一种光伏组件故障诊断及预测方法技术

本公开揭示了一种光伏组件故障诊断及预测方法，包括：采集光伏组串输出功率和辐照度数据；将输出功率向量和辐照度向量转化为频域数据；计算频域数据中各频率点的输出功率‑辐照度幅值比，当某一故障发生时，选择输出功率‑辐照度幅值比明显增大的频段作为该故障的特征频段，并设置该故障的发生阈值；根据故障发生阈值对光伏组串进行故障状态划分，实现光伏组串故障诊断；根据光伏组串的故障状态变化计算得到不同步长的转移频数矩阵、转移频率矩阵和转移频率矩阵对应的权重；根据转移频率矩阵、转移频率矩阵对应的权重及光伏组串每天所处的故障状态计算光伏组串下一天处于不同故障状态的概率，根据该概率对光伏组串下一天的故障状态进行预测。

【技术实现步骤摘要】
一种光伏组件故障诊断及预测方法
本公开属于光伏发电
，具体涉及一种光伏组件故障诊断及预测方法。
技术介绍
在实际情况中，光伏组件采集的数据种类少，仅为电流和电压，然而光伏组件型号相同并且数目众多，即输出功率值(电流与电压之积)随辐照度的变化具有极大的相似性；目前，在光伏组件故障诊断方面：仅能根据简单的功率阈值设定来判断光伏组件是否发生故障，比如，以所有组件的平均功率为阈值，当功率低于平均功率的50％时，可认为发生故障；该方法存在的问题是无法对故障发生的具体种类进行识别；在故障预测方面：由于光伏组件的功率输出会受到多种因素的影响，如基本环境因素：包括辐照度，环境温度，风速，环境湿度等；其他外界因素：包括遮荫，鸟类粪便，沙尘覆盖等；以及长时期运行老化不可逆因素：包括热斑，分层，脱层等；同时，由于故障发生具有很大的随机性，因此，采用传统的方法无法对光伏组件的故障进行区分及预测。
技术实现思路
针对现有技术中的不足，本公开的目的在于提供一种光伏组件故障诊断及预测方法，通过为不同故障选择故障特征频段以及在故障特征频段上设定故障阈值，可以实现对不同故障的诊断。本公开的目的是通过以下技术方案实现的：一种光伏组件故障诊断及预测方法，包括如下步骤：S100：采集光伏组串每日的输出电压、输出电流并根据所采集的输出电压、输出电流计算光伏组串的输出功率，同时采集光伏组串每日的辐照度数据；S200：通过快速傅里叶变换分别将光伏组串的输出功率向量和辐照度向量转化为频域数据；S300：计算频域数据中各频率点的输出功率与辐照度的比值，获得输出功率-辐照度幅值比，当某一故障发生时，选择所述输出功率-辐照度幅值比明显增大的频段作为该故障的特征频段，并在所述故障特征频段上设置该故障的发生阈值；S400：根据所述故障发生阈值对光伏组串进行故障状态划分，实现光伏组件故障诊断；S500：统计光伏组串每日所处的故障状态，根据故障状态变化计算得到不同步长的转移频数矩阵，根据所述不同步长的转移频数矩阵计算得到不同步长的转移频率矩阵，并计算不同步长的转移频率矩阵对应的权重；S600：根据所述不同步长的转移频率矩阵、所述不同步长的转移频率矩阵对应的权重以及当前n天内光伏组串每天所处的故障状态，计算光伏组串下一天处于不同故障状态的概率；S700：根据所述光伏组串下一天处于不同故障状态的概率对光伏组串下一天的故障状态进行预测。优选的，步骤S300中，所述故障发生阈值表示为故障组串的输出功率-辐照度幅值比与正常组串的输出功率-辐照度幅值比的差值百分比，计算公式如下：Aff＝[afi1afi2…afin]Af＝[ai1ai2…ain]其中，Aff为故障组串在该故障特征频段上的功率-辐照度幅值比，Af为提取故障特征时正常组串在该故障特征频段上的功率-辐照度幅值比，mk为特征频段上第k个频率上的功率-辐照度幅值比差值百分比，即特征频段上第k个频率上设定的故障发生阈值，ai1，ai2，…，aik为特征频率上的正常组串的幅值比，afik表示组串发生故障特征频段第k个频率上的功率-辐照度幅值比。优选的，步骤S400中，当故障特征频段所有频率点上的输出功率-辐照度幅值比均大于或等于故障发生阈值时，则光伏组串处于该特定故障发生状态；否则，光伏组串处于正常状态。优选的，步骤S500中，所述转移频率矩阵表示为：优选的，步骤S500中，所述转移频率矩阵对应的权重表示为：且其中，rk表示自相关系数，n表示采集数据的总天数；k表示加权计算中的步长；表示计算得到的幅值比至故障幅值比的距离均值，Li表示第i天在某故障特征频段上的故障幅值比距离；Li+k表示第i+k天在某故障特征频段上的故障幅值比距离。优选的，步骤S600中，所述光伏组串下一天处于不同故障状态的概率表示为：其中，k表示加权计算中的步长，wk表示k步转移频率矩阵的权重，为k步转移频率矩阵，i表示不同状态，m表示步长总个数。优选的，步骤S700中，对光伏组串下一天的故障状态进行预测表示为：P＝max(Pi)其中，i表示不同状态，Pi表示光伏组件下一天处于i状态的概率，P表示最大Pi所对应的状态，即根据概率最大值法预测光伏组件下一天在该故障特征频段上的状态。与现有技术相比，本公开带来的有益效果为：本公开通过将每天的组串整体输出状态作为评价基础，通过为不同故障选择故障特征频段以及在故障特征频段上设定故障阈值，在故障的特征频段上进行监测，可以实现对不同故障的诊断。根据历史数据的故障特征频段上状态转移的变化，可以实现后m天对该故障发生概率的预测。附图说明图1是本公开一个实施例提供的一种光伏组件故障诊断及预测方法流程图；图2是本公开另一个实施例提供的光伏组串的曲线示意图；图3是本公开另一个实施例提供的不同光伏组串的电流曲线示意图；图4是本公开另一个实施例提供的故障组串和正常组串幅值比频谱图；图5是本公开另一个实施例提供的故障状态类别示意图。具体实施方式下面将参照附图1至图5详细地描述本公开的具体实施例。虽然附图中显示了本公开的具体实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。需要说明的是，在说明书及权利要求当中使用了某些词汇来指称特定组件。本领域技术人员应可以理解，技术人员可能会用不同名词来称呼同一个组件。本说明书及权利要求并不以名词的差异作为区分组件的方式，而是以组件在功能上的差异作为区分的准则。如在通篇说明书及权利要求当中所提及的“包含”或“包括”为一开放式用语，故应解释成“包含但不限定于”。说明书后续描述为实施本专利技术的较佳实施方式，然所述描述乃以说明书的一般原则为目的，并非用以限定本专利技术的范围。本公开的保护范围当视所附权利要求所界定者为准。为便于对本公开实施例的理解，下面将结合附图以具体实施例为例做进一步的解释说明，且各个附图并不构成对本公开实施例的限定。一个实施例中，如图1所示，一种光伏组件故障诊断及预测方法，包括如下步骤：S100：采集光伏组串每日的输出电压、输出电流并根据所采集的输出电压、输出电流计算光伏组串的输出功率，同时采集光伏组串每日的辐照度数据；该步骤中的一个具体实施例中，假设一个汇流箱内有光伏组串1至7，持续24小时采集组串的输出电流、输出电压和辐照度数据，采集时间间隔设为5分钟，则每天可采集288个数据。所采集的组串辐照度向量记为：R＝[r1r2…rk]，辐照度曲线如图1所示。所采集的输出功率向量记为：P＝[p1p2…pk]，输出电流曲线(光伏组串在每天运行中，由于输出电压变化较小，每日的输出电流数据和输出功率数据的变化趋势几乎完全相同，因此，此处借用电流曲线本文档来自技高网...

【技术保护点】
1.一种光伏组件故障诊断及预测方法，包括如下步骤：/nS100：采集光伏组串每日的输出电压、输出电流并根据所采集的输出电压、输出电流计算光伏组串的输出功率，同时采集光伏组串每日的辐照度数据；/nS200：通过快速傅里叶变换分别将光伏组串的输出功率向量和辐照度向量转化为频域数据；/nS300：计算频域数据中各频率点的输出功率与辐照度的比值，获得输出功率-辐照度幅值比，当某一故障发生时，选择所述输出功率-辐照度幅值比明显增大的频段作为该故障的特征频段，并在所述故障特征频段上设置该故障的发生阈值；/nS400：根据所述故障发生阈值对光伏组串进行故障状态划分，实现光伏组串故障诊断；/nS500：统计光伏组串每日所处的故障状态，根据故障状态变化计算得到不同步长的转移频数矩阵，根据所述不同步长的转移频数矩阵计算得到不同步长的转移频率矩阵，并计算不同步长的转移频率矩阵对应的权重；/nS600：根据所述不同步长的转移频率矩阵、所述不同步长的转移频率矩阵对应的权重以及当前n天内光伏组串每天所处的故障状态，计算光伏组串下一天处于不同故障状态的概率；/nS700：根据所述光伏组串下一天处于不同故障状态的概率对光伏组串下一天的故障状态进行预测。/n...

【技术特征摘要】
1.一种光伏组件故障诊断及预测方法，包括如下步骤：
S100：采集光伏组串每日的输出电压、输出电流并根据所采集的输出电压、输出电流计算光伏组串的输出功率，同时采集光伏组串每日的辐照度数据；
S200：通过快速傅里叶变换分别将光伏组串的输出功率向量和辐照度向量转化为频域数据；
S300：计算频域数据中各频率点的输出功率与辐照度的比值，获得输出功率-辐照度幅值比，当某一故障发生时，选择所述输出功率-辐照度幅值比明显增大的频段作为该故障的特征频段，并在所述故障特征频段上设置该故障的发生阈值；
S400：根据所述故障发生阈值对光伏组串进行故障状态划分，实现光伏组串故障诊断；
S500：统计光伏组串每日所处的故障状态，根据故障状态变化计算得到不同步长的转移频数矩阵，根据所述不同步长的转移频数矩阵计算得到不同步长的转移频率矩阵，并计算不同步长的转移频率矩阵对应的权重；
S600：根据所述不同步长的转移频率矩阵、所述不同步长的转移频率矩阵对应的权重以及当前n天内光伏组串每天所处的故障状态，计算光伏组串下一天处于不同故障状态的概率；
S700：根据所述光伏组串下一天处于不同故障状态的概率对光伏组串下一天的故障状态进行预测。


2.根据权利要求1所述的方法，其中，优选的，步骤S300中，所述故障发生阈值表示为故障组串的输出功率-辐照度幅值比与正常组串的输出功率-辐照度幅值比的差值百分比，计算公式如下：
Aff＝[afi1afi2…afin]
Af＝[ai1ai2…ain]



其中，Aff为故障组串在该故障特征频段上的功率-辐照度幅值比，Af为提取故障特征时正常组串在该故障特征频段上的功率-辐照度幅值比，mk为特征频段上第k个频率上的功率-辐照度幅值比...

【专利技术属性】
技术研发人员：张洁琼，陈应红，胡少轶，何佩毅，王宗尧，
申请(专利权)人：特变电工新疆新能源股份有限公司，
类型：发明
国别省市：新疆;65