【技术实现步骤摘要】
一种多点信息融合的光伏故障检测方法
本专利技术涉及光伏发电系统故障检测领域,其是一种多点信息融合的光伏故障检测方法。
技术介绍
21世纪,人类面临着经济和社会可持续发展的双重挑战,在资源有限和环保要求的双重制约下,如何发展经济已成为全球的热点问题,这就要求替代能源必须是可再生的清洁能源。而太阳能作为一种无污染、可再生环保新能源,在全球新能源领域占据着越来越重要的地位。但在光伏发电广泛应用的同时,光伏运行效率和安全也被越来越重视了,光伏电站工作的稳定性和输出功率与每一块光伏电池板的工作状态都息息相关,因此为保证光伏发电系统安全高效运行,设计一种高效可靠的光伏故障检测方法十分重要。光伏阵列的主要故障可以分为:光伏电池板的裂片、光伏电池绝缘老化以及光伏阵列热斑效应。根据目前的统计数据和研究现状表明,在这三种光伏阵列故障中,危害最大而且发生概率最大的是第三种故障。光伏阵列热斑现象主要是光伏阵列中部分光伏电池板(或者光伏电池板中部分光伏电池单体)由于长时间被遮挡,导致其产生的电流小于其它没被遮挡的光伏电池板(或者光伏电池单体)产生的电流,根据基尔霍夫电压定律,这些被遮挡的光伏电池板(或者光伏电池单体)会带负电压,成为电路中的负载,并以热量形式消耗其他正常工作的光伏电池板(或者光伏电池单体)产生的能量,这种热量的长时间积累会损坏光伏电池板的封装材料,甚至破坏光伏电池板的物理结构,并将造成永久损坏。为了避免上述问题,通常采用在每一光伏电池的两端并联一个旁路二极管,当光伏电池未被遮蔽时该光伏电池正常工作,旁路二级管不导通;当光伏电池被遮蔽时,光伏电池两端电压的极性会与正常 ...
【技术保护点】
1.一种多点信息融合的光伏故障检测方法,其特征在于:包括以下步骤:S1:采集光伏电池板输出的电信号(电压信号、电流信号)以及红外热像图;S2:观察分析红外热像图信息并对光伏电池板的故障做出初步判断;S3:输入多点信息融合模型;S4:输出故障值Y;S5:将所得Y值与给定的故障阈值比较;S6:对光伏电池板的故障进行准确检测,并且给出故障的轻重度。
【技术特征摘要】
1.一种多点信息融合的光伏故障检测方法,其特征在于:包括以下步骤:S1:采集光伏电池板输出的电信号(电压信号、电流信号)以及红外热像图;S2:观察分析红外热像图信息并对光伏电池板的故障做出初步判断;S3:输入多点信息融合模型;S4:输出故障值Y;S5:将所得Y值与给定的故障阈值比较;S6:对光伏电池板的故障进行准确检测,并且给出故障的轻重度。2.根据权利要求1所述的一种多点信息融合的光伏故障检测方法,其特征在于:所述步骤S3中的多点信息融合模型通过以下步骤来构建:S31:通过I-V分析仪采集光伏电池板正常运行状态下的输出电压信号和负载电流信号;S32:用红外热像仪采集光伏电池板正常运行状态下的红外热像图;S33:运用一种新的红外图像分割算法,即首先用最大熵法确定最佳分割阈值,然后用脉冲神经网络算法对红外图像进行分割,从而可以得到分割后的光伏电池板的红外热像图;S34:运用拟合的方法,即首先基于光伏阵列等效电路模型拟合得到串联等效电阻RS1,再与该条件下光伏阵列的串联等效电阻的参考值RS作比较;S35:利用红外图像分析仪可以得到整个光伏电池板的最高温度值T;S36:将光伏电池板正常工作情况下测得的值与光伏电池板出现故障时测得的n组值进行比较分析,并且根据专家经验构建多点信息融合模型:Y=αUn/U+βIn/I+mγTn/T+δRS1/RS其中,Y为输出的故障值,U和I分别表示正常工作时光伏电池板输出的电压有效值和电流有效值,Un和In分别表示通常情况下光伏电池板输出的电压有效值和电流有效值,Tn表示整个光伏电池板的最高温度值,α表示输出电压信号所占输出故障值的经验权重,β表示负载电流信号所占输出故障值的经验权重,δ表示光伏阵列串联等效电阻所占输出故障值得比重,γ表示红外热像图信号所占输出故障值的经验权重,m表示所监测的光伏电池板出现最高温度点的个数,其中0≤m≤N+。3.根据权利要求2所述的一种多点信息融合模型的光伏故障检测方法,其特征在于:所述S33中的一种新型的红外图像分割算法包括以下具体步骤:S331:首先通过最大熵法确定最佳分割阈值。基于最大熵的算法主要是通过讨论图像的灰度级分布的熵来构造熵函数,进而寻找最优阈值来分割图像,信息源中所有的事件以相同的概率出现时,这时候信息熵大,因为信息源的不确定性大,所以信息熵大。用最大熵法求最佳阈值,就是求一个分割阈值使得目标和背景两类的信息熵之和最大,对一幅大小为M×N,灰度级为L的图像,如果设图像中灰度级为i的像素一共有Ni个,则灰度级i的概率为:图像目标区域的熵和图像背景区域的熵可以表示为:在式(2)中,Hf表示图像目标区域的熵,在式(3)中,Hb表示图像背景区域的熵,式(2)和式(3)中,Pt的表达式为:最大熵法的最佳阈值公式为:T=argmax[Hf(T)+Hb(T)](5)遍历图像的灰度级,求目标区域的熵和背景区域的熵的和最大的灰度级,从而输出分割的最佳阈值;S332:利用脉冲神经网络算法对红外图像进行分割。PCNN是一个二维的神经网络,其模型主要由接受域、调制部分和脉冲生成器三大部分组成;在接受域通常把图像中的一个像素(i,j)依次对应一个PCNN神经元,其中每一个神经元接受来自反馈通道F和连接通道L两部分信息,并通过权重矩阵M和W与其邻域神经元相连,在迭代过程中反馈输入和连接输入将会呈指数衰减。另外,针对整个模型,只在反馈通道中接受来自外部的激励Sij,即像素对应的灰度值Iij。由图1可知,整个接受部分描述如下:其中,VF和VL分别为放大系数,αF和αL为衰减常数,Ykl(n-1)是n-1次迭代时神经元的输出。权重矩阵W,M是相邻神经元的欧氏距离的倒数,即神经元(i,...
【专利技术属性】
技术研发人员:郭珂,毛明轩,刘强,周林,奚鑫泽,万怡浩,周思宇,解宝,张前进,李海啸,郝高峰,吴昊,
申请(专利权)人:重庆大学,
类型:发明
国别省市:重庆,50
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。