CN111402078B - 光伏组串的诊断方法、装置及控制器 - Google Patents
光伏组串的诊断方法、装置及控制器 Download PDFInfo
- Publication number
- CN111402078B CN111402078B CN202010165971.7A CN202010165971A CN111402078B CN 111402078 B CN111402078 B CN 111402078B CN 202010165971 A CN202010165971 A CN 202010165971A CN 111402078 B CN111402078 B CN 111402078B
- Authority
- CN
- China
- Prior art keywords
- string
- group
- diagnosed
- group string
- strings
- 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 71
- 238000003745 diagnosis Methods 0.000 title claims abstract description 44
- 238000010248 power generation Methods 0.000 claims abstract description 135
- 230000008859 change Effects 0.000 claims abstract description 53
- 230000002159 abnormal effect Effects 0.000 claims abstract description 25
- 238000005070 sampling Methods 0.000 claims description 128
- 230000002354 daily effect Effects 0.000 claims description 113
- 230000005856 abnormality Effects 0.000 claims description 26
- 238000013139 quantization Methods 0.000 claims description 12
- 238000012163 sequencing technique Methods 0.000 claims description 11
- 230000000903 blocking effect Effects 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000012216 screening Methods 0.000 claims description 8
- 230000003203 everyday effect Effects 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 3
- 238000002405 diagnostic procedure Methods 0.000 claims description 2
- 238000011002 quantification Methods 0.000 abstract description 6
- 230000008569 process Effects 0.000 description 27
- 238000009825 accumulation Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 239000000428 dust Substances 0.000 description 5
- 230000007423 decrease Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000032683 aging Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 238000009499 grossing Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Photovoltaic Devices (AREA)
Abstract
本申请提供了一种光伏组串的诊断方法、装置及控制器，选取待诊断组串在典型日对应的运行数据，然后，根据组串发生遮挡时的特征及组串的运行数据确定出存在遮挡并标记遮挡标签。基于待诊断组串的损失量化基准，计算得到该组串在第一典型日损失指定数量块光伏组件后日发电功率和在全部待诊断组串中的日发电功率和由高到低的排序，与该组串未发生损失时的排序之间的差值，即第一排序变化值。若该组串在第一典型日之后的至少一个典型日对应的第二排序变化值不小于第一排序变化值，而且，该组串未标记遮挡标签，则确定该组串为组件内部异常组串。该方案能够排除其它随机遮挡等因素的干扰，提高了诊断准确率。
Description
技术领域
本发明属于光伏发电技术领域，尤其涉及光伏组串的诊断方法、装置及控制器。
背景技术
将若干单体太阳能电池串、并联连接并严密封装成组件，即光伏组件。将若干个光伏组件串联后，形成具有一定直流输出的电路单元，即光伏组串。光伏组串是光伏发电系统的核心部分，其作用是将太阳能转化为电能。
光伏发电系统中光伏组串和光伏组件数量庞大，在实际运行过程中，由于光伏组件内部异常(如热斑、隐裂、老化、短路、短路等缺陷)以及光伏组件外部异常(如环境因素、朝向与积尘等因素)的存在，导致光伏组串的发电效率低的现象，准确诊断出发电低效的光伏组串对于提升光伏发电系统的运维效率、增大投资收益具有十分重要的意义。但是，目前的光伏组串的诊断由运维人员附以测试工具实现，此种诊断方式的效率低且成本高。
发明内容
有鉴于此，本发明的目的在于提供一种光伏组串的诊断方法、装置及控制，以解决目前的光伏组串诊断方式效率低、成本高的问题。具体的技术方案如下：
第一方面，本申请提供了一种光伏组串的诊断方法，包括：
获取待诊断组串在诊断周期内的典型日的运行数据，所述运行数据包括组串电流和组串电压，其中，典型日是指光伏组串发电功率曲线平滑的采样日；
基于光伏组串被遮挡时组串电流明显降低且遮挡消失时组串电流恢复的特征，依据各个待诊断组串的运行数据判定出所述待诊断组串中被遮挡的组串，并标记遮挡标签；
基于预先得到的待诊断组串对应的损失量化基准，计算得到该待诊断组串在第一典型日损失指定数量块光伏组件后对应的日发电功率和在全部待诊断组串中的日发电功率和由高到低排序与未发生损失时的排序之间的第一排序变化值；其中，待诊断组串对应的损失量化基准为待诊断组串每损失一块光伏组件后对应的日发电功率和损失比例；
若所述待诊断组串在所述第一典型日之后的至少一个典型日对应的第二排序变化值不小于所述第一排序变化值，且该待诊断组串不存在遮挡标签，则确定该待诊断组串为组件内部异常组串。
可选地，所述方法还包括：
计算诊断周期内各个典型日对应的全部待诊断组串的日发电功率和平均值，并计算所述日发电功率和平均值损失指定数量块光伏组件后对应的日发电功率和在全部待诊断组串的日发电功率和中由高到低的排序值；
获取在预设数量个典型日对应的所述日发电功率和平均值的排序值之后的组串交集，并从所述组串交集中筛选出无遮挡标签且无组件内部异常的组串确定为其它低效因素的组串，其中，所述其它低效因素是指导致光伏组件发电低效的全部因素中除遮挡和组件内部异常之外的因素。
可选地，从诊断周期内确定典型日的过程，包括：
依据所述诊断周期内每天采集的所述待诊断组串对应的组串电流和组串电压计算得到该待诊断组串的日发电功率和；
将所述诊断周期按日期顺序划分为指定数量组，针对每一组，获取该组中每一天对应的日发电功率和最大的组串在各个采集时刻点对应组串电流，得到组串电流序列；
确定每组中组串电流序列对应的二阶差分绝对值均值最小的一天为典型日。
可选地，所述基于光伏组串被遮挡时组串电流明显降低且遮挡消失时组串电流恢复的特征，依据各个待诊断组串的运行数据判定出所述待诊断组串中被遮挡的组串，并标记遮挡标签，包括：
计算每个待诊断组串在典型日的各个采样时刻对应的组串电流之和，得到该待诊断组串在典型日的日发电电流和；
对于同一逆变器连接的全部待诊断组串，选取日发电电流和最大的组串为基准组串；
对于同一逆变器连接的非基准组串，计算该非基准组串在各个采样时刻的组串电流与该基准组串在相同采样时刻对应的组串电流的偏移率；
对于每个非基准组串，逐个比较该非基准组串在同一典型日中的各个采样时刻对应的电流偏移率，确定出存在遮挡的组串。
可选地，所述对于每个其它组串，逐个比较该组串在同一典型日中的各个采样时刻对应的电流偏移率，确定出存在遮挡的组串，包括：
在同一典型日中，若所述待诊断组串从第i采样时刻开始的m个采样时刻对应的电流偏移率总是大于相邻的上一采样时刻的电流偏移率，直到第i+m采样时刻对应的电流偏移率小于第i+m-1采样时刻的电流偏移率时，判断第i+m-1采样时刻的电流偏移率是否大于或等于设定值；
若所述第i+m-1采样时刻的电流偏移率大于或等于设定值，则确定所述待诊断组串从第i采样时刻开始的m个采样时刻均存在遮挡，且遮挡时间为m*t；其中，m为大于等于1的正整数，t为相邻两个采样时刻之间的时间间隔；
若所述第i+m-1采样时刻的电流偏移率小于设定值，则确定所述待诊断组串在从第i采样时刻开始的m个采样时刻不存在遮挡，并重新从第i+m采样时刻开始进行电流偏移率的判断直到所有采样时刻都判断完。
可选地，所述基于光伏组串被遮挡时组串电流明显降低且遮挡消失时组串电流恢复的特征，依据各个待诊断组串的运行数据判定出所述待诊断组串中被遮挡的组串，并标记遮挡标签还包括：
若所述待诊断组串在各个典型日中存在遮挡的时间段相同，则确定所述待诊断组串在该时间段存在固定遮挡；
若所述待诊断组串在典型日的存在遮挡的时间段不同，则确定所述待诊断组串存在随机遮挡。
第二方面，本申请还提供了一种光伏组串的诊断装置，包括：
数据获取模块，用于获取待诊断组串在诊断周期内的典型日的运行数据，所述运行数据包括组串电流和组串电压，其中，典型日是指光伏组串发电功率曲线平滑的采样日；
遮挡组串判断模块，用于基于光伏组串被遮挡时组串电流明显降低且遮挡消失时组串电流恢复的特征，依据各个待诊断组串的运行数据判定出所述待诊断组串中被遮挡的组串，并标记遮挡标签；
排序变化获取模块，用于基于预先得到的待诊断组串对应的损失量化基准，计算得到该待诊断组串在第一典型日损失指定数量块光伏组件后对应的日发电功率和在全部待诊断组串中的日发电功率和由高到低排序与未发生损失时的排序之间的第一排序变化值；
其中，待诊断组串对应的损失量化基准为待诊断组串每损失一块光伏组件后对应的日发电功率和损失比例；
组件内部异常确定模块，用于当所述待诊断组串在所述第一典型日之后的至少一个典型日对应的第二排序变化值不小于所述第一排序变化值，且该待诊断组串不存在遮挡标签时，确定该待诊断组串为组件内部异常组串。
可选地，所述装置还包括：
日发电功率和平均值计算模块，用于计算诊断周期内各个典型日对应的全部待诊断组串的日发电功率和平均值，并计算所述日发电功率和平均值损失指定数量块光伏组件后对应的日发电功率和在全部待诊断组串的日发电功率和中由高到低的排序值；
其它低效因素确定模块，用于获取在预设数量个典型日对应的所述日发电功率和平均值的排序值之后的组串交集，并从所述组串交集中筛选出无遮挡标签且无组件内部异常的组串确定为其它低效因素的组串，其中，所述其它因素低效是指导致光伏组件发电低效的全部因素中除遮挡和组件内部异常之外的因素。
可选地，所述遮挡组串判断模块，包括：
基准组串确定子模块，用于计算每个待诊断组串在典型日的各个采样时刻对应的组串电流之和，得到该待诊断组串在典型日的日发电电流和，以及，对于同一逆变器连接的全部待诊断组串，选取日发电电流和最大的组串为基准组串；
电流偏移率计算子模块，用于对于同一逆变器连接的非基准组串，计算该非基准组串在各个采样时刻的组串电流与该基准组串在相同采样时刻对应的组串电流的偏移率；
遮挡确定子模块，用于对于每个非基准组串，逐个比较该非基准组串在同一典型日中的各个采样时刻对应的电流偏移率，确定出存在遮挡的组串。
可选地，所述遮挡确定子模块，具体用于：
在同一典型日中，若所述待诊断组串从第i采样时刻开始的m个采样时刻对应的电流偏移率总是大于相邻的上一采样时刻的电流偏移率，直到第i+m采样时刻对应的电流偏移率小于第i+m-1采样时刻的电流偏移率时，判断第i+m-1采样时刻的电流偏移率是否大于或等于设定值；
若所述第i+m-1采样时刻的电流偏移率大于或等于设定值，则确定所述待诊断组串从第i采样时刻开始的m个采样时刻均存在遮挡，且遮挡时间为m*t；其中，m为大于等于1的正整数，t为相邻两个采样时刻之间的时间间隔；
若所述第i+m-1采样时刻的电流偏移率小于设定值，则确定所述待诊断组串在从第i采样时刻开始的m个采样时刻不存在遮挡，并重新从第i+m采样时刻开始进行电流偏移率的判断直到所有采样时刻都判断完。
第三方面，本申请还提供了一种用于诊断光伏组串的控制器，包括存储器和处理器，所述存储器内存储有程序指令，所述处理器调用所述存储器内的程序指令以执行第一方面任一项所述的光伏组串的诊断方法。
第四方面，本申请还提供了一种计算机可读存储介质，存储有程序指令，所述程序指令被处理器调用并执行第一方面任一项所述的光伏组串的诊断方法。
本申请提供的光伏组串的诊断方法，选取待诊断组串在典型日对应的运行数据，然后，根据组串发生遮挡时的特征及组串的运行数据确定出存在遮挡并标记遮挡标签。基于待诊断组串的损失量化基准，计算得到该组串在第一典型日损失指定数量块光伏组件后日发电功率和在全部待诊断组串中的日发电功率和由高到低的排序，与该组串未发生损失时的排序之间的差值，即第一排序变化值。若该组串在第一典型日之后的至少一个典型日对应的第二排序变化值不小于第一排序变化值，而且，该组串未标记遮挡标签，则确定该组串为组件内部异常组串。该方案无需要额外的硬件检测设备，不会增加硬件成本，而且，比人工诊断过程高效。而且，该方案在至少两个典型日组串内发生异常的组件数量达到阈值之后与组串未发生组件内部异常时日发电功率和的排名变化情况来判断是否存在组件内部异常。这样能够排除其它随机遮挡等因素的干扰，提高了判定由于组件内部异常导致组串发电低效的准确率。
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是本申请实施例提供的一种光伏组串的诊断方法的流程图；
图2是本申请实施例提供的另一种光伏组串的诊断方法的流程图；
图3是本申请实施例提供的一种典型日选取过程的流程图；
图4是本申请实施例提供的判定遮挡组串过程的流程图；
图5是本申请实施例提供的另一种判定遮挡组串过程的流程图；
图6是本申请实施例提供的一种光伏组串的诊断装置的结构示意图；
图7是本申请实施例提供的一种遮挡组串判断模块的结构示意图；
图8是本申请实施例提供的另一种光伏组串的诊断装置的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
下面将结合具体的实施例说明辨别低效组串的具体方法：
请参见图1，示出了本申请实施例提供的一种光伏组串的诊断方法的流程图，该方法应用于光伏发电系统中。如图1所示，该方法包括以下步骤：
S110，获取待诊断组串在诊断周期内的典型日的运行数据。
典型日是指光伏组串的日发电功率和曲线平滑的采样日，曲线平滑说明当前收到云层扰动等气象因素的影响十分微弱，组串的低效特征会更明显，即，筛选典型日能够排除气象干扰因素。
诊断周期可以根据实际需求设定，例如，30天，即获取诊断日之前30天所包含的典型日的运行数据。其中，运行数据包括组串电流和组串电压。以及，将每一天的发电时间段按照预设时间间隔划分为多个采样时刻。其中，预设时间间隔可以根据实际需求设定，例如，15min，即运行数据的时间颗粒度为15min，若一天的发电时间段为，8:00～17:45则一天共有40个采样时刻。
S120，基于光伏组串被遮挡时组串电流明显降低且遮挡消失时组串电流恢复的特征，依据各个待诊断组串的运行数据判定出待诊断组串中被遮挡的组串，并标记遮挡标签。
根据被遮挡组串的电流值在一天中的某些时间段内明显降低后又回升这一规律，分析各个组串电流数据的全天变化规律，若变化规律符合上述规律，则确定该组串存在遮挡。
遮挡包括固定遮挡(例如，建筑物或山体等固定物产生的遮挡)和随机遮挡，例如，云层等位置极易发生变化的物体产生的遮挡；固定遮挡发生的时间段相对固定，而随机遮挡发生的时间段是随机的，根据这一理论可以判断同一组串在多个典型日存在遮挡的时间段确定该遮挡是固定遮挡还是随机遮挡。
对于判定存在遮挡的组串标记遮挡标签，以便后续判断组件是否异常时使用。
S130，基于组串的损失量化基准，计算得到该待诊断组串在第一典型日损失指定数量块光伏组件后对应的日发电功率和在全部待诊断组串中的日发电功率和由高到低排序与未发生损失时对应的排序之间的第一排序变化值。
日发电功率和是指组串在一天内的各个采样时刻点对应的发电功率之和，发电功率可以根据组串的电流和电压计算得到。
其中，组串的损失量化基准是指组串在典型日1这一天，损失的光伏组件的块数与对应的日发电功率和损失比例之间的对应关系。本文中的损失一块组件是指组串中的一块组件发生异常无法正常工作。
通常同一光伏电站中各个组串的结构几乎相同，同一光伏电站中各个组串损失相同数量的组件后对应的日发电功率和损失比例基本相同，即各个组串对应的损失量化基准相同，因此，只需计算一个组串对应的损失量化基准。
依据上述的组串的损失量化基准，计算组串在典型日1中损失指定数量块组件后的日发电功率和与该组串未损失组件时的日发电功率和在全部组串中的排序变化值，即第一排序变化值。
具体的，对于任一组串，假设在典型日1中只有该组串的组件损失，首先根据组串对应的损失量化基准计算组串损失指定数量块光伏组件后日发电功率和的损失比例；然后，将该组串损失后的日发电功率和与其它组串的日发电功率和按照由高到低进行排序，即第一排名。再获取该组串未发生损失时的日发电功率和与其它组串的日发电功率和进行排序后的第二排名；计算第二排名与第一排名的差值，即该组串损失指定数量块组件前后在全部光伏组件中的排名变化值，即第一排序变化值，将该第一排序变化值作为理论名次下降值。即，该第一排序变化值作为阈值，将各组串在其它典型日对应的排序变化值与第一排序变化值进行比较，以判断组串是否存在组件内部异常。
S140，若待诊断组串在第一典型日之后的至少一个典型日对应的第二排序变化值不小于第一排序变化值，且不存在遮挡标签，则确定该待诊断组串为组件内部异常组串。
获取各个组串在其它典型日损失前后对应的排序变化值，即第二排序变化值。如果一个组串对应的第二排序变化值大于或等于该组串对应的第一排序变化值，则确定该组串为组件内部异常组串。
在本申请的其它实施例中，也可以利用组串在多个典型日对应的第二排序变化值判定该组串是否存在异常组件，例如，多个典型日对应的第二排序变化值均不小于第一排序变化值时才确定该组串存在异常组件，即该组串为组件内部异常组串。
例如，组串1在典型日1损失组件前后所对应的排序变化值为20，而组串1在典型日5(或其它典型日)损失组件前后所对应的排序变化值为25，此时，确定组串1存在发生异常的组件。
S130和S140所示步骤的目的是找到在诊断周期内发电能力(即日发电功率和)发生变化，且日发电功率和排名下降达到一定阈值，并且排除外界随机遮挡等因素干扰的组串，因为日发电功率和排名分布密度不同，每个组串都需要求解发电功率损失超过阈值(根据组串的损失量化基准计算得到)时的理论下降名次，当实测名次下降(即，第二排序变化值)超过这一理论下降名次时确定为组件内部异常的组串。
本实施例提供的光伏组串的诊断方法，选取待诊断组串在典型日对应的运行数据，然后，根据组串发生遮挡时的特征及组串的运行数据确定出存在遮挡并标记遮挡标签。基于待诊断组串的损失量化基准，计算得到该组串在第一典型日损失指定数量块光伏组件后日发电功率和在全部待诊断组串中的日发电功率和由高到低的排序，与该组串未发生损失时的排序之间的差值，即第一排序变化值。若该组串在第一典型日之后的至少一个典型日对应的第二排序变化值不小于第一排序变化值，而且，该组串未标记遮挡标签，则确定该组串为组件内部异常组串。该方案利用在至少两个典型日组串内发生异常的组件数量达到阈值之后与组串未发生组件内部异常时日发电功率和的排名变化情况来判断是否存在组件内部异常。这样能够排除其它随机遮挡等因素的干扰，提高了判定组件内部异常组串的准确率。
组串的朝向、倾角、积尘、遮挡及组件内部出现的热斑、隐裂、老化、短路和断路等异常均会造成组串低效，图1所示的实施例仅能判断组串是否存在遮挡和组件内部异常导致组串发电低效。下面将结合如2详细介绍具体判断除遮挡和组件内部异常等因素之外的其它因素导致组串发电低效的过程。
如图2所示，该方法在图1所示实施例的基础上还包括如下步骤：
S210，计算诊断周期内各个典型日对应的全部待诊断组串的日发电功率和平均值，并计算日发电功率和平均值损失指定数量块光伏组件后对应的日发电功率和在全部待诊断组串的日发电功率和中由高到低的排序值。
计算全部组串在一个典型日的日发电功率和总和的平均值，即日发电功率和平均值；按照同样的方法计算全部组串在诊断周期内的每个典型日的日发电功率和平均值。
虚拟一个光伏组串，使得该光伏组串的日发电功率和等于某一典型日的全部待诊断光伏组串的日发电功率和平均值。然后，计算虚拟组串发生损失时对应的排序名次。例如，本申请的一个实施例中，诊断周期内包括5个典型日，则该步骤将会得到5个虚拟组串，分别计算这5个虚拟组串的日发电功率和损失达到阈值后，在全部光伏组串中的排序名次，记为li(其中，i＝1,2,3,4,5；1≤li≤N+1，N为待诊断组串的数量)。
S220，获取在预设数量个典型日对应的日发电功率和平均值的排序值之后的组串交集，并从组串交集中筛选出无遮挡标签且无组件内部异常的组串确定为其它低效因素的组串。
本申请中，将遮挡和组件内部异常之外的导致组串发电效率低的因素统称为其它低效因素，如朝向、倾角、积尘等。
计算得到虚拟组串在全部待诊断组串中的名次li后，求解诊断周期内的全部典型日对应的li之后的所有组串的交集，从交集中筛选出无遮挡标签且无组件内部异常的组串，确定为其它低效因素的组串。取交集的目的是找出在诊断周期所包含的典型日中，发电功率一直比较低的组串以排除其它因素干扰。
例如，诊断周期内包括5个典型日，即得到5个虚拟组串，并分别计算这5个虚拟组串损失达到阈值后在全部组串中的排名，即l1、l2、l3、l4、l5，然后，求解l1、l2、l3、l4、l5这5个名次之后的所有组串的交集，从交集中筛选出无遮挡标签且无组件内部异常标签的组串，最终确定为其它低效因素(可能是朝向、倾角或积尘等原因)的组串。
本实施例提供的光伏组串的诊断方法，通过计算每个典型日内全部组串的日发电功率和的平均值作为该典型日对应的一个虚拟组串，并计算在该典型日中，虚拟组串损失达到阈值后在全部组串中的排名，然后获取诊断周期内所有典型日对应的虚拟组串损失后的排名之后的组串的交集，并从交集中筛选无遮挡标签和组件内部异常的组串，确定为其它低效因素的组串。该方案在诊断出遮挡组串及组件内部异常组串后，进一步可以利用本实施例的方法诊断出由于其它因素导致发电效率低的组串。
请参见图3，示出了本申请实施例提供的一种典型日选取过程的流程图，如图3所示，该过程主要包括如下过程：
S310，依据诊断周期内每天采集的待诊断组串对应的组串电流和组串电压计算得到该待诊断组串的日发电功率和。
例如，诊断周期为30天，且每天的发电时间段为8:00～17:45，采集数据的时间粒度为15min，则每天具有40个采样时刻点，即每个组串每天采集到40组电流和电压数据，然后计算每个组串每天发电功率之和，即日发电功率和。
S320，将诊断周期按日期顺序划分为指定数量组，针对每一组，获取该组中每一天对应的日发电功率和最大的组串在各个采集时刻点对应组串电流，得到组串电流序列。
诊断周期划分的组数可以根据实际需求设定，例如，诊断周期为30天，按日期顺序每6天分为一组；然后，计算每一组中每天对应的日发电功率和最大的组串，得到6个组串；获取每个组串在全天中各个采样时刻对应的组串电流，得到该组串的组串电流序列。
选取日发电功率和最大的组串的目的是排序气象因素对发电功率的影响。
S330，确定每组中组串电流序列对应的二阶差分绝对值均值最小的一天为典型日。
得到每一组中每个组串的组串电流序列后，计算该组串电流序列的二阶差分绝对值均值，并确定每组中二阶差分绝对值均值最小的一天为典型日。
二阶差分绝对值均值越小表明组串电流序列越平滑。
本实施例提供的典型日确定方法，首先选取日发电功率和最大的组串，然后计算这些组串在全天发电时间段内的组串电流序列的二阶差分绝对值均值。该方案在选取典型日的过程中利用日功率最大及组串电路序列的二级差分绝对值均值最小排除天气等因素对发电功率的影响，即最终选取的典型日排除了天气因素影响，尽量减少典型日的运行数据的干扰因素。
请参见图4，示出了本申请实施例提供的判定遮挡组串过程的流程图，判断遮挡组串的过程如下：
S410，计算每个待诊断组串在典型日的各个采样时刻对应的组串电流之和，得到该待诊断组串在典型日的日发电电流和。
例如，全天发电时间段内包括40个采样时刻点，则分别获取每个组串分别在这40个采样时刻点采样得到的组串电流，然后，计算这40个组串电流的总和，得到日发电电流和。
S420，对于同一逆变器连接的全部待诊断组串，选取日发电电流和最大的组串为该逆变器对应的基准组串。
在某典型日，从同一逆变器连接的全部待诊断组串中选取日发电电流和最大的组串作为该逆变器对应的基准组串，这样能够排除天气干扰因素。
S430，对于同一逆变器连接的非基准组串，计算各个非基准组串在各个采样时刻的组串电流与基准组串在相同采样时刻对应的组串电流的偏移率。
例如，仍以一天包括40个采样时刻点为例说明电流偏移率的计算过程：
公式1中，i＝1...40，表示各采样时刻点；下标“0”表示基准组串，下标“1”表示同一逆变器连接是所有组串(以逆变器为单位判断)中除基准组串之外的其它组串。
S440，对于每个非基准组串，逐个比较该非基准组串在同一典型日中的各个采样时刻对应的电流偏移率，确定出存在遮挡的组串。
针对任一非基准组串，逐个比较该组串在各个典型日中的相同采样时刻对应的电流偏移率，确定出存在遮挡的组串。
如果一天包括40个采样时刻点，则需要将一个组串在这40个采样时刻点的偏移率逐点比较，然后，对多个典型日的偏移率判断结果取交集判断出存在固定遮挡或者随机遮挡的组串。
下面以一个典型日包括40个采样时刻点为例详细说明具体的确定过程，如图5所示，该判断过程包括：
S1，判断a2是否大于a1。如果a2不大于a1，则从a3开始继续判断其与前一个采样时刻点的偏移率之差，如果a2大于a1则执行S2。
a2是一个组串在第2个采样时刻点对应的偏移率。
S2，判断a3是否大于a2。如果a3大于a2，则执行S3；如果a3不大于a2，则判断a2是否大于设定值(如，15％)，如果a2不大于15％，则确定此时刻点不存在遮挡，并从a3开始继续判断其与前一个采样时刻点的偏移率之差；如果a2大于15％，则存在遮挡，且遮挡时间为：(3-1)*15＝30min，下次判断从a3点开始继续上述判断过程。
S3，判断a4是否大于a3。如果a4大于a3，则执行S4；如果a4不大于a3，则判断a3是否大于预设值(如15％)，如果a3不大于15％，则确定该时刻点不存在遮挡，并从a4开始继续上述的判断过程；如果a3大于15％，而从a4开始电流偏移率开始变好，a2、a3点判断为遮挡，时间(4-1)*15＝45min，下次判断从a4开始继续上述的判断过程；
S4：判断第a5是否大于a4。如果a5大于a4，则执行S5；如果a5不大于a4，则判断a4是否大于预设值(如15％)，如果a4不大于15％，则确定该时刻点不存在遮挡，并从下一个时刻点开始继续上述的判断过程；如果a4大于15％，则确定有遮挡，a5点电流偏移率开始变好，确定a2、a3、a4对应的采样时刻点存在遮挡，遮挡时间(5-1)*15＝60min，下次判断从a5点开始，继续上述的判断过程；
以此类推，直到利用以下步骤判断第i个时刻点的电流偏移率。
Si：判断第ai是否大于ai-1。如果ai大于ai-1，则执行Si+1。如果ai不大于ai-1，则判断ai-1是否大于15％，如果ai-1不大于15％，则确定此时刻点不存在遮挡，如果ai-1大于15％，ai点电流偏移率开始变好，则确定a2、a3…ai-1点存在遮挡，且遮挡时间为(i-1)*15min，下次判断从ai+1点开始，继续上述的判断过程。
S40：判断第a40是否大于a39。如果a40大于a39，则执行S41；如果a40不大于a39，则判断a39是否大于15％，如果a39不大于15％，则不存在遮挡，如果a39大于15％，则存在遮挡，a40点电流偏移率开始变好，确定a2、a3、a4…a39点存在遮挡，遮挡时间为(40-1)*15＝585min，下次判断从a40点开始，继续上述的判断过程。
S41：判断a40是否大于15％。如果a40不大于15％，则不存在遮挡；如果a40大于15％，则确定存在全天遮挡。
利用上述S1～S41所示的判断过程，判断出各个典型日中存在遮挡的组串，且能获得存在遮挡的组串的遮挡时间段。
S450，若待诊断组串在各个典型日中存在遮挡的时间段相同，则确定待诊断组串在该时间段存在固定遮挡。
如果一个组串在多个典型日中存在遮挡的时间段均相同，即该组串在每个典型日的遮挡时间段固定不变，则确定该遮挡为固定遮挡，例如，建筑物、山体等固定不变的遮挡物产生的遮挡。
S460，若待诊断组串在典型日的存在遮挡的时间段不同，则确定待诊断组串存在随机遮挡。
如果一个组串在多个典型日中存在的遮挡时间段不完全相同，则确定该组串存在的遮挡为随机遮挡。
本实施例提供的判断组串遮挡的过程，利用待诊断组串在典型日的组串电流与基准组串相同采样时刻点对应的电流之间的偏移率确定存在遮挡的组串，并结合该组串在多个典型日的偏移率判断出遮挡的类型，即随机遮挡和固定遮挡。该方法能够准确辨别出存在遮挡的组串、遮挡时间段及遮挡类型。
相应于上述的光伏组串的诊断方法实施例，本申请还提供了光伏组串的诊断装置实施例。
请参见图6，示出了本申请实施例提供的一种光伏组串的诊断装置的结构示意图，该装置应用于光伏发电系统中，用于诊断发电低效的光伏组串。如图6所示，该装置包括：
数据获取模块110，用于获取待诊断组串在诊断周期内的典型日的运行数据，运行数据包括组串电流和组串电压。其中，典型日是指光伏组串发电功率曲线平滑的采样日。
在本申请的一个实施例中，从诊断周期内确定典型日的过程，包括：
依据诊断周期内每天采集的待诊断组串对应的组串电流和组串电压计算得到该待诊断组串的日发电功率和；将诊断周期按日期顺序划分为指定数量组，针对每一组，获取该组中每一天对应的日发电功率和最大的组串在各个采集时刻点对应组串电流，得到组串电流序列；确定每组中组串电流序列对应的二阶差分绝对值均值最小的一天为典型日。
遮挡组串判断模块120，用于基于光伏组串被遮挡时组串电流明显降低且遮挡消失时组串电流恢复的特征，依据各个待诊断组串的运行数据判定出待诊断组串中被遮挡的组串，并标记遮挡标签。
在本申请的一个实施例中，如图7所示，遮挡组串判断模块120包括：基准组串确定子模块121、电流偏移率计算子模块122和遮挡确定子模块123。
基准组串确定子模块121，用于计算每个待诊断组串在典型日的各个采样时刻对应的组串电流之和，得到该待诊断组串在典型日的日发电电流和，以及，对于同一逆变器连接的全部待诊断组串，选取日发电电流和最大的组串为基准组串。
电流偏移率计算子模块122，用于对于同一逆变器连接的非基准组串，计算该非基准组串在各个采样时刻的组串电流与该基准组串在相同采样时刻对应的组串电流的偏移率。
遮挡确定子模块123，用于对于每个非基准组串，逐个比较该非基准组串在同一典型日中的各个采样时刻对应的电流偏移率，确定出存在遮挡的组串。
在本申请的一个实施例中，遮挡确定子模块123具体用于：
在同一典型日中，若待诊断组串从第i采样时刻开始的m个采样时刻对应的电流偏移率总是大于相邻的上一采样时刻的电流偏移率，直到第i+m采样时刻对应的电流偏移率小于第i+m-1采样时刻的电流偏移率时，判断第i+m-1采样时刻的电流偏移率是否大于或等于设定值；
若第i+m-1采样时刻的电流偏移率大于或等于设定值，则确定待诊断组串从第i采样时刻开始的m个采样时刻均存在遮挡，且遮挡时间为m*t；其中，m为大于等于1的正整数，t为相邻两个采样时刻之间的时间间隔；
若第i+m-1采样时刻的电流偏移率小于设定值，则确定待诊断组串在从第i采样时刻开始的m个采样时刻不存在遮挡，并重新从第i+m采样时刻开始进行电流偏移率的判断直到所有采样时刻都判断完。
排序变化获取模块130，用于基于预先得到的待诊断组串对应的损失量化基准，计算得到该待诊断组串在第一典型日损失指定数量块光伏组件后对应的日发电功率和在全部待诊断组串中的日发电功率和由高到低排序与未发生损失时的排序之间的第一排序变化值。
其中，待诊断组串对应的损失量化基准为待诊断组串每损失一块光伏组件后对应的日发电功率和损失比例。
组件内部异常确定模块140，用于当待诊断组串在第一典型日之后的至少一个典型日对应的第二排序变化值不小于第一排序变化值，且该待诊断组串不存在遮挡标签时，确定该待诊断组串为组件内部异常组串。
本实施例提供的光伏组串的诊断装置，选取待诊断组串在典型日对应的运行数据，然后，根据组串发生遮挡时的特征及组串的运行数据确定出存在遮挡并标记遮挡标签。基于待诊断组串的损失量化基准，计算得到该组串在第一典型日损失指定数量块光伏组件后日发电功率和在全部待诊断组串中的日发电功率和由高到低的排序，与该组串未发生损失时的排序之间的差值，即第一排序变化值。若该组串在第一典型日之后的至少一个典型日对应的第二排序变化值不小于第一排序变化值，而且，该组串未标记遮挡标签，则确定该组串为组件内部异常组串。该方案利用在至少两个典型日组串内发生异常的组件数量达到阈值之后与组串未发生组件内部异常时日发电功率和的排名变化情况来判断是否存在组件内部异常。这样能够排除其它随机遮挡等因素的干扰，提高了判定组件内部异常组串的准确率。
如图8所示，示出了本申请实施例提供的另一种光伏组串的诊断装置的结构示意图，该装置在图6所示实施例的基础上还包括：
日发电功率和平均值计算模块210，用于计算诊断周期内各个典型日对应的全部待诊断组串的日发电功率和平均值，并计算日发电功率和平均值损失指定数量块光伏组件后对应的日发电功率和在全部待诊断组串的日发电功率和中由高到低的排序值；
其它低效因素确定模块220，用于获取在预设数量个典型日对应的日发电功率和平均值的排序值之后的组串交集，并从组串交集中筛选出无遮挡标签且无组件内部异常的组串确定为其它低效因素的组串。
本申请中，将遮挡和组件内部异常之外的导致组串发电效率低的因素统称为其它低效因素，如朝向、倾角、积尘等。
本实施例提供的光伏组串的诊断装置，通过计算每个典型日内全部组串的日发电功率和的平均值作为该典型日对应的一个虚拟组串，并计算在该典型日中，虚拟组串损失达到阈值后在全部组串中的排名，然后获取诊断周期内所有典型日对应的虚拟组串损失后的排名之后的组串的交集，并从交集中筛选无遮挡标签和组件内部异常的组串，确定为其它低效因素的组串。该方案在诊断出遮挡组串及组件内部异常组串后，进一步可以利用本实施例的方法诊断出由于其它因素导致发电功率低的组串。
另一方面，本申请提供了一种控制器，该控制器包括处理器和存储器，该存储器内存储有可在处理器上运行的程序。该处理器运行存储器内存储的该程序时实现上述的光伏组串的诊断方法实施例。
又一方面，本申请还提供了一种计算设备可执行的存储介质，该存储介质中存储有程序，该程序由计算设备执行时实现上述光伏组串的诊断方法。
对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本发明所必须的。
需要说明的是，本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。对于装置类实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
本申请各实施例方法中的步骤可以根据实际需要进行顺序调整、合并和删减。
本申请各实施例中的装置及终端中的模块和子模块可以根据实际需要进行合并、划分和删减。
本申请所提供的几个实施例中，应该理解到，所揭露的终端，装置和方法，可以通过其它的方式实现。例如，以上所描述的终端实施例仅仅是示意性的，例如，模块或子模块的划分，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，例如多个子模块或模块可以结合或者可以集成到另一个模块，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或模块的间接耦合或通信连接，可以是电性，机械或其它的形式。
作为分离部件说明的模块或子模块可以是或者也可以不是物理上分开的，作为模块或子模块的部件可以是或者也可以不是物理模块或子模块，即可以位于一个地方，或者也可以分布到多个网络模块或子模块上。可以根据实际的需要选择其中的部分或者全部模块或子模块来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能模块或子模块可以集成在一个处理模块中，也可以是各个模块或子模块单独物理存在，也可以两个或两个以上模块或子模块集成在一个模块中。上述集成的模块或子模块既可以采用硬件的形式实现，也可以采用软件功能模块或子模块的形式实现。
最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，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、物品或者设备不仅包括那些要素，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、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
对所公开的实施例的上述说明，使本领域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。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
Claims (12)
1.一种光伏组串的诊断方法，其特征在于，包括：
获取待诊断组串在诊断周期内的典型日的运行数据，所述运行数据包括组串电流和组串电压，其中，典型日是指光伏组串发电功率曲线平滑的采样日；
基于光伏组串被遮挡时组串电流明显降低且遮挡消失时组串电流恢复的特征，依据各个待诊断组串的运行数据判定出所述待诊断组串中被遮挡的组串，并标记遮挡标签；
基于预先得到的待诊断组串对应的损失量化基准，计算得到该待诊断组串在第一典型日损失指定数量块光伏组件后对应的日发电功率和在全部待诊断组串中的日发电功率和由高到低排序与该待诊断组串未发生损失时对应的日发电功率和在全部待诊断组串中的日发电功率和由高到低排序的排序之间的第一排序变化值；其中，待诊断组串对应的损失量化基准为待诊断组串每损失一块光伏组件后对应的日发电功率和损失比例；
若所述待诊断组串在所述第一典型日之后的至少一个典型日对应的第二排序变化值不小于所述第一排序变化值，且该待诊断组串不存在遮挡标签，则确定该待诊断组串为组件内部异常组串。
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
计算诊断周期内各个典型日对应的全部待诊断组串的日发电功率和平均值，并计算所述日发电功率和平均值损失指定数量块光伏组件后对应的日发电功率和在全部待诊断组串的日发电功率和中由高到低的排序值；
获取在预设数量个典型日对应的所述日发电功率和平均值的排序值之后的组串交集，并从所述组串交集中筛选出无遮挡标签且无组件内部异常的组串确定为其它低效因素的组串，其中，所述其它低效因素是导致光伏组件发电低效的全部因素中除遮挡和组件内部异常之外的因素。
3.根据权利要求1所述的方法，其特征在于，从诊断周期内确定典型日的过程，包括：
依据所述诊断周期内每天采集的所述待诊断组串对应的组串电流和组串电压计算得到该待诊断组串的日发电功率和；
将所述诊断周期按日期顺序划分为指定数量组，针对每一组，获取该组中每一天对应的日发电功率和最大的组串在各个采集时刻点对应组串电流，得到组串电流序列；
确定每组中组串电流序列对应的二阶差分绝对值均值最小的一天为典型日。
4.根据权利要求1所述的方法，其特征在于，所述基于光伏组串被遮挡时组串电流明显降低且遮挡消失时组串电流恢复的特征，依据各个待诊断组串的运行数据判定出所述待诊断组串中被遮挡的组串，并标记遮挡标签，包括：
计算每个待诊断组串在典型日的各个采样时刻对应的组串电流之和，得到该待诊断组串在典型日的日发电电流和；
对于同一逆变器连接的全部待诊断组串，选取日发电电流和最大的组串为基准组串；
对于同一逆变器连接的非基准组串，计算该非基准组串在各个采样时刻的组串电流与该基准组串在相同采样时刻对应的组串电流的偏移率；
对于每个非基准组串，逐个比较该非基准组串在同一典型日中的各个采样时刻对应的电流偏移率，确定出存在遮挡的组串。
5.根据权利要求4所述的方法，其特征在于，所述对于每个非基准组串，逐个比较该非基准组串在同一典型日中的各个采样时刻对应的电流偏移率，确定出存在遮挡的组串，包括：
在同一典型日中，若所述待诊断组串从第i采样时刻开始的m个采样时刻对应的电流偏移率总是大于相邻的上一采样时刻的电流偏移率，直到第i+m采样时刻对应的电流偏移率小于第i+m-1采样时刻的电流偏移率时，判断第i+m-1采样时刻的电流偏移率是否大于或等于设定值；
若所述第i+m-1采样时刻的电流偏移率大于或等于设定值，则确定所述待诊断组串从第i采样时刻开始的m个采样时刻均存在遮挡，且遮挡时间为m*t；其中，m为大于等于1的正整数，t为相邻两个采样时刻之间的时间间隔；
若所述第i+m-1采样时刻的电流偏移率小于设定值，则确定所述待诊断组串在从第i采样时刻开始的m个采样时刻不存在遮挡，并重新从第i+m采样时刻开始进行电流偏移率的判断直到所有采样时刻都判断完。
6.根据权利要求4或5所述的方法，其特征在于，所述基于光伏组串被遮挡时组串电流明显降低且遮挡消失时组串电流恢复的特征，依据各个待诊断组串的运行数据判定出所述待诊断组串中被遮挡的组串，并标记遮挡标签还包括：
若所述待诊断组串在各个典型日中存在遮挡的时间段相同，则确定所述待诊断组串在该时间段存在固定遮挡；
若所述待诊断组串在典型日的存在遮挡的时间段不同，则确定所述待诊断组串存在随机遮挡。
7.一种光伏组串的诊断装置，其特征在于，包括：
数据获取模块，用于获取待诊断组串在诊断周期内的典型日的运行数据，所述运行数据包括组串电流和组串电压，其中，典型日是指光伏组串发电功率曲线平滑的采样日；
遮挡组串判断模块，用于基于光伏组串被遮挡时组串电流明显降低且遮挡消失时组串电流恢复的特征，依据各个待诊断组串的运行数据判定出所述待诊断组串中被遮挡的组串，并标记遮挡标签；
排序变化获取模块，用于基于预先得到的待诊断组串对应的损失量化基准，计算得到该待诊断组串在第一典型日损失指定数量块光伏组件后对应的日发电功率和在全部待诊断组串中的日发电功率和由高到低排序与该待诊断组串未发生损失时对应的日发电功率和在全部待诊断组串中的日发电功率和由高到低排序的排序之间的第一排序变化值；
其中，待诊断组串对应的损失量化基准为待诊断组串每损失一块光伏组件后对应的日发电功率和损失比例；
组件内部异常确定模块，用于当所述待诊断组串在所述第一典型日之后的至少一个典型日对应的第二排序变化值不小于所述第一排序变化值，且该待诊断组串不存在遮挡标签时，确定该待诊断组串为组件内部异常组串。
8.根据权利要求7所述的装置，其特征在于，所述装置还包括：
日发电功率和平均值计算模块，用于计算诊断周期内各个典型日对应的全部待诊断组串的日发电功率和平均值，并计算所述日发电功率和平均值损失指定数量块光伏组件后对应的日发电功率和在全部待诊断组串的日发电功率和中由高到低的排序值；
其它低效因素确定模块，用于获取在预设数量个典型日对应的所述日发电功率和平均值的排序值之后的组串交集，并从所述组串交集中筛选出无遮挡标签且无组件内部异常的组串确定为其它低效因素的组串，其中，所述其它低效因素是导致光伏组件发电低效的全部因素中除遮挡和组件内部异常之外的因素。
9.根据权利要求7所述的装置，其特征在于，所述遮挡组串判断模块，包括：
基准组串确定子模块，用于计算每个待诊断组串在典型日的各个采样时刻对应的组串电流之和，得到该待诊断组串在典型日的日发电电流和，以及，对于同一逆变器连接的全部待诊断组串，选取日发电电流和最大的组串为基准组串；
电流偏移率计算子模块，用于对于同一逆变器连接的非基准组串，计算该非基准组串在各个采样时刻的组串电流与该基准组串在相同采样时刻对应的组串电流的偏移率；
遮挡确定子模块，用于对于每个非基准组串，逐个比较该非基准组串在同一典型日中的各个采样时刻对应的电流偏移率，确定出存在遮挡的组串。
10.根据权利要求9所述的装置，其特征在于，所述遮挡确定子模块，具体用于：
在同一典型日中，若所述待诊断组串从第i采样时刻开始的m个采样时刻对应的电流偏移率总是大于相邻的上一采样时刻的电流偏移率，直到第i+m采样时刻对应的电流偏移率小于第i+m-1采样时刻的电流偏移率时，判断第i+m-1采样时刻的电流偏移率是否大于或等于设定值；
若所述第i+m-1采样时刻的电流偏移率大于或等于设定值，则确定所述待诊断组串从第i采样时刻开始的m个采样时刻均存在遮挡，且遮挡时间为m*t；其中，m为大于等于1的正整数，t为相邻两个采样时刻之间的时间间隔；
若所述第i+m-1采样时刻的电流偏移率小于设定值，则确定所述待诊断组串在从第i采样时刻开始的m个采样时刻不存在遮挡，并重新从第i+m采样时刻开始进行电流偏移率的判断直到所有采样时刻都判断完。
11.一种用于诊断光伏组串的控制器，其特征在于，包括存储器和处理器，所述存储器内存储有程序指令，所述处理器调用所述存储器内的程序指令以执行权利要求1-6任一项所述的光伏组串的诊断方法。
12.一种计算机可读存储介质，其特征在于，存储有程序指令，所述程序指令被处理器调用并执行权利要求1-6任一项所述的光伏组串的诊断方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010165971.7A CN111402078B (zh) | 2020-03-11 | 2020-03-11 | 光伏组串的诊断方法、装置及控制器 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010165971.7A CN111402078B (zh) | 2020-03-11 | 2020-03-11 | 光伏组串的诊断方法、装置及控制器 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111402078A CN111402078A (zh) | 2020-07-10 |
| CN111402078B true CN111402078B (zh) | 2023-06-30 |
Family
ID=71413905
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010165971.7A Active CN111402078B (zh) | 2020-03-11 | 2020-03-11 | 光伏组串的诊断方法、装置及控制器 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111402078B (zh) |
Families Citing this family (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112329996B (zh) * | 2020-10-26 | 2023-12-22 | 阳光智维科技股份有限公司 | 一种逆变器失配优化方法、装置及设备 |
| CN112286993B (zh) * | 2020-10-30 | 2024-09-20 | 阳光智维科技股份有限公司 | 一种光伏电站中发电异常组串的检测方法及装置 |
| CN112862626B (zh) * | 2021-01-12 | 2024-04-09 | 阳光智维科技股份有限公司 | 一种光伏组串遮挡判断方法及系统 |
| CN113690927A (zh) * | 2021-07-09 | 2021-11-23 | 华为数字能源技术有限公司 | 供电系统及其组串的故障识别方法 |
| CN113761025B (zh) * | 2021-08-30 | 2022-08-05 | 上海电气国轩新能源科技有限公司 | 储能电站电池数据异常的检测方法、系统、设备及介质 |
| CN114123970B (zh) * | 2021-10-15 | 2023-09-29 | 阳光电源股份有限公司 | 发电量损失的检测方法、装置、设备及计算机存储介质 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP2500738A1 (en) * | 2011-03-17 | 2012-09-19 | Kabushiki Kaisha Toshiba | Abnormality diagnosis for photovoltaic power generation system |
| CN205847199U (zh) * | 2016-07-01 | 2016-12-28 | 云南犀鸟科技有限公司 | 一种光伏组件在线检测系统 |
| CN106788239A (zh) * | 2016-11-10 | 2017-05-31 | 上海许继电气有限公司 | 基于功率损失估计实现光伏电站性能评估和管理的方法 |
| 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 |
| CN109193777A (zh) * | 2018-10-12 | 2019-01-11 | 阳光电源股份有限公司 | 一种功率优化器以及光伏发电系统 |
| WO2019163562A1 (ja) * | 2018-02-20 | 2019-08-29 | 太陽誘電株式会社 | 太陽光発電故障判定装置、太陽光発電故障判定方法、プログラム、記録媒体 |
| CN110277961A (zh) * | 2019-06-18 | 2019-09-24 | 合肥阳光新能源科技有限公司 | 光伏组串故障检测方法及装置 |
-
2020
- 2020-03-11 CN CN202010165971.7A patent/CN111402078B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP2500738A1 (en) * | 2011-03-17 | 2012-09-19 | Kabushiki Kaisha Toshiba | Abnormality diagnosis for photovoltaic power generation system |
| CN205847199U (zh) * | 2016-07-01 | 2016-12-28 | 云南犀鸟科技有限公司 | 一种光伏组件在线检测系统 |
| CN106788239A (zh) * | 2016-11-10 | 2017-05-31 | 上海许继电气有限公司 | 基于功率损失估计实现光伏电站性能评估和管理的方法 |
| 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 |
| WO2019163562A1 (ja) * | 2018-02-20 | 2019-08-29 | 太陽誘電株式会社 | 太陽光発電故障判定装置、太陽光発電故障判定方法、プログラム、記録媒体 |
| CN109193777A (zh) * | 2018-10-12 | 2019-01-11 | 阳光电源股份有限公司 | 一种功率优化器以及光伏发电系统 |
| CN110277961A (zh) * | 2019-06-18 | 2019-09-24 | 合肥阳光新能源科技有限公司 | 光伏组串故障检测方法及装置 |
Non-Patent Citations (3)
| Title |
|---|
| 郭婷婷 ; 武永鑫 ; .基于仿真模型的光伏组串故障分析方法.天津科技大学学报.2019,(06),全文. * |
| 陈华宝 ; 韩伟 ; 张晓东 ; .基于功率预测的光伏组件阴影故障类型判定.电测与仪表.2018,(07),全文. * |
| 陈宇航 ; 闫腾飞 ; 谢添 ; 温颖 ; 梁睿 ; .基于功率损失和U-I特性综合考虑的光伏组件故障诊断方法.电机与控制应用.2016,(11),全文. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111402078A (zh) | 2020-07-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111402078B (zh) | 光伏组串的诊断方法、装置及控制器 | |
| CN110008628B (zh) | 一种光伏阵列故障参数辨识方法 | |
| 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 | |
| CN106505557B (zh) | 一种遥测错误辨识方法及装置 | |
| CN110277961B (zh) | 光伏组串故障检测方法及装置 | |
| CN108336741B (zh) | 一种全过程电压稳定性分析的故障筛选方法及系统 | |
| CN111082749A (zh) | 光伏组串运行状态的识别方法、装置及存储介质 | |
| CN117411189A (zh) | 一种微电网协调控制器的监测数据增强方法 | |
| CN112366708B (zh) | 一种充电管理方法、装置、设备及存储介质 | |
| Wang et al. | An accurate false data detection in smart grid based on residual recurrent neural network and adaptive threshold | |
| CN109587145B (zh) | 一种电力网络中的虚假数据入侵检测方法、装置及设备 | |
| CN111429043A (zh) | 基于场景构建的电压暂降特征量随机评估方法 | |
| CN112803891B (zh) | 一种光伏系统故障诊断方法及装置 | |
| CN109901003B (zh) | 一种逆变器功率故障检测方法及系统 | |
| CN116827263A (zh) | 光伏电池故障检测方法、装置、计算机设备和介质 | |
| CN116526974A (zh) | 光伏阵列的状态检测方法、装置、介质及计算机设备 | |
| CN116866222A (zh) | 一种网线故障智能检测方法、系统、设备及存储介质 | |
| CN109932584B (zh) | 面向智能电网恶意用户定位的多元编码快速检测方法 | |
| CN113537821A (zh) | 一种电力系统状态的快速评估方法及系统 | |
| CN114006373A (zh) | 一种供电冗余的识别方法及装置 | |
| CN114139744A (zh) | 异常光伏组串支路识别方法、装置、电子设备及存储介质 | |
| CN108574278B (zh) | 一种广域保护系统可靠性评估方法及装置 | |
| CN109861214B (zh) | 判断区域电网暂态功角稳定薄弱线路的方法、系统 | |
| CN113311364A (zh) | 基于多核svm的永磁同步电机逆变器开路故障诊断方法 | |
| CN107818414B (zh) | 一种大规模交直流混联电网n-2预想事故集的生成方法 |
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 | ||
| CB02 | Change of applicant information | ||
| CB02 | Change of applicant information |
Address after: High tech Zone of Hefei city of Anhui Province in 230088 Lake Road No. 2 Applicant after: Sunshine New Energy Development Co.,Ltd. Address before: 230088 6th floor, R & D center building, no.1699 Xiyou Road, high tech Zone, Hefei City, Anhui Province Applicant before: HEFEI SUNGROW RENEWABLE ENERGY SCI. & TECH. Co.,Ltd. Address after: High tech Zone of Hefei city of Anhui Province in 230088 Lake Road No. 2 Applicant after: Sunshine New Energy Development Co.,Ltd. Address before: High tech Zone of Hefei city of Anhui Province in 230088 Lake Road No. 2 Applicant before: Sunshine New Energy Development Co.,Ltd. |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |