一种光伏阵列通信故障探测和定位方法与流程

本发明公开一种基于时域反射的光伏阵列通信故障探测和定位方法，属于光伏阵列故障诊断技术领域。

背景技术：

近年来，光伏技术由于具有无污染性、成本低、效率高、资源普遍性、灵活发电等优势，成为各国竞相发展的产业技术。随着光伏发电的快速发展，一些严重的问题也突显出来，其中光伏组件老化和故障带来的电气系统安全问题尤为突出。如何减少光伏阵列组件故障发生率成为光伏产业技术中亟待解决的问题之一。

光伏阵列故障除了包括由于恶劣环境因素导致的电池板单体出现裂纹、老化等硬件故障和热斑效应等，还有一类故障必须引起重视，即光伏阵列的通信故障。光伏阵列的通信故障主要包括电池单体间的开路、短路，连接时的接线错误，安装时的电池板型号不匹配以及电缆、接头老化问题导致的电弧等传输故障。这类故障不会对电池板本身造成巨大的伤害，但会严重影响光伏阵列的发电量和发电效率，所以必须要对光伏阵列各环节进行状态监测和故障诊断。通过对光伏阵列大量采集信息进行数据监控，从中提取有用信息，判断出相应阵列的正常与故障状态，及时发现，及时处理，以确保光伏发电系统的发电量和发电效率。

现有技术中光伏阵列故障的检测和定位研究，主要包括以下几种：一种是基于多传感器的电压、电流测量法，该方法通过在光伏阵列组件中分层安装电压或者电流传感器，通过测量电压或者电流信号的变化进行故障串检测和定位。这种方法需要对原先安装好的光伏阵列组件进行重新布置，而且由于光伏阵列组件数目众多，进行电压、电流传感器布置复杂且增加了成本，实用性较差。一种是利用故障组件和正常组件在工作时温度存在较大差异，通过安装红外摄像仪进行故障组件定位的方法，该方法定位精度高但是成本高且故障定位精度取决于红外摄像仪的精度，同时对于那些轻微故障使组件温差不明显的故障无法辨别。一种是利用时域反射法进行光伏阵列组件的故障定位，该方法将脉冲信号输入光伏阵列组件串中，通过对反射信号的异常进行分析，判断出组件的故障类型和在阵列中所处的位置，测量方法简单。但是脉冲信号抗干扰能力弱，且在故障定位时，距离分辨率低，故障点的时域反射特征和位置不易识别。

技术实现要素：

本发明是基于时域反射测量特征对光伏阵列的通信故障进行探测和定位的。和传统时域反射方法不同，本发明主要是选用一种具有较强自相关性及与其他信号间具有较弱互相关性的混沌测试信号，利用测试信号本身较强的自相关性得到光伏阵列的时域反射特征来提高测试的准确度。本发明是通过以下技术方案实现的：

一种光伏阵列通信故障探测和定位方法，包括如下步骤：

(1)、执行光伏阵列故障检测和定位预处理：

s1:发送混沌测试信号到无故障、健康状态的光伏阵列，接收回波信号并对其进行自相关运算；

s2:重复上述过程，对光伏阵列进行n次扫描，对自相关运算进行累加平均，获得自相关曲线数据作为健康状态光伏阵列时域反射特征“基线”数据；

s3：再次对健康状态下的光伏阵列进行n次扫描，对自相关运算进行累加平均，获得自相关曲线数据作为健康状态光伏阵列时域反射特征“系统噪声”测试数据；

s4:将健康状态光伏阵列所测的时域反射特征“基线”数据和“系统噪声”测试数据相减并取绝对值，作为健康状态光伏阵列的系统噪声特征值；

(2)执行光伏阵列故障检测和定位处理过程：

对光伏阵列进行故障扫描，获取故障光伏阵列的时域反射特征，并与存储的健康状态时的时域反射特征数据进行对比判别，步骤如下：

s1:发送混沌测试信号到相应故障状态下光伏阵列，接收回波信号，并对其进行自相关运算；

s2:重复上述过程，对故障状态下的光伏阵列进行n次扫描，对自相关运算结果进行累加平均，获得故障状态光伏阵列时域反射特征数据；

s3:将故障状态下的光伏阵列时域反射特征曲线与健康状态下所存储的“基线”时域反射特征曲线比较，通过自相关曲线的波形差异判断故障出现的可能性；

s4:计算故障光伏阵列的故障特征值，即将故障状态光伏阵列时域反射特征数据与健康状态光伏阵列时域反射特征“基线”数据相减，并取绝对值，得到故障特征值；

s5：将上述步骤中计算的故障特征值与健康状态光伏阵列系统噪声特征值进行比较，如果故障特征值远大于健康状态光伏阵列系统噪声特征值，则判别存在故障；否则为未识别到故障；

s6：由被判别为故障点的相关峰值位置，读出故障点到探测点的距离，实现故障点的位置定位。

下面对利用混沌测试信号获得待测光伏阵列时域反射特征的过程进行说明。

混沌信号发生器根据光伏阵列测试需求发送具有强自相关性的混沌测试信号进入待测光伏阵列；接收光伏阵列中阻抗点反向返回的信号，进行采样处理获得采样数据；所述返回的信号为所述测试信号的反射信号与所述测试信号的混合叠加；

对所述的返回信号进行自相关运算处理，根据相关运算结果获得分开的所述反射信号的分量(反射信号的分量是指各个阻抗点的反射信号)，得到光伏阵列返回的反射信号；相关后的波形为待测光伏阵列时域反射特征曲线波形，用于故障事件检测；

将所获得的光伏阵列时域反射特征波形数据存储在存储器中，用于后续故障探测和定位算法处理。

进一步的，所述光伏阵列为串并联的构成方式，是指由各光伏组件串联构成光伏组件串，各光伏组件串互相并联构成光伏阵列。每个光伏阵列串具有唯一的时域反射特征，因为每个光伏阵列串的物理连接是唯一的。

上述技术方案具有如下有益效果：

1.实施过程简明易实现，不需要光伏阵列的电压和电流信息，能及时地进行光伏系统故障的诊断。

2.和传统的时域反射测量方法相比，具有距离分辨率高，抗噪声性能好的优点。

3.对于光伏阵列系统的通信故障，既可以进行离线测量，也可以进行在线测量，对潜在的电弧故障实现提前预测。

附图说明

图1为本发明基于时域反射的光伏阵列通信故障定位实验测量装置构成图；

图2为本发明所用混沌脉冲位置调制信号的波形图和自相关曲线；

图3为光伏阵列串并联连接方式示意图；

图4对健康状态时的待测光伏阵列系统进行预处理流程图；

图5对故障光伏阵列系统进行故障探测和定位流程图；

图6为故障时域反射特征和健康时域反射特征的比较图；

图7滤除非故障点反射波形并放大的故障波形。

具体实施方式

为了使本技术领域的人员更好地理解本发明技术方案，下面结合附图和实施方式对本发明作进一步的详细说明。

图1为本发明基于时域反射的光伏阵列通信故障定位方法的实验平台构成图。混沌信号发生器产生混沌测试信号s(t)，通过“t”型接头分为两路，一路作为参考信号sref，一路作为探测信号spro注入到待测光伏阵列中。探测信号在光伏阵列链路中传输，在故障处因阻抗变化将测试信号反射，反射信号sret经由“t”型接头和参考信号混合叠加smix＝sref+sret，由数据采集单元采集混合信号，并通过控制与数据处理单元对混合信号进行自相关运算和相应的数据处理。

其中，sref＝k1s(t-τ1)，sret＝k2s(t-τ2)，k1和k2分别为传输过程中信号的衰减系数，τ1和τ2分别为sref和sret从t型连接器到数据采集单元的传输时间，显然探测信号从t型连接器到光伏阵列故障点之间的往返时间为τ＝τ2-τ1。控制与数据处理单元对接收的混合信号进行自相关运算：

因为采用的是具有强自相关性的混沌测试信号，其自相关函数类似为δ函数。本具体实施例中选用混沌脉冲位置调制信号作为混沌测试信号，其时域波形和自相关曲线如图2所示。为了区分出反射信号，采用相关运算解调出时域反射特征。采集接收的混合信号自相关曲线中存在分别位于t′＝0的基准峰和t′＝τ的反射峰，即可获得探测信号从t型连接器和光伏阵列故障点之间的往返时间间隔τ。若已知探测信号在光伏阵列中的传输速度v，则可定位故障点的位置d＝vτ/2。

光伏阵列目前最为广泛的连接方式是如图3示意图所示的串并联连接方式，即若干光伏组件以先串联后并联的方式连接在一起，光伏组件之间连线众多。如果并联的光伏组件串太多，同时测量多个光伏组件串得到的时域反射特征复杂且不易识别，可以将混沌测试信号分别注入单一光伏组件串进行测量，分别获得单个光伏组件串的时域反射特征。

由于光伏阵列组件众多，连线复杂，光伏阵列故障点的反射特征极易淹没于噪声中。为了提高故障探测率，本发明采用非故障光伏阵列的时域反射特征来修正故障光伏阵列的时域反射特征，从而放大故障光伏阵列的时域故障特征并滤除非故障点的时域反射特征，所以技术方案中需要对健康状态下的光伏阵列时域反射特征进行预处理，用于和故障状态下的光伏阵列时域反射特征进行比较。预处理流程图如图4所示，详细步骤叙述如下：

s1：发送混沌测试信号到无故障、健康状态的光伏阵列，接收回波信号并对其进行自相关运算；

s2：重复步骤1，对健康状态下的光伏阵列进行n次扫描，对每次自相关运算进行累加平均，获得自相关曲线数据cb(n)作为健康状态光伏阵列时域反射特征(也即“基线”数据)；n表示n个采样点。

s3：重复步骤2，对健康状态下的光伏阵列再次进行n次扫描，对每次自相关运算进行累加平均，获得自相关曲线数据cs(n)，作为“系统噪声”测试数据；

s4：将存储的自相关曲线数据cs(n)与基线数据cb(n)进行比较，进行如下运算：ns＝∑|cs(n)-cb(n)|，所得ns作为所测光伏阵列的系统噪声特征值。

上述流程在待测光伏阵列未发生故障时进行，所得时域反射特征存储于健康状态数据库存储备用。对光伏阵列进行故障扫描和检测后，调用健康状态时的时域反射特征数据进行对比判别。

对故障状态下的光伏阵列进行故障探测和定位的流程图如图5所示。详细步骤如下：

s1：发送混沌测试信号到故障状态下光伏阵列的光伏组件串，接收回波信号，并对其进行自相关运算；

s2：重复步骤1，对故障状态下的光伏阵列组件串进行n次扫描，对每次自相关运算进行累加平均，获得自相关曲线序列数据cf(n)作为故障状态光伏阵列时域反射特征；

s3：将故障状态下的光伏阵列时域反射特征曲线cf(n)与健康状态下所存储的时域反射特征曲线cb(n)比较，通过自相关曲线的波形差异判断故障出现的可能性。本实施例中给出的自相关曲线波形差异比较结果如图6所示；

s4：计算a＝∑|cf(n)-cb(n)|。将故障光伏阵列的自相关序列数据cf(n)与非故障光伏阵列cb(n)相减，并取绝对值，即放大故障光伏阵列的故障波形并滤除非故障点的反射波形，达到提高故障探测率的目的。本实施例中给出的|cf(n)-cb(n)|波形如图7所示；

s5：将健康状态下的所测系统噪声特征值ns设置为故障判别阈值，进行条件判断，如果a≥2ns，则判别存在故障，否则为未识别到故障；

s6：由故障点的相关峰值位置，读出故障点到探测点的距离，实现故障点的位置定位。

以上所述仅是本发明的优选实施方式，对于本技术领域的普通技术人员，在不脱离本发明技术原理的前提下，还可以做出若干改进和替换，这些改进和替换也应视为本发明的保护范围。