CN115955193A - 一种基于i-v曲线逆推的光伏电池故障判断方法及系统 - Google Patents

一种基于i-v曲线逆推的光伏电池故障判断方法及系统 Download PDF

Info

Publication number
CN115955193A
CN115955193A CN202310232916.9A CN202310232916A CN115955193A CN 115955193 A CN115955193 A CN 115955193A CN 202310232916 A CN202310232916 A CN 202310232916A CN 115955193 A CN115955193 A CN 115955193A
Authority
CN
China
Prior art keywords
photovoltaic cell
real
curve
maximum power
time
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.)
Granted
Application number
CN202310232916.9A
Other languages
English (en)
Other versions
CN115955193B (zh
Inventor
陈波
孙旻
曾伟
赵华星
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.)
State Grid Corp of China SGCC
Electric Power Research Institute of State Grid Jiangxi Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
Electric Power Research Institute of State Grid Jiangxi Electric Power 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 State Grid Corp of China SGCC, Electric Power Research Institute of State Grid Jiangxi Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN202310232916.9A priority Critical patent/CN115955193B/zh
Publication of CN115955193A publication Critical patent/CN115955193A/zh
Application granted granted Critical
Publication of CN115955193B publication Critical patent/CN115955193B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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

本发明公开一种基于I‑V曲线逆推的光伏电池故障判断方法及系统，方法包括：求解标准工作状态下的光伏电池模型的对应参数，之后对不同温度及辐照度下的光伏电池模型的对应参数进行求解，并求解不同温度及辐照度下的I‑V曲线，形成I‑V曲线库，之后通过光伏电池在线监测模块，实时测得光伏电池开路电压、短路电流，最大功率点处的电流及电压，将实测光伏电池开路电压、短路电流与I‑V曲线库中的曲线相匹配，定位对应I‑V曲线，最后，将实测的最大功率点处的电流及电压与对应I‑V曲线的最大功率点处的电流及电压进行比较，相差超过预设门槛值时，可判定故障存在。有效提高了光伏电池故障判断的精确性及光伏电站运行的可靠性和经济性。

Description

一种基于I-V曲线逆推的光伏电池故障判断方法及系统
技术领域
本发明属于光伏电池故障分析技术领域，尤其涉及一种基于I-V曲线逆推的光伏电池故障判断方法及系统。
背景技术
太阳能发电是太阳能利用的主要方式之一，光伏电池是太阳能发电系统的核心部件，需要长时间工作在恶劣的自然环境中，各种故障随之而生。这些故障严重地影响着光伏阵列的使用寿命，降低输出功率，更有可能引发火灾，威胁生命和财产安全。因此在线监测光伏电池的运行状态，并能够及时准确地判断其是否发生故障具有十分重要的现实意义。
发明内容
本发明提供一种基于I-V曲线逆推的光伏电池故障判断方法及系统，用于解决无法及时准确地判断光伏电池是否发生故障的技术问题。
第一方面，本发明提供一种基于I-V曲线逆推的光伏电池故障判断方法，包括：
获取光伏电池厂商数据，并根据迭代法求解标准工作状态下的光伏电池参数模型的参数；
对不同温度及辐照度下的光伏电池参数模型的参数进行求解，并基于不同温度及辐照度下的光伏电池参数模型的参数构建不同温度及辐照度下的I-V曲线，形成I-V曲线库；
获取光伏电池的实时开路电压 
Figure SMS_1
、实时短路电流
Figure SMS_2
、最大功率点处的实时电流
Figure SMS_3
以及最大功率点处的实时电压
Figure SMS_4
；
将所述实时开路电压
Figure SMS_7
、所述实时短路电流
Figure SMS_10
与所述I-V曲线库中的曲线相匹配，使定位与所述实时开路电压
Figure SMS_13
、所述实时短路电流
Figure SMS_6
相对应的目标I-V曲线，其中，定位与所述实时开路电压
Figure SMS_9
、所述实时短路电流
Figure SMS_12
相对应的目标I-V曲线具体为：遍历I-V曲线库计算
Figure SMS_15
，筛选出
Figure SMS_5
小于预设电流阈值的
Figure SMS_8
相对应的目标曲线，其中，
Figure SMS_11
为标准工作状态下的光伏电池的短路电流，
Figure SMS_14
为光伏电池的短路电流与实时短路电流的差值；
分别计算所述目标曲线中标准工作状态下的光伏电池的开路电压
Figure SMS_16
与实时开路电压
Figure SMS_17
的差值
Figure SMS_18
，并选取
Figure SMS_19
最小对应的目标曲线作为最终定位的目标I-V曲线；
将实时获取的最大功率点处的实时电流
Figure SMS_20
与最大功率点处的实时电压
Figure SMS_21
相乘得到第一功率
Figure SMS_22
，以及将所述目标I-V曲线中的最大功率点处的电压
Figure SMS_23
与最大功率点处的电流
Figure SMS_24
相乘得到第二功率
Figure SMS_25
；
判断所述第一功率
Figure SMS_26
与所述第二功率
Figure SMS_27
的差值是否大于预设阈值；
若大于，则光伏电池故障存在，否则不存在。
第二方面，本发明提供一种基于I-V曲线逆推的光伏电池故障判断系统，包括：
求解模块，配置为获取光伏电池厂商数据，并根据迭代法求解标准工作状态下的光伏电池参数模型的参数；
构建模块，配置为对不同温度及辐照度下的光伏电池参数模型的参数进行求解，并基于不同温度及辐照度下的光伏电池参数模型的参数构建不同温度及辐照度下的I-V曲线，形成I-V曲线库；
获取模块，配置为获取光伏电池的实时开路电压
Figure SMS_28
、实时短路电流
Figure SMS_29
、最大功率点处的实时电流
Figure SMS_30
以及最大功率点处的实时电压
Figure SMS_31
；
定位模块，配置为将所述实时开路电压
Figure SMS_33
、所述实时短路电流
Figure SMS_36
与所述I-V曲线库中的曲线相匹配，使定位与所述实时开路电压
Figure SMS_38
、所述实时短路电流
Figure SMS_34
相对应的目标I-V曲线，其中，定位与所述实时开路电压
Figure SMS_37
、所述实时短路电流
Figure SMS_40
相对应的目标I-V曲线具体为：遍历I-V曲线库计算
Figure SMS_42
，筛选出
Figure SMS_32
小于预设电流阈值的
Figure SMS_35
相对应的目标曲线，其中，
Figure SMS_39
为标准工作状态下的光伏电池的短路电流，
Figure SMS_41
为光伏电池的短路电流与实时短路电流的差值；
分别计算所述目标曲线中标准工作状态下的光伏电池的开路电压
Figure SMS_43
与实时开路电压
Figure SMS_44
的差值
Figure SMS_45
，并选取
Figure SMS_46
最小对应的目标曲线作为最终定位的目标I-V曲线；
计算模块，将实时获取的最大功率点处的实时电流
Figure SMS_47
与最大功率点处的实时电压
Figure SMS_48
相乘得到第一功率
Figure SMS_49
，以及将所述目标I-V曲线中的最大功率点处的电压
Figure SMS_50
与最大功率点处的电流
Figure SMS_51
相乘得到第二功率
Figure SMS_52
；
判断模块，配置为判断所述第一功率
Figure SMS_53
与所述第二功率
Figure SMS_54
的差值是否大于预设阈值；
输出模块，配置为若大于，则光伏电池故障存在，否则不存在。
第三方面，提供一种电子设备，其包括：至少一个处理器，以及与所述至少一个处理器通信连接的存储器，其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行本发明任一实施例的基于I-V曲线逆推的光伏电池故障判断方法的步骤。
第四方面，本发明还提供一种计算机可读存储介质，其上存储有计算机程序，所述程序指令被处理器执行时，使所述处理器执行本发明任一实施例的基于I-V曲线逆推的光伏电池故障判断方法的步骤。
本申请的基于I-V曲线逆推的光伏电池故障判断方法及系统，无需实时监测光伏电池运行时的表面辐照度及平均温度，仅需要提前计算出不同辐照度及光伏电池温度下的I-V曲线库，在运行时测得光伏组件的开路电压、短路电流和最大功率点电压、电流的测量值，即可判断出光伏电池是否发生故障，有效提高了光伏电池故障判断的精确性及光伏电站运行的可靠性和经济性，实现了对光伏电池在线故障判断。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明一实施例提供的一种基于I-V曲线逆推的光伏电池故障判断方法的流程图；
图2为本发明一实施例提供的太阳能电池组件在线监测模块示意图；
图3为本发明一实施例提供的一种基于I-V曲线逆推的光伏电池故障判断系统的结构框图；
图4是本发明一实施例提供的电子设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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他实施例，都属于本发明保护的范围。
请参阅图1，其示出了本申请的一种基于I-V曲线逆推的光伏电池故障判断方法的流程图。
如图1所示，基于I-V曲线逆推的光伏电池故障判断方法具体包括以下步骤：
步骤S101，获取光伏电池厂商数据，并根据迭代法求解标准工作状态下的光伏电池参数模型的参数。
在本实施例中，标准工作状态下光伏电池的输出特性方程为：
Figure SMS_55
，（1）
式中，
Figure SMS_57
为光伏电池的输出电流，
Figure SMS_59
为光生电流，
Figure SMS_62
为二极管反向饱和电流，
Figure SMS_58
为输出电压，
Figure SMS_60
为串联电阻，
Figure SMS_61
为并联电阻，
Figure SMS_63
为二极管理想因子，
Figure SMS_56
为串联电池阵列的热电压，计算公式为：
Figure SMS_64
，（2）
其中，
Figure SMS_65
为光伏电池串联数，
Figure SMS_66
为玻尔兹曼常数，取值为1.38×10-23J/K，
Figure SMS_67
为光伏电池的工作温度，
Figure SMS_68
为电子的电荷量，取值为1.6×10-19C。
厂商提供的数据一般包括标准工况（光照强度为1000W/m2，工作温度为25℃）下的开路电压、短路电流、最大功率点电压和电流、短路电流温度系数以及开路电压温度系数。通过上述数据，基于光伏电池输出特性方程，列写短路状态下及开路状态下的输出特性方程分别为：
Figure SMS_69
，（3）
Figure SMS_70
，（4）
式中，
Figure SMS_73
为短路电流，
Figure SMS_77
为开路电压，
Figure SMS_82
为光生电流，
Figure SMS_72
为串联电阻，
Figure SMS_76
为并联电阻，
Figure SMS_78
为二极管理想因子，
Figure SMS_79
为光伏电池的开路电压，
Figure SMS_71
为串联电池阵列的热电压，由于
Figure SMS_75
，
Figure SMS_80
，近似后标准工作状态下的二极管反向饱和电流
Figure SMS_81
及标准工作状态下的光生电流
Figure SMS_74
的计算公式分别为：
Figure SMS_83
，（5）
Figure SMS_84
，（6）
式中，
Figure SMS_85
为标准工作状态下的光伏电池的串联电阻，
Figure SMS_86
为标准工作状态下的光伏电池的并联电阻，
Figure SMS_87
为标准工作状态下的光伏电池的短路电流，
Figure SMS_88
为标准工作状态下的光伏电池的开路电压。
Figure SMS_89
与
Figure SMS_90
的关系为：
Figure SMS_91
，（7）
式中，
Figure SMS_92
与
Figure SMS_93
分别为最大功率点处的电流及电压，
Figure SMS_94
为光伏电池的理论最大功率。由上式得到标准工作状态下的光伏电池的串联电阻
Figure SMS_95
与标准工作状态下的光伏电池的并联电阻
Figure SMS_96
的关系为：
Figure SMS_97
，（8）
式中，
Figure SMS_98
为标准工作状态下的最大功率点处的电压，
Figure SMS_99
为标准工作状态下的最大功率点处的电流，
Figure SMS_100
为电子的电荷量，
Figure SMS_101
为玻尔兹曼常数，
Figure SMS_102
为光伏电池的工作温度，
Figure SMS_103
为光伏电池串联数，
Figure SMS_104
为光伏电池在标准工作状态下的理论最大功率。
标准工作状态下的光伏电池的并联电阻的最小值
Figure SMS_105
的表达式为：
Figure SMS_106
，（9）
迭代过程如下：初始化
Figure SMS_120
、
Figure SMS_124
，
Figure SMS_126
取值为经验值，其中，
Figure SMS_107
为标准工作状态下的光伏电池的串联电阻，
Figure SMS_111
为标准工作状态下的光伏电池的并联电阻，
Figure SMS_114
为标准工作状态下的光伏电池的并联电阻的最小值；通过式（5）、式（6）求解得到
Figure SMS_117
、
Figure SMS_109
后，将
Figure SMS_121
、
Figure SMS_128
带入
Figure SMS_130
函数中求解当前对应的最大功率
Figure SMS_108
并判断最大功率
Figure SMS_112
与光伏电池的理论最大功率的差值是否大于预设功率阈值；通过式（6）、式（8）求解得到
Figure SMS_115
、
Figure SMS_118
后，将
Figure SMS_123
、
Figure SMS_125
带入
Figure SMS_127
函数中求解当前对应的最大功率
Figure SMS_129
并与光伏电池的理论最大功率比较，直至低于阈值，迭代完成，即得到标准工况下的光伏电池参数模型的
Figure SMS_110
、
Figure SMS_113
、
Figure SMS_116
、
Figure SMS_119
以及
Figure SMS_122
。
步骤S102，对不同温度及辐照度下的光伏电池参数模型的参数进行求解，并基于不同温度及辐照度下的光伏电池参数模型的参数构建不同温度及辐照度下的I-V曲线，形成I-V曲线库。
在本实施例中，通过输入有效辐照度、模块内电池的平均电池温度、短路电流温度系数、参考温度下的光伏电池材料的能带隙、带隙温度依赖性以及将步骤S101中获得的光伏电池参数模型的
Figure SMS_132
、
Figure SMS_135
、
Figure SMS_139
、
Figure SMS_133
以及
Figure SMS_136
带入
Figure SMS_137
函数对不同温度及辐照度下的光伏电池参数模型的参数进行求解；将不同温度及辐照度下的光伏电池参数模型的参数带入
Figure SMS_140
函数中求解得到不同温度及辐照度下光伏电池的开路电压
Figure SMS_131
、光伏电池的短路电流
Figure SMS_134
、最大功率点处的
Figure SMS_138
以及最大功率点处的电流
Figure SMS_141
，并形成I-V曲线。
步骤S103，获取光伏电池的实时开路电压
Figure SMS_142
、实时短路电流
Figure SMS_143
、最大功率点处的实时电流
Figure SMS_144
以及最大功率点处的实时电压
Figure SMS_145
。
在本实施例中，通过光伏电池在线监测模块，对光伏电池实施开路、短路、正常工作三种状态下的监测，实时测得光伏电池的实时开路电压
Figure SMS_146
、实时短路电流
Figure SMS_147
、最大功率点处的实时电流
Figure SMS_148
以及最大功率点处的实时电压
Figure SMS_149
。
需要说明的是，如图2所示，光伏电池在线监测模块包括电源电路、储能电路、微控制器、开关电路以及电流检测电路。光伏电池在线监测模块在工作时，光伏电池通过二极管给储能电路充电，同时给电源电路供电，微控制器正常工作。在监测时，首先读取MPPT点的电压及电流。测短路电流时，闭合开关电路，光伏电池短路，微控制器读取短路电流。因为有储能电路和防反二极管，后级电路不掉电正常工作。电流测试后关闭开关电路，光伏电池正常输出。
步骤S104，将所述实时开路电压
Figure SMS_150
、所述实时短路电流
Figure SMS_151
与所述I-V曲线库中的曲线相匹配，使定位与所述实时开路电压
Figure SMS_152
、所述实时短路电流
Figure SMS_153
相对应的目标I-V曲线。
在本实施例中，遍历I-V曲线库计算
Figure SMS_154
，筛选出
Figure SMS_155
小于预设电流阈值的
Figure SMS_156
相对应的目标曲线，其中，
Figure SMS_157
为标准工作状态下的光伏电池的短路电流，
Figure SMS_158
为光伏电池的短路电流与实时短路电流的差值；
分别计算所述目标曲线中标准工作状态下的光伏电池的开路电压
Figure SMS_159
与实时开路电压
Figure SMS_160
的差值
Figure SMS_161
，并选取
Figure SMS_162
最小对应的目标曲线作为最终定位的目标I-V曲线。
步骤S105，将实时获取的最大功率点处的实时电流
Figure SMS_163
与最大功率点处的实时电压
Figure SMS_164
相乘得到第一功率
Figure SMS_165
，以及将所述目标I-V曲线中的最大功率点处的电压
Figure SMS_166
与最大功率点处的电流
Figure SMS_167
相乘得到第二功率
Figure SMS_168
。
步骤S106，判断所述第一功率
Figure SMS_169
与所述第二功率
Figure SMS_170
的差值是否大于预设阈值。
在实际实施中，首先将已获得的I-V曲线库上传至云平台，并每隔一小时通过在线监测模块采集光伏电池组件的开路电压、短路电流及最大功率点电流和电压，将采集的开路电压、短路电流及最大功率点电流和电压上传至云平台。之后通过采集的开路电压、短路电流定位对应I-V曲线。最后，将采集的最大功率点处的实时电流
Figure SMS_173
与最大功率点处的实时电压
Figure SMS_174
相乘得到第一功率
Figure SMS_176
，以及将I-V曲线中的最大功率点处的电压
Figure SMS_172
与最大功率点处的电流
Figure SMS_175
相乘得到第二功率
Figure SMS_177
，判断第一功率
Figure SMS_178
与第二功率
Figure SMS_171
的差值是否大于预设阈值。
步骤S107，若大于，则光伏电池故障存在，否则不存在。
综上，本申请首先采用迭代法，依据光伏电池厂商数据，求解标准工作状态下的光伏电池模型的对应参数。之后通过
Figure SMS_179
函数对不同温度及辐照度下的光伏电池模型的对应参数进行求解，并通过
Figure SMS_180
函数求解不同温度及辐照度下的I-V曲线，形成I-V曲线库。之后通过光伏电池在线监测模块，实时测得光伏电池开路电压、短路电流，最大功率点处的电流及电压。将实测光伏电池开路电压、短路电流与I-V曲线库中的曲线相匹配，定位对应I-V曲线。最后，将实测的最大功率点处的电流及电压与对应I-V曲线的最大功率点处的电流及电压进行比较，相差超过预设门槛值时，可判定故障存在。无需实时监测光伏电池运行时的表面辐照度及平均温度，仅需要提前计算出不同辐照度及光伏电池温度下的I-V曲线库，在运行时测得光伏组件的开路电压、短路电流和最大功率点电压、电流的测量值，即可判断出光伏电池是否发生故障，有效提高了光伏电池故障判断的精确性及光伏电站运行的可靠性和经济性。
请参阅图3，其示出了本申请的一种基于I-V曲线逆推的光伏电池故障判断系统的结构框图。
如图3所示，光伏电池故障判断系统200，包括求解模块210、构建模块220、获取模块230、定位模块240、计算模块250、判断模块260以及输出模块270。
其中，求解模块210，配置为获取光伏电池厂商数据，并根据迭代法求解标准工作状态下的光伏电池参数模型的参数；构建模块220，配置为对不同温度及辐照度下的光伏电池参数模型的参数进行求解，并基于不同温度及辐照度下的光伏电池参数模型的参数构建不同温度及辐照度下的I-V曲线，形成I-V曲线库；获取模块230，配置为获取光伏电池的实时开路电压
Figure SMS_186
、实时短路电流
Figure SMS_183
、最大功率点处的实时电流
Figure SMS_187
以及最大功率点处的实时电压
Figure SMS_184
；定位模块240，配置为将所述实时开路电压
Figure SMS_188
、所述实时短路电流
Figure SMS_194
与所述I-V曲线库中的曲线相匹配，使定位与所述实时开路电压
Figure SMS_195
、所述实时短路电流
Figure SMS_190
相对应的目标I-V曲线；计算模块250，将实时获取的最大功率点处的实时电流
Figure SMS_196
与最大功率点处的实时电压
Figure SMS_181
相乘得到第一功率
Figure SMS_185
，以及将所述目标I-V曲线中的最大功率点处的电压
Figure SMS_189
与最大功率点处的电流
Figure SMS_192
相乘得到第二功率
Figure SMS_191
；判断模块260，配置为判断所述第一功率
Figure SMS_193
与所述第二功率
Figure SMS_182
的差值是否大于预设阈值；输出模块270，配置为若大于，则光伏电池故障存在，否则不存在。
应当理解，图3中记载的诸模块与图1中描述的方法中的各个步骤相对应。由此，上文针对方法描述的操作和特征以及相应的技术效果同样适用于图3中的诸模块，在此不再赘述。
在另一些实施例中，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，所述程序指令被处理器执行时，使所述处理器执行上述任意方法实施例中的基于I-V曲线逆推的光伏电池故障判断方法；
作为一种实施方式，本发明的计算机可读存储介质存储有计算机可执行指令，计算机可执行指令设置为：
获取光伏电池厂商数据，并根据迭代法求解标准工作状态下的光伏电池参数模型的参数；
对不同温度及辐照度下的光伏电池参数模型的参数进行求解，并基于不同温度及辐照度下的光伏电池参数模型的参数构建不同温度及辐照度下的I-V曲线，形成I-V曲线库；
获取光伏电池的实时开路电压
Figure SMS_197
、实时短路电流
Figure SMS_198
、最大功率点处的实时电流
Figure SMS_199
以及最大功率点处的实时电压
Figure SMS_200
；
将所述实时开路电压
Figure SMS_202
、所述实时短路电流
Figure SMS_205
与所述I-V曲线库中的曲线相匹配，使定位与所述实时开路电压
Figure SMS_208
、所述实时短路电流
Figure SMS_203
相对应的目标I-V曲线，其中，定位与所述实时开路电压
Figure SMS_206
、所述实时短路电流
Figure SMS_210
相对应的目标I-V曲线具体为：遍历I-V曲线库计算
Figure SMS_211
，筛选出
Figure SMS_201
小于预设电流阈值的
Figure SMS_204
相对应的目标曲线，其中，
Figure SMS_207
为标准工作状态下的光伏电池的短路电流，
Figure SMS_209
为光伏电池的短路电流与实时短路电流的差值；
分别计算所述目标曲线中标准工作状态下的光伏电池的开路电压
Figure SMS_212
与实时开路电压
Figure SMS_213
的差值
Figure SMS_214
，并选取
Figure SMS_215
最小对应的目标曲线作为最终定位的目标I-V曲线；
将实时获取的最大功率点处的实时电流
Figure SMS_216
与最大功率点处的实时电压
Figure SMS_217
相乘得到第一功率
Figure SMS_218
，以及将所述目标I-V曲线中的最大功率点处的电压
Figure SMS_219
与最大功率点处的电流
Figure SMS_220
相乘得到第二功率
Figure SMS_221
；
判断所述第一功率
Figure SMS_222
与所述第二功率
Figure SMS_223
的差值是否大于预设阈值；
若大于，则光伏电池故障存在，否则不存在。
计算机可读存储介质可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据基于I-V曲线逆推的光伏电池故障判断系统的使用所创建的数据等。此外，计算机可读存储介质可以包括高速随机存取存储器，还可以包括存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中，计算机可读存储介质可选包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至基于I-V曲线逆推的光伏电池故障判断系统。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
图4是本发明实施例提供的电子设备的结构示意图，如图4所示，该设备包括：一个处理器310以及存储器320。电子设备还可以包括：输入装置330和输出装置340。处理器310、存储器320、输入装置330和输出装置340可以通过总线或者其他方式连接，图4中以通过总线连接为例。存储器320为上述的计算机可读存储介质。处理器310通过运行存储在存储器320中的非易失性软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例基于I-V曲线逆推的光伏电池故障判断方法。输入装置330可接收输入的数字或字符信息，以及产生与基于I-V曲线逆推的光伏电池故障判断系统的用户设置以及功能控制有关的键信号输入。输出装置340可包括显示屏等显示设备。
上述电子设备可执行本发明实施例所提供的方法，具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节，可参见本发明实施例所提供的方法。
作为一种实施方式，上述电子设备应用于基于I-V曲线逆推的光伏电池故障判断系统中，用于客户端，包括：至少一个处理器；以及，与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够：
获取光伏电池厂商数据，并根据迭代法求解标准工作状态下的光伏电池参数模型的参数；
对不同温度及辐照度下的光伏电池参数模型的参数进行求解，并基于不同温度及辐照度下的光伏电池参数模型的参数构建不同温度及辐照度下的I-V曲线，形成I-V曲线库；
获取光伏电池的实时开路电压
Figure SMS_224
、实时短路电流
Figure SMS_225
、最大功率点处的实时电流
Figure SMS_226
以及最大功率点处的实时电压
Figure SMS_227
；
将所述实时开路电压
Figure SMS_229
、所述实时短路电流
Figure SMS_233
与所述I-V曲线库中的曲线相匹配，使定位与所述实时开路电压
Figure SMS_235
、所述实时短路电流
Figure SMS_230
相对应的目标I-V曲线，其中，定位与所述实时开路电压
Figure SMS_232
、所述实时短路电流
Figure SMS_234
相对应的目标I-V曲线具体为：遍历I-V曲线库计算
Figure SMS_236
，筛选出
Figure SMS_228
小于预设电流阈值的
Figure SMS_231
相对应的目标曲线，其中，
Figure SMS_237
为标准工作状态下的光伏电池的短路电流，
Figure SMS_238
为光伏电池的短路电流与实时短路电流的差值；
分别计算所述目标曲线中标准工作状态下的光伏电池的开路电压
Figure SMS_239
与实时开路电压
Figure SMS_240
的差值
Figure SMS_241
，并选取
Figure SMS_242
最小对应的目标曲线作为最终定位的目标I-V曲线；
将实时获取的最大功率点处的实时电流
Figure SMS_243
与最大功率点处的实时电压
Figure SMS_244
相乘得到第一功率
Figure SMS_245
，以及将所述目标I-V曲线中的最大功率点处的电压
Figure SMS_246
与最大功率点处的电流
Figure SMS_247
相乘得到第二功率
Figure SMS_248
；
判断所述第一功率
Figure SMS_249
与所述第二功率
Figure SMS_250
的差值是否大于预设阈值；
若大于，则光伏电池故障存在，否则不存在。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (7)

1.一种基于I-V曲线逆推的光伏电池故障判断方法，其特征在于，包括：
获取光伏电池厂商数据，并根据迭代法求解标准工作状态下的光伏电池参数模型的参数；
对不同温度及辐照度下的光伏电池参数模型的参数进行求解，并基于不同温度及辐照度下的光伏电池参数模型的参数构建不同温度及辐照度下的I-V曲线，形成I-V曲线库；
获取光伏电池的实时开路电压
Figure QLYQS_1
、实时短路电流
Figure QLYQS_2
、最大功率点处的实时电流
Figure QLYQS_3
以及最大功率点处的实时电压
Figure QLYQS_4
；
将所述实时开路电压
Figure QLYQS_6
、所述实时短路电流
Figure QLYQS_11
与所述I-V曲线库中的曲线相匹配，使定位与所述实时开路电压
Figure QLYQS_15
、所述实时短路电流
Figure QLYQS_7
相对应的目标I-V曲线，其中，定位与所述实时开路电压
Figure QLYQS_9
、所述实时短路电流
Figure QLYQS_12
相对应的目标I-V曲线具体为：遍历I-V曲线库计算
Figure QLYQS_14
，筛选出
Figure QLYQS_5
小于预设电流阈值的
Figure QLYQS_8
相对应的目标曲线，其中，
Figure QLYQS_10
为标准工作状态下的光伏电池的短路电流，
Figure QLYQS_13
为光伏电池的短路电流与实时短路电流的差值；
分别计算所述目标曲线中标准工作状态下的光伏电池的开路电压
Figure QLYQS_16
与实时开路电压
Figure QLYQS_17
的差值
Figure QLYQS_18
，并选取
Figure QLYQS_19
最小对应的目标曲线作为最终定位的目标I-V曲线；
将实时获取的最大功率点处的实时电流
Figure QLYQS_20
与最大功率点处的实时电压
Figure QLYQS_21
相乘得到第一功率
Figure QLYQS_22
，以及将所述目标I-V曲线中的最大功率点处的电压
Figure QLYQS_23
与最大功率点处的电流
Figure QLYQS_24
相乘得到第二功率
Figure QLYQS_25
；
判断所述第一功率
Figure QLYQS_26
与所述第二功率
Figure QLYQS_27
的差值是否大于预设阈值；
若大于，则光伏电池故障存在，否则不存在。
2.根据权利要求1所述的一种基于I-V曲线逆推的光伏电池故障判断方法，其特征在于，所述获取光伏电池厂商数据，并根据迭代法求解标准工作状态下的光伏电池参数模型的参数，包括：
初始化
Figure QLYQS_28
、
Figure QLYQS_29
，
Figure QLYQS_30
取值为经验值，其中，
Figure QLYQS_31
为标准工作状态下的光伏电池的串联电阻，
Figure QLYQS_32
为标准工作状态下的光伏电池的并联电阻，
Figure QLYQS_33
为标准工作状态下的光伏电池的并联电阻的最小值；
通过式（5）、式（6）求解得到
Figure QLYQS_36
、
Figure QLYQS_38
后，将
Figure QLYQS_40
、
Figure QLYQS_35
带入
Figure QLYQS_37
函数中求解当前对应的最大功率
Figure QLYQS_39
并判断最大功率
Figure QLYQS_41
与光伏电池的理论最大功率的差值是否大于预设功率阈值，其中，式（5）为：
Figure QLYQS_34
，
式中，
Figure QLYQS_42
为标准工作状态下的二极管反向饱和电流，
Figure QLYQS_43
为标准工作状态下的光伏电池的短路电流，
Figure QLYQS_44
为标准工作状态下的光伏电池的开路电压，
Figure QLYQS_45
为二极管理想因子，
Figure QLYQS_46
为串联电池阵列的热电压；
式（6）为：
Figure QLYQS_47
，
式中，
Figure QLYQS_48
为标准工作状态下的光生电流；
若最大功率
Figure QLYQS_49
与光伏电池的理论最大功率的差值不大于预设功率阈值，则迭代完成，否则缓慢增大
Figure QLYQS_50
；
通过式（6）、式（8）求解得到
Figure QLYQS_53
、
Figure QLYQS_55
后，将
Figure QLYQS_59
、
Figure QLYQS_52
带入
Figure QLYQS_56
函数中求解当前对应的最大功率
Figure QLYQS_58
并与光伏电池的理论最大功率比较，直至低于阈值，迭代完成，即得到标准工况下的光伏电池参数模型的
Figure QLYQS_61
、
Figure QLYQS_51
、
Figure QLYQS_54
、
Figure QLYQS_57
以及
Figure QLYQS_60
，其中，式（8）为：
Figure QLYQS_62
，
式中，
Figure QLYQS_63
为标准工作状态下的最大功率点处的电压，
Figure QLYQS_64
为标准工作状态下的最大功率点处的电流，
Figure QLYQS_65
为电子的电荷量，
Figure QLYQS_66
为玻尔兹曼常数，
Figure QLYQS_67
为光伏电池的工作温度，
Figure QLYQS_68
为光伏电池串联数，
Figure QLYQS_69
为光伏电池在标准工作状态下的理论最大功率。
3.根据权利要求2所述的一种基于I-V曲线逆推的光伏电池故障判断方法，其中，计算标准工作状态下的光伏电池的并联电阻的最小值
Figure QLYQS_70
的表达式为：
Figure QLYQS_71
。
4.根据权利要求2所述的一种基于I-V曲线逆推的光伏电池故障判断方法，所述对不同温度及辐照度下的光伏电池参数模型的参数进行求解，并基于不同温度及辐照度下的光伏电池参数模型的参数构建不同温度及辐照度下的I-V曲线，包括：
将标准工况下的光伏电池参数模型的
Figure QLYQS_72
、
Figure QLYQS_73
、
Figure QLYQS_74
、
Figure QLYQS_75
以及
Figure QLYQS_76
带入
Figure QLYQS_77
函数对不同温度及辐照度下的光伏电池参数模型的参数进行求解；
将不同温度及辐照度下的光伏电池参数模型的参数带入
Figure QLYQS_78
函数中求解得到不同温度及辐照度下光伏电池的开路电压
Figure QLYQS_79
、光伏电池的短路电流
Figure QLYQS_80
、最大功率点处的
Figure QLYQS_81
以及最大功率点处的电流
Figure QLYQS_82
，并形成I-V曲线。
5.一种基于I-V曲线逆推的光伏电池故障判断系统，其特征在于，包括：
求解模块，配置为获取光伏电池厂商数据，并根据迭代法求解标准工作状态下的光伏电池参数模型的参数；
构建模块，配置为对不同温度及辐照度下的光伏电池参数模型的参数进行求解，并基于不同温度及辐照度下的光伏电池参数模型的参数构建不同温度及辐照度下的I-V曲线，形成I-V曲线库；
获取模块，配置为获取光伏电池的实时开路电压
Figure QLYQS_83
、实时短路电流
Figure QLYQS_84
、最大功率点处的实时电流
Figure QLYQS_85
以及最大功率点处的实时电压
Figure QLYQS_86
；
定位模块，配置为将所述实时开路电压
Figure QLYQS_88
、所述实时短路电流
Figure QLYQS_90
与所述I-V曲线库中的曲线相匹配，使定位与所述实时开路电压
Figure QLYQS_93
、所述实时短路电流
Figure QLYQS_89
相对应的目标I-V曲线，其中，定位与所述实时开路电压
Figure QLYQS_91
、所述实时短路电流
Figure QLYQS_95
相对应的目标I-V曲线具体为：遍历I-V曲线库计算
Figure QLYQS_97
，筛选出
Figure QLYQS_87
小于预设电流阈值的
Figure QLYQS_92
相对应的目标曲线，其中，
Figure QLYQS_94
为标准工作状态下的光伏电池的短路电流，
Figure QLYQS_96
为光伏电池的短路电流与实时短路电流的差值；
分别计算所述目标曲线中标准工作状态下的光伏电池的开路电压
Figure QLYQS_98
与实时开路电压
Figure QLYQS_99
的差值
Figure QLYQS_100
，并选取
Figure QLYQS_101
最小对应的目标曲线作为最终定位的目标I-V曲线；
计算模块，将实时获取的最大功率点处的实时电流
Figure QLYQS_102
与最大功率点处的实时电压
Figure QLYQS_103
相乘得到第一功率
Figure QLYQS_104
，以及将所述目标I-V曲线中的最大功率点处的电压
Figure QLYQS_105
与最大功率点处的电流
Figure QLYQS_106
相乘得到第二功率
Figure QLYQS_107
；
判断模块，配置为判断所述第一功率
Figure QLYQS_108
与所述第二功率
Figure QLYQS_109
的差值是否大于预设阈值；
输出模块，配置为若大于，则光伏电池故障存在，否则不存在。
6.一种电子设备，其特征在于，包括：至少一个处理器，以及与所述至少一个处理器通信连接的存储器，其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1至4任一项所述的方法。
7.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现权利要求1至4任一项所述的方法。
CN202310232916.9A 2023-03-13 2023-03-13 一种基于i-v曲线逆推的光伏电池故障判断方法及系统 Active CN115955193B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310232916.9A CN115955193B (zh) 2023-03-13 2023-03-13 一种基于i-v曲线逆推的光伏电池故障判断方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310232916.9A CN115955193B (zh) 2023-03-13 2023-03-13 一种基于i-v曲线逆推的光伏电池故障判断方法及系统

Publications (2)

Publication Number Publication Date
CN115955193A true CN115955193A (zh) 2023-04-11
CN115955193B CN115955193B (zh) 2023-08-15

Family

ID=87297808

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310232916.9A Active CN115955193B (zh) 2023-03-13 2023-03-13 一种基于i-v曲线逆推的光伏电池故障判断方法及系统

Country Status (1)

Country Link
CN (1) CN115955193B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116707445A (zh) * 2023-08-04 2023-09-05 华能新能源股份有限公司山西分公司 一种光伏组件故障定位方法和系统
CN117491938A (zh) * 2023-12-29 2024-02-02 国网甘肃省电力公司电力科学研究院 一种光伏储能系统的电流互感器检测控制方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102999700A (zh) * 2012-11-27 2013-03-27 华北电力大学 一种光伏电池输出特性建模方法
EP3474439A1 (fr) * 2017-10-23 2019-04-24 Commissariat à l'Énergie Atomique et aux Énergies Alternatives Procédé de caractérisation électrique d'une cellule photovoltaïque
CN110717304A (zh) * 2019-10-25 2020-01-21 河海大学常州校区 一种基于单i-v方程求解光伏组件输出模型的方法
CN111327271A (zh) * 2020-01-20 2020-06-23 福州大学 基于半监督极限学习机的光伏阵列故障诊断方法
CN113078880A (zh) * 2021-03-26 2021-07-06 山东建筑大学 光伏发电组件分布式在线故障诊断方法及系统

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102999700A (zh) * 2012-11-27 2013-03-27 华北电力大学 一种光伏电池输出特性建模方法
EP3474439A1 (fr) * 2017-10-23 2019-04-24 Commissariat à l'Énergie Atomique et aux Énergies Alternatives Procédé de caractérisation électrique d'une cellule photovoltaïque
US20190123683A1 (en) * 2017-10-23 2019-04-25 Commissariat A L'energie Atomique Et Aux Energies Alternatives Method for the electrical characterization of a photovoltaic cell
CN110717304A (zh) * 2019-10-25 2020-01-21 河海大学常州校区 一种基于单i-v方程求解光伏组件输出模型的方法
CN111327271A (zh) * 2020-01-20 2020-06-23 福州大学 基于半监督极限学习机的光伏阵列故障诊断方法
CN113078880A (zh) * 2021-03-26 2021-07-06 山东建筑大学 光伏发电组件分布式在线故障诊断方法及系统

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116707445A (zh) * 2023-08-04 2023-09-05 华能新能源股份有限公司山西分公司 一种光伏组件故障定位方法和系统
CN116707445B (zh) * 2023-08-04 2023-11-03 华能新能源股份有限公司山西分公司 一种光伏组件故障定位方法和系统
CN117491938A (zh) * 2023-12-29 2024-02-02 国网甘肃省电力公司电力科学研究院 一种光伏储能系统的电流互感器检测控制方法
CN117491938B (zh) * 2023-12-29 2024-03-01 国网甘肃省电力公司电力科学研究院 一种光伏储能系统的电流互感器检测控制方法

Also Published As

Publication number Publication date
CN115955193B (zh) 2023-08-15

Similar Documents

Publication Publication Date Title
CN115955193A (zh) 一种基于i-v曲线逆推的光伏电池故障判断方法及系统
Spataru et al. Diagnostic method for photovoltaic systems based on light I–V measurements
Gokmen et al. Simple diagnostic approach for determining of faulted PV modules in string based PV arrays
CN107425520B (zh) 一种含节点注入功率不确定性的主动配电网三相区间状态估计方法
US20150142347A1 (en) Solar Energy Disaggregation Techniques for Whole-House Energy Consumption Data
Garoudja et al. Efficient fault detection and diagnosis procedure for photovoltaic systems
Zhang et al. A reinforcement learning based approach for on-line adaptive parameter extraction of photovoltaic array models
Gulin et al. Photovoltaic panel and array static models for power production prediction: Integration of manufacturers’ and on-line data
Navas et al. Modelling Li-ion batteries using equivalent circuits for renewable energy applications
Anand et al. Design and analysis of a low cost PV analyzer using Arduino UNO
CN107506331B (zh) 基于时间关联性及元件运行时间的微电网可靠性计算方法
CN116383658A (zh) 一种基于bp神经网络的太阳能电池板故障诊断方法及装置
Serrano-Luján et al. Case of study: Photovoltaic faults recognition method based on data mining techniques
Liu et al. Experiment‐based supervised learning approach toward condition monitoring of PV array mismatch
CN112016260B (zh) 基于光伏组件i-v曲线的热斑电池片温度估算方法、装置及存储介质
Kimber et al. Improved test method to verify the power rating of a photovoltaic (PV) project
Andò et al. SENTINELLA: A WSN for a smart monitoring of PV systems at module level
An et al. Robust configuration and intelligent MPPT control for building integrated photovoltaic system based on extreme learning machine
CN113346842B (zh) 一种太阳能电池串联电阻阻值的在线计算方法及装置
KR102178925B1 (ko) 태양광 발전량 예측 방법 및 장치
CN116827263A (zh) 光伏电池故障检测方法、装置、计算机设备和介质
CN116054740A (zh) 光伏发电设备的故障检测、故障检测模型处理方法和装置
Shu et al. Non-sequential simulation methods for reliability analysis of power systems with photovoltaic generation
CN113052380A (zh) 光伏电站运维清洗效果的检测方法、装置、设备及介质
Chen et al. A novel fractional-order extended Kalman filtering method for on-line joint state estimation and parameter identification of the high power Li-ion batteries

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