CN113872526B - 基于最小不匹配度故障电流预测的光伏阵列故障诊断方法 - Google Patents
基于最小不匹配度故障电流预测的光伏阵列故障诊断方法 Download PDFInfo
- Publication number
- CN113872526B CN113872526B CN202111123315.1A CN202111123315A CN113872526B CN 113872526 B CN113872526 B CN 113872526B CN 202111123315 A CN202111123315 A CN 202111123315A CN 113872526 B CN113872526 B CN 113872526B
- Authority
- CN
- China
- Prior art keywords
- photovoltaic
- current
- fault
- photovoltaic array
- mpp
- 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 20
- 238000003745 diagnosis Methods 0.000 title claims abstract description 12
- 238000012360 testing method Methods 0.000 claims abstract description 12
- 238000004364 calculation method Methods 0.000 claims description 7
- 230000035772 mutation Effects 0.000 claims description 7
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 claims description 3
- 238000003491 array Methods 0.000 claims description 3
- 238000005259 measurement Methods 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 230000003595 spectral effect Effects 0.000 claims description 3
- 230000035945 sensitivity Effects 0.000 abstract description 4
- 238000001514 detection method Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 3
- 238000002070 Raman circular dichroism spectroscopy Methods 0.000 description 2
- 238000002955 isolation Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000009792 diffusion process 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
- H02S50/15—Testing of PV devices, e.g. of PV modules or single PV cells using optical means, e.g. using electroluminescence
-
- 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
- Photovoltaic Devices (AREA)
Abstract
本发明公开了一种基于最小不匹配度故障电流预测的光伏阵列故障诊断方法，它包括：步骤1、利用光伏阵列运行在最大功率点的信息计算光伏阵列中所处位置的太阳实际辐照度G和温度TC；步骤2、利用光伏组件在标准测试条件下的物理参数值，计算在太阳实际辐照度G和温度TC下的光伏组件实际物理参数值；步骤3、计算发生最小不匹配度故障时的光伏组件电流突变量；步骤4、结合最小不匹配度故障时的光伏组件电流变化量对光伏阵列进行故障检测；解决了现有技术光伏阵列和组件的保护存在盲区，并且保护的灵敏性和可靠性都得不到保证等技术问题。
Description
技术领域
本发明属于光伏阵列故障诊断技术领域；尤其涉及一种基于最小不匹配度故障电流预测的光伏阵列故障诊断方法。
背景技术
根据光伏电站的直流母线是否接地，可分为接地型光伏系统和不接地型光伏系统。接地型光伏系统的直流母线负极通过接地故障检测隔离(Ground fault detectionand interruption,GFDI)熔断器装置与大地相连，GFDI通常使用普通的保险丝来完成光伏组件的简单过流保护，对于光伏阵列和组件的保护存在盲区，并且保护的灵敏性和可靠性都得不到保证，受故障位置的影响，发生故障时，流过光伏阵列的故障电流经常远远小于GFDI熔断器的熔断电流，导致熔断器无法动作。非接地型光伏系统通常使用残余电流检测装置(Residual current devices,RCDs)采集光伏电站的直流正负极母线电流之差作为动作信号来控制逆变器，以便实现光伏阵列故障隔离，RCDs的保护性能与GFDI相似，同样存在保护盲区。
发明内容
本发明要解决的技术问题：提供一种基于最小不匹配度故障电流预测的光伏阵列故障诊断方法，以解决现有技术光伏阵列和组件的保护存在盲区，并且保护的灵敏性和可靠性都得不到保证等技术问题。
本发明技术方案：
一种基于最小不匹配度故障电流预测的光伏阵列故障诊断方法，
它包括：
步骤1、利用光伏阵列运行在最大功率点的信息计算光伏阵列中所处位置的太阳实际辐照度G和温度TC；
步骤2、利用光伏组件在标准测试条件下的物理参数值，计算在太阳实际辐照度G和温度TC下的光伏组件实际物理参数值；
步骤3、计算发生最小不匹配度故障时的光伏组件电流突变量；
步骤4、结合最小不匹配度故障时的光伏组件电流变化量对光伏阵列进行故障检测。
步骤1所述计算光伏阵列中所处位置的实际太阳辐照度和温度的方法为：光伏逆变器的MPPT算法使得太阳能电池的输出功率为最大值，即Pmpp＝VmppImpp，Vmpp和Impp分别为光伏电池在输出功率最大时所对应的电压和电流；在标准测试条件下辐照度为GSTC＝1000W/m2，温度为TC,STC＝25℃，在AM1.5的光谱条件下光伏电池的最大输出功率表达式为Pmpp,STC＝Vmpp,STCImpp,STC，式中Vmpp,STC和Impp,STC分别为标准测试条件下最大功率点所对应的输出电压和输出电流；
光伏电池在最大功率点的电流Impp与太阳辐照度的关系表达式系为：
G和GSTC分别为光伏阵列所在位置的实际辐照度和标准辐照度；由公式(1)得出：
光伏电池最大功率点的功率与温度之间的关系式为：
式(3)中，γ为最大功率点的温度系数，由式(3)得出：
根据公式(2)和(4)实时计算得出光伏阵列所在处的实际辐照度G和温度TC。
所述计算在太阳实际辐照度G和温度TC下的光伏组件实际物理参数值的方法为：
建立太阳能电池组件的输出电流表达式：
式中a＝nNskTC/q；I0为反向饱和电流；n为二极管影响因子；q为电子电荷常数；k为玻尔兹曼常数；TC为开氏温度；Ns为每个光伏组件中光伏电池串联数；
在太阳实际辐照度G和温度TC下认为串联电阻Rs和极管影响因子n保持不变，则Iph、I0和Rsh参数的计算公式为：
αISC为光伏组件短路电流的温度系数。
步骤3所述最小不匹配度是指：组串中只有一个组件被短接或者两个组串间的故障位置只差1个光伏组件。
步骤3所述计算发生最小不匹配度故障时的光伏组件电流突变量的方法为：
设N为光伏阵列组串的数量，IPV1,…,IPVN为光伏阵列中相应组串的输出电流；当光伏阵列发生最小不匹配度故障时，故障组串中单个非故障光伏组件的电压为：
式(10)中M为每个组串中的光伏组件的数目，Vset为光伏阵列的电压互感器测量值；根据此时的光伏组件电压Vpv计算该时刻光伏组件的输出电流，采用lambert W函数变换为显性函数为：
式(12)中W(X)是lambert W函数，IPVf代表假想发生最小不匹配接地故障后的理论输出电流；根据式(10)～(12)计算出光伏阵列发生最小不匹配度故障时故障组串中的输出电流；
当光伏组串中发生最小不匹配度故障时电流突变量为：
ΔIcal＝abs(IPVf-IPV0) (13)
式(13)中的IPV0为对应组串正常时的输出电流。
步骤4所述结合最小不匹配度故障时的光伏组件电流变化量对光伏阵列进行故障检测的方法为：采集光伏阵列每个组串中首端电流互感器的电流值，并计算电流突变量值，当电流突变量值满足要求时即判为该组串故障。
判断组串故障的具体方法为：采用某段时间内电流突变量的积分来构成判据，假设时间窗内的电流采样点数为Nu，则电流突变量的计算公式为：
ΔIPV(j)＝IPV(j)-IPV(j-Nu) (14)
判据如下式：
式中Krel为可靠系数，当光伏阵列中的某一组串电流判据满足式(15)时，则判断出该光伏组串发生了接地或组串间故障；否则，判断光伏阵列系统处于正常运行状态。
Krel的取值小于1，时间窗取10～30ms。
Krel的取值范围为0.5～0.8。
本发明的有益效果：
本发明在最小故障不匹配度情况下有效识别出光伏阵列发生的故障，当发生最小不匹配度的故障时，整个光伏阵列所呈现出的故障特征非常小，难以分辨；本发明采用的技术方案在发生最小不匹配度故障时能够有效识别出故障，本发明的可靠系数取值范围为0.5～0.8，另判据中的时间窗取10～30ms。当光伏阵列中的某一组串电流判据满足式(15)时，则判断出该光伏组串发生了接地或组串间故障；否则，判断光伏阵列系统处于正常运行状态，保护装置继续执行故障监测的职能。
本发明采用最小故障不匹配度在其他故障时也都能够可靠识别出故障。
解决了现有保护方案存在故障识别盲区、灵敏性和可靠性问题。
附图说明
图1为本发明具体实施方式太阳能电池的等效电路示意图；
图2为本发明具体实施方式光伏阵列的最小不匹配度故障示意图。
具体实施方式
一种基于最小不匹配度故障电流预测的光伏阵列故障诊断方法，它具体包括：
步骤(1)计算光伏阵列处的太阳辐照度和温度：
光伏逆变器采用最大功率点跟踪(Maximum Power Point Tracking，MPPT)算法使得光伏阵列总是运行于最大功率点。本专利首先利用光伏阵列运行在最大功率点的相关信息计算光伏阵列中所处位置的太阳辐照度和温度。图1为太阳电池的等效电路图，在图1中Iph为光生电流，ID为太阳能电池的pn结扩散电流，Rsh为并联电阻，Rs为串联电阻，Vpv和Ipv分别为光伏电池的输出电压和电流。光伏逆变器的MPPT算法使得太阳能电池的输出功率为最大值，即Pmpp＝VmppImpp，其中Vmpp和Impp分别为光伏电池在输出功率最大时所对应的电压和电流。在标准测试条件下，即辐照度为GSTC＝1000W/m2，温度为TC,STC＝25℃，AM1.5的光谱条件下光伏电池的最大输出功率表达式为Pmpp,STC＝Vmpp,STCImpp,STC，式中Vmpp,STC和Impp,STC分别为标准测试条件下最大功率点所对应的输出电压和输出电流。
光伏电池在最大功率点(MPP)的电流Impp与太阳辐照度的关系有如下关系式。
式(1)中每个光伏组件在出厂时都会由厂家给出对应的Vmpp,STC和Impp,STC值，G和GSTC分别为光伏阵列所在位置的实际辐照度和标准辐照度。由公式(1)可以得出：
由式(2)可以看出，由逆变器实际运行的最大功率点处电流就可以推算出太阳辐照度G。光伏电池的最大功率点的功率与温度之间的关系如下式所示：
在式(3)中，γ为最大功率点的温度系数，由光伏组件在出厂时给出，由式(3)可以推导出计算光伏阵列温度的公式为：
由上述可知，根据公式(2)和(4)可以实时计算得出光伏阵列所在处的实际辐照度G和温度TC。
步骤(2)计算光伏组件在实际运行时的物理参数值：
利用光伏组件在标准测试条件(STC)下的物理参数值(这些参数值在光伏电池组件出厂时已经测试得出)，计算在太阳辐照度G和温度TC下的光伏组件实际物理参数值。由图1可知，太阳能电池组件的输出电流可以表示为：
在上式中，a＝nNskTC/q；I0为反向饱和电流；n为二极管影响因子；q为电子电荷常数，为1.6x10-19C；k为玻尔兹曼常数，1.23x10-23J/K；TC为开氏温度；Ns为每个光伏组件中光伏电池串联数，其余参数同上。在太阳辐照度G和温度TC下，一般可以认为串联电阻Rs和极管影响因子n保持不变，Iph、I0和Rsh相关参数的计算公式为：
其中，式(7)中的αISC为光伏组件短路电流的温度系数，在出厂时已经由厂家实测给出。
步骤(3)计算发生最小不匹配度故障时的光伏组件电流变化情况。
光伏阵列发生的最小不匹配度故障如图2所示，所谓最小不匹配度是指组串中只有一个组件被短接，或者两个组串间的故障位置只差1个光伏组件。对于光伏阵列发生单个组串接地故障和组串间故障时，呈现出来的故障特征受到故障位置的强烈影响，故障位置反映出了光伏阵列中各个组串之间的不匹配程度，很显然，当光伏阵列没有故障发生时，光伏阵列中的各个组串完全平衡。图2中的LG1、LL1和LL2分别表示单组串接地，单组串间故障和两组串间故障，在本图中LG1、LL1和LL2的不匹配度均为20％。当发生最小不匹配度的故障时，整个光伏阵列所呈现出的故障特征非常小，难以分辨。如果保护算法在发生最小不匹配度故障时能够有效识别出故障，则在其他故障时都能够可靠识别出故障。
图2中N为光伏阵列组串的数量，IPV1,…,IPVN为光伏阵列中相应组串的输出电流。当光伏阵列发生图2所示的故障时，故障组串中单个非故障光伏组件的电压为：
式(10)中M为每个组串中的光伏组件的数目，对于图2所示的光伏阵列M＝5，Vset为光伏阵列的电压互感器测量值。需要根据此时的光伏组件电压Vpv计算该时刻光伏组件的输出电流。由于式(6)为超越方程无法求解，需要采用lambert W函数变换为显性函数，变换结果下式所示。
式(12)中W(X)就是lambert W函数，为了与正常运行时的光伏组件输出电流符号相区别，使用IPVf代表假想发生最小不匹配接地故障后的理论输出电流。根据式(10)～(12)就可以计算出光伏阵列发生最小不匹配度故障时故障组串中的输出电流。因此当光伏组串中发生最小不匹配度故障时电流突变量为：
ΔIcal＝abs(IPVf-IPV0) (13)
式(13)中的IPV0为对应组串正常时的输出电流。
步骤(4)采用组串单端电流信息的光伏阵列故障检测方法
对图2所示的光伏阵列采集每个组串中首端电流互感器的电流值，并计算电流突变量值，当电流突变量值满足要求时即判为该组串故障，为了提高故障判据的抗干扰性，采用一段时间内电流突变量的积分来构成判据，假设时间窗内的电流采样点数为Nu，则电流突变量的计算公式为：
ΔIPV(j)＝IPV(j)-IPV(j-Nu) (14)
判据如下式：
式(15)中Krel为可靠系数，为了保证当组串发生最小不平衡度故障时装置可以有效检测出故障，Krel的取值应该小于1，取值范围为0.5～0.8，另外为了能够迅速监检测出故障，判据中的时间窗可以取10～30ms。由上述分析可知，当光伏阵列中的某一组串电流判据满足式(15)时，则判断出该光伏组串发生了接地或组串间故障；否则，判断光伏阵列系统处于正常运行状态，保护装置继续执行故障监测的职能。
Claims (4)
1.一种基于最小不匹配度故障电流预测的光伏阵列故障诊断方法，它包括：
步骤1、利用光伏阵列运行在最大功率点的信息计算光伏阵列中所处位置的太阳实际辐照度G和温度TC；
光伏逆变器的MPPT算法使得太阳能电池的输出功率为最大值，即Pmpp＝VmppImpp，Vmpp和Impp分别为光伏电池在输出功率最大时所对应的电压和电流；在标准测试条件下辐照度为GSTC＝1000W/m2，温度为TC,STC＝25℃，在AM1.5的光谱条件下光伏电池的最大输出功率表达式为Pmpp,STC＝Vmpp,STCImpp,STC，式中Vmpp,STC和Impp,STC分别为标准测试条件下最大功率点所对应的输出电压和输出电流；Vpv和Ipv分别为光伏电池的输出电压和电流；Rsh为并联电阻；Iph为光生电流，ID为太阳能电池的pn结扩散电流；
GSTC为光伏阵列所在位置在标准测试条件下标准辐照度；参数Vmpp为光伏电池在输出功率最大时所对应的电压；
光伏电池在最大功率点的电流Impp与太阳辐照度的关系表达式系为：
G和GSTC分别为光伏阵列所在位置的实际辐照度和标准辐照度；由公式(1)得出：
光伏电池最大功率点的功率与温度之间的关系式为：
式(3)中，γ为最大功率点的温度系数，由式(3)得出：
根据公式(2)和(4)实时计算得出光伏阵列所在处的实际辐照度G和温度TC；
步骤2、利用光伏组件在标准测试条件下的物理参数值，计算在太阳实际辐照度G和温度TC下的光伏组件实际物理参数值；
建立太阳能电池组件的输出电流表达式：
式中a＝nNskTC/q；I0为反向饱和电流；n为二极管影响因子；q为电子电荷常数；k为玻尔兹曼常数；TC为开氏温度；Ns为每个光伏组件中光伏电池串联数；
在太阳实际辐照度G和温度TC下认为串联电阻Rs和极管影响因子n保持不变，则Iph、I0和Rsh参数的计算公式为：
αISC为光伏组件短路电流的温度系数；
步骤3、计算发生最小不匹配度故障时的光伏组件电流突变量；
步骤3所述计算发生最小不匹配度故障时的光伏组件电流突变量的方法为：
设N为光伏阵列组串的数量，IPV1,…,IPVN为光伏阵列中相应组串的输出电流；当光伏阵列发生最小不匹配度故障时，故障组串中单个非故障光伏组件的电压为：
式(10)中M为每个组串中的光伏组件的数目，Vset为光伏阵列的电压互感器测量值；根据此时的光伏组件电压Vpv计算该时刻光伏组件的输出电流，采用lambert W函数变换为显性函数为：
式(12)中W(X)是lambert W函数，IPVf代表假想发生最小不匹配接地故障后的理论输出电流；根据式(10)～(12)计算出光伏阵列发生最小不匹配度故障时故障组串中的输出电流；
当光伏组串中发生最小不匹配度故障时电流突变量为：
ΔIcal＝abs(IPVf-IPV0) (13)
式(13)中的IPV0为对应组串正常时的输出电流；
步骤4、结合最小不匹配度故障时的光伏组件电流变化量对光伏阵列进行故障检测；
步骤4所述结合最小不匹配度故障时的光伏组件电流变化量对光伏阵列进行故障检测的方法为：采集光伏阵列每个组串中首端电流互感器的电流值，并计算电流突变量值，当电流突变量值满足要求时即判为该组串故障；判断组串故障的具体方法为：采用某段时间内电流突变量的积分来构成判据，假设时间窗内的电流采样点数为Nu，则电流突变量的计算公式为：
ΔIPV(j)＝IPV(j)-IPV(j-Nu) (14)
判据如下式：
式中Krel为可靠系数，当光伏阵列中的某一组串电流判据满足式(15)时，则判断出该光伏组串发生了接地或组串间故障；否则，判断光伏阵列系统处于正常运行状态。
2.根据权利要求1所述的一种基于最小不匹配度故障电流预测的光伏阵列故障诊断方法，其特征在于：步骤3所述最小不匹配度是指：组串中只有一个组件被短接或者两个组串间的故障位置只差1个光伏组件。
3.根据权利要求1所述的一种基于最小不匹配度故障电流预测的光伏阵列故障诊断方法，其特征在于：Krel的取值小于1，时间窗取10～30ms。
4.根据权利要求1所述的一种基于最小不匹配度故障电流预测的光伏阵列故障诊断方法，其特征在于：Krel的取值范围为0.5～0.8。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111123315.1A CN113872526B (zh) | 2021-09-24 | 2021-09-24 | 基于最小不匹配度故障电流预测的光伏阵列故障诊断方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111123315.1A CN113872526B (zh) | 2021-09-24 | 2021-09-24 | 基于最小不匹配度故障电流预测的光伏阵列故障诊断方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113872526A CN113872526A (zh) | 2021-12-31 |
| CN113872526B true CN113872526B (zh) | 2023-07-07 |
Family
ID=78993927
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111123315.1A Active CN113872526B (zh) | 2021-09-24 | 2021-09-24 | 基于最小不匹配度故障电流预测的光伏阵列故障诊断方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113872526B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2024065211A1 (zh) * | 2022-09-27 | 2024-04-04 | 宁德时代新能源科技股份有限公司 | 光伏阵列检测方法和系统 |
Family Cites Families (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100989441B1 (ko) * | 2010-02-23 | 2010-10-26 | 김영일 | 적응형 퍼지모델을 이용한 태양광 발전 제어 시스템 및 이를 이용한 최대전력 추정방법 |
| CN104601108B (zh) * | 2015-02-10 | 2017-02-01 | 河海大学常州校区 | 一种小型光伏电站的故障诊断方法 |
| 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 |
| CN109936335A (zh) * | 2019-03-20 | 2019-06-25 | 重庆大学 | 光伏阵列热斑故障的在线检测方法 |
| CN109933929A (zh) * | 2019-03-20 | 2019-06-25 | 重庆大学 | 等效串联电阻计算方法 |
| CN110781611B (zh) * | 2019-11-13 | 2024-02-27 | 合肥工业大学 | 基于Lambert W函数的光伏组件温度实时计算方法 |
| CN111711414B (zh) * | 2020-06-28 | 2021-08-03 | 齐鲁工业大学 | 一种具有最大功率的光伏电站故障检测装置 |
| CN112327999B (zh) * | 2020-11-02 | 2022-03-11 | 东南大学 | 基于最大功率点跟踪数据的光伏快速检测及精确诊断方法 |
-
2021
- 2021-09-24 CN CN202111123315.1A patent/CN113872526B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN113872526A (zh) | 2021-12-31 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| WO2020029327A1 (zh) | 一种基于改进随机森林算法的光伏阵列故障诊断方法 | |
| Spataru et al. | Diagnostic method for photovoltaic systems based on light I–V measurements | |
| WO2020029344A1 (zh) | 一种基于随机森林算法的光伏阵列故障诊断方法 | |
| Natarajan et al. | Fault detection of solar PV system using SVM and thermal image processing | |
| CN113708726B (zh) | 基于光伏组件电压实时计算比较的光伏阵列故障判别方法 | |
| CN106130480B (zh) | 一种光伏组件户外发电特性与衰减状况测试系统 | |
| Dhimish et al. | Novel open-circuit photovoltaic bypass diode fault detection algorithm | |
| CN105978486B (zh) | 一种硅太阳能电池阵列的故障检测方法 | |
| Chen et al. | A novel fault diagnosis method of PV based-on power loss and IV characteristics | |
| Djalab et al. | Robust method for diagnosis and detection of faults in photovoltaic systems using artificial neural networks | |
| 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 | |
| CN113872526B (zh) | 基于最小不匹配度故障电流预测的光伏阵列故障诊断方法 | |
| Murillo-Soto et al. | Fault detection in solar arrays based on an efficiency threshold | |
| Hariharan et al. | Challenges in the detection of line-line faults in PV arrays due to partial shading | |
| CN111711414B (zh) | 一种具有最大功率的光伏电站故障检测装置 | |
| Compaore et al. | Analysis of the impact of faults in a photovoltaic generator | |
| Gong et al. | Fault diagnosis method of photovoltaic array based on random forest algorithm | |
| CN113919426A (zh) | 基于k-medoids算法的光伏阵列故障识别方法 | |
| Kamath et al. | Performance analysis and fault diagnosis method for concentrator photovoltaic modules | |
| Halwani et al. | A Robust Method for Diagnosis and Localization of Faults in Photovoltaic Panel Strings and Bypass Diodes | |
| Ghazali et al. | A multi-scale dual-stage model for PV array fault detection, classification, and monitoring technique | |
| CN111914421A (zh) | 针对不同故障机理的光伏支路统一建模方法 | |
| Zhao et al. | Fault Monitoring Strategy for PV System Based on IV Feature Library | |
| Wang et al. | Fault diagnosis method based on an improved KNN algorithm for PV strings | |
| CN110868155A (zh) | 一种光伏组串匹配损失的测量方法 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |