【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 ...
【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
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。