CN111669123B - 用于对光伏组串进行故障诊断的方法和装置 - Google Patents
用于对光伏组串进行故障诊断的方法和装置 Download PDFInfo
- Publication number
- CN111669123B CN111669123B CN202010393648.5A CN202010393648A CN111669123B CN 111669123 B CN111669123 B CN 111669123B CN 202010393648 A CN202010393648 A CN 202010393648A CN 111669123 B CN111669123 B CN 111669123B
- Authority
- CN
- China
- Prior art keywords
- data
- real
- voltage
- current
- threshold range
- 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
- 238000003745 diagnosis Methods 0.000 title claims abstract description 60
- 238000000034 method Methods 0.000 title claims abstract description 55
- 238000009826 distribution Methods 0.000 claims abstract description 86
- 230000007613 environmental effect Effects 0.000 claims abstract description 72
- 238000004364 calculation method Methods 0.000 claims abstract description 12
- 238000005096 rolling process Methods 0.000 claims description 37
- 230000006870 function Effects 0.000 description 7
- 230000008901 benefit Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 4
- 238000009434 installation Methods 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005315 distribution function Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 230000001681 protective effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000000528 statistical test Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000013076 uncertainty analysis Methods 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
-
- 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
本发明实施例提供一种用于对光伏组串进行故障诊断的方法和装置，属于光伏电站故障诊断领域。该方法包括：获取光伏组串的运行参数的历史运行数据及环境参数的历史环境数据；以历史环境数据为统计条件对历史运行数据进行概率统计，建立运行参数对应的概率分布模型；对概率分布模型进行置信区间计算，确定环境参数的不同数值与运行参数的阈值范围的对应关系；基于对应关系及环境参数的实时环境数据，确定实时环境数据对应运行参数的阈值范围；以及基于所确定的阈值范围和运行参数的实时运行数据，对光伏组串进行故障诊断。藉此，实现了在进行故障诊断时考虑到外界环境因素对光伏组串运行参数的影响而出现的波动性和不确定性。
Description
技术领域
本发明涉及光伏电站故障诊断领域，具体地涉及一种用于对光伏组串进行故障诊断的方法和装置。
背景技术
近年来光伏产业发展迅速，光伏电站装机容量不断增长。光伏电站的组件数量庞大，在恶劣的室外条件运行时经常会出现故障组件，同时因为光伏电站中光伏组件的串并联结构使得一个组件的故障会引起整个阵列的效率下降甚至停止工作，出现的故障如果不能及时的排除将会对光伏电站安全造成严重影响。因此光伏电站的故障诊断问题对光伏电站的安全稳定运行至关重要。
目前，光伏电站故障诊断的研究主要有基于传感器、基于参考模型和基于智能算法几类，但是上述三类方法没有充分考虑到光伏组串出力会受到外界因素以及组件自身的因素影响而出现的波动性和不确定性，不能解决光伏出力不确定性问题，不能表现出光伏组串在不同环境条件下的全辐照度区间的过程变化，同时还存在安装复杂、成本高、建模困难、故障样本提取困难等问题，在实际的工程应用中受到了约束。
另外，在实际工程中由于光伏各支路之间的性能不一致，辐照度波动等多种因素带来了光伏阵列出力的不确定性，出力的随机波动性及不确定性限制了故障诊断方法的应用。
发明内容
本发明的目的是提供一种用于对光伏组串进行故障诊断的方法和装置，其可解决或至少部分解决上述技术问题。
为了实现上述目的，本发明的一个方面提供一种用于对光伏组串进行故障诊断的方法，该方法包括：获取所述光伏组串的运行参数的历史运行数据及环境参数的历史环境数据；以所述历史环境数据为统计条件对所述历史运行数据进行概率统计，建立所述运行参数对应的概率分布模型；对所述概率分布模型进行置信区间计算，确定所述环境参数的不同数值与所述运行参数的阈值范围的对应关系；基于所述对应关系及所述环境参数的实时环境数据，确定所述实时环境数据对应所述运行参数的阈值范围；以及基于所确定的阈值范围和所述运行参数的实时运行数据，对所述光伏组串进行故障诊断。
可选地，所述以所述历史环境数据为统计条件对所述历史运行数据进行概率统计包括：以滚动时间窗的方法以所述环境参数的预设数据间隔及预设滚动频率进行滚动统计。
可选地，所述建立所述运行参数对应的概率分布模型包括基于非参数估计建立所述概率分布模型。
可选地，所述运行参数包括电流和电压，所述环境参数包括辐照度。
可选地，所述基于所确定的阈值范围和所述运行参数的实时运行数据对所述光伏组串进行故障诊断包括：若所述电流的实时数据在所述电流的阈值范围内且所述电压的实时数据在所述电压的阈值范围内，则所述光伏组串工作正常；若所述电流的实时数据不在所述电流的阈值范围内且所述电压的实时数据不在所述电压的阈值范围内，则所述光伏组串发生阴影遮挡故障；若所述电流的实时数据在所述电流的阈值范围内且所述电压的实时数据不在所述电压的阈值范围内，则所述光伏组串发生短路故障；以及若所述电流的实时数据不在所述电流的阈值范围内且所述电压的实时数据在所述电压的阈值范围内，则所述光伏组串发生开路故障。
相应地，本发明的另一方面提供一种用于对光伏组串进行故障诊断的装置，该装置包括：数据获取模块，用于获取所述光伏组串的运行参数的历史运行数据及环境参数的历史环境数据；概率分布模型建立模块，用于以所述历史环境数据为统计条件对所述历史运行数据进行概率统计，建立所述运行参数对应的概率分布模型；对应关系确定模块，用于对所述概率分布模型进行置信区间计算，确定所述环境参数的不同数值与所述运行参数的阈值范围的对应关系；阈值范围确定模块，用于基于所述对应关系及所述环境参数的实时环境数据，确定所述实时环境数据对应所述运行参数的阈值范围；以及故障诊断模块，用于基于所确定的阈值范围和所述运行参数的实时运行数据，对所述光伏组串进行故障诊断。
可选地，所述概率分布模型建立模块以所述历史环境数据为统计条件对所述历史运行数据进行概率统计包括：以滚动时间窗的方法以所述环境参数的预设数据间隔及预设滚动频率进行滚动统计。
可选地，所述概率分布模型建立模块建立所述运行参数对应的概率分布模型包括基于非参数估计建立所述概率分布模型。
可选地，所述运行参数包括电流和电压，所述环境参数包括辐照度。
可选地，所述故障诊断模块基于所确定的阈值范围和所述运行参数的实时运行数据对所述光伏组串进行故障诊断包括：若所述电流的实时数据在所述电流的阈值范围内且所述电压的实时数据在所述电压的阈值范围内，则所述光伏组串工作正常；若所述电流的实时数据不在所述电流的阈值范围内且所述电压的实时数据不在所述电压的阈值范围内，则所述光伏组串发生阴影遮挡故障；若所述电流的实时数据在所述电流的阈值范围内且所述电压的实时数据不在所述电压的阈值范围内，则所述光伏组串发生短路故障；以及若所述电流的实时数据不在所述电流的阈值范围内且所述电压的实时数据在所述电压的阈值范围内，则所述光伏组串发生开路故障。
此外，本发明的另一方面还提供一种机器可读存储介质，该机器可读存储介质上存储有指令，该指令用于使得机器执行上述的方法。
通过上述技术方案，以历史环境数据为统计条件对历史运行数据进行概率统计，建立运行参数的概率分布模型，以概率分布模型为基础对光伏组串进行故障诊断，概率分布模型可以体现出环境参数对光伏组串运行参数的影响而出现的波动性和不确定性，如此，在进行故障诊断时考虑到了外界环境因素对光伏组串运行参数的影响而出现的波动性和不确定性，也就是考虑到了光伏组串出力受到外界因素影响而出现的波动性和不确定性。此外，上述技术方案不需要大规模设备的安装，不需要对光伏组串组件本身进行复杂的建模，降低了在实际工程应用中的约束度。
本发明的其它特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
附图是用来提供对本发明实施例的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本发明实施例，但并不构成对本发明实施例的限制。在附图中：
图1是本发明一实施例提供的用于对光伏组串进行故障诊断的方法的流程图；
图2是本发明另一实施例提供的用于对光伏组串进行故障诊断的方法的流程图；
图3是本发明另一实施例提供的光伏组串电流和电压随时间的分布图；
图4是本发明另一实施例提供的典型辐照度区间的故障指标分布情况；
图5是本发明另一实施例提供的组串电流和电压不同辐照度下的阈值分布；
图6是本发明另一实施例提供的故障诊断结果图；以及
图7是本发明另一实施例提供的用于对光伏组串进行故障诊断的装置的结构框图。
附图标记说明
1 数据获取模块 2 概率分布模型建立模块
3 对应关系确定模块 4 阈值范围确定模块
5 故障诊断模块
具体实施方式
以下结合附图对本发明实施例的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本发明实施例，并不用于限制本发明实施例。
本发明实施例的一个方面提供一种用于对光伏组串进行故障诊断的方法。
图1是本发明一实施例提供的用于对光伏组串进行故障诊断的方法的流程图。如图1所示，该方法包括以下内容。
在步骤S10中，获取光伏组串的运行参数的历史运行数据及环境参数的历史环境数据。其中，运行参数可以包括电流、电压等，环境参数可以包括辐照度等。
在步骤S11中，以历史环境数据为统计条件对历史运行数据进行概率统计，建立运行参数对应的概率分布模型。在本发明实施例中，运行参数中包括几个参数则建立几个参数对应的概率分布模型。此外，在以历史环境数据为统计条件对历史运行数据进行概率统计时，可以是以历史环境数据中的每一个数据值为基础进行统计，统计运行参数中的每一参数在该数值条件下的概率密度；还可以是将历史环境数据分布的范围进行区间划分，以一区间为基础进行统计，统计运行参数中的每一参数在该数值条件下的概率密度。可选地，在以历史环境数据被划分的区间为统计条件进行概率统计时，可以基于时间窗技术进行历史运行数据的筛选和滚动更新。此外，在本发明实施例中，建立运行参数对应的概率分布模型包括基于非参数估计建立概率分布模型。
在步骤S12中，对概率分布模型进行置信区间计算，确定环境参数的不同数值与运行参数的阈值范围的对应关系。概率分布模型是以历史环境数据为统计条件得到的，对任一概率分布模型进行置信区间计算，可以得到统计基础对应的历史环境数据对应的运行参数的阈值范围。例如，在进行统计时，以某一历史环境数据值为统计条件进行概率统计，建立某一运行参数的概率分布模型，建立概率分布模型后，将概率分布模型进行置信区间计算，置信区间对应的范围为该运行参数的阈值范围，如此，可以得出统计基础对应的历史环境数据值与所建立的概率分布模型对应的运行参数的对应关系。同理，可以建立出环境参数的不同数值与运行参数的阈值范围的对应关系。
在步骤S13中，基于对应关系及环境参数的实时环境数据，确定实时环境数据对应运行参数的阈值范围。根据确定出的对应关系，找到环境参数对应的实时环境数据对应的运行参数的阈值范围。需要说明的是，运行参数可能有多个，在这里确定出的实时环境数据对应的运行参数的阈值范围可能有多个，运行参数中的每一参数均对应一阈值范围。
在步骤S14中，基于所确定的阈值范围和运行参数的实时运行数据，对光伏组串进行故障诊断。具体地，将运行参数的实时运行数据与其对应的阈值范围进行比较，从而根据比较结果，对光伏组串进行故障诊断。
通过上述技术方案，以历史环境数据为统计条件对历史运行数据进行概率统计，建立运行参数的概率分布模型，以概率分布模型为基础对光伏组串进行故障诊断，概率分布模型可以体现出环境参数对光伏组串运行参数的影响而出现的波动性和不确定性，如此，在进行故障诊断时考虑到了外界环境因素对光伏组串运行参数的影响而出现的波动性和不确定性，也就是考虑到了光伏组串出力受到外界因素影响而出现的波动性和不确定性。此外，上述技术方案不需要大规模设备的安装，不需要对光伏组串组件本身进行复杂的建模，降低了在实际工程应用中的约束度。
可选地，在本发明实施例中，以历史环境数据为统计条件对历史运行数据进行概率统计包括：以滚动时间窗的方法以环境参数的预设数据间隔及预设滚动频率进行滚动统计。例如，环境参数为辐照度，运行参数包括电压和电流，将辐照度对应的数值划分为多个区间，其中，区间长度为预设数据间隔，针对所划分的任一区间进行统计，得出的阈值范围为区间的中间值对应的阈值范围。在对某一区间统计完后，将区间滚动预设滚动频率，以滚动后得到的区间为基础进行统计，得到新的区间的中间值对应的阈值范围。例如，辐照度的历史数据分布在0-1000W/m2范围内，对辐照度0-1000W/m2的全辐照度区间进行统计，预设数据间隔为50W/m2，预设滚动频率为1W/m2，例如，一区间为400-450W/m2，在以该区间为基础统计完得到概率分布模型后，得出的阈值范围作为425W/m2对应的阈值范围。然后，以1W/m2为频率将辐照度间隔进行滚动，下一统计区间为401-451W/m2，得到的阈值范围为426W/m2对应的阈值范围，如此，得出全辐照度区间对应中的每一辐照度对应的阈值范围。
可选地，在本发明实施例中，若运行参数包括电流和电压，环境参数包括辐照度，则基于所确定的阈值范围和运行参数的实时运行数据对光伏组串进行故障诊断包括：若电流的实时数据在电流的阈值范围内且电压的实时数据在电压的阈值范围内，则光伏组串工作正常；若电流的实时数据不在电流的阈值范围内且电压的实时数据不在电压的阈值范围内，则光伏组串发生阴影遮挡故障；若电流的实时数据在电流的阈值范围内且电压的实时数据不在电压的阈值范围内，则光伏组串发生短路故障；以及若电流的实时数据不在电流的阈值范围内且电压的实时数据在电压的阈值范围内，则光伏组串发生开路故障。
下面结合图2-图6以环境参数为辐照度及运行参数为电流和电压为例，对本发明实施例提供的用于对光伏组串进行故障诊断的方法进行示例性介绍。其中，在该实施例中，辐照度分布在0-1000W/m2全辐照度区间范围内。本发明实施例提供了一种基于非参数估计概率建模的光伏组串故障诊断方法。首先，分析不同条件下的光伏组串工作电流、电压的分布情况，结果说明光伏出力(电压和/或电流)呈现波动性和不确定性；利用非参数估计法建立光伏组串不同条件下电气参数分布的概率模型；通过设置组串电气参数(电流或电压)概率分布模型的置信度得到不同辐照度条件下的光伏组串电流、电压的阈值范围，最终利用该阈值实现光伏组串故障诊断。本发明利用概率分布函数描述光伏出力在不同条件下的分布特性，提供光伏电站故障诊断的可靠途径，为光伏电站在故障诊断和系统运维管理方面提供支持。具体地，本发明技术方案包括以下内容，如图2所示。
在步骤S20中，收集光伏电站历史运行数据及历史环境数据。历史运行数据包括光伏电站的各光伏组串历史电流数据和历史电压数据，历史环境数据包括光伏电站所对应的历史辐照度数据。例如，选取中国山东某光伏电站2017年全年的数据，此电站由容量为40MW的光伏发电系统、太阳能气象站、光伏电站监控系统组成，数据采样时间为10分钟。图3展示了光伏组串电流、电压的波动情况，为了更加准确的对光伏故障进行诊断必须对其进行不确定性分析进而得到各故障指标的概率分布特征模型，并通过模型得出指标的阈值。
在步骤S21中，按照辐照度区间对光伏组串电流和电压数据进行统计，得到全辐照度区间的光伏组串电流和电压出力数据集；对得到的数据集按照非参数估计方法进行概率建模，得到全辐照度区间的光伏组串电流和电压概率分布模型。具体地，利用时间窗技术将得到的数据进行筛选和滚动更新，以不同辐照度区间为统计条件对光伏组串的电流、电压分布进行概率统计分析，利用非参数估计法建立全辐照度区间的光伏组串电流、电压的概率分布模型。具体地，包括以下内容。
以汇流箱为统计单位对光伏组串全年的出力数据(包括电流和电压的数据)进行统计，为使选取的数据能够更加准确地表现其所在系统的实时工作状态，我们需要使用系统当前的最新数据，因此不能代表当前系统状态的旧数据在系统分析和计算中的比例应该下调甚至删除。因此可以建立根据时间滚动的保持数据(时间窗)长度l不变的数据序列，旧数据随着新数据的产生而不断剔除。用这样的方法对时间窗进行滚动更新。此外，还设置了滚动频率。假设系统输入-输出的时变数据集为：Z＝{(x1：y1)：(x1：y1)：…：(x1：y1)。滚动时间窗的滚动频率为k，相当于每隔时间k窗口滚动一次(数据更新一次)，时间窗口长度仍为l。这样得到最新的时间窗k的样本可以表示为：Zk＝{(xk+1,yk+1),(xk+2,yk+2),…,(xk+l,yk+l)}。例如，l为50W/m2，k为1W/m2，利用滚动时间窗的方法按照50W/m2的辐照度区间长度和1W/m2的滚动频率进行滚动统计。其中，滚动统计的方法可以参加上述介绍。对将0-1000W/m2的全辐照度区间进行光伏组串电压和电流的分布统计，图4展示了400-450W/m2辐照度区间的组串电流、电压的分布情况。
对得到的不同辐照度区间数据进行非参数估计，建立光伏组串电流、电压在全辐照度区间下的概率分布模型。其中，非参数估计又称为非参数检验，是指在不考虑原总体分布或者不作关于参数假定的前提下，直接用已知类别的学习样本的先验知识直接进行统计检验和判断分析的一系列方法的总称。在我们对某一事物的概率分布的情况下，如果某一个数在观察中出现了，我们可以认为这个数的概率密度比较大，和这个数比较近的数的概率密度也会比较大，而那些离这个数远的数的概率密度会比较小。
假设x1、x2、…、xn为光伏组串电气参数(电流或电压)的n个样本，其概率密度函数为f(x)，则其非参数核密度估计为：
式中，xi为电气参数的第i个样本数据；h为数据分布的带宽，也称为平滑系数；K(·)为核函数。虽然核函数具有不同的形式，但不同的核函数对于非参数估计的精确性影响较小，考虑到函数在波形合成计算上的易用性，选用下式的高斯函数作为核函数：
则f(x)变为：
利用以上非参数估计方法建立光伏组串出力参数(包括电压和电流)的全辐照度区间概率分布模型，为了得到光伏阵列正常运行过程中各指标的分布上下界，还需要对各故障指标进行置信区间计算。具体地，利用得到的概率分布模型计算得到光伏组串电流和电压全辐照度区间阈值。
在步骤S22中，利用得到的光伏组串出力参数的全辐照度区间概率分布模型，为了得到指标(电流或电压)阈值对各故障特征指标进行置信区间计算，概率分布函数的置信区间计算的常用计算方法如下：Pr(c1≤μ≤c2)＝1-α，式中α为显著性水平，Pr为数据区间对应的概率，(1-α)为置信水平，(c1,c2)为置信区间。利用置信区间计算可以得出不同置信水平下的各故障特征指标置信区间进而得出故障诊断的阈值。计算出不同辐照度区间下的概率分布模型95％置信区间，得到光伏组串电流、电压的全辐照度区间的阈值，图5展示了光伏组串电流、电压在不同辐照度下的阈值。需要说明的是，根据上述对以滚动时间窗的方法以环境参数的预设数据间隔及预设滚动频率进行滚动统计的介绍可知，以某一辐照度区间为基础进行统计时，得到的电流或电压的阈值范围为辐照度的一具体值的阈值范围，通过以滚动频率进行滚动，得到不同辐照度值对应的阈值范围，从而得到电流或电压在不同辐照度下的阈值。
在步骤S23中，利用得到的光伏组串电流和电压阈值，根据实时辐照度条件对光伏组串电流和电压的实时运行数据进行判断并对光伏组串的运行状态进行判断。具体地，判断光伏电站运行的实时辐照度条件得到的光伏组串出力(电流或电压)在该条件下的阈值范围，根据阈值范围和实时出力情况(实时电流值或实时电压值)对光伏组串进行故障诊断，具体包括以下内容。
通过实时的环境辐照度数据以及计算得到的光伏组串电流、电压阈值范围，得到实时辐照度条件下的光伏组串电流、电压阈值范围。利用实时辐照度条件下的光伏组串电流、电压阈值范围对光伏组串的实时出力进行判断，如果出力参数在阈值内，也就是电流和电压均在各自对应的阈值范围内，则该组串工作正常，反之相反。若最大功率点电流和电压都出现异常则组串发生阴影遮挡故障，若最大工作点电压异常、电流正常则组串发生短路故障，若最大工作点电流异常、电压正常则组串发生开路故障。其中，此处描述的最大功率点电流和电压即为实时得到的电流和电压的数据。对组串的电流、电压与各自对应的阈值范围对比的实际情况对光伏组串的实时工作状态进行诊断。图6展示了故障诊断结果。
本发明实施例提供的光伏组串的故障诊断方法优点体现在：1、利用实际数据分析了光伏阵列故障诊断指标的分布的不确定性，提出了影响光伏出力(电流和/或电压)不确定性的主要外部环境因素为环境辐照度；2、考虑光伏电站电气参数的分布特性，利用非参数估计建立了不同辐照度区间的光伏组串电流、电压的概率分布模型；3、通过设置组串电流、电压的概率分布模型置信度，得到了光伏组串电流、电压的全辐照度区间阈值，该阈值能够随环境辐照度的变化而变化，阈值的设定不依赖于人的经验；4、按照不同辐照度区间的统计方法建立不同辐照度区间下的光伏组串出力的概率分布模型，考虑到了辐照度对光伏出力(电流和/或电压)不确定性与波动性的影响；5、建立了全辐照度区间的概率分布模型，能够准确体现光伏出力(电流和/或电压)在全辐照度区间下的过程变化，用概率分布的方法抵消了光伏出力不确定性带来的影响；6、不需要大规模设备的安装，不需要对组件本身进行复杂的建模。这些优点都带来了更加实用和准确的故障诊断方法。
相应地，本发明实施例的另一方面提供一种用于对光伏组串进行故障诊断的装置。
图7是本发明另一实施例提供的用于对光伏组串进行故障诊断的装置的结构框图，如图7所示，该装置包括数据获取模块1、概率分布模型建立模块2、对应关系确定模块3、阈值范围确定模块4和故障诊断模块5。其中，数据获取模块1用于获取光伏组串的运行参数的历史运行数据及环境参数的历史环境数据；概率分布模型建立模块2用于以历史环境数据为统计条件对历史运行数据进行概率统计，建立运行参数对应的概率分布模型；对应关系确定模块3用于对概率分布模型进行置信区间计算，确定环境参数的不同数值与运行参数的阈值范围的对应关系；阈值范围确定模块4用于基于对应关系及环境参数的实时环境数据，确定实时环境数据对应运行参数的阈值范围；以及故障诊断模块5用于基于所确定的阈值范围和运行参数的实时运行数据，对光伏组串进行故障诊断。
可选地，在本发明实施例中，概率分布模型建立模块以历史环境数据为统计条件对历史运行数据进行概率统计包括：以滚动时间窗的方法以环境参数的预设数据间隔及预设滚动频率进行滚动统计。
可选地，在本发明实施例中，概率分布模型建立模块建立运行参数对应的概率分布模型包括基于非参数估计建立概率分布模型。
可选地，在本发明实施例中，运行参数包括电流和电压，环境参数包括辐照度。
可选地，在本发明实施例中，故障诊断模块基于所确定的阈值范围和运行参数的实时运行数据对光伏组串进行故障诊断包括：若电流的实时数据在电流的阈值范围内且电压的实时数据在电压的阈值范围内，则光伏组串工作正常；若电流的实时数据不在电流的阈值范围内且电压的实时数据不在电压的阈值范围内，则光伏组串发生阴影遮挡故障；若电流的实时数据在电流的阈值范围内且电压的实时数据不在电压的阈值范围内，则光伏组串发生短路故障；以及若电流的实时数据不在电流的阈值范围内且电压的实时数据在电压的阈值范围内，则光伏组串发生开路故障。
下面对本发明实施例提供的用于对光伏组串进行故障诊断的装置进行示例性介绍。
该用于对光伏组串进行故障诊断的装置包括：数据采集模块(等同于上述实施例中所述的数据获取模块)，用于收集光伏电站历史运行数据及历史环境数据；概率建模模块(等同于上述实施例中所述的概率分布模型建立模块)，用于建立光伏组串电流和电压的概率分布模型，通过统计不同辐照度区间的光伏组串电流和电压数据，利用非参数估计的方法建立全辐照度区间的光伏组串电流和电压概率分布模型；阈值计算模块(等同于上述实施例中所述的对应关系确定模块)，用于计算光伏组串电流和电压全辐照度区间阈值，利用概率建模模块得到的概率分布模型计算出阈值；故障判断模块(等同于上述实施例中所述的阈值范围确定模块和故障诊断模块)用于利用得到的光伏组串电流和电压阈值，根据实时辐照度条件对光伏组串电流和电压的实时运行数据进行判断并对光伏组串的运行状态进行判断。
可选地，在本发明实施例中，概率建模模块包括：数据统计模块子模块：按照辐照度区间对光伏组串电流和电压数据进行统计，得到全辐照度区间的光伏组串电流和电压出力数据集；概率建模子模块：用于对数据统计子模块得到的数据集按照非参数估计方法进行概率建模，得到全辐照度区间的光伏组串电流和电压概率分布模型。
可选地，在本发明实施例中，故障判断模块包括：数据输入子模块：用于获取电站的实时数据，将实时组串运行数据和环境辐照度数据作为输入数据，输入到故障诊断模型；阈值获取子模块：用于获取电站实时运行下的环境辐照度对应的光伏组串出力参数阈值，对实时辐照度进行判断，从光伏组串电流、电压的全辐照度区间阈值中选取实时光伏组串电流、电压的阈值；故障诊断子模块：用于判断光伏组串电流、电压是否运行正常，通过与实时阈值的对比判断光伏组串电流、电压是否正常；结果输出子模块：用于通过故障诊断子模块的判断得出故障诊断结果，判断光伏组串的运行状态，通过综合光伏组串电流与电压的运行状态判断光伏组串的运行状态并将判断结果进行输出。
本发明实施例提供的用于对光伏组串进行故障诊断的装置的具体工作原理及益处与本发明实施例提供的用于对光伏组串进行故障诊断的方法的具体工作原理及益处相似，这里将不再赘述。
此外，本发明实施例的另一方面还提供一种机器可读存储介质，该机器可读存储介质上存储有指令，该指令用于使得机器执行上述的方法。
以上结合附图详细描述了本发明的优选实施方式，但是，本发明并不限于上述实施方式中的具体细节，在本发明的技术构思范围内，可以对本发明的技术方案进行多种简单变型，这些简单变型均属于本发明的保护范围。
另外需要说明的是，在上述具体实施方式中所描述的各个具体技术特征，在不矛盾的情况下，可以通过任何合适的方式进行组合。为了避免不必要的重复，本发明对各种可能的组合方式不再另行说明。
此外，本发明的各种不同的实施方式之间也可以进行任意组合，只要其不违背本发明的思想，其同样应当视为本发明所公开的内容。
Claims (11)
1.一种用于对光伏组串进行故障诊断的方法，其特征在于，该方法包括：
获取所述光伏组串的运行参数的历史运行数据及环境参数的历史环境数据；
以所述历史环境数据为统计条件对所述历史运行数据进行概率统计，建立所述运行参数对应的概率分布模型；
对所述概率分布模型进行置信区间计算，确定所述环境参数的不同数值与所述运行参数的阈值范围的对应关系；
基于所述对应关系及所述环境参数的实时环境数据，确定所述实时环境数据对应所述运行参数的阈值范围；以及
基于所确定的阈值范围和所述运行参数的实时运行数据，对所述光伏组串进行故障诊断。
2.根据权利要求1所述的方法，其特征在于，所述以所述历史环境数据为统计条件对所述历史运行数据进行概率统计包括：
以滚动时间窗的方法以所述环境参数的预设数据间隔及预设滚动频率进行滚动统计。
3.根据权利要求1所述的方法，其特征在于，所述建立所述运行参数对应的概率分布模型包括基于非参数估计建立所述概率分布模型。
4.根据权利要求1-3中任一项所述的方法，其特征在于，所述运行参数包括电流和电压，所述环境参数包括辐照度。
5.根据权利要求4所述的方法，其特征在于，所述基于所确定的阈值范围和所述运行参数的实时运行数据对所述光伏组串进行故障诊断包括：
若所述电流的实时数据在所述电流的阈值范围内且所述电压的实时数据在所述电压的阈值范围内，则所述光伏组串工作正常；
若所述电流的实时数据不在所述电流的阈值范围内且所述电压的实时数据不在所述电压的阈值范围内，则所述光伏组串发生阴影遮挡故障；
若所述电流的实时数据在所述电流的阈值范围内且所述电压的实时数据不在所述电压的阈值范围内，则所述光伏组串发生短路故障；以及
若所述电流的实时数据不在所述电流的阈值范围内且所述电压的实时数据在所述电压的阈值范围内，则所述光伏组串发生开路故障。
6.一种用于对光伏组串进行故障诊断的装置，其特征在于，该装置包括：
数据获取模块，用于获取所述光伏组串的运行参数的历史运行数据及环境参数的历史环境数据；
概率分布模型建立模块，用于以所述历史环境数据为统计条件对所述历史运行数据进行概率统计，建立所述运行参数对应的概率分布模型；
对应关系确定模块，用于对所述概率分布模型进行置信区间计算，确定所述环境参数的不同数值与所述运行参数的阈值范围的对应关系；
阈值范围确定模块，用于基于所述对应关系及所述环境参数的实时环境数据，确定所述实时环境数据对应所述运行参数的阈值范围；以及
故障诊断模块，用于基于所确定的阈值范围和所述运行参数的实时运行数据，对所述光伏组串进行故障诊断。
7.根据权利要求6所述的装置，其特征在于，所述概率分布模型建立模块以所述历史环境数据为统计条件对所述历史运行数据进行概率统计包括：
以滚动时间窗的方法以所述环境参数的预设数据间隔及预设滚动频率进行滚动统计。
8.根据权利要求6所述的装置，其特征在于，所述概率分布模型建立模块建立所述运行参数对应的概率分布模型包括基于非参数估计建立所述概率分布模型。
9.根据权利要求6-8中任一项所述的装置，其特征在于，所述运行参数包括电流和电压，所述环境参数包括辐照度。
10.根据权利要求9所述的装置，其特征在于，所述故障诊断模块基于所确定的阈值范围和所述运行参数的实时运行数据对所述光伏组串进行故障诊断包括：
若所述电流的实时数据在所述电流的阈值范围内且所述电压的实时数据在所述电压的阈值范围内，则所述光伏组串工作正常；
若所述电流的实时数据不在所述电流的阈值范围内且所述电压的实时数据不在所述电压的阈值范围内，则所述光伏组串发生阴影遮挡故障；
若所述电流的实时数据在所述电流的阈值范围内且所述电压的实时数据不在所述电压的阈值范围内，则所述光伏组串发生短路故障；以及
若所述电流的实时数据不在所述电流的阈值范围内且所述电压的实时数据在所述电压的阈值范围内，则所述光伏组串发生开路故障。
11.一种机器可读存储介质，该机器可读存储介质上存储有指令，该指令用于使得机器执行权利要求1-5中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010393648.5A CN111669123B (zh) | 2020-05-11 | 2020-05-11 | 用于对光伏组串进行故障诊断的方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010393648.5A CN111669123B (zh) | 2020-05-11 | 2020-05-11 | 用于对光伏组串进行故障诊断的方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111669123A CN111669123A (zh) | 2020-09-15 |
| CN111669123B true CN111669123B (zh) | 2021-12-17 |
Family
ID=72383266
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010393648.5A Active CN111669123B (zh) | 2020-05-11 | 2020-05-11 | 用于对光伏组串进行故障诊断的方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111669123B (zh) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112180792B (zh) * | 2020-09-30 | 2022-07-12 | 阳光电源股份有限公司 | 光伏系统报警处理方法、装置及监控设备 |
| CN112269110A (zh) * | 2020-10-19 | 2021-01-26 | 合肥阳光新能源科技有限公司 | 一种电弧故障判定方法 |
| CN112986839B (zh) * | 2021-02-25 | 2021-12-03 | 北京理工大学 | 基于置信区间的锂离子动力电池组的故障诊断方法与系统 |
| CN113918376B (zh) * | 2021-12-14 | 2022-03-04 | 湖南天云软件技术有限公司 | 故障检测方法、装置、设备及计算机可读存储介质 |
| CN114841081A (zh) * | 2022-06-21 | 2022-08-02 | 国网河南省电力公司郑州供电公司 | 一种电力设备异常事故控制方法及系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9880230B1 (en) * | 2011-07-25 | 2018-01-30 | Clean Power Research, L.L.C. | System and method for inferring operational specifications of a photovoltaic power generation system using net load with the aid of a digital computer |
| CN109842373A (zh) * | 2019-04-15 | 2019-06-04 | 国网河南省电力公司电力科学研究院 | 基于时空分布特性的光伏阵列故障诊断方法及装置 |
| CN110336534A (zh) * | 2019-07-15 | 2019-10-15 | 龙源（北京）太阳能技术有限公司 | 一种基于光伏阵列电气参数时间序列特征提取的故障诊断方法 |
| CN110518880A (zh) * | 2016-11-03 | 2019-11-29 | 许继集团有限公司 | 一种光伏电站状态诊断方法及装置 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105184404B (zh) * | 2015-08-31 | 2018-12-18 | 中国科学院广州能源研究所 | 适用于光伏系统全生命周期的输出功率分类预测系统 |
| EP3523702B1 (en) * | 2016-10-05 | 2020-07-01 | Telecom Italia S.p.A. | Method and system for estimating energy generation based on solar irradiance forecasting |
| CN110110912B (zh) * | 2019-04-26 | 2021-09-28 | 华北电力大学 | 一种光伏功率多模型区间预测方法 |
-
2020
- 2020-05-11 CN CN202010393648.5A patent/CN111669123B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9880230B1 (en) * | 2011-07-25 | 2018-01-30 | Clean Power Research, L.L.C. | System and method for inferring operational specifications of a photovoltaic power generation system using net load with the aid of a digital computer |
| CN110518880A (zh) * | 2016-11-03 | 2019-11-29 | 许继集团有限公司 | 一种光伏电站状态诊断方法及装置 |
| CN109842373A (zh) * | 2019-04-15 | 2019-06-04 | 国网河南省电力公司电力科学研究院 | 基于时空分布特性的光伏阵列故障诊断方法及装置 |
| CN110336534A (zh) * | 2019-07-15 | 2019-10-15 | 龙源（北京）太阳能技术有限公司 | 一种基于光伏阵列电气参数时间序列特征提取的故障诊断方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111669123A (zh) | 2020-09-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111669123B (zh) | 用于对光伏组串进行故障诊断的方法和装置 | |
| CN114819415B (zh) | 一种基于数据分析的电力设备故障预测系统 | |
| CN110535159B (zh) | 一种规模化储能电站运行单元故障预警的方法及系统 | |
| CN112433907B (zh) | 不间断电源的主机运行参量数据的处理方法、装置和电子装置 | |
| CN111458149B (zh) | 一种滚动轴承性能及使用寿命的预测方法及系统 | |
| CN110646685A (zh) | 一种开关柜状态综合评估方法 | |
| CN107103425B (zh) | 发电设备运行状态计算机智能量化评价系统 | |
| CN110412417B (zh) | 基于智能电力监测仪表的微电网数据故障诊断方法 | |
| CN109613372B (zh) | 一种基于多元电网数据库的电网故障诊断方法 | |
| CN114970665A (zh) | 模型训练方法、电解电容剩余寿命预测方法及系统 | |
| CN114201483A (zh) | 一种基于统计建模的光伏阵列故障诊断方法 | |
| CN113176530B (zh) | 一种基于拆回表运行特征的在运电能表批次故障诊断方法 | |
| CN117494009A (zh) | 基于绝缘材料热解分析的电气设备状态评估方法及云平台 | |
| CN111931969A (zh) | 一种基于时序分析的合并单元设备状态预测方法 | |
| CN116754967A (zh) | 用于储能电站电化学电池在线评估的方法和系统 | |
| CN106053978B (zh) | 一种基于窗口的卫星非周期性遥测模拟量判读方法 | |
| CN114970311A (zh) | 一种远端模块寿命预测模型的建立方法与寿命预测方法 | |
| CN114412447A (zh) | 一种螺杆泵井的故障检测方法及装置 | |
| CN110456191B (zh) | 一种超大规模电池储能电站运行单元检测的方法及系统 | |
| CN116993329B (zh) | 一种基于数据分析的通讯设备运行维修决策管理系统 | |
| CN113541600B (zh) | 光伏电站支路故障判断方法、系统、设备及存储介质 | |
| CN116774057B (zh) | 一种训练电池寿命预测模型和预测电池寿命的方法及装置 | |
| CN117411436B (zh) | 光伏组件状态检测方法、系统及存储介质 | |
| CN113486291B (zh) | 一种基于深度学习的石油钻机微电网故障预测方法 | |
| CN114781762A (zh) | 一种基于寿命消耗的装备故障预测方法 |
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 |
Address after: 102209 245 shunsha Road, Dongliu, Xiaotangshan Town, Changping District, Beijing (future science and technology city) Applicant after: National Energy Group New Energy Technology Research Institute Co.,Ltd. Address before: 102209 245 shunsha Road, Dongliu, Xiaotangshan Town, Changping District, Beijing (future science and technology city) Applicant before: GUODIAN NEW ENERGY TECHNOLOGY RESEARCH INSTITUTE Co.,Ltd. |
|
| CB02 | Change of applicant information | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |