一种基于数字孪生的光伏发电组件故障检测和识别方法技术

本发明专利技术公开了一种基于数字孪生的光伏发电组件故障检测和识别方法，包括：检测并输出待检测光伏发电组件物理实体中的特征量y(t)；光伏发电组件包括太阳电池组件和DC

【技术实现步骤摘要】
一种基于数字孪生的光伏发电组件故障检测和识别方法


[0001]本专利技术涉及太阳能光伏发电
，特别涉及一种基于数字孪生的光伏发电组件故障检测和识别方法。

技术介绍

[0002]随着环境问题受到越来越多的关注，能源市场对光伏发电系统的兴趣日益增长。直流模块式光伏并网发电系统被越来越多人使用，参照图1所示，其中，该系统中每一个太阳电池组件都连接了一个独立的DC
‑
DC变换器，然后将这些DC
‑
DC变换器输出端串联在一起与一个DC
‑
AC变换器的输入端相连接，通过该DC
‑
AC变换器将能量输入交流电网。该直流模块式光伏并网发电系统中，前级采用的光伏电池板和DC
‑
DC变换器较多，如果产生故障不易对其识别和诊断。
[0003]因此，在现有的直流模块式光伏并网发电系统的基础上，如何提供一种基于数字孪生的光伏发电组件故障检测和识别方法，以实现对其产生的故障进行及时、高效、快速地诊断和识别，成为本领域技术人员亟需解决的问题。

技术实现思路

[0004]鉴于上述问题，本专利技术提出了一种至少解决上述部分技术问题的基于数字孪生的光伏发电组件故障检测和识别方法，该方法可对光伏发电组件所产生的故障进行及时检测并准确识别故障类型。
[0005]本专利技术实施例提供一种基于数字孪生的光伏发电组件故障检测和识别方法，包括如下步骤：
[0006]S1、检测并输出待检测光伏发电组件物理实体中的特征量y(t)；所述光伏发电组件包括太阳电池组件和DC
‑
DC变换器；所述特征量y(t)为所述物理实体中的DC
‑
DC变换器电感电流、DC
‑
DC变换器电容电压、太阳电池组件最大功率点电流和太阳电池组件最大功率点电压的特征输出向量估计值；
[0007]S2、构建与所述待检测光伏发电组件物理实体结构相同的数字孪生体，计算并输出所述数字孪生体中，光伏发电组件的测量特征量z(t)；所述测量特征量z(t)为所述数字孪生体中的DC
‑
DC变换器电感电流、DC
‑
DC变换器电容电压、太阳电池组件最大功率点电流和太阳电池组件最大功率点电压的特征输出向量估计值；
[0008]S3、根据所述特征量y(t)，以及所述测量特征量z(t)，计算并输出残差向量γ(t)；根据所述残差向量γ(t)，输出检测结果；
[0009]S4、当所述检测结果存在故障时，根据步骤S3计算得到的所述残差向量γ(t)，以及故障特征值f
i
，计算并输出L2内积；所述故障特征值f
i
由所述残差向量γ(t)和所述残差向量γ(t)的2
‑
范数||γ(t)||2计算得到；
[0010]S5、根据所述L2内积，输出故障类型。
[0011]进一步地，所述步骤S2中，数字孪生体中光伏发电组件的测量特征量z(t)的计算
公式为：
[0012][0013]k为整数
[0014]其中，k表示当前采样周期；G为数字孪生体中太阳电池组件受到的光照强度；T为数字孪生体中太阳电池组件受到的环境温度；x[k]表示线性开关状态空间方程的前向欧拉离散化方程；I
pvG,T
为数字孪生体中太阳电池组件在最大功率情况下的输出电流估计值；V
pvG,T
为数字孪生体中太阳电池组件在最大功率情况下的输出电压估计值；E为电气传感器增益的单位矩阵；I为单位矩阵；s
n
为单位矩阵维数；x[k
‑
1]为状态向量；u[k
‑
1]为输入向量；T
s
为采样周期；A
σ(t)
和B
σ(t)
表示两种状态，A
σ(t)
∈{A1,A2,K,A
nm
},B
σ(t)
∈{B1,B2,K,B
nm
}；为数字孪生体中光照强度为G
ref
＝1000W/m2、温度为T
ref
＝25℃情况下，达到最大功率时，太阳电池组件的输出电流；为数字孪生体中光照强度为G
ref
、温度为T
ref
情况下，达到最大功率时，太阳电池组件的输出电压；T
ref
＝25℃；G
ref
＝1000W/m2；K
i
为电流温度系数；K
p
为功率温度系数。
[0015]进一步地，所述步骤S3，包括：
[0016]S301、所述数字孪生体中光伏发电组件的测量特征量z(t)减去待检测光伏发电组件物理实体中的特征量y(t)，生成残差向量γ(t)：
[0017][0018]其中，为数字孪生体中DC
‑
DC变换器电感电流；i
L
(t)为物理实体中流过电感L的电流；为数字孪生体中DC
‑
DC变换器电容电压；v
c
(t)为物理实体中DC
‑
DC变换器输出电压；I
pvG,T
为数字孪生体中太阳电池组件在最大功率情况下的输出电流估计值；V
pvG,T
为数字孪生体中太阳电池组件在最大功率情况下的输出电压估计值；i
pv
(t)为物理实体中太
阳电池组件的输出电流；v
pv
(t)为物理实体中太阳电池组件的输出电压；γ1(t)、γ2(t)、γ3(t)、γ4(t)组成残差向量γ(t)；
[0019]S302、根据所述生成的残差向量γ(t)，计算∞
‑
范数||γ(t)||
∞
：其中，i表示残差向量γ(t)包含的元素个数；
[0020]S303、根据所述计算出的∞
‑
范数||γ(t)||
∞
，计算故障检测标志：
[0021][0022]其中，Γ为故障检测的阈值；
[0023]S304、根据故障检测标志，输出故障检测结果。
[0024]进一步地，所述步骤S4中，计算L2内积的计算公式为：
[0025][0026]其中，W表示计算内积的窗口大小；t为时间；γ(t)为残差向量；f
i
为故障特征值；表示L2内积；；γ
T
(t
‑
τ)表示γ(t)在时间上偏移τ然后再转置，τ为积分变量。
[0027]进一步地，所述步骤S4中，故障特征值f
i
由残差向量γ(t)和残差向量γ(t)的2
‑
范数||γ(t)||2计算得到，计算公式为：
[0028][0029]其中，γ(t)为残差向量；||γ(t)||2为2
‑
范数；2
‑
范数||γ(t)||2的计算公式为：其中，i表示残差向量本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于数字孪生的光伏发电组件故障检测和识别方法，其特征在于，包括如下步骤：S1、检测并输出待检测光伏发电组件物理实体中的特征量y(t)；所述光伏发电组件包括太阳电池组件和DC
‑
DC变换器；所述特征量y(t)为所述物理实体中的DC
‑
DC变换器电感电流、DC
‑
DC变换器电容电压、太阳电池组件最大功率点电流和太阳电池组件最大功率点电压的特征输出向量估计值；S2、构建与所述待检测光伏发电组件物理实体结构相同的数字孪生体，计算并输出所述数字孪生体中，光伏发电组件的测量特征量z(t)；所述测量特征量z(t)为所述数字孪生体中的DC
‑
DC变换器电感电流、DC
‑
DC变换器电容电压、太阳电池组件最大功率点电流和太阳电池组件最大功率点电压的特征输出向量估计值；S3、根据所述特征量y(t)，以及所述测量特征量z(t)，计算并输出残差向量γ(t)；根据所述残差向量γ(t)，输出检测结果；S4、当所述检测结果存在故障时，根据步骤S3计算得到的所述残差向量γ(t)，以及故障特征值f
i
，计算并输出L2内积；所述故障特征值f
i
由所述残差向量γ(t)和所述残差向量γ(t)的2
‑
范数||γ(t)||2计算得到；S5、根据所述L2内积，输出故障类型。2.如权利要求1所述的一种基于数字孪生的光伏发电组件故障检测和识别方法，其特征在于，所述步骤S2中，数字孪生体中光伏发电组件的测量特征量z(t)的计算公式为：征在于，所述步骤S2中，数字孪生体中光伏发电组件的测量特征量z(t)的计算公式为：k为整数其中，k表示当前采样周期；G为数字孪生体中太阳电池组件受到的光照强度；T为数字孪生体中太阳电池组件受到的环境温度；x[k]表示线性开关状态空间方程的前向欧拉离散化方程；I
pvG,T
为数字孪生体中太阳电池组件在最大功率情况下的输出电流估计值；V
pvG,T
为数字孪生体中太阳电池组件在最大功率情况下的输出电压估计值；E为电气传感器增益的单位矩阵；I为单位矩阵；s
n
为单位矩阵维数；x[k
‑
1]为状态向量；u[k
‑
1]为输入向量；T
s
为采样周期；A
σ(t)
和B
σ(t)
表示两种状态，A
σ(t)
∈{A1,A2,K,A
nm
},B
σ(t)
∈{B1,B2,K,B
nm
}；为数字孪生体中光照强度为G
ref
＝1000W/m2、温度为T
ref
＝
25℃情况下，达到最大功率时，太阳电池组件的输出电流；为数字孪生体中光照强度为G
ref
、温度为T
ref
情况下，达到最大功率时，太阳电...

【专利技术属性】
技术研发人员：周小杰，黄友锐，国海，徐善永，权悦，韩涛，张帝，胡福志，
申请(专利权)人：安徽科技学院，
类型：发明
国别省市：