适用于光伏阵列的故障检测系统及方法技术方案

本发明专利技术公开了一种适用于光伏阵列的故障检测系统及方法，涉及光伏故障检测技术领域。所述方法包括如下步骤：仿真条件下计算出光伏阵列的最大输出功率，同时记录最大输出功率时的电流值和电压值；在当前环境下测量实际光伏阵列的I‑V特性，多次测量后由I‑V曲线得到光伏阵列的短路电流值和开路电压以及P‑V曲线峰值数；比较仿真时的理论输出功率和实际的输出功率，通过两者的比值所在区域来判断光伏阵列所处的模式；若判断出光伏阵列出现故障则进一步判断故障种类，使用阈值的方法隔离了具有不同属性的故障；通过可拓网络模型来分别辨别两组具有相同属性的故障。所述方法能够在光伏阵列发生故障时不仅能在线发现故障，并且能快速定位故障类别。

【技术实现步骤摘要】
适用于光伏阵列的故障检测系统及方法
本专利技术涉及光伏阵列故障检测
，尤其涉及一种适用于光伏阵列的故障检测系统及方法。
技术介绍
太阳能是一种重要的能源，同时为了解决日益严峻的能源短缺和环境问题，并网光伏发电技术在过去十年得到迅速的发展，在未来的十年还将持续快速的发展。光伏系统没有移动部件维护成本低，但它们长时间暴露在复杂的户外环境下，经受各种恶劣环境因素的影响，会导致产生各种故障。这些故障不仅会造成功率损失，影响发电效率，还会缩短组件的使用寿命，严重时局部的过热甚至会引发火灾，给光伏电站带来不可估量的损失。而传统的故障检测通常采用人工排查非在线的形式，故障发生时反应时间很慢。
技术实现思路
本专利技术所要解决的技术问题是提供一种能够在光伏阵列发生故障时不仅能在线发现故障，并且能快速定位故障类别的系统和方法。为解决上述技术问题，本专利技术所采取的技术方案是：一种适用于光伏阵列的故障检测系统，其特征在于包括：温度传感器，所述温度传感器与数据采集器的信号输入端连接，用于获取当前环境条件中的环境温度；光照强度传感器，所述光照强度传感器与数据采集器的信号输入端连接，用于获取当前环境条件中的日照强度；电流传感器串联在被测试光伏阵列的电源输出端上，且所述电流传感器的信号输出端与数据采集器的信号输入端连接，所述电流传感器用于获取光伏阵列的输出电流值；电压传感器并联在被测试光伏阵列的电源输出端上，且所述电压传感器的信号输出端与数据采集器的信号输入端连接，所述电压传感器用于获取光伏阵列的输出电压值；MPPT控制器与所述电压传感器并连接，用于使光伏阵列接近最大功率的输出；逆变器与所述光伏阵列并联，用于将所述光伏阵列输出的直流电逆变为交流电；所述AC部分与所述逆变器的电源输出端连接；所述数据采集器用于将接收所述传感器的数据并将接收的数据传输给电脑进行处理；所述电脑，用于接收数据采集器采集的数据并运行Simulink和MATLAB软件以进行仿真和计算。本专利技术还公开了一种适用于光伏阵列的故障检测方法，其特征在于包括如下步骤：S100：仿真在当前环境下光伏阵列的I-V特性，由I-V曲线得到短路电流值和开路电压以及P-V曲线峰值数，计算出光伏阵列的最大输出功率，同时记录最大输出功率时的电流值和电压值；S200：在当前环境下测量实际光伏阵列的I-V特性，获取计算出光伏阵列的输出功率，多次测量后由I-V曲线得到光伏阵列的短路电流值和开路电压以及P-V曲线峰值数；S300：比较仿真时的理论输出功率和实际的输出功率，通过两者的比值所在区域来判断光伏阵列所处的模式，有睡眠模式、正常工作和故障三种模式；S400：若判断出光伏阵列出现故障则进一步判断故障种类，使用阈值的方法隔离了具有不同属性的故障；S500：通过可拓网络模型来分别辨别两组具有相同属性的故障。进一步的技术方案在于，所述步骤S100具体包括如下步骤：首先，获取当前环境条件中的日照强度以及环境温度；然后，结合已知标准PV模块数据表利用Simulink软件进行建模仿真，仿真方法具体如下：首先作出光伏电池的等效电路图，等效模型中太阳能电池相当于一个电流为Ip的恒流源；恒流源与一个二极管并联，流经二极管的电流为Id；U和I分别表示的是光伏电池的输出电压和输出电流；光伏电池发电的电流方程式为：式中：Iph是光生电流；I0是反向饱和电流；V为输出电压；I为输出电流；Rs是等效串联电阻；Rsh是等效并联电阻；n是光伏模块串联光伏电池数量；A是理想二极管因子，K是玻尔兹曼常数；q是电子电荷；T为绝对温度；参考使用光伏模块的标准光伏模块的数据表，通过NewtonRaphson算法求解公式(1)来求解得需要的五个参数：Iph、I0、Rs、Rsh、A。进一步的技术方案在于，所述步骤S200具体包括如下步骤：通过平均每秒采集60样本数据进行实时测量，计算出60样本的光伏阵列的输出功率，将其求和再平均作为这么一秒的功率；而绘制I-V曲线时则运用上所有的样本数据不再平均；然后用MATLAB处理获得P-V曲线峰值数以及短路电流值和开路电压值。进一步的技术方案在于，所述步骤S300具体包括如下步骤：计算最大输出功率Psim和实际最大输出功率Pm的比率Rp:其中阈值Tp1的设定是因为MPPT控制器理论上可以使光伏阵列以最大功率输出，但实际输出功率应该在最大功率附近，不能真正一直最大功率输出所以进一步的技术方案在于，所述步骤S400具体包括如下步骤：若判断出光伏阵列出现故障，下面进一步判断故障种类；故障种类如下表所示：上表中涉及少量和大量电池区分，这里当故障电池数量小于一个光伏模块中光伏电池数量时我们称为少量电池故障，反之则称为大量电池故障；在故障具有不同属性组合的情况下隔离故障；首先计算测量和仿真的光伏阵列的属性，并将相对差异与阈值进行比较；其中N是P-V曲线峰的个数，m1、m2、V1、V2分别表示短路电流Isc、电流I、开路电压Voc和电压V的测量值和模拟值值之间差值的绝对值；其中的阈值是基于当前环境日照强度和温度以及光伏阵列规格计算出各个属性正常情况下最大测量误差值，其中T1是正常情况下短路电流最大测量误差值，T2是开路电压正常情况下最大测量误差值；故障分类如下：1)任何电池或模块中的开路故障：F1；2)部分阴影效应和任何旁路二极管故障:F2；3)开路故障:F3；4)连接故障：F4；5)第一组故障包括：F5、F6、F7、F8、F9、F10、F11；6)第二组故障包括：F12、F13、F14。进一步的技术方案在于，具有相同属性的故障组合利用如下方法加以区分：包括ENN1和ENN2两种方法来分别辨别两组具有相同属性的故障，ENN1和ENN2都是使用同一可拓神经网络模型，可拓神经网络的学习过程如下：在进行学习过程之前，定义样本TN指样本的总数，每个样本包括数据特征和分类表示为其中学习样本由i＝1,2,3,...,TN表示，n表示物元模型中的特征总数，k表示样本数据分类，并且误差率ET被定义为其中，TM是指分类的错误总数。进一步的技术方案在于，可拓神经网络的详细学习过程如下：步骤1：输入学习数据以建立对应于不同分类的物元模型，并在输入和输出层之间建立权重，第k个物元如下：式中m是数据分类的总数，cj是第Nk类的第j个特征，vkj是第N类的cj特征的经典区域经典区域的范围可以由学习数据决定，和被定义为其中指的是输入到可拓神经网络的学习数据；步骤2：计算每个分类特征的中心权重，Zk＝{Zk1,Zk2,Zk3,...,Zkn}；其中j＝1,2,3,...,n；k＝1,2,3,...m；步骤3：提取第k类的第i个学习样本，步骤4：使用以下公式计算学习样本和各种类别之间的可拓距离；其中指的是第k类的第i个学习样本的第j个特征，指第j个输入和第k个输出之间的中心权重，并且和指的是第j个输入和第k个输出之间的上限权重和下限权重；步骤5：找到输出层中所有分类之间的最小可拓距离，如果则说明类别k*和数据k属于同一类(k*＝k)，表示正确地进行了识别，并且应该直接进行步骤7；如果可拓距离则表明数据类别k和类别k*存在差异(k*≠k)，应该进行步骤6中的学习过程步骤6调整权重量；步骤7：在完成所有学习样本的分类后终止学习过程；否则，请重本文档来自技高网...

【技术保护点】
1.一种适用于光伏阵列的故障检测系统，其特征在于包括：温度传感器(2)，所述温度传感器(2)与数据采集器(7)的信号输入端连接，用于获取当前环境条件中的环境温度；光照强度传感器(1)，所述光照强度传感器(1)与数据采集器(7)的信号输入端连接，用于获取当前环境条件中的日照强度；电流传感器(4)串联在被测试光伏阵列(3)的电源输出端上，且所述电流传感器(4)的信号输出端与数据采集器(7)的信号输入端连接，所述电流传感器(4)用于获取光伏阵列(3)的输出电流值；电压传感器(5)并联在被测试光伏阵列(3)的电源输出端上，且所述电压传感器(5)的信号输出端与数据采集器(7)的信号输入端连接，所述电压传感器(5)用于获取光伏阵列(3)的输出电压值；MPPT控制器(6)与所述电压传感器(5)并连接，用于使光伏阵列接近最大功率的输出；逆变器(9)与所述光伏阵列(3)并联，用于将所述光伏阵列(3)输出的直流电逆变为交流电；所述AC部分(10)与所述逆变器(9)的电源输出端连接；所述数据采集器(7)用于将接收所述传感器的数据并将接收的数据传输给电脑(8)进行处理；所述电脑(8)，用于接收数据采集器采集的数据并运行Simulink和MATLAB软件以进行仿真和计算。...

【技术特征摘要】
1.一种适用于光伏阵列的故障检测系统，其特征在于包括：温度传感器(2)，所述温度传感器(2)与数据采集器(7)的信号输入端连接，用于获取当前环境条件中的环境温度；光照强度传感器(1)，所述光照强度传感器(1)与数据采集器(7)的信号输入端连接，用于获取当前环境条件中的日照强度；电流传感器(4)串联在被测试光伏阵列(3)的电源输出端上，且所述电流传感器(4)的信号输出端与数据采集器(7)的信号输入端连接，所述电流传感器(4)用于获取光伏阵列(3)的输出电流值；电压传感器(5)并联在被测试光伏阵列(3)的电源输出端上，且所述电压传感器(5)的信号输出端与数据采集器(7)的信号输入端连接，所述电压传感器(5)用于获取光伏阵列(3)的输出电压值；MPPT控制器(6)与所述电压传感器(5)并连接，用于使光伏阵列接近最大功率的输出；逆变器(9)与所述光伏阵列(3)并联，用于将所述光伏阵列(3)输出的直流电逆变为交流电；所述AC部分(10)与所述逆变器(9)的电源输出端连接；所述数据采集器(7)用于将接收所述传感器的数据并将接收的数据传输给电脑(8)进行处理；所述电脑(8)，用于接收数据采集器采集的数据并运行Simulink和MATLAB软件以进行仿真和计算。2.一种适用于光伏阵列的故障检测方法，其特征在于包括如下步骤：S100：仿真在当前环境下光伏阵列的I-V特性，由I-V曲线得到短路电流值和开路电压以及P-V曲线峰值数，计算出光伏阵列的最大输出功率，同时记录最大输出功率时的电流值和电压值；S200：在当前环境下测量实际光伏阵列的I-V特性，获取计算出光伏阵列的输出功率，多次测量后由I-V曲线得到光伏阵列的短路电流值和开路电压以及P-V曲线峰值数；S300：比较仿真时的理论输出功率和实际的输出功率，通过两者的比值所在区域来判断光伏阵列所处的模式，有睡眠模式、正常工作和故障三种模式；S400：若判断出光伏阵列出现故障则进一步判断故障种类，使用阈值的方法隔离了具有不同属性的故障；S500：通过可拓网络模型来分别辨别两组具有相同属性的故障。3.如权利要求2所述的适用于光伏阵列的故障检测方法，其特征在于，所述步骤S100具体包括如下步骤：首先，获取当前环境条件中的日照强度以及环境温度；然后，结合已知标准PV模块数据表利用Simulink软件进行建模仿真，仿真方法具体如下：首先作出光伏电池的等效电路图，等效模型中太阳能电池相当于一个电流为Ip的恒流源；恒流源与一个二极管并联，流经二极管的电流为Id；U和I分别表示的是光伏电池的输出电压和输出电流；光伏电池发电的电流方程式为：式中：Iph是光生电流；I0是反向饱和电流；V为输出电压；I为输出电流；Rs是等效串联电阻；Rsh是等效并联电阻；n是光伏模块串联光伏电池数量；A是理想二极管因子，K是玻尔兹曼常数；q是电子电荷；T为绝对温度；参考使用光伏模块的标准光伏模块的数据表，通过NewtonRaphson算法求解公式(1)来求解得需要的五个参数：Iph、I0、Rs、Rsh、A。4.如权利要求2所述的适用于光伏阵列的故障检测方法，其特征在于，所述步骤S200具体包括如下步骤：通过平均每秒采集60样本数据进行实时测量，计算出60样本的光伏阵列的输出功率，将其求和再平均作为这么一秒的功率；而绘制I-V曲线时则运用上所有的样本数据不再平均；然后用MATLAB处理获得P-V曲线峰值数以及短路电流值和开路电压值。5.如权利要求2所述的适用于光伏阵列的故障检测方法，其特征在于，所述步骤S300具体包括如下步骤：计算最大输出功率Psim和实际最大输出功率Pm的比率Rp:其中阈值Tp1的设定是因为MPPT控制器理论上可以使光伏阵列以最大功率输出，但实际输出功率应该在最大功率附近，不能真正一直最大功率输出所以:6.如权利要求2所述的适用于光伏阵列的故障检测方法，其特征在于，所述步骤S400具体包括如下步骤：若判断出光伏阵列出现故障，下面进一步判断故障种类；故障种类如下表所示：上表中涉及少量和大量电池区分，这里当故障电池数量小于一个光伏模块中光伏电池数量时我们称为少量电池故障，反之则称为大量电池故障；在故障具有不同属性组合的情况下隔离故障；首先计算测量和仿真的光伏阵列的属性，并将相对差异与阈值进行比较；其中N是P-V曲线峰的个数，m1、m2、V1、V2分别表示短路电流Isc、电流I、开路电压Voc和电压V的测量值和模拟值值之间差值的绝对值；其中的阈值是基于当前环境日照强度和温度以及光伏阵列规格计算出各个属性正常情况下最大测量误差值，其中T1是正常情况下短路电流...

【专利技术属性】
技术研发人员：方维，金怀洲，金尚忠，
申请(专利权)人：中国计量大学，
类型：发明
国别省市：浙江,33