CN114039547A - 一种光伏组件隐裂故障的诊断方法 - Google Patents
一种光伏组件隐裂故障的诊断方法 Download PDFInfo
- Publication number
- CN114039547A CN114039547A CN202111298768.8A CN202111298768A CN114039547A CN 114039547 A CN114039547 A CN 114039547A CN 202111298768 A CN202111298768 A CN 202111298768A CN 114039547 A CN114039547 A CN 114039547A
- Authority
- CN
- China
- Prior art keywords
- current
- photovoltaic module
- fault
- under
- curve
- 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.)
- Withdrawn
Links
- 238000000034 method Methods 0.000 title claims abstract description 26
- 238000003745 diagnosis Methods 0.000 title claims abstract description 25
- 230000002159 abnormal effect Effects 0.000 claims abstract description 10
- 238000004364 calculation method Methods 0.000 claims description 19
- 238000012360 testing method Methods 0.000 claims description 5
- 239000004576 sand Substances 0.000 claims description 4
- 230000005856 abnormality Effects 0.000 claims description 3
- PHTXVQQRWJXYPP-UHFFFAOYSA-N ethyltrifluoromethylaminoindane Chemical compound C1=C(C(F)(F)F)C=C2CC(NCC)CC2=C1 PHTXVQQRWJXYPP-UHFFFAOYSA-N 0.000 claims 1
- 230000003287 optical effect Effects 0.000 abstract description 3
- 238000001514 detection method Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 239000013078 crystal Substances 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 4
- 238000005070 sampling Methods 0.000 description 4
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000010248 power generation Methods 0.000 description 3
- 229910052710 silicon Inorganic materials 0.000 description 3
- 239000010703 silicon Substances 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005401 electroluminescence Methods 0.000 description 1
- 238000012854 evaluation process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000001931 thermography 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- 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
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Photovoltaic Devices (AREA)
- Testing Of Individual Semiconductor Devices (AREA)
Abstract
本发明提供一种光伏组件隐裂故障的诊断方法,包括:获取光伏组件I‑V输出特性数据,判断光伏组件是否输出电流异常,对于待诊断的异常光伏组件数据,进一步判断输出曲线是否存在多峰,根据单峰和多峰状态分别计算特征参数,构建二分类模型判断光伏组件是否存在隐裂故障以及评估故障程度。该光伏组件隐裂故障的诊断方法无需实验室内复杂且高成本的光学仪器设备,仅借助光伏组件I‑V输出特性数据即可实现隐裂故障的有效诊断和评估。
Description
技术领域:
本发明涉及光伏发电技术领域,尤其涉及一种光伏组件隐裂故障的诊断方法。
背景技术:
随着光伏产业的发展,光伏组件的发电效率及其稳定可靠性日益受到重视。其中,隐裂是近些年在光伏电站运行时发现的,晶硅组件由于其晶体结构容易发生破裂,加之晶硅电池片趋向薄化,降低了组件抗机械破坏的能力,因而更易产生隐裂。隐裂会降低组件的效率、可靠性和使用寿命,乃至影响光伏系统的稳定性。因此,对于隐裂故障的准确诊断具有重要的现实意义。
由于光伏组件的隐裂很难直接通过肉眼观察到,因此现有对于隐裂故障检测方法主要基于红外热成像检测,有电致发光EL测试、超声波共振RUV等,然而这类诊断方法依赖于精密光学仪器,且需要在实验室内检测,检测过程复杂且成本较高。而基于输出特性曲线和参数计算的故障诊断方法简单,输出特性曲线可表征组件输出性能的变化,特征参数基于太阳电池单二极管等效电路模型可以表征电池内部性能变化;为实现故障诊断,结合输出特性曲线和模型特征参数,确定故障状态评估特征量,可实现光伏组件异常状态诊断和故障程度评估,确保光伏电站安全、稳定发电。
发明内容:
本发明的目的在于克服现有技术中的不足,提供一种光伏组件隐裂故障的诊断方法,解决现有技术中隐裂故障的诊断需要复杂仪器和成本偏高的技术问题。
为达到上述目的,本发明提出一种光伏组件隐裂故障的诊断方法,包括以下步骤:
步骤一:采集待诊断光伏组件的输出特性曲线数据,读取当前气象条件下的最大功率点(Vm,Im);并根据光伏组件铭牌得到STC标准测试条件下短路电流Iscref,结合气象仪测得的辐照度G、温度T计算得到当前气象条件下的短路电流Isc;
步骤二:由当前气象条件下最大功率点电流Im与短路电流Isc计算电流下降比例ηI,并与异常判断阈值PI比较,在ηI>PI的情况下则说明电流输出存在异常,转入步骤三;
步骤三:对于待诊断的异常光伏组件数据,进一步判断输出曲线是否存在多峰状态,当曲线为单峰转到步骤四,否则为多峰转到步骤五;
步骤四:单峰曲线状态下,通过输出电流、输出电压计算等效电路模型参数,获得当前气象条件下的并联电阻Rsh、串联电阻Rs以及光生电流Iph;并转到步骤六;
步骤五:多峰曲线状态下的特征识别根据次峰参数,通过输出电流、输出电压计算等效电路模型参数,获得当前气象条件下次峰的并联电阻Rsh2、串联电阻Rs2以及光生电流Iph2;
步骤六:构建二分类隐裂故障诊断模型,根据输出结果判断是否存在隐裂故障,若存在则需转到步骤七继续评估故障程度;
步骤七:通过各个特征参数对隐裂故障程度的影响关系,建立综合特征变量值计算式,通过隐裂故障光伏组件参数样本对影响权重进行选取,从而得到待判断隐裂故障的综合特征变量值;
可选地:步骤二中,所述阈值PI的取值,是通过正常组件在同等气象条件下输出最大功率点电流和短路电流点计算,并以允许误差修正得到;
可选地:步骤六中所构造的二分类隐裂故障诊断模型,单峰曲线状态下计算特征量Rsh的变化率η1、Rs的变化率η2、Iph的变化率η3;多峰曲线状态下计算Rsh2的变化率η1、Rs2的变化率η2、Iph2的变化率η3;
若η1>0、η2<0、η3>0且|η2/η1|>1,则认为符合隐裂故障的参数变化特征,从而判定待诊断光伏组件存在隐裂故障;
可选地:步骤七中,通过各个特征参数对隐裂故障程度的影响关系,建立综合特征变量计算得到的隐裂故障程度值:
Vδ=δ1f(x1)+δ2f(x2)+δ3f(x3) (1)
式中,δ1~δ3为各个特征参数的影响权重,通过不同程度的隐裂故障参数样本对影响权重进行选取得到;f(x1)~f(x3)为各个参数的影响函数,是待评估光伏组件的各个参数归一化得到,从而计算得到隐裂故障程度值。
与现有技术相比,本发明所达到的效果是:通过太阳电池单二极管等效电路模型内部参数变化,实现了隐裂故障诊断和评估;诊断评估过程不需要借助复杂的光学仪器设备,成本较低推广度高;该诊断方法只需要基于光伏组件铭牌数据和当前状态气象数据,并通过实验获取光伏组件输出特性曲线数据,诊断过程简单快速,可实现隐裂故障的高效诊断和良好的评估效果,对于现场运维工作可节约光伏运维成本,确保光伏电站安全、稳定地发电。
附图说明:
图1本说明书一示例性实施例所述的一种光伏组件隐裂故障的诊断方法的流程图;
图2本说明书一示例性实施例所述的计算单峰曲线参数所需采样点示意图;
图3本说明书一示例性实施例所述的计算多峰曲线参数所需采样点示意图;
图4本说明书一示例性实施例所述的二分类隐裂故障诊断模型示意图。
具体实施方式:
本发明提供了一种光伏组件隐裂故障的诊断方法,为使本发明目的、技术方案及效果更加明晰,通过以下实例对方案进行进一步说明。本发明描述的具体实例仅用于解释本发明,不用于限定本发明。
下面结合附图对本发明作进一步描述,如图1所示是本说明书一示例性实施例所述的一种光伏组件隐裂故障的诊断方法的流程图,包括以下步骤:
步骤一:采集待诊断光伏组件的输出特性曲线数据,读取当前气象条件下的最大功率点(Vm,Im);并根据光伏组件铭牌得到STC标准测试条件下短路电流Iscref,结合气象仪测得的辐照度G、温度T计算得到当前气象条件下的短路电流Isc,计算如下:
上式中,Gref和Tref分别为STC标准测试条件下的辐照量1000W/m2、温度25℃,α为Isc的温度系数。
步骤二:由当前气象条件下最大功率点电流Im与短路电流Isc计算电流下降比例ηI,计算公式如下:
并与异常判断阈值PI比较,若ηI>PI则说明光伏组件输出电流存在异常,需要进行下一步的故障诊断,转入步骤三;
其中,电流下降比例ηI的异常判断阈值PI的取值,是通过正常组件在同等气象条件下输出最大功率点(Vmnormal,Imnormal)和短路电流点计算,并以允许误差修正得到:
上式中,ε为允许误差,取ε=0.02;
步骤三:对于待诊断组件的异常数据,进一步判断输出曲线是否存在多峰,当曲线为单峰转到步骤四,否则为多峰转到步骤五;
其中,判断输出曲线是否存在多峰的判断过程为:首先获取光伏组件的输出特性曲线,以等步长电流为间隔,从组件短路电流点开始到开路电压点结束,依次读取四个相邻检测采样点数据(Ui,Ii)、(Ui+1,Ii+1)、(Ui+2,Ii+2)、(Ui+3,Ii+3),其中(Ui,Ii)为第i个检测采样点,当满足Ui-Ui+1>Ui+1-Ui+2且Ui+1-Ui+2<Ui+2-Ui+3,同时Ui-Ui+1、Ui+1-Ui+2和Ui+2-Ui+3均大于采样误差阈值ξ时,记(Ui+2,Ii+2)为第j个转折点电压;在整条曲线读取结束后,若j=0则判断曲线仅存在单峰,若j≥1则判断曲线为多峰;
步骤四:单峰曲线状态下的参数计算基于新型五参数计算方法,通过输出电流、输出电压计算等效电路模型参数,获得当前气象条件下的并联电阻Rsh、串联电阻Rs以及光生电流Iph;并转到步骤六;
如图2所示是本说明书一示例性实施例所述的计算单峰曲线参数所需采样点示意图,分别为:
(1)短路电流点(0,Isc);
(2)短路电流附近点(δU,Isc+δI),其中δU为电压调制模块调制电压值的最小步长,δI为电流调制模块调制电压值的最小步长,从而:
(3)(Ua,Ia)点,该点电压实际Ua取0.8Uoc;
(4)(Ub,Ib)点,该点电压Ub应靠近Uoc,且不等于Ua;
(5)(U*,I*)点,该点电压U*不能等于Ua、Ub,实际U*取0.7Uoc;
(6)(U*,I*)附近点(U*+δU,I*+δI),从而:
从而参数Rs和Rsh计算公式如下:
求解参数Iph计算如下:
其中,I0计算如下:
其中,nkT/q计算如下:
上式中:
步骤五:多峰曲线状态下的特征识别根据次峰参数,计算同样基于新型五参数计算方法,通过输出电流、输出电压计算等效电路模型参数,获得当前气象条件下的次峰的并联电阻Rsh2、串联电阻Rs2以及光生电流Iph2;
如图3所示是本说明书一示例性实施例所述的计算多峰曲线参数所需采样点示意图,用步骤四同样的方法计算得到次峰的并联电阻Rsh2、串联电阻Rs2以及光生电流Iph2。
步骤六:构建二分类模型,根据输出结果判断是否存在隐裂故障,若存在则需转到步骤七继续评估故障程度;
所构造的二分类隐裂故障诊断模型如图4所示,单峰曲线状态下计算特征量Rsh的变化率η1、Rs的变化率η2、Iph的变化率η3;多峰曲线状态下计算Rsh2的变化率η1、Rs2的变化率η2、Iph2的变化率η3;
若η1>0、η2<0、η3>0且|η2/η1|>1,符合隐裂故障的参数变化特征,从而判定待诊断光伏组件存在隐裂故障,需要进一步估算故障程度。
步骤七:通过各个特征参数对隐裂故障程度的影响关系,建立综合特征变量的计算式如下:
Vδ=δ1f(x1)+δ2f(x2)+δ3f(x3) (13)
上式中,δ1~δ3为各个特征参数的影响权重,通过隐裂故障光伏组件参数样本对影响权重进行选取得到;f(x1)~f(x3)为各个参数的影响函数,是待评估光伏组件的各个参数归一化得到,从而得到隐裂故障程度值,例如f(xi)计算公式为:
上式中,xi为第i个参数的待评估值(单峰下分别为Rsh、Rs、Iph,多峰下分别为Rsh2、Rs2、Iph2),xi0为第i个参数的正常值(分别为Rsh0、Rs0、Iph0),i为1~3的整数。
Claims (4)
1.一种光伏组件隐裂故障的诊断方法,其特征在于,具体步骤如下:
步骤一:采集待诊断光伏组件的输出特性曲线数据,读取当前气象条件下的最大功率点(Vm,Im);并根据光伏组件铭牌得到STC标准测试条件下短路电流Iscref,结合气象仪测得的辐照度G、温度T计算得到当前气象条件下的短路电流Isc;
步骤二:由当前气象条件下最大功率点电流Im与短路电流Isc计算电流下降比例ηI,并与异常判断阈值PI比较,在ηI>PI的情况下则说明电流输出存在异常,转入步骤三,否则退出;
步骤三:对于所述待诊断的异常光伏组件数据,进一步判断输出曲线是否存在多峰状态,当曲线为单峰转到步骤四,否则为多峰转到步骤五;
步骤四:单峰曲线状态下,通过输出电流、输出电压计算等效电路模型参数,获得当前气象条件下的并联电阻Rsh、串联电阻Rs以及光生电流Iph;并转到步骤六;
步骤五:多峰曲线状态下的特征识别根据次峰参数,通过输出电流、输出电压计算等效电路模型参数,获得当前气象条件下次峰的并联电阻Rsh2、串联电阻Rs2以及光生电流Iph2;
步骤六:构建二分类隐裂故障诊断模型,根据输出结果判断是否存在隐裂故障,若存在则需转到步骤七继续评估故障程度;
步骤七:通过各个特征参数对隐裂故障程度的影响关系,建立综合特征变量值计算式,通过隐裂故障光伏组件参数样本对影响权重进行选取,从而得到所述光伏组件隐裂故障的综合特征变量值。
2.根据权利要求1所述的方法,其特征在于:步骤二中,所述阈值PI的取值,是通过正常组件在同等气象条件下输出最大功率点电流和短路电流点计算,并以允许误差修正得到。
3.根据权利要求1所述的方法,其特征在于:步骤六中所构造的二分类隐裂故障诊断模型,单峰曲线状态下计算特征量Rsh的变化率η1、Rs的变化率η2、Iph的变化率η3;多峰曲线状态下计算Rsh2的变化率η1、Rs2的变化率η2、Iph2的变化率η3;
若η1>0、η2<0、η3>0且|η2/η1|>1,则符合隐裂故障的参数变化特征,从而判定所述光伏组件存在隐裂故障。
4.根据权利要求1所述的方法,其特征在于:步骤七中,通过各个特征参数对隐裂故障程度的影响关系,建立综合特征变量计算得到的隐裂故障程度值:
Vδ=δ1f(x1)+δ2f(x2)+δ3f(x3) (1)
式中,δ1~δ3为各个特征参数的影响权重,通过不同程度的隐裂故障参数样本对影响权重进行选取得到;f(x1)~f(x3)为各个参数的影响函数,是所述待评估光伏组件的各个参数归一化得到,从而计算得到隐裂故障程度值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111298768.8A CN114039547A (zh) | 2021-11-04 | 2021-11-04 | 一种光伏组件隐裂故障的诊断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111298768.8A CN114039547A (zh) | 2021-11-04 | 2021-11-04 | 一种光伏组件隐裂故障的诊断方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114039547A true CN114039547A (zh) | 2022-02-11 |
Family
ID=80136399
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111298768.8A Withdrawn CN114039547A (zh) | 2021-11-04 | 2021-11-04 | 一种光伏组件隐裂故障的诊断方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114039547A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115455730A (zh) * | 2022-09-30 | 2022-12-09 | 南京工业大学 | 一种基于完全邻域保持嵌入的光伏组件热斑故障诊断方法 |
-
2021
- 2021-11-04 CN CN202111298768.8A patent/CN114039547A/zh not_active Withdrawn
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115455730A (zh) * | 2022-09-30 | 2022-12-09 | 南京工业大学 | 一种基于完全邻域保持嵌入的光伏组件热斑故障诊断方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108535661B (zh) | 一种基于模型误差谱的动力电池健康状态在线估计方法 | |
CN112083338B (zh) | 一种燃料电池功率衰减实时监测预警方法及系统 | |
CN109901004B (zh) | 一种车载动力电池内短路检测方法和系统 | |
WO2022036830A1 (zh) | 一种燃料电池功率衰减实时监测预警方法及系统 | |
Dhimish et al. | Novel open-circuit photovoltaic bypass diode fault detection algorithm | |
Ma et al. | Photovoltaic module current mismatch fault diagnosis based on IV data | |
CN114035086B (zh) | 基于信号处理的电池组多故障诊断方法 | |
US8570059B2 (en) | Method and device for identifying low-output PV modules in a PV system | |
CN112285587A (zh) | 一种在线车载氢燃料电池阻抗谱测量装置及测量方法 | |
CN114039547A (zh) | 一种光伏组件隐裂故障的诊断方法 | |
Hare et al. | A review of faults and fault diagnosis in micro-grids electrical energy infrastructure | |
Yu et al. | Multi-Fault Diagnosis of Lithium-Ion battery systems based on correlation Coefficient and similarity Approaches | |
CN113595132B (zh) | 基于最大功率点和混合优化算法的光伏在线参数辨识方法 | |
CN111416572A (zh) | 一种太阳电池组件电性能的判别方法 | |
TamizhMani et al. | Simultaneous non-contact IV (NCIV) measurements of photovoltaic substrings and modules in a string | |
CN109885856B (zh) | 基于i-v曲线的光伏组件热斑功率损耗计算方法 | |
CN104253586A (zh) | 一种太阳能电池板电气参数在线测量评价装置及方法 | |
CN115208315A (zh) | 一种基于多故障特征值的光伏智能故障诊断方法 | |
CN116125284A (zh) | 一种锂离子电池内部短路诊断方法及系统 | |
CN115800916A (zh) | 一种光伏电站智能i-v诊断系统 | |
CN214201716U (zh) | 一种在线车载氢燃料电池阻抗谱测量装置 | |
KR102448187B1 (ko) | I-v 곡선의 단위 벡터해석법을 이용한 pv 패널의 고장 감지 방법 | |
CN107508549B (zh) | 一种组串的pid衰减的检测方法 | |
CN117907845B (zh) | 基于电参数分析的电化学储能系统绝缘检测方法 | |
Li et al. | A study on multi-fault diagnosis methods for a series-parallel battery pack |
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 | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20220211 |