当前位置: 首页 > 专利查询>福州大学专利>正文

基于ZigBee的光伏组件在线监测与故障诊断方法技术

技术编号:13761296 阅读:167 留言:0更新日期:2016-09-27 12:37
本发明专利技术涉及一种基于ZigBee的光伏组件在线监测与故障诊断方法,采用模块化设计,将系统分成光伏组件无线传感器节点、数据网关、数据管理中心。光伏组件无线传感节点由CC2530无线收发器、传感器模块和电源管理模块构成,用于监测光伏组件的工作参数和环境参数,并通过ZigBee网络传给数据网关;数据网关采用基于ARM核的Mini2440控制器进行设计,完成对监测数据的缓存并将其转发给数据管理中心;数据管理中心采用QT软件进行设计,实现对数据网关转发过来的监测数据进行存储、显示、查询以及对传感网参数配置等功能,并基于实际监测数据采用遗传算法优化BP神经网络故障诊断模型,对光伏阵列的正常、短路、阴影和老化四种常见工况状态进行自动诊断。

【技术实现步骤摘要】

本专利技术涉及光伏阵列监测与故障诊断
,特别是一种基于ZigBee的光伏组件在线监测与故障诊断方法
技术介绍
随着世界各国光伏发电装机量的快速增长,光伏发电系统的自动监测与故障诊断近年来得到国内外越来越多的学者和相关机构的关注。多种光伏阵列监测与故障诊断方法与技术相继被提出,包括离线的和在线的。离线的监测系统是在人工的参与下,通过对离线的光伏阵列参数进行分析。主要有红外图像分析法、对地电容测量法、基于参数模型的故障诊断方法等。在线监测系统是指实时监测光伏阵列的参数,并实现对监测数据自动分析。主要有卫星检测法、基于工作电压窗口的故障诊断方法、时域反射分析法等。在这些方法和技术的帮助下,大大提高了电池组件的寿命,从而减少光伏发电的成本。其中,在线监测是目前比较常用的一种方式。然而,目前很多专利都是针对实时监测阵列参数或者提出一些故障诊断算法,并没有将二者有机的结合起来,形成功能性更强的在线监测系统。专利申请号为201210447030.8的中国专利技术申请,该专利技术提出一种基于ZigBee技术的光伏阵列监测装置,能够实现数据传输无需导体介质,节省人力物力。但是缺少对监测数据进一步处理从而找出故障类型,由于是针对光伏阵列的监测,因此无法准确得出发生故障的类型。专利申请号为201510528545.4的中国专利技术申请,该专利技术提出一种光伏阵列状态判断方法,通过影响光伏阵列状态的特征参数,得出光伏阵列发生的故障状态。由于所需的特征参数比较多,并且有的特征参数在实际测量中无法做到精确,这也会给光伏阵列状态判断带来一定的误差。
技术实现思路
本专利技术的目的在于提供一种基于ZigBee的光伏组件在线监测与故障诊断方法,以克服现有技术存在的缺陷。为实现上述目的,本专利技术的技术方案是:一种基于ZigBee的光伏组件在线监测与故障诊断方法,按照如下步骤实现:步骤S1:通过与光伏阵列中每个组件相匹配的ZigBee采集节点对应采集每个组件的工作参数及环境参数;步骤S2:所述ZigBee采集节点将采集数据通过无线传感网络发送到一汇聚节点,并通过串口发送至一数据网关;该数据网关将采集数据存储,并结合本地数据作为监测数据通过网络发
送至一数据管理中心;步骤S3:所述数据管理中心对所述数据网关转发过来的监测数据进行存储、显示、查询以及对传感网参数配置;步骤S4:基于所述监测数据,所述数据管理中心采用遗传算法优化后的BP神经网络算法故障诊断模型,对光伏阵列的故障类型进行自动诊断。相较于现有技术,本专利技术具有以下有益效果:(1)将数据监测和故障诊断集成一体化,使监测系统的功能更全面,采用ZigBee无线传感网络传输数据,可以有效解决有线监测系统的布线成本高,安装和维护耗时耗力、可扩展性差等问题。(2)采用光伏组件的最大功率点电压和电流、环境光照度和温度作为故障诊断模型的特征参数,可以有效解决高诊断率下特征参数难以获得的问题。(3)采用遗传算法优化BP神经网络故障诊断模型对光伏阵列的常见故障进行自动诊断,可以有效解决故障结果的低诊断率和随机性问题。(4)采用基于组件级别的实时监测与故障分析,可以快速、有效的找到发生故障的组件位置和类型。附图说明图1为本专利技术中基于ZigBee的光伏组件在线监测与故障诊断方法的系统框架图。图2为本专利技术中基于ZigBee的光伏组件在线监测与故障诊断方法中ZigBee采集节点的硬件框图。图3是本专利技术中基于ZigBee的光伏组件在线监测与故障诊断方法中GA-BP算法流程图。图4是本专利技术一实施例中所采集到的部分数据示意图。图5是本专利技术一实施例中经过遗传算法优化后的故障诊断结果示意图。具体实施方式下面结合附图,对本专利技术的技术方案进行具体说明。本专利技术提供一种基于ZigBee的光伏组件在线监测与故障诊断方法,多个光伏组件通过串、并联组成光伏阵列,光伏阵列中的各个组件上均安装一个低成本的、超低功耗的ZigBee节点以周期性实时采集各个组件的最大功率点电压、最大功率点电流和环境温度、光照度。每个无线传感节点和汇聚节点组成网状网拓扑方式,并通过无线传感网络将采集数据发送给汇聚节点。汇聚节点将这些数据通过RS232串口汇总至数据网关进行缓存,之后通过Socket网络通信方式发送至远程数据管理中心。当数据管理中心接收到这组采集数据之后,对这些数据进行一系列
的处理并且存储。在数据管理中心中,建立故障诊断模型,该模型的建立是基于遗传算法优化的BP神经网络算法。并且用老化、短路、阴影和正常四种工况状态的实测数据对这个模型进行训练。当有采集数据通过这个训练模型之后,就可以根据这组数据的特征判断故障类型。具体按照如下步骤实现:步骤S1:通过与光伏阵列中每个组件相匹配的ZigBee采集节点对应采集每个组件的工作参数及环境参数;步骤S2:ZigBee采集节点将采集数据通过无线传感网络发送到一汇聚节点,并通过串口发送至一数据网关;该数据网关将采集数据存储,并结合本地数据作为监测数据通过网络发送至一数据管理中心;步骤S3:数据管理中心对数据网关转发过来的监测数据进行存储、显示、查询以及对传感网参数配置;步骤S4:基于监测数据,数据管理中心采用遗传算法优化后的BP神经网络算法故障诊断模型,对光伏阵列的故障类型进行自动诊断。进一步的,在本实施例中,ZigBee采集节点包括:集成微处理器的兼容IEEE802.15.4协议的CC2530控制芯片、电压采集电路、电流采集电路、温度传感器DHT11、光照度传感器BHl750FVI以及电源电路,负责监测光伏组件的工作参数和环境参数并且通过无线网发送至数据网关。工作参数包括:工作电压、工作电流;环境参数包括:环境温度、环境光照度。如图2所示,本实施例中,光伏组件无线传感节点采用低功耗、低成本、安全可靠的ZigBee技术完成对光伏组件参数的采集。(a)传感节点的设计:采用CC2530作为核心控制芯片,并且以ZigBee协议进行无线通信。由于需要存储的数据量比较大,CC2530的内存不能满足要求,因此需要外接存储器,从而达到扩充存储容量的效果。可采用SPI接口的FM25L256进行外接存储。(b)采集电路的设计:电压采集电路使用电阻分压的方式,电流采集电路使用MAX4081完成对电流的采集。同时还使用LM2596可调输出电路将18V电压稳压至4.2V,在通过LM1117降压到3.3V,满足CC2530正常工作所需要的电压。温度采用DHT11数字模块化采集,光照度采用BHl750FVI数字传感器采集。(c)供电模块的设计:(c)网络拓扑结构:无线传感网络采用ZigBee网状网拓扑方式,光伏阵列中的每个组件均作为终端节点,汇聚节点作为网络中的协调器,在协调器与终端节点之间加入若干个路由节点,以保证网络传输的可靠性且加大数据的传输距离。进一步的,在本实施例中,在步骤S2中,数据网关采用基于由ARM核的MINI2440嵌入式处理器、嵌入式Linux平台、Qt图形界面开发工具库以及嵌入式数据库SQLite3,并将光伏阵列中组件的工作参数、环境参数及每个ZigBee采集节点的网络地址存储到所述数据网关中的
存储器,同时调用所述数据网关上的时间函数,记录当地时间并保存至网关的存储器中,并通过采用QT界面设本文档来自技高网
...

【技术保护点】
一种基于ZigBee的光伏组件在线监测与故障诊断方法,其特征在于,按照如下步骤实现:步骤S1:通过与光伏阵列中每个组件相匹配的ZigBee采集节点对应采集每个组件的工作参数及环境参数;步骤S2:所述ZigBee采集节点将采集数据通过无线传感网络发送到一汇聚节点,并通过串口发送至一数据网关;该数据网关将采集数据存储,并结合本地数据作为监测数据通过网络发送至一数据管理中心;步骤S3:所述数据管理中心对所述数据网关转发过来的监测数据进行存储、显示、查询以及对传感网参数配置;步骤S4:基于所述监测数据,所述数据管理中心采用遗传算法优化后的BP神经网络算法故障诊断模型,对光伏阵列的故障类型进行自动诊断。

【技术特征摘要】
1.一种基于ZigBee的光伏组件在线监测与故障诊断方法,其特征在于,按照如下步骤实现:步骤S1:通过与光伏阵列中每个组件相匹配的ZigBee采集节点对应采集每个组件的工作参数及环境参数;步骤S2:所述ZigBee采集节点将采集数据通过无线传感网络发送到一汇聚节点,并通过串口发送至一数据网关;该数据网关将采集数据存储,并结合本地数据作为监测数据通过网络发送至一数据管理中心;步骤S3:所述数据管理中心对所述数据网关转发过来的监测数据进行存储、显示、查询以及对传感网参数配置;步骤S4:基于所述监测数据,所述数据管理中心采用遗传算法优化后的BP神经网络算法故障诊断模型,对光伏阵列的故障类型进行自动诊断。2.根据权利要求1所述的基于ZigBee的光伏组件在线监测与故障诊断方法,其特征在于,所述ZigBee采集节点包括:CC2530控制芯片、电压采集电路、电流采集电路、温度传感器DHT11、光照度传感器BHl750FVI以及电源电路。3.根据权利要求2所述的基于ZigBee的光伏组件在线监测与故障诊断方法,其特征在于,所述工作参数包括:工作电压、工作电流;所述环境参数包括:环境温度、环境光照度。4.根据权利要求1所述的基于ZigBee的光伏组件在线监测与故障诊断方法,其特征在于,在所述步骤S2中,所述无线传感网络采用ZigBee网状网拓扑方式,所述光伏阵列中的每个组件均作为终端节点,所述汇聚节点作为网络中的协调器,在所述协调器与所述终端节点之间加入若干个路由节点,以保证网络传输的可靠性且加大数据的传输距离。5.根据权利要求1所述的基于ZigBee的光伏组件在线监测与故障诊断方法,其特征在于,在所述步骤S2中,所述数据网关采用基于MINI2440嵌入式处理器、嵌入式Linux平台、Qt图形界面开发工具库以及嵌入式数据库SQLite3,并将光伏阵列中组件的工作参数、环境参数及每个ZigBee采集节点的网络地址存储到所述数据网关中的存储器,同时调用所述数据网关上的时间函数,记录当地时间并保存至网关的存储器中;通过采用所述QT界面设计的开发板液晶屏显示上述监测数据,再通过Socket网络通信完成与所述数据管理中心的通信。6.根据权利要求1所述的基于ZigBee的光伏组件在线监测与故障诊断方法,其特征在于,所述数据管理中心采用嵌入式数据库SQLite3对从所述监测数据进行储存,保证数据不易丢失,并采用Qt图形界面开发工具库完成对工作人员的信息管理,方便对工作人员基本信息的增删改查,保证系统运行的稳定性。7.根据权利要求1所述的基于ZigBee的光伏组件在线监测与故障诊断方法,其特征在于,
\t在所述步骤S4中,所述遗传算法优化后的BP神经网络算法故障诊断模型建立过程为:通过MATLAB建立故障仿真模型,得到光伏阵列的正常、短路、阴影和老化四种不同故障类型的数据,将故障数据和所对应的故障类型放在同一组数据中;随机抽取若干组故障数据对所对应的故障模型训练,得到训练后的故障模型,并用剩余组的故障数据验证所对应的故障模型,得到该故障模型诊断率。8.根据权利要求7所述的基于ZigBee的光伏组件在线监测与故障诊断方法,其特征在于,具体按照如下步骤建立:步骤S1:确定网络的拓扑结构,即确定输入层-隐含层-输出层的节点数量以及特征变量;步骤S2:将得到的初始权值和阈值进行编码,并且通过适应度函数计算每个个体的适应度值,其计算公式如下: F = k ( Σ i = 1 n a b s ( y i - o i ) ) ]]>式中的n为网络输出节点数,yi为BP神经网络第i个节点的期望输出;oi为神经网络的第i个节点的预测输出;k为系数。步骤S3:通过计算种群中每个个体的适应度值,根据适应度值的大小,选择高适应度的个体进行复制,通过交叉和变异操作后,计算其适应度值;判断这些适应度值是否满足最优个体的条件,即算法要求的最优初始权值和阈值,如果不满足,则继续选择适应度比较...

【专利技术属性】
技术研发人员:程树英陈志聪林汉伟林培杰吴丽君
申请(专利权)人:福州大学
类型:发明
国别省市:福建;35

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1