TW201919329A - 判斷太陽能板陣列是否異常之計算機裝置與方法 - Google Patents

判斷太陽能板陣列是否異常之計算機裝置與方法 Download PDF

Info

Publication number
TW201919329A
TW201919329A TW106138151A TW106138151A TW201919329A TW 201919329 A TW201919329 A TW 201919329A TW 106138151 A TW106138151 A TW 106138151A TW 106138151 A TW106138151 A TW 106138151A TW 201919329 A TW201919329 A TW 201919329A
Authority
TW
Taiwan
Prior art keywords
power generation
parameters
solar panel
current
panel array
Prior art date
Application number
TW106138151A
Other languages
English (en)
Other versions
TWI669904B (zh
Inventor
嚴嘉鑫
王仁志
陳建翔
Original Assignee
財團法人資訊工業策進會
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 財團法人資訊工業策進會 filed Critical 財團法人資訊工業策進會
Priority to TW106138151A priority Critical patent/TWI669904B/zh
Priority to CN201711135558.0A priority patent/CN109756185A/zh
Priority to US15/867,606 priority patent/US20190140589A1/en
Publication of TW201919329A publication Critical patent/TW201919329A/zh
Application granted granted Critical
Publication of TWI669904B publication Critical patent/TWI669904B/zh

Links

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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • H02J2300/22—The renewable source being solar energy
    • H02J2300/24—The renewable source being solar energy of photovoltaic origin
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/381—Dispersed generators
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
    • 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
    • H02S40/00—Components or accessories in combination with PV modules, not provided for in groups H02S10/00 - H02S30/00
    • H02S40/30—Electrical components
    • H02S40/32—Electrical components comprising DC/AC inverter means associated with the PV module itself, e.g. AC modules
    • 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
    • Y02E10/56—Power conversion systems, e.g. maximum power point trackers

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Photovoltaic Devices (AREA)

Abstract

本發明的實施例關於一種判斷太陽能板陣列是否異常之計算機裝置與方法。於所述實施例中，計算機裝置根據太陽能板陣列之一組目前環境參數，利用一目前發電量計算模型計算出太陽能板陣列之一組目前參考發電量參數。計算機裝置還根據太陽能板陣列之一組目前實際發電量參數與此組目前參考發電量參數之間的一對比來針對太陽能板陣列界定一發電量指標，並根據發電量指標判斷太陽能板陣列是否異常。

Description

判斷太陽能板陣列是否異常之計算機裝置與方法
本發明的實施例是關於一種計算機裝置與判斷方法。更具體而言，本發明的實施例是關於一種判斷太陽能板陣列是否異常之計算機裝置與方法。
太陽能發電是一種將太陽的光能轉換為電能的發電方式。為了實現太陽能發電，實務上，一太陽能系統可包含多個串聯的太陽能板(solar energy panel)，其中每一個太陽能板可包含多個太陽能電池(solar energy cells)，且這些太陽能電池用以將太陽的光能轉換為電能。在太陽能系統的運作過程中可能會發生異常，而為了判斷其是否異常，通常是根據太陽能系統的總發電量來判斷是否異常。例如，當太陽能系統的總發電量低於一總發電量門檻值，則判斷太陽能系統為異常的。然而，因判斷太陽能系統是否異常的依據是太陽能系統的總發電量，故無法明確地反映出發生異常的是太陽能系統中的那個部位。
另一方面，因太陽能系統的總發電量對於天氣變化是極度敏感的，這使得依據太陽能系統的總發電量來判斷其是否異常時，經常會因天氣變化因素而誤判。舉例而言，在太陽能系統的總發電量因為長時間處在沒 有太陽光的環境下而減少的情況下，就可能錯誤地將太陽能系統判斷為異常。換言之，如此無法辨識出因天氣變化所造成的異常類別。因此，根據太陽能系統的總發電量來判斷其是否異常，並非是一種有效且準確的判斷方法。
有鑑於此，如何更有效地判斷太陽能系統是否異常，且更準確地辨識出其異常部位以及異常類別，將是亟需解決的問題。
為了解決至少上述的問題，本發明的實施例提供了一種判斷太陽能板陣列(solar energy panel array)是否異常之計算機裝置。此計算機裝置可包含一儲存器以及一電性連接至此儲存器的處理器。此儲存器可以用以儲存一目前發電量計算模型(power generation calculation model)、此太陽能板陣列之一組目前實際發電量參數與一組目前環境參數。此處理器可以用以根據此組目前環境參數，利用此目前發電量計算模型計算出此太陽能板陣列之一組目前參考發電量參數。此處理器還可根據此組目前實際發電量參數與此組目前參考發電量參數之間的一對比來針對此太陽能板陣列界定一發電量指標，並可根據此發電量指標判斷此太陽能板陣列是否異常。
為了解決至少上述的問題，本發明的實施例還提供了一種判斷太陽能板陣列是否異常之方法，可包含以下步驟：由一計算機裝置，根據此太陽能板陣列之一組目前環境參數，利用一目前發電量計算模型計算出此太陽能板陣列之一組目前參考發電量參數；以及由此計算機裝置，根據此太陽能板陣列之一組目前實際發電量參數與 此組目前參考發電量參數之間的一對比來針對此太陽能板陣列界定一發電量指標，並根據此發電量指標判斷此太陽能板陣列是否異常。
在本發明的實施例中，並非是針對一整個太陽能系統是否異常進行判斷，而是針對此太陽能系統中的每一個太陽能板陣列是否異常分別進行判斷。因此，在判斷此太陽能系統異常時，還可以明確地辨識出判斷出是此太陽能系統中的哪一個(或哪幾個)太陽能板陣列異常，而這將有助於後續的異常修復。另一方面，在本發明的實施例中，用來判斷一太陽能板陣列是否異常的一發電量指標與此太陽能板陣列之一組目前實際發電量參數和一組目前參考發電量參數之間的一對比有關，且此組目前參考發電量參數與此太陽能板陣列之一組目前環境參數有關。由於此組環境參數可包含與天氣變化相關的各種參數，用以判斷此太陽能板陣列是否異常的此發電量指標相當於已考量了天氣變化這個因素。據此，在本發明的實施例中，不但可有效地降低錯誤地判斷此太陽能板陣列異常的可能性，且在辨識異常類別時，除了可辨識出因設備損壞所造成的異常類別之外，還可在不受天氣變化(例如，日照量變化)的影響下辨識異常類別。
發明內容整體地敘述了本發明的核心概念，並涵蓋了本發明可解決的問題、可採用的手段以及可達到的功效，以提供本發明所屬技術領域中具有通常知識者對本發明的基本理解。然而，應理解，發明內容並非有意概括本發明的所有實施例，而僅是以一簡單形式來呈現本發明的核心概念，以作為隨後詳細描述的一個引言。
1‧‧‧太陽能系統
A‧‧‧太陽能板陣列
S‧‧‧太陽能板串
P‧‧‧太陽能板
M‧‧‧總發電量電表
MPPT‧‧‧最大功率追蹤器
INV‧‧‧變流器
11‧‧‧感測器
2‧‧‧計算機裝置
21‧‧‧儲存器
23‧‧‧處理器
25‧‧‧資料傳輸介面
811‧‧‧目前發電量計算模型
831‧‧‧目前實際發電量參數
851‧‧‧目前環境參數
833‧‧‧歷史實際發電量參數
853‧‧‧歷史環境參數
815‧‧‧先前發電量計算模型
855‧‧‧先前環境參數
9‧‧‧網路
t1‧‧‧第一時間點
t2‧‧‧第二時間點
TD1‧‧‧第一時間區間
TD2‧‧‧第二時間區間
TD3‧‧‧第三時間區間
4‧‧‧辨識方法
401-411‧‧‧辨識步驟
6‧‧‧判斷太陽能板陣列是否異常之方法
601-603‧‧‧步驟
第1圖例示了在本發明的一或多個實施例中的一種太陽能系 統。
第2圖例示了在本發明的一或多個實施例中一種判斷太陽能板陣列是否異常之計算機裝置。
第3圖例示了在本發明的一或多個實施例中太陽能板陣列的時間歷程。
第4圖例示了在本發明的一或多個實施例中一種太陽能板陣列之異常類別之辨識方法。
第5圖例示了在本發明的一或多個實施例中太陽能板陣列的數個異常類別。
第6圖例示了在本發明的一或多個實施例中的一種判斷太陽能板陣列是否異常之方法。
以下所述各種實施例並非用以限制本發明只能在所述的環境、應用、結構、流程或步驟方能實施。於圖式中，與本發明非直接相關的元件皆已省略。於圖式中，各元件的尺寸以及各元件之間的比例僅是範例，而非用以限制本發明。除了特別說明之外，在以下內容中，相同(或相近)的元件符號可對應至相同(或相近)的元件。
第1圖例示了在本發明的一或多個實施例中的一種太陽能系統。第1圖所示內容僅是為了說明本發明的實施例，而非為了限制本發明。參照第1圖，太陽能系統1可包含複數個太陽能板P、複數個最大功率追蹤器(Maximum Power Point Tracker)MPPT、複數個變流器(inverter)INV、一總發電量電表M與一感測器11。
如第1圖所示，每一個太陽能板P可包含複數個太陽能電池(solar cells)(未繪示)，以將太陽光通過光生伏打效應(photovoltaic effect)而將太陽光的光能轉成電能。複數個串聯的太陽能板P與一個最大功率追蹤器MPPT可以組成一太陽能板串S，以提供一直流輸出。每一個太陽能板串S中的最大功率追蹤器MPPT可以是一個直流對直流轉換器，且其可以透過各種方法計算出此太陽能板串S的最大功率點，例如但不限於：擾動觀察法、增量電導法、電流掃描法、定電壓法等。每一個最大功率追蹤器MPPT可以輸出與其串聯的所有太陽能板P所產生的直流輸出電源。多個太陽能板串S可以組成一個太陽能板陣列A，且可連接到一個變流器INV。每一個變流器INV可以是一種利用高頻電橋電路將直流電變換成交流電的電子元件，例如但不限於：半橋逆變器、全橋逆變器和三相橋式逆變器等。因此，每一個變流器INV可以將與其連接的太陽能板陣列A的直流輸出轉換為一交流輸出，並將此交流輸出傳送至總發電量電表M。於某些實施例中，每一個變流器INV還可記錄與其連接的太陽能板陣列A之實際發電量。
感測器11可以包含一或多個用以感測太陽能系統1所處環境的各種環境參數的設備。舉例而言，感測器11可任意地包含一溫度計、一照度計、一溼度計、一空氣品質監視器等設備，其中溫度計可用以感測太陽能系統1所處環境的溫度參數，照度計可用以感測太陽能系統1所處環境的照度參數，溼度計可用以感測太陽能系統1所處環境的溼度參數，而空氣品質監視器可用以感測太陽能系統1所處環境的空氣品質參數。
以上針對第1圖所提及的連接關係，根據不同的需求，可以是直接連接(即，未經由其他特定功能的元件來相互連接)，也可以是間接 連接(即，經由其他特定功能的元件來相互連接)。
第2圖例示了在本發明的一或多個實施例中一種判斷一太陽能板陣列是否異常之計算機裝置。第2圖所示內容僅是為了說明本發明的實施例，而非為了限制本發明。參照第2圖，一計算機裝置2可包含一儲存器21與一處理器23。於某些實施例中，計算機裝置2還包含一資料傳輸介面25。儲存器21、處理器23與資料傳輸介面25三者可互相連接，且此三者的連接關係可以是直接連接(即，未經由其他特定功能的元件來相互連接)，也可以是間接連接(即，經由其他特定功能的元件來相互連接)。舉例來說，儲存器21可以直接連接至資料傳輸介面25，也可以透過處理器23間接連接至資料傳輸介面25。
處理器23可以是各種具備訊號處理功能的微處理器(microprocessor)或微控制器(microcontroller)。微處理器或微控制器是一種可程式化的特殊積體電路，其具有運算、儲存、輸出/輸入等能力，且可接受並處理各種編碼指令，以進行各種邏輯運算與算術運算，並輸出相應的運算結果。
儲存器21可包含第一級記憶體(又稱主記憶體或內部記憶體)，通常簡稱為記憶體，這層的記憶體與處理器23直接連通。處理器23可讀取儲存在第一級記憶體的指令集，並在需要時執行這些指令集。儲存器21還可包含第二級記憶體(又稱外部記憶體或輔助記憶體)，且第二級記憶體和處理器23並沒有直接連通，而是透過記憶體的I/O通道來與之連接，並使用資料緩衝器來將資料傳送至第一級記憶體。在不供應電源的情況下，第二級記憶體的資料仍然不會消失(即非揮發性)。第二級記憶體可例如是各種 類型的硬碟、光碟等。儲存器21亦可包含第三級儲存裝置，亦即，可直接插入或自電腦拔除的儲存裝置，例如隨身碟。
資料傳輸介面25可包含用以讓計算機裝置2連接到第1圖所示的太陽能系統1及/或連接到一網路9(任一無線網路及/或任一有線網路)的各種網路界面，例如但不限於：一乙太(Ethernet)通訊介面、一互聯網(Internet)通訊介面、一Wi-Fi網路通訊介面、一LTE網路通訊介面等等。
在資料傳輸介面25與第1圖所示的太陽能系統1連接的情況下，計算機裝置2可經由資料傳輸介面25直接接收來自太陽能系統1的各種資料(包含感測器11所感測的資料)。在資料傳輸介面25沒有與第1圖所示的太陽能系統1連接，但網路9與第1圖所示的太陽能系統1連接的情況下，計算機裝置2可經由資料傳輸介面25與網路9接收來自太陽能系統1的各種資料(包含感測器11所感測的資料)。
於某些實施例中，計算機裝置2還可包含一輸入/輸出介面(未繪示)，例如但不限於：滑鼠、軌跡球、觸控板、鍵盤、掃描器、麥克風、使用者介面、螢幕、觸控式螢幕、投影機等等。此輸入/輸出介面可與儲存器21、處理器23與資料傳輸介面25直接或間接連接。透過此輸入/輸出介面，使用者可以將外部的資料儲存至儲存器21，也可將儲存在儲存器21的資料輸出到外部。
繼續參照第2圖，儲存器21可用以儲存一目前發電量計算模型811。此目前發電量計算模型811可以是一回歸分析模型，且此回歸分析模型可以表示為一與太陽能板陣列A之發電量及其環境參數有關的方程式。環 境參數可以包含各種參數類別，例如但不限於以下至少一種以下：照度、溫度、濕度、空氣品質等等。舉例而言，在只考慮太陽能板陣列A的某一項環境參數(例如，照度)的情況下，目前發電量計算模型811可以表示如下：y=a 1 x 1+a 0 (1)其中x 1是照度，y值是發電量，而a 1與a 0是預先經由回歸分析所產生的回歸係數。
另舉例而言，在考慮太陽能板陣列A的某二項環境參數(例如，照度與溫度)的情況下，目前發電量計算模型811可以表示如下：y=b 1 x 1 2+b 2 x 1 x 2+b 0 (2)其中x 1是照度，x 2是溫度，y值是發電量，而b 1、b 2與b 0是預先經由回歸分析所產生的回歸係數。
於某些實施例中，處理器23本身可不用以建構目前發電量計算模型811，而是從計算機裝置2外部直接將建構好的目前發電量計算模型811儲存至儲存器21。於某些實施例中，處理器23本身也可用以建構目前發電量計算模型811。
第3圖例示了在本發明的一或多個實施例中一太陽能板陣列的時間歷程。第3圖所示內容僅是為了說明本發明的實施例，而非為了限制本發明。參照第2圖與第3圖，在處理器23可用以針對一太陽能板陣列A建構一目前發電量計算模型811的情況下，儲存器21可用以儲存此太陽能板陣列A之一組歷史實際發電量參數833與一組歷史環境參數853。此組歷史環境參數853可以包含各種參數類別，例如但不限於以下至少一種以下：照度、溫度、濕度、空氣品質等等。
此組歷史實際發電量參數833與此組歷史環境參數853可以包含此太陽能板陣列A在第二時間點t2之前的一第二時間區間TD2內所取樣的複數個歷史實際發電量數值以及複數個歷史環境數值。第二時間區間TD2的長度、此些歷史實際發電量數值的取樣數量以及此些歷史環境數值的取樣數量，可以根據不同的需求而設定。舉例而言，假設第二時間點t2是建構目前發電量計算模型811的時間點，則第二時間區間TD2的長度可以例如是六個月、一年、兩年等等，且此些歷史實際發電量數值與此些歷史環境數值可以分別包含在第二時間區間TD2中每一天某些特定時間點的發電量(例如每天早上九點鐘至下午三點鐘每一個小時的平均發電量)以及環境數值(例如每天早上九點鐘至下午三點鐘每一個小的平均環境數值)。
處理器23可用以針對此組歷史實際發電量參數833與此組歷史環境參數853進行一回歸分析，以建構此目前發電量計算模型811，並將此目前發電量計算模型811儲存至儲存器21。具體而言，處理器23可以利用各種回歸分析方法(例如，複變數回歸最小平方法)，將此組歷史實際發電量參數833與此組歷史環境參數853輸入到一預設回歸分析模型(例如，方程式(1)或(2))，然後計算出此預設回歸分析模型的回歸係數(例如，方程式(1)中的回歸係數a 1與a 0或方程式(2)中的回歸係數b 1、b 2與b 0)，藉此建構出此目前發電量計算模型811。
繼續參照第2圖與第3圖，儲存器21可用以儲存此太陽能板陣列A之一組目前實際發電量參數831與一組目前環境參數851。此組目前環境參數851可以包含各種參數類別，例如但不限於以下至少一種以下：照度、溫度、濕度、空氣品質等等。此組目前實際發電量參數831可包含在第二時 間點t2之後的一第一時間區間TD1內分別對應至複數特定時間點的複數個目前實際發電量數值，而此組目前環境參數851可包含在第二時間點t2之後的第一時間區間TD1內分別對應至此些特定時間點的複數個目前環境數值。在此目前發電量計算模型811是由處理器23所建構的情況下，第二時間點t2可以是在此目前發電量計算模型811被處理器23建構之後的某一時間點。在此目前發電量計算模型811不是由處理器23所建構的情況下，第二時間點t2可以是在此目前發電量計算模型811被儲存到儲存器21之後的某一時間點。
第一時間區間TD1的長度以及第一時間區間TD1所包含的複數個時間點可以根據不同的需求而設定。舉例而言，假設第二時間點t2是某一天的早上八點鐘，而第一時間區間TD1可以是八小時，且第一時間區間TD1可以包含八個時間點，分別是早上九點鐘、十點鐘、十一點鐘、十二點鐘與下午一點鐘、二點鐘、三點鐘、四點鐘。另舉例而言，假設第二時間點t2是某一天的早上八點鐘，第一時間區間TD1也可以是九小時，且第一時間區間TD1可以包含三個時間點，分別是早上十一點鐘與下午二點鐘、五點鐘。
處理器23可用以根據此組目前環境參數851，利用此目前發電量計算模型811計算出此太陽能板陣列A之一組目前參考發電量參數。具體而言，處理器23可將第一時間區間TD1所包含的複數個特定時間點的複數個目前環境數值分別輸入到此目前發電量計算模型811中(例如，回歸係數已知的方程式(1)或(2))，以分別計算出第一時間區間TD1所包含的複數特定時間點的複數個目前參考發電量數值(例如，回歸係數已知的方程式(1)或(2)中的發電量y)，藉此取得此組目前參考發電量參數。
在計算出此太陽能板陣列A之此組目前參考發電量參數之 後，處理器23可用以根據此組目前實際發電量參數831與此組目前參考發電量參數之間的一對比來針對此太陽能板陣列A界定一發電量指標。舉例而言，處理器23可將此組目前實際發電量參數831與此組目前參考發電量參數在第一時間區間TD1所包含的複數個特定時間點的複數個參數的比值(此些實際發電量數值除以此複數參考發電量數值的複數個比值)所呈現的曲線界定為此發電量指標。如後所述，根據此發電量指標，處理器23便可判斷此太陽能板陣列A是否異常，且辨識出太陽能板陣列A的異常類別。
繼續參照第2圖與第3圖，於某些實施例中，此儲存器21還可用以儲存一先前發電量計算模型815與此太陽能板陣列A之一組先前環境參數855。此先前環境參數855可包含在第一時間點t1與第二時間點t2之間的一第三時間區間TD3內對應至複數個特定時間點的複數個先前環境數值。此組先前環境參數855可以包含各種參數類別，例如但不限於以下至少一種以下：照度、溫度、濕度、空氣品質等等。
如同此目前發電量計算模型811，處理器23本身可不用以建構此先前發電量計算模型815，也可用以建構此先前發電量計算模型815。在此先前發電量計算模型815是由處理器23所建構的情況下，第一時間點t1可以是在此先前發電量計算模型815被處理器23建構之後的某一時間點。在此先前發電量計算模型815不是由處理器23所建構的情況下，第一時間點t1可以是在此先前發電量計算模型815被儲存到儲存器21之後的某一時間點。第三時間區間TD3的長度以及此些先前環境數值的取樣數量可以根據不同的需求而設定。舉例而言，第三時間區間TD3的長度可以是一個月、三個月、六個月、一年或一年以上。而此些先前環境數值可以包含在第三時間區間 TD3中每一天某些特定時間點的環境數值(例如每天早上九點鐘至下午三點鐘每一個小時的平均環境數值)。
處理器23可用以根據此組先前環境參數855，利用此目前發電量計算模型811計算出此太陽能板陣列A之一組第一發電量參數，且利用此先前發電量計算模型815計算出此太陽能板陣列A之一組第二發電量參數。然後，處理器23可藉由比較此組第一發電量參數與此組第二發電量參數，決定是否要計算此太陽能板陣列A之此組目前參考發電量參數。
具體而言，處理器23可將在第三時間區間TD3取樣所得的複數先前環境數值分別輸入到目前發電量計算模型811中(例如，回歸係數已知的方程式(1)或(2))，以計算出複數個第一發電量數值(例如，回歸係數已知的方程式(1)或(2)中的發電量y)，而這些第一發電量數值即為此組第一發電量參數。另外，處理器23可將在第三時間區間TD3取樣所得的此些先前環境數值分別輸入到先前發電量計算模型815中(例如，回歸係數已知的方程式(1)或(2))，以計算出複數個第二發電量數值(例如，回歸係數已知的方程式(1)或(2)中的發電量y)，而這些第二發電量數值即為此組第二發電量參數。然後，處理器23可計算此組第一發電量參數與此組第二發電量參數的比值(即，此些第一發電量數值除以此些第二發電量數值的複數個比值)的一平均值，並根據此平均值決定是否要計算此太陽能板陣列A之此組目前參考發電量參數(即，是否要計算此發電量指標)。
若此組第一發電量參數與此組第二發電量參數之間的差異過大(亦即，此平均值超過一預設的門檻值)，則表示此目前發電量計算模型811與此先前發電量計算模型815之間的差異過大，也因此，處理器23可判 斷此目前發電量計算模型811並不適合用來計算此太陽能板陣列A之此組目前參考發電量參數(即，不適合用來計算此太陽能板陣列A之此發電量指標)。此目前發電量計算模型811與此先前發電量計算模型815之間的差異過大的一個原因可能是此太陽能板陣列A的降解(degradation)程度發生異常，故在此情況下，處理器23可將太陽能板陣列A辨識為降解異常。
儲存器21所儲存的此組歷史實際發電量參數833、此組歷史環境參數853、此組目前實際發電量參數831、此組目前環境參數851與此組先前環境參數855可以由資料傳輸介面25來提供。儲存器21所儲存的此組歷史實際發電量參數833、此組歷史環境參數853、此組目前實際發電量參數831、此組目前環境參數851與此組先前環境參數855也可以由使用者輸入至計算機裝置2中。
第4圖例示了在本發明的一或多個實施例中一種太陽能板陣列之異常類別之辨識方法，而第5圖例示了在本發明的一或多個實施例中一太陽能板陣列的數個異常類別。第4圖與第5圖所示內容僅是為了說明本發明的實施例，而非為了限制本發明。參照第4-5圖，處理器23可根據一辨識方法4來判斷此太陽能板陣列A是否異常及辨識其異常的類別。
辨識步驟401可用以辨識此太陽能板陣列A的降解是否異常。如上所述，計算機裝置2可計算此組第一發電量參數與此組第二發電量參數的比值(即，此些第一發電量數值除以此些第二發電量數值的複數個比值)的一平均值，並根據此平均值辨識此太陽能板陣列A的降解是否異常。若判斷此太陽能板陣列A的降解發生異常，則可不計算此發電量指標。舉例而言，若此平均值小於一降解門檻值(例如，小於0.9)，則計算機裝置2可 判斷此太陽能板陣列A發生異常，且將其異常狀態辨識為降解異常。此處所述的降解異常是指此太陽能板陣列A的降解程度超出其因自然耗損所導致的正常降解程度，且不限其發生原因。
若辨識步驟401的辨識結果為否，則將進一步進行另一辨識步驟403。然而，於某些實施例中，可以省略辨識步驟401，且辨識方法4可以直接從辨識步驟403開始。
如上所述，計算機裝置2可以根據此組目前環境參數851，利用此目前發電量計算模型811計算出此太陽能板陣列A之一組目前參考發電量參數，並根據此組目前實際發電量參數831與此組目前參考發電量參數之間的一對比來針對此太陽能板陣列A界定一發電量指標。
在感測器11正常的情況下，此太陽能板陣列A之實際發電量通常會小於透過目前發電量計算模型811所計算出來的參考發電量。因此，在辨識步驟403中，若此發電量指標於第一時間區間TD1內的每一個時間點上的數值及這些數值的平均值皆大於一第一預設值，則可反映出此太陽能板陣列A之實際發電量大於透過此目前發電量計算模型811所計算出來的參考發電量，而此時計算機裝置2便可判斷此太陽能板陣列A發生異常，且將其異常類別辨識為感測器異常。此處所述的感測器異常涵蓋感測器1因各種原因而發生的異常，例如但不限於：感測器11表面有髒汙、感測器11校準值失準，或感測器11故障等。舉例而言，對照至第5圖中的(5A)，若從第二時間點t2開始，此發電量指標在每一個時間點的數值以及這些數值的平均值皆明顯大於此第一預設值(例如，大於1)，則計算機裝置2可判斷此太陽能板陣列A發生異常，且將其異常類別辨識為感測器異常。若辨識步驟403的辨 識結果為否，則將進一步進行另一辨識步驟405。
在辨識步驟405中，若此發電量指標於第一時間區間TD1內的每一個時間點上的數值皆小於此第一預設值，但也都大於一第二預設值，則計算機裝置2可判斷此太陽能板陣列A發生異常，且將其異常類別辨識為軟遮蔭。此處所述的軟遮蔭異常是指此太陽能板陣列A因其表面有落塵或半透明髒汙而不易產生熱點效應(hot spot effect)的一種異常現象。舉例而言，對照至第5圖中的(5B)，若從第二時間點t2開始，此發電量指標在每一個時間點上的數值皆介於此第一預設值與此第二預設值之間(例如，每一個數值都小於1且大於0.9)，則計算機裝置2可判斷此太陽能板陣列A發生異常，且將其異常類別辨識為軟遮蔭異常。若辨識步驟405的辨識結果為否，則將進一步進行另一辨識步驟407。
在辨識步驟407中，若此發電量指標於第一時間區間TD1內的某一或某些時間點上的數值低於此第一預設值，但在其他時間點上的數值都趨近於此第一預設值，則計算機裝置2可判斷此太陽能板陣列A發生異常，且將其異常類別辨識為局部異常及/或暫時異常。此處所述的局部異常及/或暫時異常是指此太陽能板陣列A因被局部地或暫時地遮蔭的一種異常現象，且可涵蓋各種使得此太陽能板陣列A被局部地或暫時地遮蔭的原因，例如但不限於：建築物、植物、雲朵因日照方向不同而局部地或暫時地遮蔭此太陽能板陣列A。舉例而言，對照至第5圖中的(5C)，若從第二時間點t2開始，此發電量指標只有在某一個時間點上的數值小於此第一預設值(例如，小於1)，但在其他時間點上的數值都趨近於此第一預設值(例如，趨近於1)，則計算機裝置2可判斷此太陽能板陣列A發生異常，且將其異常類別 辨識為局部異常及/或暫時異常。若辨識步驟407的辨識結果為否，則將進一步進行另一的辨識步驟409。
在辨識步驟409中，若此發電量指標於第一時間區間TD1內的每一個時間點上的數值皆趨近於一個特定數值，且此特定數值為此第一預設值除以此太陽能板陣列A所包含的太陽能板串S的數量後所得到的數值的整數倍，則計算機裝置2可判斷此太陽能板陣列A發生異常，且將其異常類別辨識為硬遮蔭或斷路異常。假設此太陽能板陣列A共包含三串太陽能板串S，則此特定數值可以是1/3的整數倍，也就是1/3或2/3。此處所述的硬遮蔭或斷路異常是指此太陽能板陣列A中的某一個或某幾個太陽能板P的功能失效，進而導致某一串或某幾串太陽能板串S失效的一種異常現象。舉例而言，對照第5圖中的(5D)，若此太陽能板陣列A共包含三串太陽能板串S，且從第二時間點t2開始，此發電量指標在每一個時間點上的數值皆趨近於2/3或1/3，則計算機裝置2可判斷此太陽能板陣列A發生異常，且將其異常類別辨識為硬遮蔭或斷路異常。若此發電量指標在每一個時間點上的數值皆趨近於2/3，則表示此太陽能板陣列A所包含三串太陽能板串S中有某一串發生硬遮蔭或斷路異常。若此發電量指標在每一個時間點上的數值皆趨近於1/3，則表示此太陽能板陣列A所包含三串太陽能板串S中有某二串發生硬遮蔭或斷路異常。若辨識步驟409的辨識結果為否，則將進一步進行另一辨識步驟411。
在辨識步驟411中，若此發電量指標於第一時間區間TD1內的每一個時間點上的數值皆小於此第二預設值，則計算機裝置2可判斷太陽能板陣列A發生異常，且將異常類別辨識為其他異常(例如但不限於，接觸 不良、短路、隱裂、電弧、軟遮蔭累積或各種複合式的異常)。反之，則計算機裝置2可辨識太陽能板陣列A無異常。
第4圖所示的辨識步驟403-411的辨識順序可以根據不同的需求而任意調整。另外，在某些實施例中，第4圖所示的辨識步驟403-411之中的某一個或某些可以根據不同的需求而省略。在某些實施例中，也可以增加一或多個其他條件的辨識步驟至第4圖所示的辨識方法4之中。
在某些實施例中，上述的任一預設值也可以用一預設區間來取代，其中此預設區間可包含一上界值與一下界值。另外，在判斷此發電量指標是否大於某一預設值時，可改為判斷此發電量指標是否大於相對應的預設區間的此上界值；在判斷此發電量指標是否小於某一預設值時，可改為判斷此發電量指標是否小於相對應的預設區間的此下界值；以及在判斷此發電量指標是否趨近於某一預設值時，可改為判斷此發電量指標是否落在相對應的預設區間之中。舉例而言，可採用包含下限值0.95與上限值1.05的預設區間來取代預設值1，藉此增加判斷上可容忍的誤差空間。
第6圖例示了在本發明的一或多個實施例中的一種判斷太陽能板陣列是否異常的方法。第6圖所示內容僅是為了說明本發明的實施例，而非為了限制本發明。參照第6圖，判斷太陽能板陣列是否異常的方法6可以包含以下步驟：由一計算機裝置，根據此太陽能板陣列之一組目前環境參數，利用一目前發電量計算模型計算出此太陽能板陣列之一組目前參考發電量參數(標示為步驟601)；以及由此計算機裝置，根據此太陽能板陣列之一組目前實際發電量參數與 此組目前參考發電量參數之間的一對比來針對此太陽能板陣列界定一發電量指標，並根據此發電量指標判斷此太陽能板陣列是否異常(標示為步驟603)。
在某些實施例中，方法6還可包含以下步驟：由此計算機裝置，針對此太陽能板陣列之一組歷史實際發電量參數與一組歷史環境參數進行一回歸分析，以建構此目前發電量計算模型。
在某些實施例中，方法6還可包含以下步驟：由此計算機裝置，針對此太陽能板陣列之一組歷史實際發電量參數與一組歷史環境參數進行一回歸分析，以建構此目前發電量計算模型；以及由此計算機裝置，接收且儲存來自於此太陽能板陣列之此組目前實際發電量參數、此組目前環境參數、此組歷史實際發電量參數與此組歷史環境參數。
在某些實施例中，方法6還可包含以下步驟：由此計算機裝置，根據此太陽能板陣列之一組先前環境參數，利用此目前發電量計算模型計算出此太陽能板陣列之一組第一發電量參數；由此計算機裝置，根據此太陽能板陣列之此組先前環境參數，利用一先前發電量計算模型計算出此太陽能板陣列之一組第二發電量參數；以及由此計算機裝置，藉由比較此組第一發電量參數與此組第二發電量參數，決定是否要計算此太陽能板陣列之此組目前參考發電量參數。
在某些實施例中，在方法6中，此目前環境參數可包含至少一種以下參數類別：照度、溫度與濕度。
在某些實施例中，方法6還可包含以下步驟：由此計算機裝置，根據此發電量指標，辨識出此太陽能板陣列的一異常類別。
於某些實施例中，可在計算機裝置2上實現方法6。由於本發明所屬技術領域中具有通常知識者可根據上文針對計算機裝置2的說明而清楚得知方法6所具備的全部相對應步驟，故相關細節於此不再贅述。
綜上所述，在本發明的實施例中，並非是針對一整個太陽能系統是否異常進行判斷，而是針對此太陽能系統中的每一個太陽能板陣列是否異常分別進行判斷。因此，在判斷此太陽能系統異常時，還可以明確地辨識出判斷出是此太陽能系統中的哪一個(或哪幾個)太陽能板陣列異常，而這將有助於後續的異常修復。另一方面，在本發明的實施例中，用來判斷太陽能板陣列是否異常的一發電量指標與此太陽能板陣列之一組目前實際發電量參數和一組目前參考發電量參數之間的一對比有關，且此組目前參考發電量參數與此太陽能板陣列之一組目前環境參數有關。由於此組環境參數可包含與天氣變化相關的各種參數，用以判斷此太陽能板陣列是否異常的此發電量指標相當於已考量了天氣變化這個因素。據此，在本發明的實施例中，不但可有效地降低錯誤地判斷此太陽能板陣列異常的可能性，且在辨識異常類別時，除了可辨識出因設備損壞所造成的異常類別之外，還可準確地辨識出因天氣變化所造成的異常類別。
以上所揭露的實施例並非為了限制本發明。本發明所屬技術領域中具有通常知識者可輕易完成的改變或均等性的安排都落於本發明的範圍內。本發明的範圍以申請專利範圍所載內容為準。

Claims (20)

  1. 一種判斷太陽能板陣列是否異常之計算機裝置，包含：一儲存器，用以儲存一目前發電量計算模型、該太陽能板陣列之一組目前實際發電量參數與一組目前環境參數；以及一處理器，電性連接至該儲存器，並用以：根據該組目前環境參數，利用該目前發電量計算模型計算出該太陽能板陣列之一組目前參考發電量參數；以及根據該組目前實際發電量參數與該組目前參考發電量參數之間的一對比來針對該太陽能板陣列界定一發電量指標，並根據該發電量指標判斷該太陽能板陣列是否異常。
  2. 如請求項1所述的計算機裝置，其中：該儲存器更用以儲存該太陽能板陣列之一組歷史實際發電量參數與一組歷史環境參數；以及該處理器更用以針對該組歷史實際發電量參數與該組歷史環境參數進行一回歸分析，以建構該目前發電量計算模型，並將該目前發電量計算模型儲存至該儲存器。
  3. 如請求項2所述的計算機裝置，更包含一資料傳輸介面，其中：該資料傳輸介面與該儲存器電性連接，且用以接收來自於該太陽能板陣列之該組目前實際發電量參數、該組目前環境參數、該組歷史實際發電量參數與該組歷史環境參數。
  4. 如請求項3所述的計算機裝置，其中該資料傳輸介面連接至該太陽能板陣列之一感測器，以接收該組目前實際發電量參數、該組目前環境參數、 該組歷史實際發電量參數與該組歷史環境參數。
  5. 如請求項1所述的計算機裝置，其中：該儲存器更用以儲存一先前發電量計算模型與該太陽能板陣列之一組先前環境參數；以及該處理器更用以：根據該組先前環境參數，利用該目前發電量計算模型計算出該太陽能板陣列之一組第一發電量參數；根據該先前環境參數，利用該先前發電量計算模型計算出該太陽能板陣列之一組第二發電量參數；以及藉由比較該組第一發電量參數與該組第二發電量參數，決定是否要計算該太陽能板陣列之該組目前參考發電量參數。
  6. 如請求項1所述的計算機裝置，其中該組目前環境參數包含至少一種以下參數類別：照度、溫度與濕度。
  7. 如請求項1所述的計算機裝置，其中該處理器更根據該發電量指標，辨識出該太陽能板陣列的一異常類別。
  8. 如請求項7所述的計算機裝置，其中該異常類別是降解異常、感測器異常、軟遮蔭異常、局部/暫時遮蔭、硬遮蔭或斷路異常、與其他異常的其中一種。
  9. 如請求項1所述的計算機裝置，其中該組目前實際發電量參數包含在一時間區間內分別對應至複數個特定時間點的複數個目前實際發電量數值，該組目前環境參數包含在該時間區間內分別對應至該些特定時間點的複數個目前環境數值，且該組參考發電量參數包含在該時間區間內分別對 應至該些特定時間點的複數個參考發電量數值。
  10. 如請求項9所述的計算機裝置，其中該處理器是將在該時間區間內對應至該些特定時間點的該些目前實際發電量數值與該些參考發電量數值的複數比值所呈現的曲線界定為該發電量指標。
  11. 一種判斷太陽能板陣列是否異常之方法，包含：由一計算機裝置，根據該太陽能板陣列之一組目前環境參數，利用一目前發電量計算模型計算出該太陽能板陣列之一組目前參考發電量參數；以及由該計算機裝置，根據該太陽能板陣列之一組目前實際發電量參數與該組目前參考發電量參數之間的一對比來針對該太陽能板陣列界定一發電量指標，並根據該發電量指標判斷該太陽能板陣列是否異常。
  12. 如請求項11所述的方法，更包含：由該計算機裝置，針對該太陽能板陣列之一組歷史實際發電量參數與一組歷史環境參數進行一回歸分析，以建構該目前發電量計算模型。
  13. 如請求項12所述的方法，更包含：由該計算機裝置，接收且儲存來自於該太陽能板陣列之該組目前實際發電量參數、該組目前環境參數、該組歷史實際發電量參數與該組歷史環境參數。
  14. 如請求項13所述的方法，其中該計算機裝置是從該太陽能板陣列之一感測器接收該組目前實際發電量參數、該組目前環境參數、該組歷史實際發電量參數與該組歷史環境參數。
  15. 如請求項11所述的方法，更包含： 由該計算機裝置，根據該太陽能板陣列之一組先前環境參數，利用該目前發電量計算模型計算出該太陽能板陣列之一組第一發電量參數；由該計算機裝置，根據該太陽能板陣列之該組先前環境參數，利用一先前發電量計算模型計算出該太陽能板陣列之一組第二發電量參數；以及由該計算機裝置，藉由比較該組第一發電量參數與該組第二發電量參數，決定是否要計算該太陽能板陣列之該組目前參考發電量參數。
  16. 如請求項11所述的方法，其中該目前環境參數包含至少一種以下參數類別：照度、溫度與濕度。
  17. 如請求項11所述的方法，更包含：由該計算機裝置，根據該發電量指標，辨識出該太陽能板陣列的一異常類別。
  18. 如請求項17所述的方法，其中該異常類別是降解異常、感測器異常、軟遮蔭異常、局部/暫時遮蔭、硬遮蔭或斷路異常、與其他異常中的其中一種。
  19. 如請求項11所述的方法，其中該組目前實際發電量參數包含在一時間區間內分別對應至複數個特定時間點的複數個目前實際發電量數值，該組目前環境參數包含在該時間區間內分別對應至該些特定時間點的複數個目前環境數值，且該組參考發電量參數包含在該時間區間內分別對應至該些特定時間點的複數個參考發電量數值。
  20. 如請求項19所述的方法，其中該計算機裝置是將在該時間區間內對應至該些特定時間點的該些目前實際發電量數值與該些參考發電量數值的複 數比值所呈現的曲線界定為該發電量指標。
TW106138151A 2017-11-03 2017-11-03 判斷太陽能板陣列是否異常之計算機裝置與方法 TWI669904B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
TW106138151A TWI669904B (zh) 2017-11-03 2017-11-03 判斷太陽能板陣列是否異常之計算機裝置與方法
CN201711135558.0A CN109756185A (zh) 2017-11-03 2017-11-16 判断太阳能板阵列是否异常的计算机装置与方法
US15/867,606 US20190140589A1 (en) 2017-11-03 2018-01-10 Computer device and method for determining whether a solar energy panel array is abnormal

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
TW106138151A TWI669904B (zh) 2017-11-03 2017-11-03 判斷太陽能板陣列是否異常之計算機裝置與方法

Publications (2)

Publication Number Publication Date
TW201919329A true TW201919329A (zh) 2019-05-16
TWI669904B TWI669904B (zh) 2019-08-21

Family

ID=66329023

Family Applications (1)

Application Number Title Priority Date Filing Date
TW106138151A TWI669904B (zh) 2017-11-03 2017-11-03 判斷太陽能板陣列是否異常之計算機裝置與方法

Country Status (3)

Country Link
US (1) US20190140589A1 (zh)
CN (1) CN109756185A (zh)
TW (1) TWI669904B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI716990B (zh) * 2019-08-30 2021-01-21 春禾科技股份有限公司 太陽能裝置發電效能異常判斷方法

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110389949B (zh) * 2019-07-23 2022-12-16 华北电力大学 一种光伏阵列数据清洗方法
JP7435073B2 (ja) 2020-03-13 2024-02-21 オムロン株式会社 異常検知装置、異常検知方法、および異常検知プログラム
CN111555716B (zh) * 2020-03-13 2023-07-28 远景智能国际私人投资有限公司 光伏阵列工作状态的确定方法、装置、设备及存储介质
US11929607B2 (en) * 2022-01-06 2024-03-12 Monitek, Llc Mains power-operated distributed disconnect for solar power system rapid shutdown

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
AT508834B1 (de) * 2009-10-09 2012-09-15 Fronius Int Gmbh Verfahren und vorrichtung zur fehlererkennung in einer photovoltaik-anlage
CN102129466B (zh) * 2011-03-22 2012-11-28 国网电力科学研究院 基于实证示范建立光伏电站测试诊断和预测数据库的方法
CN103135008B (zh) * 2011-12-05 2016-01-20 财团法人资讯工业策进会 电力异常侦测装置及其电力异常侦测方法
WO2013179655A1 (ja) * 2012-05-29 2013-12-05 東京エレクトロン株式会社 太陽光発電監視方法及びその方法に用いられる太陽光発電監視システム
JP6115764B2 (ja) * 2013-03-14 2017-04-19 オムロン株式会社 太陽光発電システム、異常判断処理装置、異常判断処理方法、およびプログラム
JP2016144384A (ja) * 2015-02-05 2016-08-08 日清紡メカトロニクス株式会社 太陽光発電システムの性能評価方法
JP2017063591A (ja) * 2015-04-30 2017-03-30 株式会社別川製作所 太陽光発電システム、太陽光発電ユニットの診断方法および診断プログラム
CN105071771A (zh) * 2015-09-08 2015-11-18 河海大学常州校区 一种基于神经网络的分布式光伏系统故障诊断方法
CN105375878B (zh) * 2015-12-16 2017-06-30 中国科学院广州能源研究所 一种在线检测和评估光伏系统效率的方法
TW201727559A (zh) * 2016-01-26 2017-08-01 Chun He Technology Co Ltd 再生能源電廠的管理方法與系統
CN106100578A (zh) * 2016-05-30 2016-11-09 佛山科学技术学院 一种适用于光伏并网系统的故障检测方法及其系统
CN106452354A (zh) * 2016-09-21 2017-02-22 武汉承光博德光电科技有限公司 一种并网型光伏电站发电性能的验证方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI716990B (zh) * 2019-08-30 2021-01-21 春禾科技股份有限公司 太陽能裝置發電效能異常判斷方法

Also Published As

Publication number Publication date
US20190140589A1 (en) 2019-05-09
TWI669904B (zh) 2019-08-21
CN109756185A (zh) 2019-05-14

Similar Documents

Publication Publication Date Title
TWI669904B (zh) 判斷太陽能板陣列是否異常之計算機裝置與方法
Triki-Lahiani et al. Fault detection and monitoring systems for photovoltaic installations: A review
Livera et al. Recent advances in failure diagnosis techniques based on performance data analysis for grid-connected photovoltaic systems
Dhimish et al. Fault detection algorithm for grid-connected photovoltaic plants
Ali et al. Real time fault detection in photovoltaic systems
Spataru et al. Diagnostic method for photovoltaic systems based on light I–V measurements
Platon et al. Online fault detection in PV systems
Dhimish et al. Simultaneous fault detection algorithm for grid‐connected photovoltaic plants
AU2016202891B2 (en) Automatic generation and analysis of solar cell IV curves
WO2017148336A1 (zh) 光电系统中电池组串故障的识别方法、装置和设备
EP2495577B1 (en) Systems and methods for identifying faulty sensors within a power generation system
JP5856294B2 (ja) 太陽光発電監視方法及びその方法に用いられる太陽光発電監視システム
Dhimish et al. Effect of micro cracks on photovoltaic output power: case study based on real time long term data measurements
US8744791B1 (en) Automatic generation and analysis of solar cell IV curves
TWI486601B (zh) 用於檢測太陽能電池之缺陷的方法與系統
Dhimish et al. Multi‐layer photovoltaic fault detection algorithm
JP6758273B2 (ja) 太陽電池診断装置および太陽電池診断方法
JP7289995B2 (ja) 太陽光発電ストリングの動作状態を認識する方法および装置ならびに記憶媒体
Dhimish et al. Novel photovoltaic hot-spotting fault detection algorithm
Livera et al. Failure diagnosis of short-and open-circuit fault conditions in PV systems
Ding et al. Fault detection of photovoltaic array based on Grubbs criterion and local outlier factor
Silva et al. The study and application of evaluation methods for photovoltaic modules under real operational conditions, in a region of the Brazilian Southeast
CN111027723A (zh) 一种光伏与建筑一体化系统及方法
Livera et al. Advanced failure detection algorithms and performance decision classification for grid-connected PV systems
Serrano-Luján et al. Case of study: Photovoltaic faults recognition method based on data mining techniques