CN110008628B - 一种光伏阵列故障参数辨识方法 - Google Patents
一种光伏阵列故障参数辨识方法 Download PDFInfo
- Publication number
- CN110008628B CN110008628B CN201910308681.0A CN201910308681A CN110008628B CN 110008628 B CN110008628 B CN 110008628B CN 201910308681 A CN201910308681 A CN 201910308681A CN 110008628 B CN110008628 B CN 110008628B
- Authority
- CN
- China
- Prior art keywords
- array
- curve
- equivalent
- shadow
- steps
- 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
- 238000000034 method Methods 0.000 title claims abstract description 70
- 230000002159 abnormal effect Effects 0.000 claims abstract description 6
- 238000002834 transmittance Methods 0.000 claims description 21
- 238000004088 simulation Methods 0.000 claims description 11
- 238000005457 optimization Methods 0.000 claims description 7
- 238000001914 filtration Methods 0.000 claims description 6
- 238000009434 installation Methods 0.000 claims description 6
- 238000007781 pre-processing Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 230000000694 effects Effects 0.000 claims description 4
- 230000004069 differentiation Effects 0.000 claims description 3
- 230000006872 improvement Effects 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 238000003745 diagnosis Methods 0.000 abstract description 6
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 238000011156 evaluation Methods 0.000 abstract description 2
- 230000006870 function Effects 0.000 description 15
- 238000010248 power generation Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000032683 aging Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000015556 catabolic process Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000006731 degradation reaction Methods 0.000 description 2
- 230000000873 masking effect Effects 0.000 description 2
- 238000005297 material degradation process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000013450 outlier detection Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/30—Circuit design
- G06F30/36—Circuit design at the analogue level
- G06F30/367—Design verification, e.g. using simulation, simulation program with integrated circuit emphasis [SPICE], direct methods or relaxation methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- 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
-
- 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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biophysics (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Biology (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Biomedical Technology (AREA)
- Computational Linguistics (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Genetics & Genomics (AREA)
- Physiology (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Geometry (AREA)
- Testing Of Individual Semiconductor Devices (AREA)
- Photovoltaic Devices (AREA)
Abstract
本发明公开了一种光伏阵列故障参数辨识方法,能够实现光伏阵列的阴影遮挡、旁路二极管短路以及等效串联电阻异常增大等故障的参数辨识,具体是通过扫描阵列I‑V特性曲线,利用差分进化算法不断调整阵列仿真模型的待辨识参数,让仿真模型输出的I‑V曲线不断地逼近实测I‑V曲线,最终使得两者误差达到最小,从而辨识出故障参数。本发明的辨识方法的前提条件是已搭建好能够同时仿真出上述三类故障的阵列模型。本发明的有益效果是:本发明的辨识方法能够辨识出多种故障同时发生时的故障参数,且能通过辨识出的故障参数获知故障程度等相关信息,因此本发明适用于光伏阵列的故障诊断以及性能评估等领域。
Description
技术领域
本发明属于光伏系统技术领域,具体涉及一种光伏阵列故障参数辨识方法。
背景技术
光伏阵列是光伏发电系统的重要组成部分,由于其长期工作在比较恶劣的环境中,在热、电以及外部的破坏等因素作用下会引发阵列的开路、短路、热斑,以及逆变器过流、过压、功率管开路等故障,严重影响光伏系统的发电效率。此外,局部阴影遮挡不仅降低光伏组件输出功率,也会成为热斑等故障的诱因之一。为避免因故障导致的严重事故,提升系统发电效益,国内外研究机构以及企业已展开对光伏电站在线故障诊断方法的研究,包括红外图像法、模型对比法、离群点检测法等。
现如今,一些逆变器厂家已在逆变器产品中增加了阵列I-V曲线扫描功能,这给进一步增加故障识别类型以及提高故障诊断精度提供了机遇。然而基于I-V曲线扫描的故障诊断方法大多采用参数提取方法,及提取I-V曲线中的相关特征量(开路电压、短路电流等参数),并将之与理论模型输出的特征量进行对比,若残差超过预先设定的阈值,则认为是某一类故障,然而这样的方法大多只用于判断故障类型,而没有对故障进行进一步的评估,及定量得描述故障程度。
此外,当多个故障同时发生时,所提取的特征量很大程度上会相互影响,比如当阵列老化和阴影遮挡同时发生时,不能直接用开路点电压的斜率值来判断阵列老化,因为阴影遮挡已经改变了I-V曲线某些部分的斜率。也有许多故障诊断方法基于机器学习,这些方法可有效判断出多种故障类型,但前提条件是需要保证良好的训练集,因此要采集较多目标阵列故障状态下阵列I-V曲线,这会对阵列带来一定的损伤,此外这类方法也只能给出诊断结果,无法进一步评估故障相关参数。本发明所提供的技术方案可有效解决上述问题,不但可同时诊断出多种故障类型,也可对故障进行评估,能对定量得对故障进行描述。
发明内容
针对现有技术上存在的不足,本发明的目的在于提供一种光伏阵列故障参数辨识方法,不但能够同时诊断出多种故障类型,也能够对故障进行评估,能对定量得对故障进行描述。
为了实现上述目的,本发明是通过如下的技术方案来实现:
一种光伏阵列故障参数辨识方法,所述辨识方法能辨识的故障参数包括三类,第一类故障参数为与阴影遮挡相关的故障参数,具体包括等效阴影块个数nb、各阴影块等效透光率各阴影块横向电池片遮挡数量以及纵向电池片遮挡数量第二类故障参数为旁路二极管短路个数nsc;第三类故障参数为阵列等效串联电阻异常增大的阻值Rc,该异常增大的串联电阻是由组件接触材料老化、串联线缆老化以及电路连接处产生的接触电阻综合导致的,因此Rc的辨识可用于反应以上所述故障存在的可能性以及严重程度。
假设阵列中组件安装形式都为竖装,每个组件包含Nd个子串,即Nd个旁路二极管,每个子串串联电池片个数为Ns,组件短边宽度为Nx个电池片长度,长边宽度为Ny个电池片宽度,因此满足Nx×Ny=Ns×Nd,阵列串联组件个数为Nm;
所述辨识方法需具备的前提条件是:建立在具有阵列I-V曲线扫描功能的光伏监控系统,且具有能够同时仿真出阴影遮挡、旁路二极管短路以及等效串联电阻异常增大这三种故障的阵列仿真模型的基础之上;
所述辨识方法的具体包括以下步骤:
步骤一:扫描阵列,获取阵列实测I-V曲线;
步骤二:对I-V曲线预处理,所述预处理为插值处理和滤波处理;
步骤三:根据实测开路电压与正常情况下阵列模型输出开路电压确定旁路二极管短路个数nsc的范围;
步骤四:因等效阴影块的个数等于台阶个数,故通过获取I-V曲线台阶个数,从而确定等效阴影块的个数nb;
步骤五:根据I-V曲线台阶点的坐标确定等效阴影块相关参数r、x、y的范围;
步骤九:输出辨识结果,即当前阵列的故障参数。
上述的一种光伏阵列故障参数辨识方法,所述步骤三中旁路二极管短路的个数nsc范围的确定方法如下:
获取实测I-V曲线开路点电压Voc,根据阵列模型计算正常情况下的开路电压Voc_h,若阵列模型精度没有误差,则nsc为其中,n为子串数,n=Nm×Nd,但由于阵列模型必然会有误差,因此需扩大nsc的范围,如式(1)所示,所述范围用于给后续优化算法提供参数搜索的区间;
上述的一种光伏阵列故障参数辨识方法,其中确定与阴影遮挡相关的故障参数的依据是:通常情况下,我们无法通过阵列I-V特性曲线直接计算出准确的阴影遮挡的形状以及面积,但阴影遮挡下的I-V曲线仍然可以提供较多有关阴影遮挡的信息。
一般情况下,阵列IV曲线在阴影遮挡的情况下会出现若干个台阶,不同台阶对应不同透光率的阴影块遮挡在不同的子串上,阴影块的等效透光率越低,对应台阶电流值越低;此外,台阶点的电压值取决于同一等效透光率下的阴影块遮挡子串的个数,遮挡子串个数越多,台阶宽度越大;台阶所对应的斜率能够体现出子串中电池片遮挡的个数,台阶越平缓,则被遮挡电池片个数越多;根据上述特征,将阴影遮挡对阵列I-V特性曲线的影响近似分解为多个不同透光率的等效阴影块遮挡给阵列输出带来的影响,并且规定同一个子串上最多只能出现一种阴影块遮挡;所述等效阴影块包括三个属性,分别是横向长度x,、纵向长度y以及等效透光率r,x为横向遮挡电池片个数、y为纵向遮挡电池片个数,且台阶个数决定了等效阴影块的个数nb。
上述的一种光伏阵列故障参数辨识方法,所述步骤四中确定等效阴影块的个数nb的方法如下:原理是利用I-V曲线二阶导数值的来判断台阶点,二阶导曲线中较高的波峰对应台阶点,即斜率变化率较大的点,因此通过寻找二阶导曲线中较大的波峰来寻找台阶点;首先,利用数值微分方法获得I-V曲线电流关于电压的一阶导曲线;其次,利用同样的方法获得二阶导曲线;再次,寻找二阶导曲线中满足条件的波峰,所述波峰需要满足的条件是:a、波峰值大于预先设定的纵向阈值;b、相邻波峰之间横向距离大于预先设定的横向阈值,设置纵向阈值和横向阈值目的都是为了过滤因曲线局部抖动带来的局部波峰;最后,改进台阶个数识别精度,具体改进方法如式(2)与式(3)所示,其中,Id1为改进后的一阶导数表达式,Id2为改进后二阶导表达式,通过式(2)和式(3)能够放大二阶导曲线在台节点处对波峰的拔高效果,从而降低台阶点误识别的概率,其中,n为子串数,n=Nm×Nd,I为电流,V为电压;
上述的一种光伏阵列故障参数辨识方法,所述步骤五中,确定等效阴影块参数r、x、y的范围的具体步骤如下:
假设在所述步骤四中已捕获I-V曲线台阶点坐标,分别为 且其中,分别为对应台阶点坐标点的电压,分别为对应台阶点坐标点的电流,则各等效阴影块的等效透光率的范围设置为其中i=1,2,..,nb,Isc为短路点电流;各等效阴影块横向距离的范围设置为其中Voc为开路电压,nx为阵列横向方向上的电池片总数,其表达式为nx=Nm×Nx,各等效阴影块纵向距离的范围设置为1≤yi≤Ny。
步骤五和步骤三的目的都是为了给待辨识的故障参数设定一个参数搜索的区间,加快后续差分进化算法的收敛速度。
其中,约束条件的表达的含义是所有等效阴影块横向长度之和加上所有旁路二极管短路子串所包含的横向宽度之和要小于或等于阵列横向总长度nx;目标函数中为实测曲线上第i个电压值,为阵列仿真模型输出曲线上第i个电压值,且两电压所对应的电流值相同;L为采样个数;为惩罚项,它的表达式如式(5)所示,即当满足约束条件时惩罚项为0,不满足则为正无穷大,惩罚项的作用是保证仿真模型输入参数的正确性,同时对待辨识参数有一定的限制作用,提高优化算法的收敛速度;
通过实施上述九个步骤,可最终实现对阴影遮挡、旁路二极管短路以及等效串联电阻增加这三种故障相关参数的辨识,从而对这三类故障进行定量的描述。
本发明的有益效果为:本发明提出的故障参数辨识方法能够实现对阴影遮挡、旁路二极管短路以及等效串联电阻增加这三种故障相关参数的辨识,从而可对这三类故障进行定量的描述。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所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例,对于本领域普通技术人员来讲,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是本发明的故障参数辨识方法整体流程图;
图2是本发明确定与阴影遮挡故障相关参数的依据的示意图;
图3是本发明确定等效阴影块的个数nb的示意图。
具体实施方式
为使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解,下面结合具体实施方式,进一步阐述本发明。
如图1和图3所示,本发明的故障参数辨识方法,故障参数辨识方法能辨识的故障参数包括三类,第一类故障参数为与阴影遮挡相关的故障参数,具体包括等效阴影块个数nb、各阴影块等效透光率各阴影块横向电池片遮挡数量以及纵向电池片遮挡数量第二类故障参数为旁路二极管短路个数nsc;第三类故障参数为阵列等效串联电阻异常增大的阻值Rc,该异常增大的串联电阻是由组件接触材料老化、串联线缆老化以及电路连接处产生的接触电阻综合导致的,因此Rc的辨识可用于反应以上所述故障存在的可能性以及严重程度。
假设阵列中组件安装形式都为竖装,每个组件包含Nd个子串,即Nd个旁路二极管,每个子串串联电池片个数为Ns,组件短边宽度为Nx个电池片长度,长边宽度为Ny个电池片宽度,因此满足Nx×Ny=Ns×Nd,阵列串联组件个数为Nm;
辨识方法需具备的前提条件是:建立在具有阵列I-V曲线扫描功能的光伏监控系统,且具有能够同时仿真出阴影遮挡、旁路二极管短路以及等效串联电阻异常增大这三种故障的阵列仿真模型的基础之上;
故障参数辨识方法如图1所示,具体包括以下步骤:
步骤一:扫描阵列,获取阵列实测I-V曲线;
步骤二:对I-V曲线预处理,预处理为插值处理和滤波处理;
步骤三:根据实测开路电压与正常情况下阵列模型输出开路电压确定旁路二极管短路个数nsc的范围;
步骤四:因等效阴影块的个数等于台阶个数,故通过获取I-V曲线台阶个数,从而确定等效阴影块的个数nb;
步骤五:根据I-V曲线台阶点的坐标确定等效阴影块相关参数r、x、y的范围;
步骤九:输出辨识结果,即当前阵列的故障参数。
进一步地,步骤三中旁路二极管短路的个数nsc范围的确定方法如下:
获取实测I-V曲线开路点电压Voc,根据阵列模型计算正常情况下的开路电压Voc_h,若阵列模型精度没有误差,则nsc为其中,n为子串数,n=Nm×Nd,但由于阵列模型必然会有误差,因此需扩大nsc的范围,如式(1)所示,范围用于给后续优化算法提供参数搜索的区间;
确定与阴影遮挡相关的故障参数的依据是:通常情况下,我们无法通过阵列I-V特性曲线直接计算出准确的阴影遮挡的形状以及面积,但阴影遮挡下的I-V曲线仍然可以提供较多有关阴影遮挡的信息。
如图2所示,一般情况下,阵列IV曲线在阴影遮挡的情况下会出现若干个台阶,不同台阶对应不同透光率的阴影块遮挡在不同的子串上,阴影块的等效透光率越低,对应台阶电流值越低;此外,台阶点的电压值取决于同一等效透光率下的阴影块遮挡子串的个数,遮挡子串个数越多,台阶宽度越大;台阶所对应的斜率能够体现出子串中电池片遮挡的个数,台阶越平缓,则被遮挡电池片个数越多;根据上述特征,将阴影遮挡对阵列I-V特性曲线的影响近似分解为多个不同透光率的等效阴影块遮挡给阵列输出带来的影响,并且规定同一个子串上最多只能出现一种阴影块遮挡;等效阴影块包括三个属性,分别是横向长度x,、纵向长度y以及等效透光率r,x为横向遮挡电池片个数、y为纵向遮挡电池片个数,且台阶个数决定了等效阴影块的个数nb。
进一步地,步骤四中确定等效阴影块的个数nb的方法如下:原理是利用I-V曲线二阶导数值的来判断台阶点,二阶导曲线中较高的波峰对应台阶点,即斜率变化率较大的点,如图3所示,因此通过寻找二阶导曲线中较大的波峰来寻找台阶点;首先,利用数值微分方法获得I-V曲线电流关于电压的一阶导曲线;其次,利用同样的方法获得二阶导曲线;再次,寻找二阶导曲线中满足条件的波峰,波峰需要满足的条件是:a、波峰值大于预先设定的纵向阈值;b、相邻波峰之间横向距离大于预先设定的横向阈值,设置纵向阈值和横向阈值目的都是为了过滤因曲线局部抖动带来的局部波峰;最后,改进台阶个数识别精度,具体改进方法如式(2)与式(3)所示,其中,Id1为改进后的一阶导数表达式,Id2为改进后二阶导表达式,通过式(2)和式(3)能够放大二阶导曲线在台节点处对波峰的拔高效果,从而降低台阶点误识别的概率,其中,n为子串数,n=Nm×Nd,I为电流,V为电压;
进一步地,步骤五中,确定等效阴影块参数r、x、y的范围的具体步骤如下:
假设在步骤四中已捕获I-V曲线台阶点坐标,分别为 且其中,分别为对应台阶点坐标点的电压,分别为对应台阶点坐标点的电流,则各等效阴影块的等效透光率的范围设置为其中i=1,2,..,nb,Isc为短路点电流;各等效阴影块横向距离的范围设置为其中Voc为开路电压,nx为阵列横向方向上的电池片总数,其表达式为nx=Nm×Nx,各等效阴影块纵向距离的范围设置为1≤yi≤Ny。
步骤五和步骤三的目的都是为了给待辨识的故障参数设定一个参数搜索的区间,加快后续差分进化算法的收敛速度。
其中,约束条件的表达的含义是所有等效阴影块横向长度之和加上所有旁路二极管短路子串所包含的横向宽度之和要小于或等于阵列横向总长度nx;目标函数中为实测曲线上第i个电压值,为阵列仿真模型输出曲线上第i个电压值,且两电压所对应的电流值相同;L为采样个数;为惩罚项,它的表达式如式(5)所示,即当满足约束条件时惩罚项为0,不满足则为正无穷大,惩罚项的作用是保证仿真模型输入参数的正确性,同时对待辨识参数有一定的限制作用,提高优化算法的收敛速度;
通过实施上述九个步骤,可最终实现对阴影遮挡、旁路二极管短路以及等效串联电阻增加这三种故障相关参数的辨识,从而对这三类故障进行定量的描述。
本发明的光伏阵列故障参数辨识方法能够实现对光伏阵列的阴影遮挡、旁路二极管短路以及等效串联电阻异常增大等故障的参数辨识,对于阴影遮挡,可辨识出与阴影块相关的参数,例如阴影块等效透光率,阴影遮挡面积等,对于旁路二极管短路故障,可辨识出被短路二极管个数,对于等效串联电阻异常增大,可辨识出串联电阻阻值。该方法通过扫描阵列I-V特性曲线,利用差分进化算法不断调整阵列仿真模型的待辨识参数,让仿真模型输出的I-V曲线不断地逼近实测I-V曲线,最终使得两者误差达到最小,从而辨识出故障参数。该方法的前提条件是已搭建好可同时仿真出上述三类故障的阵列模型。该方法的特点是可辨识出多种故障同时发生时的故障参数,且能通过辨识出的故障参数获知故障程度等相关信息。因此本发明适用于光伏阵列的故障诊断以及性能评估等领域。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统和方法可以通过其它的方式实现。例如,以上所描述的系统实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。
专业人员还可以进一步意识到,结合本文中所公开的实施例描述的各示例的模块及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (6)
1.一种光伏阵列故障参数辨识方法,其特征在于:所述辨识方法能辨识的故障参数包括三类,第一类故障参数为与阴影遮挡相关的故障参数,具体包括等效阴影块个数nb、各阴影块等效透光率各阴影块横向电池片遮挡数量以及纵向电池片遮挡数量第二类故障参数为旁路二极管短路个数nsc;第三类故障参数为阵列等效串联电阻异常增大的阻值Rc;
假设阵列中组件安装形式都为竖装,每个组件包含Nd个子串,即Nd个旁路二极管,每个子串串联电池片个数为Ns,组件短边宽度为Nx个电池片长度,长边宽度为Ny个电池片宽度,因此满足Nx×Ny=Ns×Nd,阵列串联组件个数为Nm;
所述辨识方法需具备的前提条件是:建立在具有阵列I-V曲线扫描功能的光伏监控系统,且具有能够同时仿真出阴影遮挡、旁路二极管短路以及等效串联电阻异常增大这三种故障的阵列仿真模型的基础之上;
所述辨识方法具体包括以下步骤:
步骤一:扫描阵列,获取阵列实测I-V曲线;
步骤二:对I-V曲线预处理,所述预处理为插值处理和滤波处理;
步骤三:根据实测开路电压与正常情况下阵列模型输出开路电压确定旁路二极管短路个数nsc的范围;
步骤四:因等效阴影块的个数等于台阶个数,故通过获取I-V曲线台阶个数,从而确定等效阴影块的个数nb;
步骤五:根据I-V曲线台阶点的坐标确定等效阴影块相关参数r、x、y的范围;
步骤九:输出辨识结果,即当前阵列的故障参数。
3.根据权利要求1所述的一种光伏阵列故障参数辨识方法,其特征在于:其中确定与阴影遮挡相关的故障参数的依据是:阵列IV曲线在阴影遮挡的情况下会出现若干个台阶,不同台阶对应不同透光率的阴影块遮挡在不同的子串上,阴影块的等效透光率越低,对应台阶电流值越低;此外,台阶点的电压值取决于同一等效透光率下的阴影块遮挡子串的个数,遮挡子串个数越多,台阶宽度越大;台阶所对应的斜率能够体现出子串中电池片遮挡的个数,台阶越平缓,则被遮挡电池片个数越多;根据上述特征,将阴影遮挡对阵列I-V特性曲线的影响分解为多个不同透光率的等效阴影块遮挡给阵列输出带来的影响,并且规定同一个子串上最多只能出现一种阴影块遮挡;所述等效阴影块包括三个属性,分别是横向长度x、纵向长度y以及等效透光率r,x为横向遮挡电池片个数、y为纵向遮挡电池片个数,且台阶个数决定了等效阴影块的个数nb。
4.根据权利要求1所述的一种光伏阵列故障参数辨识方法,其特征在于:所述步骤四中确定等效阴影块的个数nb的方法如下:首先,利用数值微分方法获得I-V曲线电流关于电压的一阶导曲线;其次,利用同样的方法获得二阶导曲线;再次,寻找二阶导曲线中满足条件的波峰,所述波峰需要满足的条件是:a、波峰值大于预先设定的纵向阈值;b、相邻波峰之间横向距离大于预先设定的横向阈值,设置纵向阈值和横向阈值目的都是为了过滤因曲线局部抖动带来的局部波峰;最后,改进台阶个数识别精度,具体改进方法如式(2)与式(3)所示,其中,Id1为改进后的一阶导数表达式,Id2为改进后二阶导表达式,通过式(2)和式(3)能够放大二阶导曲线在台阶点处对波峰的拔高效果,从而降低台阶点误识别的概率,其中,n为子串数,n=Nm×Nd,I为电流,V为电压;
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910308681.0A CN110008628B (zh) | 2019-04-17 | 2019-04-17 | 一种光伏阵列故障参数辨识方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910308681.0A CN110008628B (zh) | 2019-04-17 | 2019-04-17 | 一种光伏阵列故障参数辨识方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110008628A CN110008628A (zh) | 2019-07-12 |
CN110008628B true CN110008628B (zh) | 2022-08-12 |
Family
ID=67172475
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910308681.0A Active CN110008628B (zh) | 2019-04-17 | 2019-04-17 | 一种光伏阵列故障参数辨识方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110008628B (zh) |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113075443B (zh) * | 2020-01-06 | 2023-08-11 | 西交利物浦大学 | 一种光伏串列的阴影遮挡检测方法、装置和设备 |
CN111444615B (zh) * | 2020-03-27 | 2022-09-23 | 河海大学常州校区 | 一种基于k近邻和iv曲线的光伏阵列故障诊断方法 |
CN111641384B (zh) * | 2020-04-28 | 2021-10-22 | 特变电工新疆新能源股份有限公司 | 光伏电站组串故障诊断方法、装置、设备及可读存储介质 |
CN111832562B (zh) * | 2020-07-16 | 2021-03-16 | 哈尔滨市科佳通用机电股份有限公司 | 基于图像处理的弹簧托板故障识别方法 |
CN112653393B (zh) * | 2020-12-09 | 2022-07-12 | 阳光电源股份有限公司 | 一种光伏系统iv诊断的控制方法及装置 |
CN112886924B (zh) * | 2021-01-19 | 2022-05-24 | 阳光电源股份有限公司 | 一种光伏组件故障诊断方法及装置 |
CN113191075B (zh) * | 2021-04-22 | 2023-03-24 | 浙江大学 | 一种基于改进型樽海鞘群算法的光伏阵列故障诊断方法 |
CN113657027A (zh) * | 2021-08-03 | 2021-11-16 | 西安理工大学 | 一种光伏组件故障诊断方法、系统、设备及存储介质 |
CN114520630B (zh) * | 2022-03-28 | 2022-08-12 | 合肥工业大学 | 一种基于i-v曲线的光伏组串多峰检测方法 |
CN114881143B (zh) * | 2022-05-07 | 2024-09-06 | 河北工业大学 | 一种光伏阵列故障特征确定方法 |
CN117498801B (zh) * | 2023-12-29 | 2024-03-26 | 兰州理工大学 | 基于kkdpc透光率检测的光伏阵列遮阴故障诊断方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN107579707A (zh) * | 2017-10-13 | 2018-01-12 | 江苏大学 | 一种基于参数辨识的光伏阵列故障诊断方法 |
-
2019
- 2019-04-17 CN CN201910308681.0A patent/CN110008628B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN107579707A (zh) * | 2017-10-13 | 2018-01-12 | 江苏大学 | 一种基于参数辨识的光伏阵列故障诊断方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110008628A (zh) | 2019-07-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110008628B (zh) | 一种光伏阵列故障参数辨识方法 | |
CN109873610B (zh) | 基于iv特性和深度残差网络的光伏阵列故障诊断方法 | |
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 | |
CN111444615B (zh) | 一种基于k近邻和iv曲线的光伏阵列故障诊断方法 | |
CN109660206B (zh) | 一种基于Wasserstein GAN的光伏阵列故障诊断方法 | |
CN109670553B (zh) | 基于自适应神经模糊推理系统的光伏阵列故障诊断方法 | |
CN109766952B (zh) | 基于偏最小二乘法和极限学习机的光伏阵列故障检测方法 | |
CN107395121B (zh) | 基于格拉布斯准则及离群点检测光伏阵列故障检测方法 | |
CN111245365B (zh) | 基于动态加权深度森林的光伏组件故障诊断方法 | |
CN110503153B (zh) | 基于差分进化算法和支持向量机的光伏系统故障诊断方法 | |
CN114640304B (zh) | 一种基于i-v曲线的光伏组件电流失配故障诊断方法 | |
CN112787591B (zh) | 基于微调密集连接卷积神经网络的光伏阵列故障诊断方法 | |
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 | |
CN105141255A (zh) | 一种光伏阵列故障诊断方法 | |
Liu et al. | A dilation and erosion-based clustering approach for fault diagnosis of photovoltaic arrays | |
CN108092623A (zh) | 一种光伏阵列多传感器故障检测定位方法 | |
Wang et al. | Online fault diagnosis of PV array considering label errors based on distributionally robust logistic regression | |
CN115495505A (zh) | 一种基于新能源机场群数据关联分析方法 | |
CN114117921A (zh) | 一种光伏阵列故障智能诊断方法 | |
CN114520630B (zh) | 一种基于i-v曲线的光伏组串多峰检测方法 | |
CN111091141B (zh) | 一种基于分层Softmax的光伏背板故障诊断方法 | |
Aboshady et al. | Fault detection and classification scheme for PV system using array power and cross-strings differential currents | |
CN115208315A (zh) | 一种基于多故障特征值的光伏智能故障诊断方法 | |
CN115189647A (zh) | 基于传感器检测法的光伏阵列故障定位方法 | |
Gong et al. | Fault diagnosis method of photovoltaic array based on random forest algorithm |
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 |