一种光伏组件阵列性能监测和故障识别的方法及系统技术方案

本发明专利技术提供一种光伏组件阵列性能监测和故障识别的方法及系统，所述系统通过数据汇集及存储单元、光伏组件阵列性能衰退监测单元和光伏组件故障识别与定位单元，所述方法包括：S1:采集光伏阵列组件运行工况参数和运行性能参数，所述运行工况参数包括环境温度、辐射照度，所述运行性能参数包括组件工作温度、工作电流和电压；S2:光伏阵列组件实时性能衰退监测；S3:建立故障识别知识库，实现光伏阵列组件的故障识别和定位，本发明专利技术通过无线信号采集、传输和数据分析，可实时监测光伏组件的性能衰退状态，并通过故障识别确定出故障类型、故障位置，为实现太阳能电站系统的远程智能运行与维护提供支持。

【技术实现步骤摘要】

本专利技术属于太阳能光伏发电
，具体涉及一种光伏组件阵列性能监测和故障识别的方法及系统。
技术介绍
作为一种可持续、清洁能源，太阳能光伏发电近年来得到了高速发展。截至2015年底，我国太阳能光伏发电装机容量达到43GW。大量光伏电站投运对运行和维护提出了更高的要求。提高运行与维护水平的关键是要实现对太阳能光伏电站的状态监测和故障识别。现有光伏电站监测技术主要有简单视觉检查法、热成像方法和基于电气参数测量的方法。后者由于测量简单易实现在线监测而得到广泛应用。常用的监测系统是采集光伏阵列组件串电量信号并通过简单的显示比对来实现对太阳能光伏发电系统的监测。但由于光伏阵列中各组件串工作特性常存在很大的差异，很难用单一的标准来确定组件串的工作状态；另外，这种方法只能判断组件串的工作状态，不能实现故障的精确定位，因而不能满足后续维护的要求。也有部分监测系统根据组件串中的电流变化率对光伏电站工作情况进行监测，但当外界运行环境发生变化，比如组件串受物体或云朵遮挡，容易导致监测结果出现错误。综上所述，适当配置光伏组件状态监测测点，开展以运行效率偏差为性能评价指标的复杂工况光伏电站组件阵列性能监测和故障识别研究，实现组件级别的性能监测和故障识别，对提高太阳能光伏电站的安全性、可靠性和经济性，降低运行与维护费用具有重要的现实意义。
技术实现思路
为了解决上述问题，本专利技术提供一种光伏组件阵列性能监测和故障识别的方法及系统，通过无线信号采集、传输和数据分析，可实时监测光伏组件的性能衰退状态，并通过故障识别确定出故障类型、故障位置，为实现太阳能电站系统的远程智能运行与维护提供支持。一种光伏组件阵列性能监测和故障识别的方法，所述方法包括：S1:采集光伏阵列组件运行工况参数和运行性能参数，所述运行工况参数包括环境温度、辐射照度，所述运行性能参数包括组件工作温度、工作电流和电压；S2:光伏阵列组件实时性能衰退监测；S3:建立故障识别知识库，实现光伏阵列组件的故障识别和定位；进一步地，所述S2中光伏阵列组件实时性能衰退监测方法包括：S21，实时计算组件实际工作效率ηm；S22，实时计算组件应达工作效率ηe；S23，实时计算组件效率偏差Δη，并与性能衰退报警阈值Δηth比较，判断其运行性能状态；进一步地，所述S21中组件实际工作效率由S1测得的电流、电压和环境辐射照度计算获得，所述实际运行效率计算公式如下： η m = I p v · V p v G · A p v - - - ( 1 ) ]]>式中，Ipv是光伏组件电流实测值，单位为A；Vpv是光伏组件电压实测值，单位为V；G是辐射照度测量值，单位为W/m2；Apv是光伏组件面积，单位为m2；进一步地，所述S22中组件应达工作效率计算方法包括以下步骤：第一步：建立以S1中所测的环境温度、辐射照度为输入，应达工作效率为输出的自适应神经模糊推理系统ANFIS网络模型；第二步：采用全年筛选出的宽幅工况对应的“健康状态”历史数据训练模型；第三步：利用训练出的模型实时计算实际工况下的工作效率应达值；进一步地，所述S23中实时计算运行效率偏差Δη计算公式如下：Δη＝|ηe-ηm| (2)所述组件性能衰退报警阈值Δηth确定方法为：针对组件运行中引起性能衰退的主要故障模式，所述主要故障模式中的故障包括遮蔽、脏污和老化，通过现场模拟遮挡、脏污和更换老化组件的试验方法，实时计算运行效率偏差，进而确定性能衰退报警阈值；进一步地，所述S3中光伏阵列组件故障识别知识库建立包括：步骤S31：利用系统故障模式及影响分析FMEA方法，分析光伏阵列组件故障模式的原因、识别特征和处理措施，组件故障模式的原因包括暂时性遮蔽、周期性遮蔽、脏污和老化；步骤S32，根据组件故障模式的识别特征建立故障识别规则；进一步地，所述S31中组件故障模式的确定的识别特征为效率偏差Δη时间序列的特性和光伏组件五参数模型的特征参数(A、RS、I0、RSH)，所述S32中组件故障模式识别规则包括：If周期性性能衰退，Then周期性遮蔽；If临时性性能衰退，Then暂时性遮蔽；If永久性性能衰退，Then脏污或老化；If永久性性能衰退And A、RS、I0增大And RSH减小，Then老化；进一步地，一种太阳能电站光伏组件阵列实时性能监测与故障识别系统，所述系统包括无线数据汇集及存储模块、组件阵列性能衰退监测模块和故障识别及定位模块，其中；所述无线数据汇集及存储模块用于实现无线数据的采集和存储；所述组件阵列性能衰退监测模块用于实现组件的性能监测；所述故障识别及定位模块用于实现故障模式的识别及位置确定；进一步地，所述系统还包括监测模型自适应训练模块，所述监测模型自适应训练模块用于将运行中出现新工况数据补充入样本历史数据库，并通过重新训练，实现模型的自适应训练；进一步地，所述系统采用解析法实时计算光伏组件五参数模型的特征参数A、RS、I0、RSH，并进行趋势分析，用于故障识别；本专利技术的有益效果如下：1)采集光伏组件的运行工况参数和性能参数，进行组件水平的性能监测与故障识别，可实现故障的精确定位，为太阳能光伏电站的运行维护决策提供有力的支持；2)采用运行效率偏差作为评价性能衰退的指标，避免了单纯依靠发电量、电流变化率等作为评价指标时，运行工况变化对性能评价准确性的影响；3)依据效率偏差Δη时间序列的特性和五参数模型参数的动态特性进行故障诊断，实现了周期性遮蔽、临时性遮蔽、脏污(含热斑现象)与老化的有效识别；4)设计开发的系统可靠、实用。本专利技术使得光伏组件性能衰退监测更加科学和全面，该方法设计合理，实用性强，为实现太阳能电站系统的远程智能运行与维护提供支持。附图说明图1为太阳能电站光伏组件性能实时监测和故障识别方法总体流程；图2为光伏组件阵列性能监测与故障识别系统数据流程图；图3为光伏组件阵列性能监测与故障识别系统功能框架。具体实施方式为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步详细描述。应当理解，此处所描述的具体实施例仅仅用于解释本专利技术，并不用于限定本专利技术。相反，本专利技术涵盖任何由权利要求定义的在本专利技术的精髓和范围上做的替代、修改、等效方法以及方案。进一步，为了使公众对本专利技术有更好的了解，在下文对本专利技术的细节描述中，详尽描述了一些特定的细节部分。对本领域技术人员来说没有这些细节部分的描述也可以完全理解本专利技术。下面结合附图和具体实施例对本发本文档来自技高网...

【技术保护点】
一种光伏组件阵列性能监测和故障识别的方法，其特征在于，所述方法包括：S1:采集光伏阵列组件运行工况参数和运行性能参数，所述运行工况参数包括环境温度、辐射照度，所述运行性能参数包括组件工作温度、工作电流和电压；S2:光伏阵列组件实时性能衰退监测；S3:建立故障识别知识库，实现光伏阵列组件的故障识别和定位。

【技术特征摘要】
1.一种光伏组件阵列性能监测和故障识别的方法，其特征在于，所述方法包括：S1:采集光伏阵列组件运行工况参数和运行性能参数，所述运行工况参数包括环境温度、辐射照度，所述运行性能参数包括组件工作温度、工作电流和电压；S2:光伏阵列组件实时性能衰退监测；S3:建立故障识别知识库，实现光伏阵列组件的故障识别和定位。2.根据权利要求1所述的方法，其特征在于，所述S2中光伏阵列组件实时性能衰退监测方法包括：S21，实时计算组件实际工作效率ηm；S22，实时计算组件应达工作效率ηe；S23，实时计算组件效率偏差Δη，并与性能衰退报警阈值Δηth比较，判断其运行性能状态。3.根据权利要求2所述的方法，其特征在于，所述S21中组件实际工作效率由S1测得的电流、电压和环境辐射照度计算获得，所述实际运行效率计算公式如下： η m = I p v · V p v G · A p v - - - ( 1 ) ]]>式中，Ipv是光伏组件电流实测值，单位为A；Vpv是光伏组件电压实测值，单位为V；G是辐射照度测量值，单位为W/m2；Apv是光伏组件面积，单位为m2。4.根据权利要求3所述的方法，其特征在于，所述S22中组件应达工作效率计算方法包括以下步骤：第一步：建立以S1中所测的环境温度、辐射照度为输入，应达工作效率为输出的自适应神经模糊推理系统ANFIS网络模型；第二步：采用全年筛选出的宽幅工况对应...

【专利技术属性】
技术研发人员：董玉亮，房方，
申请(专利权)人：华北电力大学，
类型：发明
国别省市：北京;11