CN110768629A - 包含故障判别的光伏阵列电压与电流传感器的优化布设方法 - Google Patents
包含故障判别的光伏阵列电压与电流传感器的优化布设方法 Download PDFInfo
- Publication number
- CN110768629A CN110768629A CN201911109049.XA CN201911109049A CN110768629A CN 110768629 A CN110768629 A CN 110768629A CN 201911109049 A CN201911109049 A CN 201911109049A CN 110768629 A CN110768629 A CN 110768629A
- Authority
- CN
- China
- Prior art keywords
- group
- voltage
- mpp
- delta
- fault
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 38
- WSGCGMGMFSSTNK-UHFFFAOYSA-M 1-methyl-4-phenyl-1-propan-2-ylpiperidin-1-ium;iodide Chemical compound [I-].C1C[N+](C(C)C)(C)CCC1C1=CC=CC=C1 WSGCGMGMFSSTNK-UHFFFAOYSA-M 0.000 claims description 11
- 238000005286 illumination Methods 0.000 claims description 6
- 238000012544 monitoring process Methods 0.000 abstract description 20
- 230000000712 assembly Effects 0.000 abstract 1
- 238000000429 assembly Methods 0.000 abstract 1
- 238000004458 analytical method Methods 0.000 description 5
- 230000007547 defect Effects 0.000 description 5
- 238000001514 detection method Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 238000005457 optimization Methods 0.000 description 4
- 238000002347 injection Methods 0.000 description 3
- 239000007924 injection Substances 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- 238000006467 substitution reaction Methods 0.000 description 3
- 238000003556 assay Methods 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000010248 power generation Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 239000013078 crystal Substances 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000008595 infiltration Effects 0.000 description 1
- 238000001764 infiltration Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013021 overheating Methods 0.000 description 1
- 239000005022 packaging material Substances 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 239000002699 waste material Substances 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
- H02S50/10—Testing of PV devices, e.g. of PV modules or single PV cells
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R19/00—Arrangements for measuring currents or voltages or for indicating presence or sign thereof
-
- 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
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Photovoltaic Devices (AREA)
Abstract
本发明公开了一种包含故障判别的光伏阵列电压与电流传感器的优化布设方法,针对串并联光伏阵列连接结构特点,使用“交错式”布设每一串联支路的电压传感器,依据采集数据计算电压均值,数值偏差等特征量,分组判别组件短路和遮阴热斑故障;使用“间隔式”布设光伏阵列电流传感器,依据采集数据计算各组电流特征值,结合电压传感器判别结果,分组判别组件开路故障,从而利用有限的传感器采集数据并结合电路结构特征完成对光伏阵列运行状态的监测与常见故障的定位识别,在确保监测精度的条件下,减少传感器的使用数量,降低系统投资成本。
Description
技术领域
本发明涉及一种光伏阵列的电压、电流传感器优化布设方法与故障实时判别技术,属于光伏阵列运维监控技术领域。
背景技术
光伏发电作为太阳能利用的重要手段之一,近年来取得了快速发展,而光伏组件实时监控作为光伏发电日常运维的基本环节,对确保光伏系统稳定运行具有重要意义。
工程实践中,组成光伏阵列的部分光伏组件可能受制造工艺缺陷,储藏运输不当等因素影响,当其在较为恶劣的室外环境运行一段时间后,容易出现表面裂纹,气孔渗入等现象,从而导致光伏组件中的部分晶体损坏,产生各种结构故障。除此之外,状态良好的光伏组件也会由于受到遮挡导致局部无法工作,使得被遮挡部分成为电路负载,消耗功率而发热,并可能伴随出现局部过热而烧坏的热斑损坏区域,严重的热斑现象会破坏光伏组件的封装材料,甚至影响整个光伏电站的安全。为及时发现光伏阵列中的异常状况,确保电站运行的高效与安全,必须实时监测光伏阵列工作状态,而最能够直观地描述其工作状态的特征参数便是其输出电压和电流,故在光伏阵列中安装电压、电流的传感器,并依据采集数据进行可能的故障判别是非常必要的。具体来讲,上述老化,热斑等现象可能引起的常见故障包括:(Ⅰ)短路故障,相当于光伏阵列中的组件数量减少,此时输出的电流减小,局部电压可能为零。(Ⅱ)开路故障,相当于某支路断开,此时故障支路输出的电流为零。(Ⅲ)热斑故障,相当于部分光伏组件成为负载,消耗阵列有功功率,此时输出电流减小,但在其完全损坏并断路前不会出现零电压值。(Ⅳ)遮阴故障,相当于热斑故障的初始表现阶段,此时组件输出的电流、电压下降。
对于上述故障,目前常见监测手段有非电信号采集分析法和电信号采集分析法,包括:(Ⅰ)红外图像检测法:使用红外成像仪对光伏组件温度进行实时采集,将获得的红外图像进行分割处理,判别各区域实际温度,此方法重点关注热斑故障,省去了大量的U/I采集环节,但缺点在于对于开短路故障适应性差,高分辨率的红外成像仪价格昂贵,极端气象条件耐受度较差,投资成本大且难以维护,另外由于红外数据为图像形式,因而进行计算机分析时其判断精确度很大程度依赖于图像识别算法,普适度较差。(Ⅱ)高频信号注入法:上世纪八十年代日本学者提出将高频信号注入光伏阵列,通过比较高频信号反射波的不同特征来诊断故障,其可以较快判别开短路故障,但热斑故障区别效果较差,且高频信号注入系统复杂,可操作性低,实时性差。(Ⅲ)全传感器检测法:即在每个光伏组件上均加装一个电压,电流传感器进行数值采集,此方法优点是精确性最高,故障判别能力最强,但传感器数量最多,设备冗余,成本较高。(Ⅳ)部分传感器检测法:先对光伏阵列排布进行了修改,将光伏组件先并联后串联,形成全连接形式,并在阵列中分层布设电压/电流传感器,采集数据后逐步递进判别,缩小可疑区域,直至最后确定故障点。此方法一定程度减少了传感器使用数量,但其改变了原有的光伏组件排布方式,应用时有一定局限性,且不能准确分辨同层内的光伏组件开短路故障,精确性有待提高。(Ⅴ)对地电容测量法:其对串联光伏阵列的对地电容值进行测量,从而判断出断路的位置,实现对光伏阵列隐性断路的定位。但此方法需要停工检测和现场操作,不能实时监测,实用性不高。
综上所述,如何做到可靠,高效地进行传感器排布,实时地精准判别故障点,提升监控系统可靠性,降低投资成本,成为亟待解决的问题。
发明内容
本发明为克服现有技术存在的不足之处,提出一种包含故障判别的光伏阵列电压与电流传感器的优化布设方法,以期通过调整光伏阵列中传感器的布设方式,利用有限的传感器采集数据并结合电路结构特征完成对光伏阵列运行状态的监测与常见故障的定位识别,在确保监测精度的条件下,减少传感器的使用数量,降低系统投资成本。
本发明为达到上述发明目的,采用的技术方案如下:
本发明一种包含故障判别的光伏阵列电压与电流传感器的优化布设方法的特点包括以下步骤:
步骤1、假设所述光伏阵列包含J个并联的组串,任意第j个组串是由K个光伏组件串联而成的支路;j=1,2,…,J;
将所述第j个组串中的K个光伏组件按照“连续的三个光伏组件为一组”进行划分,得到组;任意第i组内的前两个光伏组件共同布设一个电压传感器a,组内的后两个光伏组件再共同布设一电压传感器b,从而得到第j个组串中所有电压传感器采集的数据为:其中,Via,Vib表示第j个组串中第i组内的电压传感器a和电压传感器b所采集的数据;
步骤3、利用式(2)计算第j组中串第i组内电压传感器a的偏差ria和电压传感器b的偏差rib:
步骤4、根据光伏组件P-V特性曲线,推导其最大功率点电压VMPP,用于判别第j个组串的电压均值是否满足:在VMPP±Δ%范围内,若满足,则直接执行组件电压状况判别,并获得电压状态的判别结果;否则,将2×VMPP作为回归均值,并赋值给后返回步骤3,得到更新后的第i组内的电压传感器a的偏差和电压传感器b的偏差后,再执行分组电压状况判别,其中,Δ表示所设定的电压误差阈值,且Δ∈[5,15];
步骤6、利用式(3)计算第X组的电流IX:
IX=MIX-MIX-1 (3)
式(3)中,当X=1时,令MIX-1=0;
步骤7、基于最大功率点电压VMPP和辐照强度采集器获取的实时光照强度数据S,并结合光伏组件I-V特性曲线确定当前辐照度S下正常运行的光伏组件的输出电流值,记为IMPP;再执行分组电流状况判别。
本发明优化布设方法的特点也在于,所述步骤4中的分组电压判别为:
首先设定判别精度δ,且0≤δ≤10%VMPP,然后依次判断:
(Ⅰ)若ria>δ,且rib<δ,则认为第j个组串中第i组内第一个光伏组件故障,且当Via∈[VMPP-δ,VMPP+δ]时,第一个光伏组件为短路故障,否则,第一个光伏组件为遮阴热斑故障;
(Ⅱ)若ria>δ,且rib>δ,则认为第j个组串中第i组内第二个光伏组件故障,且当Via或Vib∈[VMPP-δ,VMPP+δ]时,第二个光伏组件为短路故障,否则,第二个光伏组件为遮阴热斑故障;
(Ⅲ)若ria<δ,且rib>δ,则认为第j个组串中第i组内第三个光伏组件故障,且当Vib∈[VMPP-δ,VMPP+δ]时,第三个光伏组件为短路故障,否则,第三个光伏组件为遮阴热斑故障;
(IV)否则,表明第j个组串中第i组内的光伏组件工作正常,且三个光伏组件的电压分别为0.5Via、0.5Via或0.5Vib、0.5Vib。
所述步骤7中的分组电流状况判别为:
(Ⅰ)若IX∈2IMPP±ε%,且电压传感器显示第X组电压正常,则第X组内两条支路的电流IXu≈IXv≈0.5IX,其中,ε表示电流误差阈值,且ε∈[5,10];
(Ⅱ)若且电压传感器显示第X组第一个组串u故障,第二个组串v正常,则第X组内v支路的电流IXv=IMPP,u支路的电流IXu=IX-IMPP,继续判断IXu∈[-IMPP×ε%,IMPP×ε%]是否成立,若成立,则第一个组串u为断路故障,否则,第一个组串u为遮阴热斑故障;
若IX∈[-IMPP×ε%,IMPP×ε%],则两个组串均为断路故障;
若IX∈IMPP±ε%,则第X组中有且仅有一个组串为断路故障;
否则,第X组的两个组串均为遮阴热斑故障。
相比于现有技术相比,本发明的有益效果在于:
1)本发明针对串并联结构光伏阵列电压电流监测问题,先对光伏组件进行“交错式”电压传感器布设,再配合分组电压状态判别流程完成组件短路和遮阴热斑故障识别,在保证了监测精度前提下,减少了30%的电压传感器使用数量;其次,对光伏阵列进行“间隔式”电流传感器布设,配合分组电流状态判别流程完成支路断路和遮阴热斑故障识别,在保证了监测精度前提下,减少了50%的电流传感器使用数量,从整体上提升了u/i传感器的利用效率,减少了光伏阵列监测系统的投资成本,具有较好经济性。
2)本发明“交错式”电压传感器布设和“间隔式”电流传感器布法克服了“全传感器检测法”使用传感器模块数量过多的缺点,同时避免了完全舍弃u/i传感器的“红外监测法”存在的数据实时性差,监测系统响应慢的缺点,相比传统“部分传感器检测法”并未要求改变原光伏阵列拓扑结构,从而改善了监测系统的实时性,提升了布设法的可应用范围。
3)本发明分组电压、电流状态判别流程,针对光伏阵列串并联结构特点和“交错式”“间隔式”的采集数据特征进行融合式故障判别,提高了数据采集的针对性和数据利用的充分性,保证了有限数据下的判别准确性。
附图说明
图1本发明中的电压传感器“交错法”布设图;
图2现有某光伏组件的P-V特性曲线图;
图3本发明中的分组电压判别主流程框图;
图4本发明中的分组电压判别子流程框图;
图5本发明中的电压、电流传感器“间隔交错法”布设图;
图6现有某光伏组件的I-V特性曲线图;
图7本发明中的分组电流判别流程框图。
具体实施方式
为便于后文描述,本发明指定以下四个概念:1.规模指数N:指一块被测区域所覆盖的光伏组件总数。N∈N+,其中N+为正整数集。2.精确指数F:指分析当前传感器所获参量后可确定的可疑故障光伏组件的极限个数的倒数,显然0<F≤1,且F=1为理想状况,精度最高。3.耗用指数S:指在某个精确指数F下,完成规模指数为N的系统监控所需要的传感器数量。S∈N+,其中N+为正整数集。4.优化指数γ:当对一个规模指数为N的系统进行了精确指数为F的传感器布设后,若此时耗用指数为S,则有关系:
从式(1)中可以看出,优化指数γ与规模指数N、精确指数F正相关,与耗用指数S负相关,显然,传统一对一布设法的γ=1,其他方法的γ值可直观地表征出该布设方法相对传统方法的效率。
本实施例中,一种包含故障判别的光伏阵列电压与电流传感器优化布设方法包括以下步骤:
步骤1、假设光伏阵列包含J=6个并联的组串,任意第j个组串是由K=6个光伏组件串联而成的支路;j=1,2,…,J;图1绘出了上述光伏阵列第一组串的基本串联结构,可以看出,对于待测光伏组件端电压,若使用传统“全传感器检测”排布方式,要求精确指数F=1,且各个光伏组件电压参量相互独立,则此时耗用指数S必等于规模指数N,也即γ=1,为提高优化指数γ,本发明将第j=1个组串中的K=6个光伏组件按照“连续的三个光伏组件为一组”进行划分,得到2组;任意第i组内的前两个光伏组件共同布设一个电压传感器a,组内的后两个光伏组件再共同布设一电压传感器b,完成“交错式”电压传感器布设,效果如图1所示,从而得到得到第j=1个组串中所有电压传感器采集的数据为:V1a=33.7V,V1b=67.2V;V2a=66.9V,V2b=65.8V,其中,Via,Vib表示j=1个组串中第i组的电压传感器a和电压传感器b所采集的数据;i=1,2。
代入数据计算可得:r1a=24.7V,r1b=8.8V,r2a=8.5V,r2b=7.4V,可据此初步评定各个被测组件的相对正常工作点的偏离程度:
步骤4、因为为第j=1组串上传感器采集参数算术均值,当同一时刻存在较多的短路和遮阴故障时,潜在的零电压和大量的电压小幅降低效果累加可能使该均值相对正常工作点数值产生较大偏差,直接使用易引起误判,故辅以光伏组件正常运行参数作为补充参考:根据图2所示该光伏组件P-V特性曲线,可以看出由于光伏MPPT系统存在,正常运行的光伏子串端电压波动范围不大,据此可推导其最大功率点电压VMPP=33V,用于判别第j=1个组串的电压均值是否满足:在VMPP±Δ%范围内,其中,Δ表示所设定的电压误差阈值,且Δ∈[5,15];本实施例中,取Δ=10;若满足,则直接执行组件电压状况判别,并获得电压状态的判别结果;否则,将2×VMPP作为回归均值,并赋值给后返回步骤3,得到更新后的第i组内的电压传感器a的偏差和电压传感器b的偏差,再执行分组电压状况判别,上述判别流程如图3所示,属于分组电压判别主流程部分。由于此处说明该样本偏差较大,不满足直接判别的前提要求,故将2×VMPP=66V作为回归均值,赋值给后返回步骤3,得到更新后的第j=1组内的电压传感器a的偏差和电压传感器b的偏差为:r1a=32.3V,r1b=1.2V,r2a=0.9V,r2b=0.2V,再执行组件电压状况判别;上述步骤4中的组件电压判别为:
首先设定判别精度δ,且0≤δ≤10%VMPP,然后依次判断:
(Ⅰ)若ria>δ,且rib<δ,则认为第j个组串中第i组内第一个光伏组件故障,且当Via∈[VMPP-δ,VMPP+δ]时,第一个光伏组件为短路故障,否则,第一个光伏组件为遮阴热斑故障;
(Ⅱ)若ria>δ,且rib>δ,则认为第j个组串中第i组内第二个光伏组件故障,且当Via或Vib∈[VMPP-δ,VMPP+δ]时,第二个光伏组件为短路故障,否则,第二个光伏组件为遮阴热斑故障;
(Ⅲ)若ria<δ,且rib>δ,则认为第j个组串中第i组内第三个光伏组件故障,且当Vib∈[VMPP-δ,VMPP+δ]时,第三个光伏组件为短路故障,否则,第三个光伏组件为遮阴热斑故障;
(IV)否则,表明第j个组串中第i组内的光伏组件工作正常,且三个光伏组件的电压分别为0.5Via、0.5Via或0.5Vib、0.5Vib。
上述判别流程如图4所示,属于分组电压判别子流程部分。本实施例中设定判别精度δ=10%VMPP≈3V,之后依次判断:由于r1a>δ,且r1b<δ,属于上述判别条件(Ⅰ),认为第1个组串中第1组内第一个光伏组件故障,且V1a=32.3V∈[VMPP-δ,VMPP+δ]=[30V,36V],说明第一个光伏组件为短路故障,且可知无故障的第二与第三块光伏组件端电压依次为V1a,V1b-V1a,代入数据计算为32.3V和34.9V。而第二组r2a<δ,且r2b<δ,属于上述判别条件(IV),表明第1个组串中第2组内的光伏组件工作正常,且三个光伏组件的电压分别为0.5V1a、0.5V1a、0.5V1b,代入计算为33.4V,33.2V,33.0V。
至此上述光伏阵列第一组串的数据采集和电压故障分析已经完成,其余5个组串的分析步骤同此,不在赘述,给出剩余5条支路的判断结论依次为:全部正常,全部正常,全部正常,第二块组件短路故障,第四块板遮阴热斑故障,以供后续分组电流状态判别流程使用。
步骤5、在前三步的基础上进一步解决实际工程中大规模的光伏阵列电流监测和断路故障识别问题,对每一列串联结构的电压监测仍使用上述“交错法”即可;对每一路并联结构的电流监测使用电流传感器“间隔”法排布,首先将光伏阵列中J=6个并联的组串按照“连续的两个组串为一组”进行划分,得到3组;
任意第X组内的第一个组串u和第二个组串v上共同布设一个电流传感器,完成电流传感器的“间隔式”排布,效果如图5所示,并得到所有电流传感器采集的数据MI1、MI2、MI3依次为:15.6A,31.2A,31.2A,其中,MIX为第X组电流传感器所采集的数据;X=1,2,3;
步骤6、利用式(4)计算第X组的电流IX:
IX=MIX-MIX-1 (4)
式(4)中,当X=1时,令MIX-1=0;代入数据计算可得I1=15.6A,I2=16.5A,I3=0A。
步骤7、基于最大功率点电压VMPP和辐照强度采集器获取的实时光照强度数据S,因为光伏阵列处于标准条件下,即辐照度S=1000W/m2,结合图6所示的光伏组件I-V特性曲线确定当前辐照度S下正常运行的光伏组件的输出电流值为8.3A,记为IMPP;再执行光伏阵列电流状况判别。
步骤7中的光伏阵列电流状况判别为:
(Ⅰ)若IX∈2IMPP±ε%,且电压传感器显示第X组电压正常,则第X组内两条支路的电流IXu≈IXv≈0.5IX,其中,ε表示电流误差阈值,且ε∈[5,10];
(Ⅱ)若且电压传感器显示第X组第一个组串u故障,第二个组串v正常,则第X组内v支路的电流IXv=IMPP,u支路的电流IXu=IX-IMPP,继续判断IXu∈[-IMPP×ε%,IMPP×ε%]是否成立,若成立,则第一个组串u为断路故障,否则,第一个组串u为遮阴热斑故障;
(Ⅲ)若且电压传感器显示第X组的两个组串均存在故障,则有:
若IX∈[-IMPP×ε%,IMPP×ε%],则两个组串均为断路故障;
若IX∈IMPP±ε%,则第X组中有且仅有一个组串为断路故障;
否则,第X组的两个组串均为遮阴热斑故障。
上述判别流程如图7所示,属于分组电流判别流程部分。
本实施例中,设置电流误差阈值ε=5,由于且电压传感器显示第1组第一个组串u内存在短路故障,第二个组串v正常,属于上述判别条件(Ⅱ),则第1组内v支路的电流I1v=IMPP=8.3A,说明v支路也无断路故障,而u支路的电流I1u=I1-IMPP=7.3A,继续判断:I1u∈[-IMPP×5%,IMPP×5%]是否成立,代入I1u=7.3A可知判别式不成立,表明第一个组串u为遮阴热斑故障;
另一方面,由于I2=15.6A∈2IMPP±5%=[15.78A,17.43A],且电压传感器显示第2组电压正常,属于上述判别条件(Ⅰ),则第2组内两条支路的电流I2u≈I2v≈0.5I2=8.3A,两支路均无故障。
最后,由于且电压传感器显示第3组的两个组串均存在故障,属于上述判别条件(Ⅲ),则进一步判别:I3∈[-IMPP×5%,IMPP×5%]是否成立,代入I3=0A可知0A∈[-0.42A,0.42A],判别式成立,表明第三组中两个组串均为断路故障;
需要进一步说明的是上述判别方法均在精确指数F=1条件下,若结合合理降低精确指数的方法,分别计算优化指数γ,可列下表:
表1串联结构中电压传感器“交错”排布时指数特征量
注:
(1)S通式为:
S=2NF/3 (5)
要求S为整数。
(2)此处S无法由通式算出,30个光伏组件要求精确度为F=3时即为10个光伏测量组,选取其中9组使用“间隔交错”法,需使用6个电压传感器,余下一个单独使用1个电压传感器,共使用7个传感器。
(3)此处S也无法由通式算出,60个光伏组件要求精确度为F=3时即为20个光伏测量组,这里可以使用同注(2)的方法,但是存在较大设备浪费,考虑增加1组光伏组件,对21个光伏测量组使用“间隔交错”法,计14个传感器。
由表1可见,相对传统排布法γ=1,本发明中电压传感器的“交错”排布法使γ值有所提升,该方式一定程度提升了传感器利用的效率,相较传统一对一排布法,可节省30%以上的传感器数量,若合理降低精确度,可减少60%以上电压传感器数量;本发明中“间隔”排布法则减少了50%的电流传感器使用数量;综合来看,该方法具有较好的可靠性和经济适用性。
Claims (3)
1.一种包含故障判别的光伏阵列电压与电流传感器的优化布设方法,其特征包括以下步骤:
步骤1、假设所述光伏阵列包含J个并联的组串,任意第j个组串是由K个光伏组件串联而成的支路;j=1,2,…,J;
将所述第j个组串中的K个光伏组件按照“连续的三个光伏组件为一组”进行划分,得到组;任意第i组内的前两个光伏组件共同布设一个电压传感器a,组内的后两个光伏组件再共同布设一电压传感器b,从而得到第j个组串中所有电压传感器采集的数据为:其中,Via,Vib表示第j个组串中第i组内的电压传感器a和电压传感器b所采集的数据;
步骤3、利用式(2)计算第j组中串第i组内电压传感器a的偏差ria和电压传感器b的偏差rib:
步骤4、根据光伏组件P-V特性曲线,推导其最大功率点电压VMPP,用于判别第j个组串的电压均值是否满足:在VMPP±Δ%范围内,若满足,则直接执行组件电压状况判别,并获得电压状态的判别结果;否则,将2×VMPP作为回归均值,并赋值给后返回步骤3,得到更新后的第i组内的电压传感器a的偏差和电压传感器b的偏差后,再执行分组电压状况判别,其中,Δ表示所设定的电压误差阈值,且Δ∈[5,15];
步骤5、将所述光伏阵列中J个并联的组串按照“连续的两个组串为一组”进行划分,得到组;
步骤6、利用式(3)计算第X组的电流IX:
IX=MIX-MIX-1 (3)
式(3)中,当X=1时,令MIX-1=0;
步骤7、基于最大功率点电压VMPP和辐照强度采集器获取的实时光照强度数据S,并结合光伏组件I-V特性曲线确定当前辐照度S下正常运行的光伏组件的输出电流值,记为IMPP;再执行分组电流状况判别。
2.根据权利要求1所述的优化布设方法,其特征是,所述步骤4中的分组电压判别为:
首先设定判别精度δ,且0≤δ≤10%VMPP,然后依次判断:
(Ⅰ)若ria>δ,且rib<δ,则认为第j个组串中第i组内第一个光伏组件故障,且当Via∈[VMPP-δ,VMPP+δ]时,第一个光伏组件为短路故障,否则,第一个光伏组件为遮阴热斑故障;
(Ⅱ)若ria>δ,且rib>δ,则认为第j个组串中第i组内第二个光伏组件故障,且当Via或Vib∈[VMPP-δ,VMPP+δ]时,第二个光伏组件为短路故障,否则,第二个光伏组件为遮阴热斑故障;
(Ⅲ)若ria<δ,且rib>δ,则认为第j个组串中第i组内第三个光伏组件故障,且当Vib∈[VMPP-δ,VMPP+δ]时,第三个光伏组件为短路故障,否则,第三个光伏组件为遮阴热斑故障;
(IV)否则,表明第j个组串中第i组内的光伏组件工作正常,且三个光伏组件的电压分别为0.5Via、0.5Via或0.5Vib、0.5Vib。
3.根据权利要求1的电压与电流传感器优化布设方法,其特征是,所述步骤7中的分组电流状况判别为:
(Ⅰ)若IX∈2IMPP±ε%,且电压传感器显示第X组电压正常,则第X组内两条支路的电流IXu≈IXv≈0.5IX,其中,ε表示电流误差阈值,且ε∈[5,10];
(Ⅱ)若且电压传感器显示第X组第一个组串u故障,第二个组串v正常,则第X组内v支路的电流IXv=IMPP,u支路的电流IXu=IX-IMPP,继续判断IXu∈[-IMPP×ε%,IMPP×ε%]是否成立,若成立,则第一个组串u为断路故障,否则,第一个组串u为遮阴热斑故障;
若IX∈[-IMPP×ε%,IMPP×ε%],则两个组串均为断路故障;
若IX∈IMPP±ε%,则第X组中有且仅有一个组串为断路故障;
否则,第X组的两个组串均为遮阴热斑故障。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911109049.XA CN110768629B (zh) | 2019-11-13 | 2019-11-13 | 包含故障判别的光伏阵列电压与电流传感器的优化布设方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911109049.XA CN110768629B (zh) | 2019-11-13 | 2019-11-13 | 包含故障判别的光伏阵列电压与电流传感器的优化布设方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110768629A true CN110768629A (zh) | 2020-02-07 |
CN110768629B CN110768629B (zh) | 2021-05-04 |
Family
ID=69337914
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911109049.XA Active CN110768629B (zh) | 2019-11-13 | 2019-11-13 | 包含故障判别的光伏阵列电压与电流传感器的优化布设方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110768629B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111309055A (zh) * | 2020-03-05 | 2020-06-19 | 宁夏宝龙新能源科技有限公司 | 一种提高新能源光伏板单位面积输出效率的方法及装置 |
CN113206639A (zh) * | 2021-04-21 | 2021-08-03 | 深圳市力合微电子股份有限公司 | 一种光伏组件常见故障的检测方法 |
CN113625041A (zh) * | 2021-09-17 | 2021-11-09 | 珠海格力电器股份有限公司 | 光伏空调直流电压的采样计算方法、装置和空调 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH07270483A (ja) * | 1994-03-28 | 1995-10-20 | Sumitomo Electric Ind Ltd | 送電線故障方向判別装置 |
CN102565663A (zh) * | 2012-01-17 | 2012-07-11 | 天津大学 | 一种光伏阵列故障诊断的方法 |
KR101470349B1 (ko) * | 2014-08-20 | 2014-12-15 | 주식회사 코텍에너지 | 지락 및 누설전류를 검출하는 장치를 구비한 태양광 발전 시스템 |
CN204168233U (zh) * | 2014-10-31 | 2015-02-18 | 广东易事特电源股份有限公司 | 多组串光伏逆变器故障检测电路 |
CN107395119A (zh) * | 2017-08-11 | 2017-11-24 | 中国计量大学 | 一种光伏阵列的故障定位方法 |
CN107453709A (zh) * | 2017-07-03 | 2017-12-08 | 重庆大学 | 一种隔离机制与交叉测量融合的光伏热斑故障诊断方法 |
CN107463742A (zh) * | 2017-08-01 | 2017-12-12 | 河海大学常州校区 | 一种针对光伏组件异常老化故障的建模方法 |
CN107483012A (zh) * | 2017-09-21 | 2017-12-15 | 暨南大学 | 基于电压电流的光伏阵列故障检测装置与方法 |
CN108627732A (zh) * | 2018-05-15 | 2018-10-09 | 重庆邮电大学 | 一种基于交叉电压检测的光伏电池板故障诊断方法 |
CN110095685A (zh) * | 2019-04-10 | 2019-08-06 | 三峡大学 | 基于动态实时参数的t型线路沿线电压交叉修正故障测距方法 |
-
2019
- 2019-11-13 CN CN201911109049.XA patent/CN110768629B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH07270483A (ja) * | 1994-03-28 | 1995-10-20 | Sumitomo Electric Ind Ltd | 送電線故障方向判別装置 |
CN102565663A (zh) * | 2012-01-17 | 2012-07-11 | 天津大学 | 一种光伏阵列故障诊断的方法 |
KR101470349B1 (ko) * | 2014-08-20 | 2014-12-15 | 주식회사 코텍에너지 | 지락 및 누설전류를 검출하는 장치를 구비한 태양광 발전 시스템 |
CN204168233U (zh) * | 2014-10-31 | 2015-02-18 | 广东易事特电源股份有限公司 | 多组串光伏逆变器故障检测电路 |
CN107453709A (zh) * | 2017-07-03 | 2017-12-08 | 重庆大学 | 一种隔离机制与交叉测量融合的光伏热斑故障诊断方法 |
CN107463742A (zh) * | 2017-08-01 | 2017-12-12 | 河海大学常州校区 | 一种针对光伏组件异常老化故障的建模方法 |
CN107395119A (zh) * | 2017-08-11 | 2017-11-24 | 中国计量大学 | 一种光伏阵列的故障定位方法 |
CN107483012A (zh) * | 2017-09-21 | 2017-12-15 | 暨南大学 | 基于电压电流的光伏阵列故障检测装置与方法 |
CN108627732A (zh) * | 2018-05-15 | 2018-10-09 | 重庆邮电大学 | 一种基于交叉电压检测的光伏电池板故障诊断方法 |
CN110095685A (zh) * | 2019-04-10 | 2019-08-06 | 三峡大学 | 基于动态实时参数的t型线路沿线电压交叉修正故障测距方法 |
Non-Patent Citations (2)
Title |
---|
ZE CHENG ETAL: "A New Method of PV Array Faults Diagnosis in Smart Grid", 《JOURNAL OF APPLIED MATHEMATICS》 * |
吴延霞 等: "光伏阵列故障定位中传感器安放位置分析", 《通信电源技术》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111309055A (zh) * | 2020-03-05 | 2020-06-19 | 宁夏宝龙新能源科技有限公司 | 一种提高新能源光伏板单位面积输出效率的方法及装置 |
CN111309055B (zh) * | 2020-03-05 | 2021-01-08 | 宁夏宝龙新能源科技有限公司 | 一种提高新能源光伏板单位面积输出效率的方法及装置 |
CN113206639A (zh) * | 2021-04-21 | 2021-08-03 | 深圳市力合微电子股份有限公司 | 一种光伏组件常见故障的检测方法 |
CN113625041A (zh) * | 2021-09-17 | 2021-11-09 | 珠海格力电器股份有限公司 | 光伏空调直流电压的采样计算方法、装置和空调 |
Also Published As
Publication number | Publication date |
---|---|
CN110768629B (zh) | 2021-05-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Hu et al. | Online two-section PV array fault diagnosis with optimized voltage sensor locations | |
CN110768629B (zh) | 包含故障判别的光伏阵列电压与电流传感器的优化布设方法 | |
Ali et al. | Real time fault detection in photovoltaic systems | |
CN106774606B (zh) | 一种光照不均匀下的全局mppt方法与装置 | |
CN108964606B (zh) | 一种光伏系统热斑故障检测方法 | |
Chunlai et al. | Retracted: A Survey of Online Fault Diagnosis for PV Module Based on BP Neural Network | |
Chen et al. | A novel fault diagnosis method of PV based-on power loss and IV characteristics | |
Buddha et al. | Signal processing for photovoltaic applications | |
Dhimish et al. | Novel open-circuit photovoltaic bypass diode fault detection algorithm | |
Zhang et al. | A fault diagnosis method for photovoltaic module current mismatch based on numerical analysis and statistics | |
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 | |
CN105630061A (zh) | 一种串联光伏组件最大功率点跟踪方法 | |
WO2023033002A1 (ja) | 太陽電池モジュールの故障診断方法及びプログラム | |
Djalab et al. | Robust method for diagnosis and detection of faults in photovoltaic systems using artificial neural networks | |
Yun et al. | Research on fault diagnosis of photovoltaic array based on random forest algorithm | |
CN113206639B (zh) | 一种光伏组件常见故障的检测方法 | |
Zaki et al. | Detection and localization the open and short circuit faults in PV system: A MILP approach | |
CN117332920A (zh) | 一种新能源场站运行故障演化分析方法 | |
Zhang et al. | Module-level fault diagnosis of photovoltaic array based on wireless sensor networks and inverter activated IV scanning | |
KR102448187B1 (ko) | I-v 곡선의 단위 벡터해석법을 이용한 pv 패널의 고장 감지 방법 | |
Xu et al. | Review on fault characterization and diagnosis technique in photovoltaic systems | |
KR102304888B1 (ko) | 태양전지패널 고장진단 시스템 및 방법 | |
CN107748014B (zh) | 一种读取多路温度传感器的系统 | |
CN112630522A (zh) | 基于温度点阵测量的光伏并网电站故障类型检测装置 | |
Qin et al. | Research on fault diagnosis method of spacecraft solar array based on f-KNN 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 |