CN111460644A - 一种具有故障诊断和功率预测功能的光伏阵列监测系统 - Google Patents
一种具有故障诊断和功率预测功能的光伏阵列监测系统 Download PDFInfo
- Publication number
- CN111460644A CN111460644A CN202010228041.1A CN202010228041A CN111460644A CN 111460644 A CN111460644 A CN 111460644A CN 202010228041 A CN202010228041 A CN 202010228041A CN 111460644 A CN111460644 A CN 111460644A
- Authority
- CN
- China
- Prior art keywords
- module
- photovoltaic module
- photovoltaic
- power
- voltage
- 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.)
- Pending
Links
- 238000003745 diagnosis Methods 0.000 title claims abstract description 47
- 230000006870 function Effects 0.000 title claims abstract description 24
- 238000012544 monitoring process Methods 0.000 title claims abstract description 16
- 238000012360 testing method Methods 0.000 claims abstract description 49
- 238000012545 processing Methods 0.000 claims abstract description 13
- 238000000034 method Methods 0.000 claims abstract description 11
- 238000005457 optimization Methods 0.000 claims description 15
- 238000004422 calculation algorithm Methods 0.000 claims description 7
- 238000000354 decomposition reaction Methods 0.000 claims description 6
- 230000032683 aging Effects 0.000 claims description 4
- 239000002245 particle Substances 0.000 claims description 4
- 230000007774 longterm Effects 0.000 claims description 3
- 238000007689 inspection Methods 0.000 claims description 2
- 230000007613 environmental effect Effects 0.000 abstract description 4
- 238000012423 maintenance Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 238000010248 power generation Methods 0.000 description 4
- 238000003491 array Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 210000002569 neuron Anatomy 0.000 description 2
- 239000004576 sand Substances 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000004643 material aging Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000000844 transformation 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
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
-
- 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
Abstract
本发明公开了一种具有故障诊断和功率预测功能的光伏阵列监测系统,光伏组件IV曲线测试模块、光伏组件电子负载、高精度辐照计以及上位机数据处理模块;所述上位机数据处理模块包括光伏组件故障诊断模块和功率预测模块;光伏组件故障诊断模型用于判断光伏组件故障类型,功率预测模型用于对光伏组件出力进行短期预测,上位机数据处理模块将故障诊断模型的输出和功率预测模型的输出写入函数库,通过界面进行显示,以及对IV曲线测试模块,电子负载和辐照计测得的数据进行处理并在界面绘制IV曲线。本发明能够在线实时获取光伏阵列的环境参数及电气参数,实时显示光伏组件的IV曲线以及进行故障诊断和功率预测,便于对光伏电站进行检测和运维。
Description
技术领域
本发明属于光伏发电与运维技术领域,特别是涉及一种具有故障诊断和功率预测功能的光伏阵列监测系统。
背景技术
由于光伏组件及阵列大都安装在复杂的户外环境中,强烈的风沙、热循环、强湿度以及紫外线等恶劣的环境因素使得光伏组件及阵列出现局部材料老化、裂纹、局部热斑以及开路短路等故障问题。光伏组件及阵列的故障问题不仅会影响到光伏电站的发电效率,严重的甚至引发火灾,威胁人民群众的财产及生命安全。为了延长光伏组件及阵列的寿命,提高光伏电站的发电效率,降低光伏组件及阵列的维护成本,提高光伏电站运营的安全性,光伏故障诊断技术以及功率预测技术具有十分重要的作用。近年来,各种光伏组件及阵列的监测和运维方法纷纷出现,这对进一步发展光伏组件的故障诊断技术和功率预测技术提供了更多可能性。
发明内容
本发明目的在于提供一种具有故障诊断和功率预侧功能的光伏阵列监测系统,实现实时显示所测光伏组件的IV曲线,并且可对光伏组件进行故障诊断以及功率预测,对于提高电站的发电效率,降低运维成本具有重要作用。
为实现上述目的,本发明采用以下技术方案实现:
一种具有故障诊断和功率预测功能的光伏阵列监测系统,包括光伏组件IV曲线测试模块、光伏组件电子负载、高精度辐照计以及上位机数据处理模块;所述上位机数据处理模块包括光伏组件故障诊断模块和功率预测模块;
所述光伏组件IV曲线测试模块用于对光伏组件进行IV特性曲线扫描并获取短路点电流和开路点电压;
所述光伏组件电子负载与所述光伏组件IV曲线测试模块并联,所述光伏组件电子负载用于测试短路点电流测试、开路点电压测试、最大功率点测试三种测试模式下的光伏组件的电流,电压及功率;
所述高精度辐照计用于实时测量当前环境的辐照度和温度;
所述高精度辐照计通过485数据线与光伏组件IV曲线测试模块串联,所述光伏组件IV曲线测试模块与上位机数据处理模块通过485数据线连接;
所述上位机数据处理模块用于获取所述光伏组件IV曲线测试模块、光伏组件电子负载和高精度辐照计传输的数据,实时显示光伏组件的IV特性曲线,以及显示光伏组件故障类型和光伏组件预测功率;
所述光伏组件故障诊断模块用于对光伏组件故障类型进行诊断;
所述功率预测模块用于对光伏组件功率进行预测。
进一步的,所述光伏组件故障诊断模块具体用于,
通过计算光伏组件实际输出功率与光伏组件功率估计值的差值判断光伏组件故障;
根据实际IV特性曲线计算的特征值与优化IV特性曲线计算的特征值判断光伏组件故障类型。
进一步的,所述光伏组件故障诊断模块具体用于,
判断光伏组件实际输出功率与光伏组件功率估计值的差值,如果差值大于预设差值,且出现次数超过三次,则判断光伏组件出现故障;所述光伏组件功率估计值根据现有的光伏组件输出功率估算模型计算。
进一步的,所述光伏组件故障诊断模块具体用于,
获取光伏组件STC下铭牌参数以及光伏阵列配置参数,包括STC下开路电压、短路电流、最大功率点电压、最大功率点电流、短路电流温度系数α、组件串联电池片个数Ncs、组件旁路二极管个数Nd和阵列组件个数Ns;
计算STC下光伏阵列模型优化参数θ0=(A0,Rs0,Rsh0)T,
其中,A0为STC下单二极管模型的理想因子,Rs0为STC下阵列等效串联电阻,Rsh0为STC下阵列等效并联电阻;
采用粒子群优化算法求解θ=Table(S,T),其中S为实测辐照度序列,T为实测环境温度序列;
基于光伏组件数学优化模型Curve=f(S,T,θ)对光伏组件IV曲线测试模块扫描的IV特性曲线进行修正,得到优化IV特性曲线。
进一步的,所述光伏组件故障诊断模块具体用于,
对于出现故障的光伏组件,根据如下准则判断故障类型:
I=0&&V=0,判断为光伏组件开路故障;
Dmax>1||Dmin<-1,判断为光伏组件阴影遮挡;
其中,I和V表示光伏组件电流和电压,Ns表示光伏阵列组件个数,Nd表示光伏组件旁路二极管个数,Dmax为实际IV特性曲线光伏组件电流关于电压的二阶导数最大值,Dmin为实际IV特性曲线光伏组件电流关于电压的二阶导数最小值,Voc为实际IV特性曲线光伏组件开路点电压,为优化IV特性曲线光伏组件开路点电压,Ks为实际IV特性曲线光伏组件开路电压点电流关于电压的一阶导数,为优化IV特性曲线光伏组件开路电压点电流关于电压的一阶导数值,Ksh为实际IV特性曲线光伏组件短路电流点电流关于电压的一阶导数,为优化IV特性曲线光伏组件短路电流点电流关于电压的一阶导数值,FF为实际IV特性曲线光伏组件工作点功率关于开路电压与短路电流乘积的比值,为优化IV特性曲线光伏组件工作点功率关于开路电压与短路电流乘积的比值。
进一步的,所述功率预测模块具体用于,
采用基于微分的经验模式分解将光伏组件功率输出序列分解为本征模态函数IMF和剩余分量Res;
采用游程检验法计算分解后的每个IMF分量的游程数和最大游程长度;
将游程数划分为高频、中频、低频分量,高频分量作为波动项,中频分量作为短期趋势项,低频分量作为长期趋势项;
将每类分量中的IMF分量分别进行叠加得到不同趋势的叠加信号,再加入气象数据作为极限学习机的输入变量,得到光伏组件不同趋势的功率预测值。
进一步的,所述上位机数据处理模块还用于,
将光伏组件故障诊断模块的输出和功率预测模块的输出写入函数库中并在界面上进行显示。
本发明具有以下有益效果:
本发明可实时在线地对光伏阵列中的组件进行IV曲线扫描,通过分析光伏阵列测试平台所测的环境参数和电气参数,可实时显示所测对应光伏组件的IV曲线以及进行光伏组件的故障诊断和功率预测,便于对光伏电站进行检测和运维。
附图说明
图1为本发明的光伏阵列监测系统的结构框图;
图2为本发明的上位机数据处理软件界面示意图;
图3为本发明光伏组件故障诊断流程图;
图4为本发明光伏组件故障预诊断流程图;
图5为本发明光伏组件故障类型确诊流程图;
图6为本发明光伏组件功率输出模型。
具体实施方式
下面对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案,而不能以此来限制本发明的保护范围。
参见图1,本发明提供一种具有故障诊断和功率预测功能的光伏阵列监测系统,由光伏组件IV曲线测试模块、光伏组件电子负载、高精度辐照计以及上位机数据处理软件组成,其中上位机数据处理软件包括光伏组件故障诊断模块和功率预测模块。
光伏组件IV曲线测试模块负责对光伏组件进行IV特性曲线扫描获取短路点电流(Isc)和开路点电压(Voc)。
光伏组件电子负载与所述光伏组件IV曲线测试模块并联,光伏组件电子负载用于测试短路点电流(Isc)测试、开路点电压(Voc)测试、最大功率点(MPP)测试三种测试模式下的电流,电压及功率。
进一步的,光伏组件IV曲线测试模块获取一条IV特性曲线的时候仅需要获取该曲线对应的短路点电流和开路点电压;光伏组件电子负载测试的是IV曲线测试模块非测试阶段的一组数据(三种模式下的电流和电压,功率通过电压和电流进行计算)。这两者处于不同的测试时间,测试的数据可互为补充以及对比。
高精度辐照计可以实时测量当前环境的辐照度和温度。高精度辐照计通过485数据线与光伏组件IV曲线测试模块串联。
光伏组件IV曲线测试模块、光伏组件电子负载以及高精度辐照计所测得的环境参数和电气参数均通过串联在光伏组件IV曲线测试模块的485数据线传至上位机数据处理软件。
进一步的,光伏组件IV曲线测试模块由220V交流电供电,光伏组件电子负载由12V开关电源供电,高精度辐照计由4.5V电池供电。
参见图2,上位机数据处理软件获取来自所述光伏组件IV曲线测试模块、光伏组件电子负载和高精度辐照计传输的数据,光伏组件故障诊断模块对光伏组件故障类型进行诊断,功率预测模块对光伏组件功率进行预测。
所述光伏组件故障诊断模块的输出和功率预测模块的输出写入所述上位机数据处理软件的函数库中。
软件界面实时显示光伏组件的IV曲线,需要时通过工具栏或者按钮调用函数库,实现对光伏组件进行故障诊断以及功率预测。
所述光伏组件故障诊断模块基于光伏组件实时扫描的IV曲线,采用粒子群优化算法和光伏组件诊断算法对光伏组件故障类型进行诊断。
参见图3,光伏组件故障诊断模块包括IV特性曲线优化、光伏组件故障预诊断和光伏组件故障类型确诊三个步骤。
1-1)IV特性曲线优化模型Curve=f(S,T,θ)的建立基于改进型的单二极管模型,参见文献:Ding,Kun,V.et al.,2014.A simplified model for photovoltaic modulesbased on improved translation equations,Solar Energy,40–52。
该优化模型用于对光伏组件IV曲线测试模块获取的IV特性曲线进行修正,使得仿真曲线与实际曲线更具有一致性。
θ=Table(S,T)表示不同S和T下的参数优化表,包括理想因子A,阵列等效串联电阻Rs和阵列等效并联电阻Rsh,通过粒子群优化算法对光伏组件数学模型参数整定后建立,
其中,S为实测辐照度序列,T为实测环境温度序列。
参数优化表初始值设定为:
输入组件STC下铭牌参数以及阵列配置参数包括STC下开路电压、短路电流、最大功率点电压、最大功率点电流、短路电流温度系数α、组件串联电池片个数Ncs、组件旁路二极管个数Nd和阵列组件个数Ns;
计算STC下阵列模型优化参数θ0=(A0,Rs0,Rsh0)T,
其中,A0为STC下单二极管模型的理想因子,默认为1,Rs0为STC下阵列等效串联电阻,Rsh0为STC下阵列等效并联电阻。
1-2)参见图4,所述光伏组件故障预诊断通过计算光伏组件实际输出功率与光伏组件功率估计值的差值来判定光伏组件是否出现故障,如果差值大于预设差值,且出现次数超过三次,则判断光伏组件出现故障。
其中光伏组件功率估计值的计算参考KunDing等人提出的一种光伏组件输出功率估算模型,参见文献:Ding K,Ye Z,Reindl T.Comparison of Parameterisation Modelsfor the Estimation of the Maximum Power Output of PV Modules[J].EnergyProcedia,2012,25:101-107,采用多个待定参数,结合当前辐照度和温度,对光伏组件输出功率进行估算。
1-3)参见图5,光伏组件故障类型确诊过程包括:
扫描光伏组件获得IV特性曲线并提取特征值,所述特征值包括短路点电流(Isc),开路点电压(Voc),电流关于电压的二阶导数最大值(Dmax),电流关于电压的二阶导数最小值(Dmin),开路电压点电流关于电压的一阶导数(Ks),短路电流点电流关于电压的一阶导数(Ksh),工作点功率关于开路电压与短路电流乘积的比值(FF);
根据步骤1-1)优化后的IV特性曲线,计算特征值;
根据特征值判断包括阴影遮挡、旁路二极管短路、组件老化、组串开路这些日常出现的光伏组件故障类型,判断如下:
I=0&&V=0即开路故障;
Dmax>1||Dmin<-1即阴影遮挡;
其中,I和V表示光伏组件电流和电压,为优化IV特性曲线开路电压,Ns为光伏阵列串联光伏组件数,Nd为光伏组件中旁路二极管个数,为优化IV特性曲线开路电压点电流关于电压的一阶导数值,为优化IV特性曲线短路电流点电流关于电压的一阶导数值,优化IV特性曲线工作点功率关于开路电压与短路电流乘积的比值。
所述光伏组件功率预测模块是基于微分的经验模态分解方法(DEMD)与极限学习机(ELM)的短期光伏出力的组合预测模型,具体如下:
2-1)利用DEMD将光伏组件功率输出序列分解,得到本征模态函数IMF和剩余分量Res,降低序列的非平稳性。参见图6,集合优化求导的经验模态分解方法(DEMD)能够有效抑制传统经验模态分解方法(EMD)的端点处边界效应问题,DEMD在信号端点处用厄米多项式计算出端点处时间的最优一阶导数qL与qR来获取上下包络线,使得EMD分解过程顺利进行。
2-2)采用游程检验法优化IMF分量过多的问题,游程检验法用于计算分解后每个IMF分量的游程数和最大游程长度,设置游程数(或最大游程长度)的阈值,根据阈值划分游程数(或最大游程长度)的高频、中频、低频分量,高频分量作为波动项,中频分量作为短期趋势项,低频分量作为长期趋势项;
2-3)将上述三类分量中的IMF分量分别进行叠加得到不同趋势的叠加信号,再加入气象数据作为极限学习机(ELM)的输入变量,得到光伏组件功率预测值。
极限学习机(ELM)是针对单隐含层前馈神经网络(SLFN)的新算法,ELM算法随机产生输入层与隐含层的连接权值及隐含层神经元的阈值,在训练过程中无需调整,唯一最优解通过设置隐含层神经元的个数来获取。将叠加后的分量以及气象数据作为极限学习机的输入量,输出预测日的功率值。
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,在不脱离本发明技术原理的前提下,还可以做出若干改进和变形,这些改进和变形也应视为本发明的保护范围。
Claims (7)
1.一种具有故障诊断和功率预测功能的光伏阵列监测系统,其特征在于,包括光伏组件IV曲线测试模块、光伏组件电子负载、高精度辐照计以及上位机数据处理模块;所述上位机数据处理模块包括光伏组件故障诊断模块和功率预测模块;
所述光伏组件IV曲线测试模块用于对光伏组件进行IV特性曲线扫描并获取短路点电流和开路点电压;
所述光伏组件电子负载与所述光伏组件IV曲线测试模块并联,所述光伏组件电子负载用于测试短路点电流测试、开路点电压测试、最大功率点测试三种测试模式下的光伏组件的电流,电压及功率;
所述高精度辐照计用于实时测量当前环境的辐照度和温度;
所述高精度辐照计通过485数据线与光伏组件IV曲线测试模块串联,所述光伏组件IV曲线测试模块与上位机数据处理模块通过485数据线连接;
所述上位机数据处理模块用于获取所述光伏组件IV曲线测试模块、光伏组件电子负载和高精度辐照计传输的数据,实时显示光伏组件的IV特性曲线,以及显示光伏组件故障类型和光伏组件预测功率;
所述光伏组件故障诊断模块用于对光伏组件故障类型进行诊断;
所述功率预测模块用于对光伏组件功率进行预测。
2.根据权利要求1所述的一种具有故障诊断和功率预测功能的光伏阵列监测系统,其特征在于,所述光伏组件故障诊断模块具体用于,
通过计算光伏组件实际输出功率与光伏组件功率估计值的差值判断光伏组件故障;
根据实际IV特性曲线计算的特征值与优化IV特性曲线计算的特征值判断光伏组件故障类型。
3.根据权利要求2所述的一种具有故障诊断和功率预测功能的光伏阵列监测系统,其特征在于,所述光伏组件故障诊断模块具体用于,
判断光伏组件实际输出功率与光伏组件功率估计值的差值,如果差值大于预设差值,且出现次数超过三次,则判断光伏组件出现故障;所述光伏组件功率估计值根据现有的光伏组件输出功率估算模型计算。
4.根据权利要求2所述的一种具有故障诊断和功率预测功能的光伏阵列监测系统,其特征在于,所述光伏组件故障诊断模块具体用于,
获取光伏组件STC下铭牌参数以及光伏阵列配置参数,包括STC下开路电压、短路电流、最大功率点电压、最大功率点电流、短路电流温度系数α、组件串联电池片个数Ncs、组件旁路二极管个数Nd和阵列组件个数Ns;
计算STC下光伏阵列模型优化参数θ0=(A0,Rs0,Rsh0)T,
其中,A0为STC下单二极管模型的理想因子,Rs0为STC下阵列等效串联电阻,Rsh0为STC下阵列等效并联电阻;
采用粒子群优化算法求解θ=Table(S,T),其中S为实测辐照度序列,T为实测环境温度序列;
基于光伏组件数学优化模型Curve=f(S,T,θ)对光伏组件IV曲线测试模块扫描的IV特性曲线进行修正,得到优化IV特性曲线。
5.根据权利要求2所述的一种具有故障诊断和功率预测功能的光伏阵列监测系统,其特征在于,所述光伏组件故障诊断模块具体用于,
对于出现故障的光伏组件,根据如下准则判断故障类型:
I=0&&V=0,判断为光伏组件开路故障;
Dmax>1||Dmin<-1,判断为光伏组件阴影遮挡;
其中,I和V表示光伏组件电流和电压,Ns表示光伏阵列组件个数,Nd表示光伏组件旁路二极管个数,Dmax为实际IV特性曲线光伏组件电流关于电压的二阶导数最大值,Dmin为实际IV特性曲线光伏组件电流关于电压的二阶导数最小值,Voc为实际IV特性曲线光伏组件开路点电压,为优化IV特性曲线光伏组件开路点电压,Ks为实际IV特性曲线光伏组件开路电压点电流关于电压的一阶导数,为优化IV特性曲线光伏组件开路电压点电流关于电压的一阶导数值,Ksh为实际IV特性曲线光伏组件短路电流点电流关于电压的一阶导数,为优化IV特性曲线光伏组件短路电流点电流关于电压的一阶导数值,FF为实际IV特性曲线光伏组件工作点功率关于开路电压与短路电流乘积的比值,为优化IV特性曲线光伏组件工作点功率关于开路电压与短路电流乘积的比值。
6.根据权利要求1所述的一种具有故障诊断和功率预测功能的光伏阵列监测系统,其特征在于,所述功率预测模块具体用于,
采用基于微分的经验模式分解将光伏组件功率输出序列分解为本征模态函数IMF和剩余分量Res;
采用游程检验法计算分解后的每个IMF分量的游程数和最大游程长度;
将游程数划分为高频、中频、低频分量,高频分量作为波动项,中频分量作为短期趋势项,低频分量作为长期趋势项;
将每类分量中的IMF分量分别进行叠加得到不同趋势的叠加信号,再加入气象数据作为极限学习机的输入变量,得到光伏组件不同趋势的功率预测值。
7.根据权利要求1所述的一种具有故障诊断和功率预测功能的光伏阵列监测系统,其特征在于,所述上位机数据处理模块还用于,
将光伏组件故障诊断模块的输出和功率预测模块的输出写入函数库中并在界面上进行显示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010228041.1A CN111460644A (zh) | 2020-03-27 | 2020-03-27 | 一种具有故障诊断和功率预测功能的光伏阵列监测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010228041.1A CN111460644A (zh) | 2020-03-27 | 2020-03-27 | 一种具有故障诊断和功率预测功能的光伏阵列监测系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111460644A true CN111460644A (zh) | 2020-07-28 |
Family
ID=71683516
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010228041.1A Pending CN111460644A (zh) | 2020-03-27 | 2020-03-27 | 一种具有故障诊断和功率预测功能的光伏阵列监测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111460644A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112260649A (zh) * | 2020-10-14 | 2021-01-22 | 上海岩芯电子科技有限公司 | 一种光伏电站组件级故障诊断系统及其诊断方法 |
CN112885257A (zh) * | 2021-01-27 | 2021-06-01 | 佛山市雅绅宝制冷设备制造有限公司 | 一种便于安装的灯箱框 |
CN112990059A (zh) * | 2021-03-30 | 2021-06-18 | 安徽天能清洁能源科技有限公司 | 一种基于曲线形状描述的iv曲线诊断的方法及装置 |
CN113515851A (zh) * | 2021-06-07 | 2021-10-19 | 淮阴工学院 | 一种光伏故障检测特征量提取方法 |
CN115208315A (zh) * | 2022-09-14 | 2022-10-18 | 盛世华通(山东)电气工程有限公司 | 一种基于多故障特征值的光伏智能故障诊断方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108923748A (zh) * | 2018-07-16 | 2018-11-30 | 河海大学常州校区 | 一种基于iv曲线扫描的光伏阵列故障诊断方法 |
-
2020
- 2020-03-27 CN CN202010228041.1A patent/CN111460644A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108923748A (zh) * | 2018-07-16 | 2018-11-30 | 河海大学常州校区 | 一种基于iv曲线扫描的光伏阵列故障诊断方法 |
Non-Patent Citations (2)
Title |
---|
曾敏: "光伏发电系统监控、功率预测及故障检测相关技术的研究", 《中国优秀博硕士学位论文全文数据库(硕士) 工程科技II辑》 * |
董朕: "基于经验模态分解和极限学习机的风电功率短期预测方法研究", 《中国优秀博硕士学位论文全文数据库(硕士) 工程科技II辑》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112260649A (zh) * | 2020-10-14 | 2021-01-22 | 上海岩芯电子科技有限公司 | 一种光伏电站组件级故障诊断系统及其诊断方法 |
CN112885257A (zh) * | 2021-01-27 | 2021-06-01 | 佛山市雅绅宝制冷设备制造有限公司 | 一种便于安装的灯箱框 |
CN112885257B (zh) * | 2021-01-27 | 2022-07-26 | 佛山市雅绅宝制冷设备制造有限公司 | 一种便于安装的灯箱框 |
CN112990059A (zh) * | 2021-03-30 | 2021-06-18 | 安徽天能清洁能源科技有限公司 | 一种基于曲线形状描述的iv曲线诊断的方法及装置 |
CN113515851A (zh) * | 2021-06-07 | 2021-10-19 | 淮阴工学院 | 一种光伏故障检测特征量提取方法 |
CN113515851B (zh) * | 2021-06-07 | 2023-12-01 | 淮阴工学院 | 一种光伏故障检测特征量提取方法 |
CN115208315A (zh) * | 2022-09-14 | 2022-10-18 | 盛世华通(山东)电气工程有限公司 | 一种基于多故障特征值的光伏智能故障诊断方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111460644A (zh) | 一种具有故障诊断和功率预测功能的光伏阵列监测系统 | |
CN105375878B (zh) | 一种在线检测和评估光伏系统效率的方法 | |
Wang et al. | Probability modeling for PV array output interval and its application in fault diagnosis | |
Dhimish et al. | Photovoltaic hot-spots fault detection algorithm using fuzzy systems | |
Ma et al. | Photovoltaic module current mismatch fault diagnosis based on IV data | |
CN111614317B (zh) | 一种基于iv曲线扫描的光伏板阴影遮挡的诊断方法 | |
Gonzalez et al. | PV array simulator development and validation | |
Yurtseven et al. | Sensorless fault detection method for photovoltaic systems through mapping the inherent characteristics of PV plant site: Simple and practical | |
Dhimish et al. | Novel photovoltaic hot-spotting fault detection algorithm | |
Djalab et al. | Robust method for diagnosis and detection of faults in photovoltaic systems using artificial neural networks | |
Livera et al. | Failure diagnosis of short-and open-circuit fault conditions in PV systems | |
CN113037214A (zh) | 一种基于s-v曲线的光伏组件阴影遮挡故障诊断方法 | |
CN109992911B (zh) | 基于极限学习机和iv特性的光伏组件快速建模方法 | |
Laurino et al. | Artificial neural network based photovoltaic module diagnosis by current–voltage curve classification | |
Pan et al. | Research on output distribution modeling of photovoltaic modules based on kernel density estimation method and its application in anomaly identification | |
Zhu et al. | Photovoltaic failure diagnosis using sequential probabilistic neural network model | |
Livera et al. | Advanced diagnostic approach of failures for grid-connected photovoltaic (PV) systems | |
Zhao et al. | A photovoltaic array fault diagnosis method considering the photovoltaic output deviation characteristics | |
Zahraoui et al. | System‐Level Condition Monitoring Approach for Fault Detection in Photovoltaic Systems | |
Al-Kashashnehand et al. | Wireless Sensor Network Based Real-Time Monitoring and Fault Detection for Photovoltaic Systems | |
Voutsinas et al. | A survey of fault detection and identification methods for Photovoltaic systems based on IV curves | |
Aboelmagd et al. | Failure Analysis in Photovoltaic Power Systems Using an Artificial Neural Network | |
KR20200100898A (ko) | 태양전지패널 고장진단 시스템 및 방법 | |
JP2016025753A (ja) | 太陽光発電システムの異常診断方法 | |
Mahjoob et al. | Two-stage photovoltaic system Diagnosis using meteorological information and charting IV Via IoT |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200728 |
|
RJ01 | Rejection of invention patent application after publication |