CN109709854A - 一种基于边缘计算的光伏电站电弧故障监控装置及方法 - Google Patents

Abstract

本发明提供了一种基于边缘计算的光伏电站电弧故障监控装置及方法，包括：光伏组件控制器和DTU集中器、云服务器、用户终端；所述光伏组件控制器，安装于光伏组件，其集成了：电弧检测单元、MCU处理器单元、ZigBee通信单元；所述DTU集中器组成所述ZigBee通信单元的汇集节点，通过无线通信网络将电弧故障事件转发至云服务器，所述用户终端用于读取云服务器的数据，实现光伏电站内每片光伏组件电弧故障可视化监控。本发明在现有的光伏组件控制器和电弧检测器设计的基础上，再通过硬件及软件的改进，使得光伏组件控制器具有一定边缘计算能力，提高了计算效率和速度，同时达到了高效实时的电弧故障报警，达到了意想不到的有益效果。

Description

一种基于边缘计算的光伏电站电弧故障监控装置及方法

技术领域

本发明涉及物联网及光伏领域，具体涉及一种基于边缘计算的光伏电站电弧故障监控装置及方法。

背景技术

分布式光伏近年来在我国取得了巨大的发展，2017年中国分布式光伏发电装机容量约为19.4GW，比2016年高3.6倍，在中国太阳能光伏发电总装机容量中的占比为27.1％，产生了13.7TWh的电力，足以为北京所有家庭供电7.5个月。目前，中国的分布式光伏发电装置主要安装在中国经济最繁荣的东部和南部，分布式光伏绝大多数直接安装在建筑物屋顶上或社区公共空间，因此与用户、建筑、社区、城市也是紧密结合。随着我国分布式光伏电站的大规模建设，安全质量问题也逐渐已经成为了光伏电站长期稳定发电的头号杀手，极端情况下还有可能发生火灾或者触电这样的严重事故，不仅影响发电量，而且对财产甚至人身生命安全都将产生严重的影响。因此安全质量问题已经成为光伏电站，尤其是分布式光伏系统，在设计、建设和运行时首要应考虑的问题。

目前对于光伏系统直流侧电弧故障检测的方法主要有两种。第一种是基于电压电流波形变化的检测方法。在电弧故障发生时，电弧两端的电流会瞬间下降，而电弧两端的电压会瞬间提高。该方法的优点是检测方法较为简单，但由于光伏系统受光照和温度的影响较大，故输出电流和电压的幅值不稳定，因此很难区分是由环境原因造成的电流和电压的变化还是由于电弧故障引起的变化。第二种方法是基于频率特性的检测方法。当电弧故障发生时，常伴随有某一特定的高频信号，在正常工作情况下该高频信号并不会出现，一旦该信号出现，则表明存在直流电弧故障。当前已有利用第二种方法生产的专用直流电弧故障检测器。

以上两种电弧故障的检测，均是在光伏组件和汇流箱或者逆变器端(即直流侧)进行检测，是对整个光伏系统直流侧电弧故障检测而非光伏组件级的检测。当电弧故障出现时会出现火灾隐患，现有方案不能快速定位故障点，需要运维人员对所有光伏组件和线缆逐一排查，工作量巨大且效率低下，安全隐患上升。而且在排除电弧故障的时间段内整个光伏系统是不能工作的，同时造成了发电收益的损失。

由于上述技术和数据问题，客观上影响了组件控制器的数据价值和应用效果，难以做到及时、准确、快速的数据处理与事件响应。这其中一个重要原因就是目前市场上的光伏组件控制器都不具备边缘计算的能力，即控制器只能进行基本的数据采集和传输，只能由服务器远程控制，发电数据存储在云服务器上，本地无法对实时和历史数据进行存储、查询、计算、分析和判断。当控制器的数量不断增加的时候，云服务器的数据吞吐量和计算能力会承受巨大压力，严重时甚至导致服务器崩溃。

边缘计算是指在靠近物或数据源头的一侧，采用网络、计算、存储、应用核心能力为一体的开放平台，就近提供最近端服务。其应用程序在边缘侧发起，产生更快的网络服务响应，满足行业在实时业务、应用智能、安全与隐私保护等方面的基本需求。根据市场研究公司Research and Markets发布的报告，边缘计算的市场规模复合年均增长率高达35.2％。边缘计算是将计算、网络、存储、带宽等能力从云延伸到网络边缘侧的新型架构模式，万物互联的智能社会脚步临近，以物联网、人工智能、VR/AR、区块链、SDN、5G等为代表的先进ICT技术发展正在推动着产业的变革。边缘计算以其所具备的实时、敏捷、智能、安全等特性，正在创造新的价值与生态体系。一种具有边缘计算能力的光伏电站电弧故障监控装置有待开发。

发明内容

为解决上述问题，本发明提供了一种基于边缘计算的光伏电站电弧故障监控装置及方法，本发明在现有的光伏组件控制器和电弧检测器设计的基础上，再通过硬件及软件的改进，使得光伏组件控制器具有一定边缘计算能力，将原本属于云服务器计算的部分数据处理工作下沉分解到每个边缘光伏组件控制器后，不仅大大降低了网络依赖性，提高了计算效率和速度，同时也减轻了云平台压力，节省了数据中心能耗，解决了由于控制器数量庞大带来巨大的数据计算压力和数据存储的问题；同时MCU对电弧故障的判定算法，和上述边缘计算能力结合，达到了高效实时的电弧故障报警，通过快速关断有问题的光伏组件，防止了火灾或者触电这样的严重事故，达到了意想不到的有益效果。

为实现所述技术目的，本发明的技术方案是：一种基于边缘计算的光伏电站电弧故障监控装置，包括光伏组件控制器和DTU集中器、云服务器、用户终端；

所述光伏组件控制器，安装于光伏电站中的每一片光伏组件上，用于对单片光伏组件实现电弧故障判定记录及系统组网，其集成了：

电弧检测单元，用于采集电弧故障发生时，产生的高频信号；

MCU处理器单元，用于基于电弧检测单元采集的高频信号，对高频信号进行A/D转换和边缘计算，实现电弧故障事件的判定和记录，方便数据传输；

ZigBee通信单元，用于将所述MCU处理器单元边缘计算判定记录的数据，通过ZigBee网络转发至DTU集中器；

所述DTU集中器组成所述ZigBee通信单元的汇集节点，通过无线通信网络将电弧故障事件转发至云服务器，所述用户终端用于读取云服务器的数据，实现光伏电站内每片光伏组件电弧故障的可视化监控。

进一步，所述MCU处理器单元采用ST Electroncis工业级32位ARM处理器STM32F103C8T6，ST Electroncis工业级32位ARM处理器STM32F103C8T6比其他类型的组件控制器更强大的浮点运算能力和缓存，以及更快的A/D数字采样能力和通信控制功能。

作为本发明的一种优选的实施方案，基于上述内容，不同的是，还包括Flash存储单元，用于实现数据存储缓存，Flash存储单元采用Winbond SLC NAND Flash W25M02GW闪存存储芯片。其具备2G-bit数据容量，能实现高速数据存储与读写；

进一步，所述MCU处理器单元用于对电弧检测单元采集的数据进行数据预处理和增强数据处理。

进一步，所述电弧检测单元采用RCMU101SM系列漏电流传感器。

一种基于边缘计算的光伏电站电弧故障监控方法，使用了上述的基于边缘计算的光伏电站电弧故障监控装置，包括以下步骤：

S1：根据电弧检测单元实时检测到的高频信号进行数据采样；

S2：将所述步骤S1中实时采样和检测到的数据在MCU处理器单元，内部存储单元进行缓存；

S3：将所述步骤S2中缓存的数据，通过MCU处理器单元预处理和增强数据处理，对数据进行边缘计算，实现电弧故障的判定和记录，并通过ZigBee通信单元将数据发送至DTU集中器；

S4：DTU集中器数据汇集并上传至云服务器；

S5：用户终端读取云服务器的数据，实现光伏电站内每片光伏组件电弧故障的可视化监控和快速定位。

进一步，所述步骤S3中数据预处理的方法为：对于数据进行清洗和滤波，明显由于A/D采样或者过采样造成的异常数据将被删除，高频谐波等噪音也将被数字滤波器算法过滤掉。

进一步，所述步骤S3中数据增强处理的方法包括：

T1：将所述步骤S2中缓存的实时采样数据(电弧高频信号)进行进一步的计算，包括统计、平均、累积、加权等处理，计算10秒、30秒、分钟、5分钟、10分钟、小时等不同时间尺度的累积总值、平均值、极值、偏差等数据，分别按数据库定义的字段存储；

T2：通过定义高频信号的频率阈值，将T1中的存储的字段和频率阈值进行对比，实现电弧故障的判定，并记录；

T3：对步骤T2中实时判定记录的电弧故障事件采用AES128位加密算法进行通讯加密，同时提供有0，32，64，128位的完整性校验；

T4：根据不同的管理级别和数据通信要求，采用不同的数据颗粒度对步骤T4中加密过的数据压缩上传到云服务器。

作为本发明的一种优选的实施方案，基于上述内容，不同的是，还包括通过F1ash存储单元进行弹性存储的步骤：根据网络连接是否稳定、网络速度状况，动态调节数据本地存储的参数和容量，在网络恢复后再进行数据上传。

作为本发明的一种优选的实施方案，基于上述内容，不同的是，还包括实时关断的步骤：MCU处理器单元打开MOS管旁路电流，从而快速关断所述步骤S3中计算出的有电弧故障的光伏组件，保障电气安全。

进一步，还包括事件记录报警的步骤：将异常或故障事件写入数据，存储到F1ash存储单元，产生报警信号并通过所述步骤S3和步骤S4将报警信号上传到云平台。

本发明的有益效果在于：

本发明在现有的光伏组件控制器和电弧检测器设计的基础上，再通过硬件及软件的改进，使得光伏组件控制器具有一定边缘计算能力，将原本属于云服务器计算的部分数据处理工作下沉分解到每个边缘光伏组件控制器后，不仅大大降低了网络依赖性，提高了计算效率和速度，同时也减轻了云平台压力，节省了数据中心能耗，解决了由于控制器数量庞大带来巨大的数据计算压力和数据存储的问题；同时MCU对电弧故障的判定算法，和上述边缘计算能力结合，达到了高效实时的电弧故障报警，通过快速关断有问题的光伏组件，防止了火灾或者触电这样的严重事故，达到了意想不到的有益效果。

附图说明

图1是本发明基于边缘计算的光伏电站电弧故障监控装置的整体模块化结构示意图；

图2是本发明的光伏组件控制器内部单元示意图；

图3是本发明的网络拓扑结构示意图；

图4是本发明的MCU处理器单元电路原理示意图；

图5是本发明的Flash存储单元电路原理示意图；

图6是本发明的电弧检测单元电路原理示意图；

图7是本发明的基于边缘计算的光伏电站电弧故障监控方法的流程图；

图8是本发明的数据增强处理的方法流程图。

具体实施方式

下面将对本发明的技术方案进行清楚、完整地描述。

一种基于边缘计算的光伏电站电弧故障监控装置，如图1所示，包括光伏组件控制器和DTU集中器、云服务器、用户终端；

所述光伏组件控制器，安装于光伏电站中的每一片光伏组件上，用于对单片光伏组件实现电弧故障判定记录及系统组网，如图2所示，其集成了：

电弧检测单元，用于采集电弧故障发生时，产生的高频信号；

MCU处理器单元，用于基于电弧检测单元采集的高频信号，对高频信号进行A/D转换和边缘计算，实现电弧故障事件的判定和记录，方便数据传输；

ZigBee通信单元，用于将所述MCU处理器单元边缘计算判定记录的数据，通过ZigBee网络转发至DTU集中器；

所述DTU集中器组成所述ZigBee通信单元的汇集节点，通过无线通信网络将电弧故障事件转发至云服务器，所述用户终端用于读取云服务器的数据，实现光伏电站内每片光伏组件电弧故障的可视化监控。

如图3所示的网络拓扑结构，安装于每一片光伏组件上的具有边缘计算能力和ZigBee自组网能力的光伏组件控制器组成了边缘计算节点，DTU集中器组成了汇集节点，最终在云服务内形成云计算中心。

进一步，如图4所示，所述MCU处理器单元采用ST Electroncis工业级32位ARM处理器STM32F103C8T6及其最小系统，其中MCU由光伏组件供电，也就是说本发明在实现边缘计算能力的前提下，不需要额外的电力，所有能源来自于相连接的光伏组件本身，将原本属于云平台计算的部分数据处理工作下沉分解到每个边缘计算设备后，不仅大大降低了网络依赖性，提高了计算效率和速度，同时也减轻了云平台压力，节省了数据中心能耗。

ST Electroncis工业级32位ARM处理器STM32F103C8T6比其他类型的组件控制器更强大的浮点运算能力和缓存，以及更快的A/D数字采样能力和通信控制功能。

作为本发明的一种优选的实施方案，基于上述内容，不同的是，如图5所示，还包括Flash存储单元，用于实现数据存储缓存，Flash存储单元采用Winbond SLC NAND FlashW25M02GW闪存存储芯片。其具备2G-bit数据容量，能实现高速数据存储与读写。也就是说本发明将光伏智能控制器检测中电弧检测单元检测采样的高频信号在本地MCU中进行计算和判定、记录，并顺序存储到NAND Flash中，降低了网络依赖性，将多次检测的数据经过预处理和算法处理后加密打包通过ZigBee无线网络、数据网络传输至云服务器。

进一步，所述MCU处理器单元用于对电弧检测单元采集的数据进行数据预处理和增强数据处理。

进一步，所述电弧检测单元采用RCMU101SM系列漏电流传感器。如图6所示，从光伏组件上引出的导线1，传设在RCMU101SM系列漏电流传感器的孔中，当短路漏电等电弧故障时，RCMU101SM系列漏电流传感器能够采集高频信号，并进行采样，由ARM处理器STM32F103C8T6进行A/D转换和边缘计算，故障判定记录。

一种基于边缘计算的光伏电站电弧故障监控方法，使用了上述的基于边缘计算的光伏电站电弧故障监控装置，如图7所示，包括以下步骤：

S1：根据电弧检测单元实时检测到的高频信号进行数据采样；根据实时检测到的高频信号；

S2：将所述步骤S1中实时采样和检测到的数据在MCU处理器单元，内部存储单元进行缓存，为数据预处理做准备，MCU处理器单元内部存储器最高可缓存256KB数据(约1000数据点)；

S3：将所述步骤S2中缓存的数据，通过MCU处理器单元预处理和增强数据处理，对数据进行边缘计算，实现电弧故障判定记录，并通过ZigBee通信单元将数据发送至DTU集中器；

S4：DTU集中器数据汇集并上传至云服务器；

S5：用户终端读取云服务器的数据，实现光伏电站内每片光伏组件电弧故障可视化监控(即数据显现)。

通过上述方法，数据延时和并发数据处理能力由于边缘计算的应用得到了极大的优化。同等带宽条件下，并发数据处理能力由单纯云计算的25K数据包/秒(session/s)提高到了200K session/s，平台可以同时流畅的处理和监控更多的光伏组件。

进一步，所述步骤S3中数据预处理的方法为：对于数据进行清洗和滤波，明显由于A/D采样或者过采样造成的异常数据将被删除，高频谐波等噪音也将被数字滤波器算法过滤掉。

进一步，如图8所示，所述步骤S3中数据增强处理的方法包括：

T1：将所述步骤S2中缓存的实时采样数据(电弧高频信号)进行进一步的计算，包括统计、平均、累积、加权等处理，计算10秒、30秒、分钟、5分钟、10分钟、小时等不同时间尺度的累积总值、平均值、极值、偏差等数据，分别按数据库定义的字段存储；

T2：通过定义高频信号的频率阈值，将T1中的存储的字段和频率阈值进行对比(即故障判定算法)，实现电弧故障的判定，并记录；

T3：对步骤T2中实时判定记录的电弧故障事件(数据)采用AES128位加密算法进行通讯加密，同时提供有0，32，64，128位的完整性校验；

T4：根据不同的管理级别和数据通信要求，采用不同的数据颗粒度对步骤T4中加密过的数据压缩上传到云服务器。优选的，采用1分钟的数据颗粒度，保证数据精细度与网络传输速率之间的平衡。

作为本发明的一种优选的实施方案，基于上述内容，不同的是，还包括通过Flash存储单元进行弹性存储的步骤：根据网络连接是否稳定、网络速度状况，动态调节数据本地存储的参数和容量，在网络恢复后再进行数据上传，可以最高保证一整天的数据不丢失。

作为本发明的另一种优选的实施方案，基于上述内容，不同的是，还包括实时关断的步骤：MCU处理器单元打开MOS管旁路电流，从而快速关断所述步骤S3中计算出的有电弧故障的光伏组件，保障电气安全。

进一步，还包括事件记录报警的步骤：将异常或故障事件写入数据，存储到Flash存储单元，产生报警信号并通过所述步骤S3和步骤S4将报警信号上传到云平台。

对于本领域的普通技术人员来说，在不脱离本发明创造构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。

Claims (10)

1.一种基于边缘计算的光伏电站电弧故障监控装置，其特征在于，包括：光伏组件控制器和DTU集中器、云服务器、用户终端；

所述光伏组件控制器，安装于光伏电站中的每一片光伏组件上，用于对单片光伏组件实现电站电弧故障判定记录及系统组网，其集成了：

电弧检测单元，用于采集电弧故障发生时，产生的高频信号；

MCU处理器单元，用于基于电弧检测单元采集的高频信号，对高频信号进行A/D转换和边缘计算，实现电弧故障事件的判定和记录，方便数据传输；

ZigBee通信单元，用于将所述MCU处理器单元边缘计算判定记录的数据，通过ZigBee网络转发至DTU集中器；

所述DTU集中器组成所述ZigBee通信单元的汇集节点，通过无线通信网络将电弧故障事件转发至云服务器，所述用户终端用于读取云服务器的数据，实现光伏电站内每片光伏组件电弧故障的可视化监控。

2.根据权利要求1所述的基于边缘计算的光伏电站电弧故障监控装置，其特征在于，所述MCU处理器单元采用ST Electroncis工业级32位ARM处理器STM32F103C8T6。

3.根据权利要求2所述的基于边缘计算的光伏电站电弧故障监控装置，其特征在于，还包括Flash存储单元，用于实现数据存储缓存，Flash存储单元采用Winbond SLC NANDFlash W25M02GW闪存存储芯片。

4.根据权利要求2所述的基于边缘计算的光伏电站电弧故障监控装置，其特征在于，所述电弧检测单元采用RCMU101SM系列漏电流传感器。

5.一种基于边缘计算的光伏电站电弧故障监控方法，使用了如权利要求1-4所述的基于边缘计算的光伏电站电弧故障监控装置，其特征在于，包括以下步骤：

S1：根据电弧检测单元实时检测到的高频信号进行数据采样；

S2：将所述步骤S1中实时采样和检测到的数据在MCU处理器单元，内部存储单元进行缓存；

S3：将所述步骤S2中缓存的数据，通过MCU处理器单元预处理和增强数据处理，对数据进行边缘计算，实现电弧故障的判定和记录，并通过ZigBee通信单元将数据发送至DTU集中器；

S4：DTU集中器数据汇集并上传至云服务器；

S5：用户终端读取云服务器的数据，实现光伏电站内每片光伏组件电弧故障的可视化监控和快速定位。

6.根据权利要求5所述的基于边缘计算的光伏电站电弧故障监控方法，其特征在于，所述步骤S3中数据预处理的方法为：对于数据进行清洗和滤波，明显由于A/D采样或者过采样造成的异常数据将被删除，高频谐波等噪音也将被数字滤波器算法过滤掉。

7.根据权利要求5所述的基于边缘计算的光伏电站电弧故障监控方法，其特征在于，所述步骤S3中数据增强处理的方法包括：

T1：将所述步骤S2中缓存的实时采样数据进行进一步的计算，包括统计、平均、累积、加权等处理，计算10秒、30秒、分钟、5分钟、10分钟、小时等不同时间尺度的累积总值、平均值、极值、偏差等数据，分别按数据库定义的字段存储；

T2：通过定义高频信号的频率阈值，将T1中的存储的字段和频率阈值进行对比，实现电弧故障的判定，并记录；

T3：对步骤T2中实时判定记录的数据采用AES 128位加密算法进行通讯加密，同时提供有0，32，64，128位的完整性校验；

T4：根据不同的管理级别和数据通信要求，采用不同的数据颗粒度对步骤T4中加密过的数据压缩上传到云服务器。

8.根据权利要求7所述的基于边缘计算的光伏电站电弧故障监控方法，其特征在于，还包括通过Flash存储单元进行弹性存储的步骤：根据网络连接是否稳定、网络速度状况，动态调节数据本地存储的参数和容量，在网络恢复后再进行数据上传。

9.根据权利要求8所述的基于边缘计算的光伏电站电弧故障监控方法，其特征在于，还包括实时关断的步骤：MCU处理器单元打开MOS管旁路电流，从而快速关断所述步骤S3中计算出的有电弧故障的光伏组件，保障电气安全。

10.根据权利要求8所述的基于边缘计算的光伏电站电弧故障监控方法，其特征在于，还包括事件记录报警的步骤：将异常或故障事件写入数据，存储到Flash存储单元，产生报警信号并通过所述步骤S3和步骤S4将报警信号上传到云平台。