明的步骤9进行杂草遮挡故障排除判定的流程图，包括以下步骤：

9.1、从数据库中查询过去5天的离散率，并排序得到最小δ_m；

9.2、将今日的离散率δ与δ_m相比较，若离散率降低则进入下一步，否则退出判断；

9.3、从数据库中查询过去40天的发电量与标杆电量，并分别计算每天实际电量与标杆电量的比值P；

9.4、对P进行排序，取排名前十的比值并计算平均值，定义为P_nom；

9.5、取最近10天的比值并计算平均值，定义为P_mal；

9.6、设置阈值系数k，根据k、P_nom和P_mal计算阈值P₀，计算公式为：

P₀＝k×P_nom+(1-k)×P_mal；

9.7、将当日的实际电量与标杆电量的比值P与P₀相比较，若当日的比值P较大，则取消杂草遮挡故障告警，并记录。

本发明所述方案立足于分布式光伏电站的实际应用需求，依托分布式光伏电站集中运维平台，可以使用JAVA语言进行开发。分布式光伏电站集中运维平台底层采用积成电子的SCADA系统和软总线，平台基于MySQL数据库集群对项目数据进行存储和管理。运维平台基于微信开发了手机客户端，可以根据用户角色和权限将告警实时推送给对应的现场人员。

Claims (4)

1.分布式光伏电站的杂草遮挡诊断及故障排除判定方法，其特征在于，包括以下步骤：

步骤1、当日逆变器关机后，判断当前日期是否需要进行杂草遮挡诊断，如果是转下一步，如果否转步骤10；

步骤2、计算该光伏电站组串电流的日离散率δ；

步骤3、将日离散率δ与阈值离散率进行比较，如果δ高于阈值离散率，则转下一步，否则转步骤10；

步骤4、计算该光伏电站组串电流的本周平均离散率、并与上周的平均离散率比较，若本周平均离散率升高，则转下一步，否则转步骤10；

步骤5、计算前15天电站电量与标杆电量的比值P，其中标杆电量为该光伏电站在所处日照环境下的应发电量；

步骤6、将15天的比值按照相邻3天进行分组，并求出5组比值的平均值；

步骤7、比较相邻两组平均值的大小，若4次比较中有3次新值小于旧值或最近2次连续新值小于旧值，转下一步，否则转步骤10；

步骤8、推送杂草遮挡故障告警或者疑似杂草遮挡故障提示；

步骤9、如果推送了杂草遮挡故障告警，自推送杂草遮挡故障告警的第二天起持续进行杂草遮挡故障排除的判定，否则转下一步；

步骤10、杂草遮挡诊断及故障排除判定流程结束。

2.根据权利要求1所述的分布式光伏电站的杂草遮挡诊断及故障排除判定方法，其特征在于，步骤2所述的计算该电站组串电流的日离散率δ方法如下：

2.1、从数据库中读取当前电站n条组串m个时间点的电流如下：

2.2、计算各组串m个时间点电流的平均值，得到各组串的日均电流I₁到I_n；

2.3、计算该电站各组串日均电流I₁到I_n的平均值

和标准差σ，σ的计算公式为：

2.4、计算该电站当日离散率δ，计算公式为：

3.根据权利要求2所述的分布式光伏电站的杂草遮挡诊断及故障排除判定方法，其特征在于，步骤8所述的推送杂草遮挡告警或者疑似杂草遮挡故障提示的具体方法是：

从数据库中读取近一周的运维记录和杂草故障诊断和排除判定记录，若最近一周没有除草记录或故障排除记录，则判定为杂草遮挡故障、并向现场推送杂草遮挡故障告警；若有相关记录，则仅推送疑似杂草遮挡故障提示。

4.根据权利要求1－3任一项所述的分布式光伏电站的杂草遮挡诊断及故障排除判定方法，其特征在于，步骤9所述的持续进行杂草遮挡故障排除的判定的步骤包括：

9.1、从数据库中查询过去5天的离散率，并排序得到最小δ_m；

9.2、将今日的离散率δ与δ_m相比较，若离散率降低则进入下一步，否则退出判断；

9.3、从数据库中查询过去40天的发电量与标杆电量，并分别计算每天实际电量与标杆电量的比值P；

9.4、对P进行排序，取排名前十的比值并计算平均值，定义为P_nom；

9.5、取最近10天的比值并计算平均值，定义为P_mal；

9.6、设置阈值系数k，根据k、P_nom和P_mal计算阈值P₀，计算公式为：

P₀＝k×P_nom+(1-k)×P_mal；

9.7、将当日的实际电量与标杆电量的比值P与P₀相比较，若当日的比值P较大，则取消杂草遮挡故障告警，并记录。

Images