CN115208310A - 一种光伏发电系统的监控方法 - Google Patents

一种光伏发电系统的监控方法 Download PDF

Info

Publication number
CN115208310A
CN115208310A CN202210956560.9A CN202210956560A CN115208310A CN 115208310 A CN115208310 A CN 115208310A CN 202210956560 A CN202210956560 A CN 202210956560A CN 115208310 A CN115208310 A CN 115208310A
Authority
CN
China
Prior art keywords
power generation
generation system
photovoltaic power
mpp
current
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
Application number
CN202210956560.9A
Other languages
English (en)
Inventor
霍灿炘
黄喜书
温清钢
廖伟华
张志辉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China ComService Construction Co Ltd
Original Assignee
China ComService Construction Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by China ComService Construction Co Ltd filed Critical China ComService Construction Co Ltd
Priority to CN202210956560.9A priority Critical patent/CN115208310A/zh
Publication of CN115208310A publication Critical patent/CN115208310A/zh
Pending legal-status Critical Current

Links

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
    • 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

Landscapes

  • Photovoltaic Devices (AREA)

Abstract

本发明公开了一种光伏发电系统的监控方法，涉及光伏发电技术领域。通过无线传感器网络获取光伏发电系统的环境参数和电能参数；将环境参数进行预处理输入ANFIS模型，得到光伏发电系统的预计MPP；若预计MPP与实际MPP之间的差距大于第一预设阈值，则确定光伏发电系统异常，则根据电能参数生成光伏发电系统的I‑U曲线；根据I‑U曲线与实际MPP之间的关系，确定光伏发电系统的故障类型。使用ANFIS模型可以根据环境参数预估光伏发电系统的预计MPP，与实际MPP进行比较即可确定光伏发电系统是否存在故障，并能根据I‑U曲线检测具体的故障类型，为光伏故障维修提供精准的数据支撑，提高了光伏故障的检测和维修效率。

Description

一种光伏发电系统的监控方法
技术领域
本发明涉及光伏发电技术领域，具体涉及一种光伏发电系统的监控方法。
背景技术
光伏系统的性能受温度、辐照和光伏组件故障等因素的影响。光伏故障会导致发电量急剧下降，从而使系统运行不充分，不仅增加了投资回报期，而且降低了光伏组件的使用寿命。为了快速检测光伏故障，持续的实时监控和诊断工具成为实现光伏组件高产量性能、质量和寿命的最重要因素。
发明内容
本发明的目的就在于解决上述背景技术的问题，而提出一种光伏发电系统的监控方法。
本发明的目的可以通过以下技术方案实现：
本发明实施例提供了一种光伏发电系统的监控方法，所述方法包括：
通过无线传感器网络获取光伏发电系统的环境参数和电能参数；
将所述环境参数进行预处理，输入预设的自适应网络模糊推理ANFIS模型，得到所述光伏发电系统的预计最大功率工作点MPP；所述环境参数包括所述光伏发电系统当前的太阳辐照和环境温度；
若所述预计MPP与实际MPP之间的差距大于第一预设阈值，则确定所述光伏发电系统异常，则根据所述电能参数生成所述光伏发电系统的I-U曲线；所述电能参数包括所述光伏发电系统实时输出的第一电压和第一电流；
根据所述I-U曲线与所述实际MPP之间的关系，确定所述光伏发电系统的故障类型。
可选地，将所述环境参数进行预处理包括：
根据所述太阳辐照和所述环境温度计算所述光伏发电系统的太阳能电池温度：
Figure 100002_DEST_PATH_IMAGE001
其中，
Figure 114732DEST_PATH_IMAGE002
为所述太阳能电池温度，
Figure 100002_DEST_PATH_IMAGE003
为所述环境温度，
Figure 751381DEST_PATH_IMAGE004
为当所述太阳能电池 处于开路状态，环境的温度20℃、辐照800W/㎡情况时，所述太阳能电池所达到的温度，
Figure 100002_DEST_PATH_IMAGE005
为 所述太阳辐照。
可选地，根据所述电能参数生成所述光伏发电系统的I-U曲线包括：
建立所述光伏发电系统的太阳能电池的等效电路模型；所述等效电路模型中所述太阳能电池以反并联二极管的电流源表示，且所述电流源并联泄露电阻串联耗损电阻；
根据所述等效电路模型建立I-U方程组；
使用Newton-Raphson迭代方法求解所述I-U方程组，生成所述光伏发电系统的I-U曲线。
可选地，所述I-U方程组为：
Figure 218266DEST_PATH_IMAGE006
其中，
Figure 100002_DEST_PATH_IMAGE007
和
Figure 256760DEST_PATH_IMAGE008
分别为第一电压和第一电流，
Figure 100002_DEST_PATH_IMAGE009
为光生电流，
Figure 705059DEST_PATH_IMAGE010
和
Figure DEST_PATH_IMAGE011
分别为流 经二极管和泄露电阻
Figure 374811DEST_PATH_IMAGE012
的电流，
Figure DEST_PATH_IMAGE013
为短路电流，
Figure 114228DEST_PATH_IMAGE014
为无光照时所述太阳能电池的饱 和暗电流，
Figure DEST_PATH_IMAGE015
和
Figure 459758DEST_PATH_IMAGE016
为所述光伏发电系统的额定的太阳辐照和电池温度，
Figure DEST_PATH_IMAGE017
为短路电 流温度系数，
Figure 423166DEST_PATH_IMAGE018
为电子电荷量，
Figure DEST_PATH_IMAGE019
为二极管曲线因子，
Figure 299986DEST_PATH_IMAGE020
为玻耳兹曼常数，
Figure DEST_PATH_IMAGE021
为耗损电阻。
可选地，使用Newton-Raphson迭代方法求解所述I-U方程组，生成所述光伏发电系统的I-U曲线包括：
将所述泄露电阻和所述耗损电阻分别赋予初始值；
使用Newton-Raphson迭代方法求解所述I-U方程组，得到最大预期功率；
若所述最大预期功率与所述预计MPP之间的误差大于第二阈值，则改变所述泄露电阻和所述耗损电阻的值；
将上述步骤进行重复迭代，直到所述最大预期功率与所述预计MPP之间的误差不大于第二阈值，则生成所述光伏发电系统的I-U曲线。
可选地，使用最大功率点跟踪MPPT太阳能控制器获取所述光伏发电系统实际MPP；所述MPPT太阳能控制器包括扰动观察算法P&O和粒子群PSO算法；所述方法还包括：
若确定所述光伏发电系统异常，则使用所述PSO算法获取所述光伏发电系统下一周期的所述实际MPP；
否则，使用所述P&O算法获取所述光伏发电系统下一周期的所述实际MPP。
可选地，所述光伏发电系统包括多个电池板PV；
根据所述I-U曲线与所述实际MPP之间的关系，确定所述光伏发电系统的故障类型包括：
若所述实际MPP在所述I-U曲线上，根据所述第一电压和所述第一电流确定所述光伏发电系统的故障类型；
若所述实际MPP不在所述I-U曲线上，则将所述光伏发电系统的所有电池板PV进行排列组合接入，针对每种接入方式进行单独分析，确定所述光伏发电系统的故障类型。
可选地，根据所述第一电压和所述第一电流确定所述光伏发电系统的故障类型包括：
若第一电压为开路电压且第一电流为0，则判断所述光伏发电系统的故障类型为开路故障；
若第一电压为0且第一电流为短路电流，则判断所述光伏发电系统的故障类型为短路故障；
否则，判断所述光伏发电系统的故障类型为MPPT故障。
可选地，针对每种接入方式进行单独分析，确定故障电池板PV包括：
针对每种接入方式，重新计算实际最大功率工作点得到重组MPP，并重新生成重组I-U曲线；
若存在重组MPP为对应重组I-U曲线的最大功率点，则判断该种情况下未接入的电池板PV存在阴影遮挡故障；
否则，将所述实际MPP、第一电压和第一电流与预设故障分析表进行匹配确定所述光伏发电系统的故障类型；所述故障分析表记录了所述实际MPP、第一电压和第一电流相对于预设正常参数区间的变化情况与故障类型之间的关系。
本发明实施例提供了一种光伏发电系统的监控方法，通过无线传感器网络获取光伏发电系统的环境参数和电能参数；将环境参数进行预处理，输入预设的自适应网络模糊推理ANFIS模型，得到光伏发电系统的预计最大功率工作点MPP；环境参数包括光伏发电系统当前的太阳辐照和环境温度；若预计MPP与实际MPP之间的差距大于第一预设阈值，则确定光伏发电系统异常，则根据电能参数生成光伏发电系统的I-U曲线；电能参数包括光伏发电系统实时输出的第一电压和第一电流；根据I-U曲线与实际MPP之间的关系，确定光伏发电系统的故障类型。使用ANFIS模型可以根据环境参数预估光伏发电系统的预计MPP，与实际MPP进行比较即可确定光伏发电系统是否存在故障，并能根据I-U曲线检测具体的故障类型，为光伏故障维修提供精准的数据支撑，提高了光伏故障的检测和维修效率。
附图说明
下面结合附图对本发明作进一步的说明。
图1为本发明实施例提供的一种光伏发电系统的监控方法的流程图；
图2为本发明实施例提供的等效电路模型的示意图。
具体实施方式
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，所描述的实施例仅仅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作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
本发明实施例提供了一种光伏发电系统的监控方法。参见图1，图1为本发明实施例提供的一种光伏发电系统的监控方法的流程图，该方法可以包括以下步骤：
S101，通过无线传感器网络获取光伏发电系统的环境参数和电能参数。
S102，将环境参数进行预处理，输入预设的自适应网络模糊推理ANFIS模型，得到光伏发电系统的预计最大功率工作点MPP。
S103，若预计MPP与实际MPP之间的差距大于第一预设阈值，则确定光伏发电系统异常，则根据电能参数生成光伏发电系统的I-U曲线。
S104，根据I-U曲线与实际MPP之间的关系，确定光伏发电系统的故障类型。
环境参数包括光伏发电系统当前的太阳辐照和环境温度，电能参数包括光伏发电系统实时输出的第一电压和第一电流。
基于本发明实施例提供的一种光伏发电系统的监控方法，使用ANFIS模型可以根据环境参数预估光伏发电系统的预计MPP，与实际MPP进行比较即可确定光伏发电系统是否存在故障，并能根据I-U曲线检测具体的故障类型，为光伏故障维修提供精准的数据支撑，提高了光伏故障的检测和维修效率。
一种实现方式中，通过无线传感器网络获取光伏发电系统的环境参数和电能参数，可以有三种数据传输模式：
时间模式：数据的收集和传输与时间相关，通过时间周期收集数据。根据应用程序，时间周期可以短于几秒或长于几天。
事件模式：在这种情况下，在发生特殊事件时可以发送数据。例如，如果光伏板温度超过固定阈值，传感器节点可以发送警报。
请求模式：在这种模式下，在用户请求时可以发送信息。此模式适用于适合用户的系统。
一种实现方式中，自适应网络模糊推理ANFIS模型包括5层：
第一层：用隶属度函数（membership function）对输入太阳辐照和环境温度进行 模糊化，得到一个
Figure 295624DEST_PATH_IMAGE022
区间内的隶属度（membership grade）；
第二层：将每个环境参数的隶属度相乘，得到每个规则的触发强度（firingstrength）；
第三层：将上一层得到的每条规则的触发强度做归一化，表征该规则在整个规则库中的触发比重，即在整个推理过程中使用到这条规则的程度（概率）；
第四层：计算规则的结果，一般由输入特征的线性组合给出；
第五层：去模糊化得到确切的输出，最终的系统输出结果为每条规则的结果的加权平均（权重为规则的归一化触发程度）。
在一个实施例中，将环境参数进行预处理包括：
根据太阳辐照和环境温度计算光伏发电系统的太阳能电池温度：
Figure 774623DEST_PATH_IMAGE001
（1）
其中，
Figure 564724DEST_PATH_IMAGE002
为太阳能电池温度，
Figure 584633DEST_PATH_IMAGE003
为环境温度，
Figure 603535DEST_PATH_IMAGE004
为当太阳能电池处于开路状 态，环境的温度20℃、辐照800W/㎡情况时，太阳能电池所达到的温度，
Figure 454817DEST_PATH_IMAGE005
为太阳辐照。
在一个实施例中，参见图2，图2为本发明实施例提供的等效电路模型的示意图。根据电能参数生成光伏发电系统的I-U曲线包括：
步骤一，建立光伏发电系统的太阳能电池的等效电路模型。
步骤二，根据等效电路模型建立I-U方程组。
步骤三，使用Newton-Raphson迭代方法求解I-U方程组，生成光伏发电系统的I-U曲线。
等效电路模型中太阳能电池以反并联二极管的电流源表示，且电流源并联泄露电阻串联耗损电阻。
在一个实施例中，I-U方程组为：
Figure DEST_PATH_IMAGE023
（2）
其中，
Figure 228869DEST_PATH_IMAGE007
和
Figure 736074DEST_PATH_IMAGE008
分别为第一电压和第一电流，
Figure 542356DEST_PATH_IMAGE024
为光生电流，
Figure DEST_PATH_IMAGE025
和
Figure 795613DEST_PATH_IMAGE026
分别为 流经二极管和泄露电阻
Figure DEST_PATH_IMAGE027
的电流，
Figure 477917DEST_PATH_IMAGE028
为短路电流，
Figure DEST_PATH_IMAGE029
为无光照时太阳能电池的饱和暗 电流，
Figure 551047DEST_PATH_IMAGE030
和
Figure DEST_PATH_IMAGE031
为光伏发电系统的额定的太阳辐照和电池温度，
Figure 239648DEST_PATH_IMAGE032
为短路电流温度系 数，
Figure 268784DEST_PATH_IMAGE018
为电子电荷量，
Figure 102748DEST_PATH_IMAGE019
为二极管曲线因子，
Figure DEST_PATH_IMAGE033
为玻耳兹曼常数，
Figure 879818DEST_PATH_IMAGE034
为耗损电阻。
一种实现方式中，通常
Figure 27902DEST_PATH_IMAGE018
取值1.6×10－19C，
Figure DEST_PATH_IMAGE035
取值1.38×10－23J/K，
Figure 724594DEST_PATH_IMAGE032
取值为 0.0017（A/℃），
Figure 995038DEST_PATH_IMAGE030
取值为1000W/m2，
Figure 449284DEST_PATH_IMAGE031
取值为25℃，
Figure 197798DEST_PATH_IMAGE036
在
Figure DEST_PATH_IMAGE037
之间取值。
在一个实施例中，使用Newton-Raphson迭代方法求解I-U方程组，生成光伏发电系统的I-U曲线包括：
步骤一，将泄露电阻和耗损电阻分别赋予初始值。
步骤二，使用Newton-Raphson迭代方法求解I-U方程组，得到最大预期功率。
步骤三，若最大预期功率与预计MPP之间的误差大于第二阈值，则改变泄露电阻和耗损电阻的值。
步骤四，将上述步骤进行重复迭代，直到最大预期功率与预计MPP之间的误差不大于第二阈值，则生成光伏发电系统的I-U曲线。
在一个实施例中，使用最大功率点跟踪MPPT太阳能控制器获取光伏发电系统实际MPP；MPPT太阳能控制器包括扰动观察算法P&O和粒子群PSO算法；该方法还包括:
步骤一，若确定光伏发电系统异常，则使用PSO算法获取光伏发电系统下一周期的实际MPP。
步骤二，否则，使用P&O算法获取光伏发电系统下一周期的实际MPP。
在一个实施例中，光伏发电系统包括多个电池板PV；
步骤S104包括：
步骤一，若实际MPP在I-U曲线上，根据第一电压和第一电流确定光伏发电系统的故障类型。
步骤二，若实际MPP不在I-U曲线上，则将光伏发电系统的所有电池板PV进行排列组合接入，针对每种接入方式进行单独分析，确定光伏发电系统的故障类型。
在一个实施例中，根据第一电压和第一电流确定光伏发电系统的故障类型包括：
若第一电压为开路电压且第一电流为0，则判断光伏发电系统的故障类型为开路故障。
若第一电压为0且第一电流为短路电流，则判断光伏发电系统的故障类型为短路故障。
否则，判断光伏发电系统的故障类型为MPPT故障。
在一个实施例中，针对每种接入方式进行单独分析，确定故障电池板PV包括：
步骤一，针对每种接入方式，重新计算实际最大功率工作点得到重组MPP，并重新生成重组I-U曲线。
步骤二，若存在重组MPP为对应重组I-U曲线的最大功率点，则判断该种情况下未接入的电池板PV存在阴影遮挡故障。
步骤三，否则，将实际MPP、第一电压和第一电流与预设故障分析表进行匹配确定光伏发电系统的故障类型。
故障分析表记录了实际MPP、第一电压和第一电流相对于预设正常参数区间的变化情况与故障类型之间的关系。
一种实现方式中，参见表一，仅以表一为例对故障分析表进行说明，实际故障类型的种类并不限于表一中记载的种类。表一中降低表示实际MPP、第一电压和第一电流的数值比预设正常参数区间的数值低，上升表示实际MPP、第一电压和第一电流的数值比预设正常参数区间的数值高，空格表示实际MPP、第一电压和第一电流的数值位于预设正常参数区间内。
表一
Figure DEST_PATH_IMAGE039
以上对本发明的一个实施例进行了详细说明，但所述内容仅为本发明的较佳实施例，不能被认为用于限定本发明的实施范围。凡依本发明申请范围所作的均等变化与改进等，均应仍归属于本发明的专利涵盖范围之内。

Claims (9)

1.一种光伏发电系统的监控方法，其特征在于，所述方法包括：
通过无线传感器网络获取光伏发电系统的环境参数和电能参数；
将所述环境参数进行预处理，输入预设的自适应网络模糊推理ANFIS模型，得到所述光伏发电系统的预计最大功率工作点MPP；所述环境参数包括所述光伏发电系统当前的太阳辐照和环境温度；
若所述预计MPP与实际MPP之间的差距大于第一预设阈值，则确定所述光伏发电系统异常，则根据所述电能参数生成所述光伏发电系统的I-U曲线；所述电能参数包括所述光伏发电系统实时输出的第一电压和第一电流；
根据所述I-U曲线与所述实际MPP之间的关系，确定所述光伏发电系统的故障类型。
2.基于权利要求1所述的一种光伏发电系统的监控方法，其特征在于，将所述环境参数进行预处理包括：
根据所述太阳辐照和所述环境温度计算所述光伏发电系统的太阳能电池温度：
Figure DEST_PATH_IMAGE001
其中，
Figure 890271DEST_PATH_IMAGE002
为所述太阳能电池温度，
Figure DEST_PATH_IMAGE003
为所述环境温度，
Figure 211662DEST_PATH_IMAGE004
为当所述太阳能电池处于 开路状态，环境的温度20℃、辐照800W/㎡情况时，所述太阳能电池所达到的温度，
Figure DEST_PATH_IMAGE005
为所述 太阳辐照。
3.基于权利要求2所述的一种光伏发电系统的监控方法，其特征在于，根据所述电能参数生成所述光伏发电系统的I-U曲线包括：
建立所述光伏发电系统的太阳能电池的等效电路模型；所述等效电路模型中所述太阳能电池以反并联二极管的电流源表示，且所述电流源并联泄露电阻串联耗损电阻；
根据所述等效电路模型建立I-U方程组；
使用Newton-Raphson迭代方法求解所述I-U方程组，生成所述光伏发电系统的I-U曲线。
4.基于权利要求3所述的一种光伏发电系统的监控方法，其特征在于，所述I-U方程组为：
Figure 421057DEST_PATH_IMAGE006
其中，
Figure DEST_PATH_IMAGE007
和
Figure 153390DEST_PATH_IMAGE008
分别为第一电压和第一电流，
Figure DEST_PATH_IMAGE009
为光生电流，
Figure 818376DEST_PATH_IMAGE010
和
Figure 146720DEST_PATH_IMAGE011
分别为流经二 极管和泄露电阻
Figure DEST_PATH_IMAGE012
的电流，
Figure 459890DEST_PATH_IMAGE013
为短路电流，
Figure DEST_PATH_IMAGE014
为无光照时所述太阳能电池的饱和暗电 流，
Figure 910594DEST_PATH_IMAGE015
和
Figure DEST_PATH_IMAGE016
为所述光伏发电系统的额定的太阳辐照和电池温度，
Figure 528788DEST_PATH_IMAGE017
为短路电流温度 系数，
Figure DEST_PATH_IMAGE018
为电子电荷量，
Figure 189052DEST_PATH_IMAGE019
为二极管曲线因子，
Figure DEST_PATH_IMAGE020
为玻耳兹曼常数，
Figure 825570DEST_PATH_IMAGE021
为耗损电阻。
5.基于权利要求3所述的一种光伏发电系统的监控方法，其特征在于，使用Newton-Raphson迭代方法求解所述I-U方程组，生成所述光伏发电系统的I-U曲线包括：
将所述泄露电阻和所述耗损电阻分别赋予初始值；
使用Newton-Raphson迭代方法求解所述I-U方程组，得到最大预期功率；
若所述最大预期功率与所述预计MPP之间的误差大于第二阈值，则改变所述泄露电阻和所述耗损电阻的值；
将上述步骤进行重复迭代，直到所述最大预期功率与所述预计MPP之间的误差不大于第二阈值，则生成所述光伏发电系统的I-U曲线。
6.基于权利要求1所述的一种光伏发电系统的监控方法，其特征在于，使用最大功率点跟踪MPPT太阳能控制器获取所述光伏发电系统实际MPP；所述MPPT太阳能控制器包括扰动观察算法P&O和粒子群PSO算法；所述方法还包括：
若确定所述光伏发电系统异常，则使用所述PSO算法获取所述光伏发电系统下一周期的所述实际MPP；
否则，使用所述P&O算法获取所述光伏发电系统下一周期的所述实际MPP。
7.基于权利要求6所述的一种光伏发电系统的监控方法，其特征在于，所述光伏发电系统包括多个电池板PV；
根据所述I-U曲线与所述实际MPP之间的关系，确定所述光伏发电系统的故障类型包括：
若所述实际MPP在所述I-U曲线上，根据所述第一电压和所述第一电流确定所述光伏发电系统的故障类型；
若所述实际MPP不在所述I-U曲线上，则将所述光伏发电系统的所有电池板PV进行排列组合接入，针对每种接入方式进行单独分析，确定所述光伏发电系统的故障类型。
8.基于权利要求7所述的一种光伏发电系统的监控方法，其特征在于，根据所述第一电压和所述第一电流确定所述光伏发电系统的故障类型包括：
若第一电压为开路电压且第一电流为0，则判断所述光伏发电系统的故障类型为开路故障；
若第一电压为0且第一电流为短路电流，则判断所述光伏发电系统的故障类型为短路故障；
否则，判断所述光伏发电系统的故障类型为MPPT故障。
9.基于权利要求7所述的一种光伏发电系统的监控方法，其特征在于，针对每种接入方式进行单独分析，确定故障电池板PV包括：
针对每种接入方式，重新计算实际最大功率工作点得到重组MPP，并重新生成重组I-U曲线；
若存在重组MPP为对应重组I-U曲线的最大功率点，则判断该种情况下未接入的电池板PV存在阴影遮挡故障；
否则，将所述实际MPP、第一电压和第一电流与预设故障分析表进行匹配确定所述光伏发电系统的故障类型；所述故障分析表记录了所述实际MPP、第一电压和第一电流相对于预设正常参数区间的变化情况与故障类型之间的关系。
CN202210956560.9A 2022-08-10 2022-08-10 一种光伏发电系统的监控方法 Pending CN115208310A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210956560.9A CN115208310A (zh) 2022-08-10 2022-08-10 一种光伏发电系统的监控方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210956560.9A CN115208310A (zh) 2022-08-10 2022-08-10 一种光伏发电系统的监控方法

Publications (1)

Publication Number Publication Date
CN115208310A true CN115208310A (zh) 2022-10-18

Family

ID=83585163

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210956560.9A Pending CN115208310A (zh) 2022-08-10 2022-08-10 一种光伏发电系统的监控方法

Country Status (1)

Country Link
CN (1) CN115208310A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115833252A (zh) * 2023-02-14 2023-03-21 西安中易建科技集团有限公司 具有变色组件的光伏系统的控制方法、装置及存储介质
CN116317173A (zh) * 2023-05-25 2023-06-23 水电水利规划设计总院 一种运用于光伏项目的储能在线监控系统
CN117650630A (zh) * 2023-12-04 2024-03-05 北京丰诚科技有限公司 一种光伏发电系统

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115833252A (zh) * 2023-02-14 2023-03-21 西安中易建科技集团有限公司 具有变色组件的光伏系统的控制方法、装置及存储介质
CN116317173A (zh) * 2023-05-25 2023-06-23 水电水利规划设计总院 一种运用于光伏项目的储能在线监控系统
CN116317173B (zh) * 2023-05-25 2023-11-21 水电水利规划设计总院 一种运用于光伏项目的储能在线监控系统
CN117650630A (zh) * 2023-12-04 2024-03-05 北京丰诚科技有限公司 一种光伏发电系统

Similar Documents

Publication Publication Date Title
Dhimish et al. Comparing Mamdani Sugeno fuzzy logic and RBF ANN network for PV fault detection
CN115208310A (zh) 一种光伏发电系统的监控方法
Ducange et al. An intelligent system for detecting faults in photovoltaic fields
Jiang et al. Automatic fault detection and diagnosis for photovoltaic systems using combined artificial neural network and analytical based methods
KR102148761B1 (ko) 태양광 발전 시스템의 고장 진단 장치
Dhimish et al. Photovoltaic hot-spots fault detection algorithm using fuzzy systems
Abd el-Ghany et al. A new monitoring technique for fault detection and classification in PV systems based on rate of change of voltage-current trajectory
Zhu et al. Study of joint temporal-spatial distribution of array output for large-scale photovoltaic plant and its fault diagnosis application
Andrianajaina et al. PV fault detection using the least squares method
Djalab et al. Robust method for diagnosis and detection of faults in photovoltaic systems using artificial neural networks
Kabir et al. Isolation forest based anomaly detection and fault localization for solar PV system
CN118134290B (zh) 一种基于改进anfis的光伏阵列运行状态评估及故障诊断方法
CN106845562A (zh) 光伏组件的故障监测系统及数据处理方法
Al-Kashashnehand et al. Wireless Sensor Network Based Real-Time Monitoring and Fault Detection for Photovoltaic Systems
Al Abri et al. A Design of Partial Shading Detection Method and Global Power Point Searching Technique for Grid-Connected PV System Operating Under Partial Shading Condition
Harrou et al. Online model-based fault detection for grid connected PV systems monitoring
Gong et al. Fault diagnosis method of photovoltaic array based on random forest algorithm
Ghazali et al. A multi-scale dual-stage model for PV array fault detection, classification, and monitoring technique
Zare et al. Fault diagnosis in photovoltaic modules using a straightforward voltage-current characteristics evaluation
Yu et al. Support vector regression based maximum power point tracking for PV grid-connected system
Nedaei et al. A Bi-Level Line-Line Fault Detection Model for Photovoltaic Arrays Using RBM-Based Automatic Feature Extraction
Yang et al. Long Short-term Memory-based Feedforward Neural Network Algorithm for Photovoltaic Fault Detection under Irradiance Conditions
Wang et al. Fault diagnosis method based on an improved KNN algorithm for PV strings
Qin et al. Research on fault diagnosis method of spacecraft solar array based on f-KNN algorithm
Zeljković et al. Probabilistic Techno-Economic Assessment of Wind-PV-Diesel-Battery Power Supplies for Mobile Telephony Base Stations

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