一种光伏阵列故障检测方法、装置及电子设备制造方法及图纸

本发明专利技术提供了一种光伏阵列故障检测方法、装置及电子设备，其中，该方法包括：根据预先获取光伏阵列的I

【技术实现步骤摘要】
一种光伏阵列故障检测方法、装置及电子设备


[0001]本专利技术涉及光伏工程
，具体而言，涉及一种光伏阵列故障检测方法、装置、电子设备及计算机可读存储介质。

技术介绍

[0002]随着供能需求的不断增加，传统化石燃料消耗带来了一系列环境问题。为了构建清洁低碳、安全高效的能源体系，坚持能源可持续发展是必经之路。在可再生能源中，太阳能具有安装方便，清洁高效等特点已成为最具有吸引力的能源之一。
[0003]但是，由于环境因素和生产工艺的差异，依靠太阳能的光伏阵列在运行过程中经常会出现不同的故障问题。目前，光伏阵列的常见故障主要是由于光伏组件的内部碎裂、处理不当和接线不良引起的，例如碎裂、短路、开路等。光伏故障会对系统运行的安全性和可靠性带来较大的挑战。
[0004]目前检测光伏阵列故障的方法包括物理设备检测法、I
‑
V扫描法等，但物理设备检测法需要现场检测，费时费力；而I
‑
V扫描法法需要离线操作且无法确定精确的故障类型，该方法属于被动检测方法，需要定期检测影响光伏发电收益。
专利技术本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种光伏阵列故障检测方法，其特征在于，包括：预先获取光伏阵列在任意温度和辐照度下的I
‑
V曲线，根据所述I
‑
V曲线确定所述光伏阵列的物理模型；根据所述物理模型判断所述光伏阵列是否异常；在所述光伏阵列异常的情况下，获取所述光伏阵列的光伏数据，所述光伏数据包括所述光伏阵列的电压、电流、功率、辐照度和温度；将所述光伏数据输入至融合分类模型，根据所述融合分类模型的分类结果确定所述光伏阵列的故障类型；所述融合分类模型包括多个机器学习分类模型，用于融合多个所述机器学习分类模型的分类结果。2.根据权利要求1所述的方法，其特征在于，所述根据所述I
‑
V曲线确定所述光伏阵列的物理模型，包括：基于蜜蜂花朵授粉算法对物理模型的内部参数进行求解，确定与所述光伏阵列对应的物理模型；所述内部参数包括：光生电流I
ph
、二极管反向饱和电流I
o
、并联电阻阻值R
p
、串联电阻阻值R
s
和二极管理想常数a，所述物理模型为：其中，I表示所述光伏阵列的输出电流，U表示所述光伏阵列的输出电压，q表示电子电荷，T表示所述光伏阵列的绝对温度，K表示玻尔兹曼常数。3.根据权利要求1所述的方法，其特征在于，所述根据所述物理模型判断所述光伏阵列是否异常，包括：采集所述光伏阵列在当前温度和当前辐照度下的当前I
‑
V曲线，并确定所述物理模型在所述当前温度和所述当前辐照度下的拟合结果；判断所述当前I
‑
V曲线与所述拟合结果之间的偏差是否超过预设阈值；在所述偏差超过预设阈值的情况下，确定所述光伏阵列异常。4.根据权利要求1所述的方法，其特征在于，所述获取所述光伏阵列的光伏数据，包括：采集所述光伏阵列的原始光伏数据，对所述原始光伏数据中的缺失值和异常值进行筛选和填充，生成所需的所述光伏数据。5.根据权利要求1所述的方法，其特征在于，所述融合分类模型至少包括三个机器学习分类模型；三个所述机器学习分类模型分别为：基于bagging的随机森林分类器、基于boosting的XGBoost分类器、基于深度学习的多层感知器分...

【专利技术属性】
技术研发人员：孙凯，田培根，肖曦，冯侃，孙沛，陈丽娜，
申请(专利权)人：清华大学国网甘肃省电力公司平凉供电公司国家电网有限公司，
类型：发明
国别省市：