一种光伏组件故障类型和故障严重程度诊断方法技术

一种光伏组件故障类型和故障严重程度诊断方法，属于光伏电站技术领域

【技术实现步骤摘要】
一种光伏组件故障类型和故障严重程度诊断方法


[0001]一种光伏组件故障类型和故障严重程度诊断方法，属于光伏电站

。

技术介绍

[0002]近些年来，在国家政策的大力支持下，光伏电站发展迅速，光伏阵列作为光伏电站的能量采集核心，光伏组件作为光伏电站中最小的发电单元往往安装在户外恶劣环境中，可能会导致光伏组件表面的腐蚀或损坏，会引起热斑
、
系统老化故障等，频繁发生的故障会对光伏发电系统的安全运行造成很大的影响
。
[0003]在现有技术中，针对光伏组件故障，最初的解决方式是采用人工诊断的方式实现，然而工诊断方法无法针对故障类型进行快速定位并确保现场巡查人员针对故障类型和故障严重程度快速维修光伏组件，如果不能针对故障类型进行快速且精准定位，将会导致运维成本增加，且影响光伏电站的经济效益
。
[0004]随着技术的不断进步，市面上也出现了一些结合光伏组件故障的类型以及故障严重程度进行判断的技术方案，
[0005]申请号为
202111581714.2
，申请日为
2021
年
12
月
22
日，专利名称为“一种光伏组件故障在线诊断分析算法”的中国专利技术专利公开了一种技术方案，在该技术方案中提出根据最大功率点电压以及最大功率点电流得出最大功率，并结合此时的最大功率点电压计算最大功率到标准开路电压的斜率，并以此作为故障系数得出故障类型以及故障严重程度的初步判断
。
[0006]申请号为
202210406808.4
，申请日为
2022
年4月
18
日，专利名称为“光伏组件故障检测方法及系统”的中国专利技术专利公开了一种技术方案，在该技术方案中根据图像信息判断光伏组件的故障类型以及故障严重程度
。
[0007]然而光伏组件常见的故障类型有光伏组件断路
、
光伏组件短路
、
光伏组件热斑故障以及光伏组件异常老化故障，光伏组件在发生故障时，同一光伏组件发生不同类型的故障时，其电压
、
电流
、
温度以及辐照度将会有所不同，因此包括以上技术方案在内的光伏组件故障的类型以及故障严重程度的技术方案均难以对光伏组件的故障状态进行客观判断
。
因此，设计一种能够对光伏组件的故障类型以及故障严重程度进行精准判断，并确定光伏组件维修的优先顺序，从而保证光伏电站正常运行的技术方案，成为本领域亟待解决的问题
。

技术实现思路

[0008]本专利技术要解决的技术问题是：克服现有技术的不足，提供一种针对故障类型进行快速且精准定位，并对故障光伏组件的故障严重程度进行排序，确定光伏组件维修的优先顺序，及时解决光伏电站存在的故障，从而保证光伏电站正常运行的光伏组件故障类型和故障严重程度诊断方法
。
[0009]本专利技术解决其技术问题所采用的技术方案是：该光伏组件故障类型和故障严重程
度诊断方法，其特征在于：包括如下步骤：
[0010]步骤
a
，在光伏组件中布置传感器，并按照时间将对光伏组件进行数据采集，得到故障光伏组件特征值；
[0011]步骤
b
，对故障光伏组件特征值进行量化，并对量化后的故障光伏组件特征值进行标准化；
[0012]步骤
c
，保存数据集，并通过
Python
中的工具包
sklearn
划分训练集和测试集；
[0013]步骤
d
，采用粒子群算法搜索最优的支持向量参数，并采用分类预测结果与测试集数据原始标签的均方误差作为适应度函数，以适应度函数作为粒子群迭代寻优的目标函数，对比获得全局最优适应度并更新最优粒子个体位置；
[0014]步骤
e
，判断适应度函数是否满足停止条件，如果适应度函数满足停止条件，执行步骤
f
，构造返回步骤
c
；
[0015]步骤
f
，输入最优的支持向量参数并进行机器学习；
[0016]从，如果达到精度要求，执行步骤
h
，否则返回步骤
f
；
[0017]步骤
h
，保存训练得到的分类模型并输出分类结果；
[0018]步骤
i
，确定光伏组件的故障严重程度，并根据光伏组件的故障严重程度，确定维修的优先顺序
。
[0019]优选的，步骤
i
中，确定光伏组件的故障严重程度，包括如下步骤：
[0020]步骤
i
‑1，建立故障光伏组件故障程度评价体系的初始矩阵；
[0021]步骤
i
‑2，对故障光伏组件故障程度评价指标进行标准化处理；
[0022]步骤
i
‑3，熵值计算确定评价指标权重；
[0023]步骤
i
‑4，将不同故障光伏组件
n
中的不同指标
m
分别与各指标相对应的权重相乘即可得到城市高质量发展规范化评价矩阵
B
；
[0024]步骤
i
‑5，确定正负理想解，并计算故障光伏组件的故障程度与正理想解和负理想解的距离；
[0025]步骤
i
‑6，计算得到故障程度的相对贴近度
C
j
；
[0026]步骤
i
‑7，根据相对贴近度
C
j
的大小对故障严重程度进行排序
。
[0027]优选的，步骤
i
‑1中的初始矩阵
A
＝
(x
ij
)
m*n
为：
[0028][0029]故障光伏组件的属性包括故障组件当前电流与正常工作电流之间的差值
(A1)
，当前电压与正常工作电压之间的差值
(A2)
，当前温度与正常工作温度之间的差值
(A3)、
异常组件当前功率
(A4)、
当前辐照度与正常工作辐照度之间的差值
(A5)
，以及异常组件所在光伏阵列的功率
(A6)。
[0030]优选的，步骤
i
‑5中，故障光伏组件的故障程度指标与正理想解和负理想解的欧式距离和分别为：
[0031][0032][0033]其中，
b+j
为第
j
个评价指标
(A1，
A2，
……
，
A6)
在所有评价对象
(
故障光伏组件
)
中的最大值，
b
‑
j
为第
j...

【技术保护点】

【技术特征摘要】
1.
一种光伏组件故障类型和故障严重程度诊断方法，其特征在于：包括如下步骤：步骤
a
，在光伏组件中布置传感器，并按照时间将对光伏组件进行数据采集，得到故障光伏组件特征值；步骤
b
，对故障光伏组件特征值进行量化，并对量化后的故障光伏组件特征值进行标准化；步骤
c
，保存数据集，并通过
Python
中的工具包
sklearn
划分训练集和测试集；步骤
d
，采用粒子群算法搜索最优的支持向量参数，并采用分类预测结果与测试集数据原始标签的均方误差作为适应度函数，以适应度函数作为粒子群迭代寻优的目标函数，对比获得全局最优适应度并更新最优粒子个体位置；步骤
e
，判断适应度函数是否满足停止条件，如果适应度函数满足停止条件，执行步骤
f
，构造返回步骤
c
；步骤
f
，输入最优的支持向量参数并进行机器学习；步骤
g
，判断机器学习的迭代精度是否达到精度要求，如果达到精度要求，执行步骤
h
，否则返回步骤
f
；步骤
h
，保存训练得到的分类模型并输出分类结果；步骤
i
，确定光伏组件的故障严重程度，并根据光伏组件的故障严重程度，确定维修的优先顺序
。2.
根据权利要求1所述的光伏组件故障类型和故障严重程度诊断方法，其特征在于：步骤
i
中，确定光伏组件的故障严重程度，包括如下步骤：步骤
i
‑1，建立故障光伏组件故障程度评价体系的初始矩阵；步骤
i
‑2，对故障光伏组件故障程度评价指标进行标准化处理；步骤
i
‑3，熵值计算确定评价指标权重；步骤
i
‑4，将不同故障光伏组件
n
中的不同指标
m
分别与各指标相对应的权重相乘即可得到城市高质量发展规范化评价矩阵
B
；步骤
i
‑5，确定正负理想解，并计算故障光伏组件的故障程度与正理想解和负理想解的距离；步骤
i
‑6，计算得到故障程度的相对贴近度
C
j
；步骤
i
‑7，根据相对贴近度
C
j
的大小对故障严重程度进行排序
。3.
根据权利要求2所述的光伏组件故障类型和故障严重程度诊断方法，其特征在于：步骤
i
‑1中的初始矩阵
A
＝
(x
ij
)
m*n
为：故障光伏组件的属性包括故障组件当前电流与正常工作电流之间的差值
(A1)
，当前电压与正常工作电压之间的差值

【专利技术属性】
技术研发人员：梁辉，郭瑞强，于国涛，丁向栋，张帅，郭栋，王成军，刘立辉，秦超，杨成峰，赵玉萌，李冬冬，李民，仇向利，马明波，杨雷，郇强，陈冬明，
申请(专利权)人：淄博奥冠交通科技有限公司，
类型：发明
国别省市：