一种光伏组件故障检测方法和系统与流程

本发明属于新能源发电领域，具体涉及一种光伏组件故障检测方法和系统。

背景技术：

光伏组件直接将光能变为直流电能，是光伏发电系统的核心组件之一。理论上光伏组件的使用寿命约20-25年，但光伏组件长期在室外工作，受使用环境的影响，不可避免地会发生老化、损坏等各类故障。这些故障轻则影响系统的发电效率，重则引发火灾等重大灾害。因此对光伏组件开展及时的故障检测，对于光伏发电系统的稳定高效运行具备重要意义。

目前针对光伏组件的故障诊断方法主要有多传感器检测法、时域检测法和红外图像分析法等，但大多处于理论或仿真阶段，同时需要添加大量额外的传感器和摄像头等设备，成本较高。因此，基于人工智能及i-v曲线分析的方法逐步得到重视。而受制于人工神经网络以经验风险最小化为优化准则的算法理论基础，该类方法在学习过程中要求大样本量，同时也容易陷入局部最小问题。在对少量光伏组件数据进行学习时，该算法性能不稳定，需要进行多次运算以确保结果的可靠性。

技术实现要素：

为克服上述现有技术的不足，本发明提出一种光伏组件故障检测方法和系统。

实现上述目的所采用的解决方案为：

一种光伏组件故障检测方法，其改进之处在于：

通过预先构建的故障检测函数，比较光伏组件待测样本的残差与历史数据样本集中样本均值之差是否超过允许发生误差的阈值；

若超过，则光伏组件发生故障；否则光伏组件运行正常；

所述历史数据样本集中的样本均包括正常运行下的历史数据，所述历史数据包括短路电流、开路电压、最大功率点电流和最大功率点电压；所述故障检测函数通过拟合所述最大功率点电压与历史短路电流、历史开路电压和历史最大功率点的关系式进行建。

本发明提供的第一优选技术方案，其改进之处在于，所述故障检测函数通过拟合所述历史最大功率点电压与历史短路电流、历史开路电压和历史最大功率点的关系式进行构建，包括：

通过正常运行下的历史数据，形成多组数据样本；

根据所述关系式计算每组数据样本对应的残差值；

根据所述残差值计算允许发生误差的阈值；

根据所述阈值生成故障检测函数。

本发明提供的第二优选技术方案，其改进之处在于，所述通过正常运行下的历史数据，形成多组数据样本，包括：

分别采集不同光照条件和温度条件下，光伏组件正常运行时的短路电流isc、开路电压uoc、最大功率点电流im和最大功率点电压um，每组数据用向量[isc,uoc,im,um]表示。

本发明提供的第三优选技术方案，其改进之处在于，所述拟合所述最大功率点电压与历史短路电流、历史开路电压和历史最大功率点的关系式包括：

采用最小二乘支持向量回归方法拟合isc、uoc、im和um之间的关系式：

um’＝f(isc,uoc,im)(1)

其中，um’为um的函数预测值。

本发明提供的第四优选技术方案，其改进之处在于，所述根据关系式计算每组数据样本对应的残差值包括：

如下式计算所述数据对应的残差值

g(i)＝um’(i)-um(i)＝f(isc(i),uoc(i),im(i))-um(i)(2)

依次计算各组所述数据对应的残差值g(i)，得到数据集

其中g(i)表示第i组数据对应的残差值，i＝1,2,…,k，为数据组的序号，k为数据组的数目，um’(i)为第i组数据的函数预测值，um(i)为该组数据的实际值。

本发明提供的第五优选技术方案，其改进之处在于，所述根据所述残差值计算允许发生误差的阈值包括：

如下式计算允许发生误差的阈值ε：

其中μ为中元素的平均值，σ为的标准差。

本发明提供的第六优选技术方案，其改进之处在于，所述根据所述阈值生成故障检测函数包括：

如下式生成故障检测函数：

f(g)＝sgn(|g(i)|-ε-μ)(5)

其中sgn()为取号函数。

本发明提供的第七优选技术方案，其改进之处在于，所述通过预先构建的故障检测函数，比较光伏组件待测样本的残差与历史数据样本集中样本均值之差是否超过阈值，包括：

将采集光伏组件待测样本{isc,uoc,im,um}test代入公式(1)，得到最大功率点电压的函数预测值um’test；根据公式(2)，计算残差值gtest；用gtest替换故障检测函数f(g)中的g(i)，根据f(g)输出值判断光伏组件是否发生故障；当|gtest|≤μ+ε时，f(g)≤0，则根据故障检测函数输出值判定光伏组件运行正常；当|gtest|＞μ+ε时，f(g)＝1，则根据故障检测函数输出值判定光伏组件发生故障；

其中，{isc,uoc,im,um}test中的isc、uoc、im和um依次分别表示所述待测光伏组件的短路电流、开路电压、最大功率点电流和最大功率点电压。

一种光伏组件故障检测系统，其改进之处在于，包括比较模块和判断模块；

所述比较模块用于通过预先构建的故障检测函数，比较光伏组件待测样本的残差与历史数据样本集中样本均值之差是否超过允许发生误差的阈值；

所述判断模块用于若超过，则判断光伏组件发生故障；否则判断光伏组件运行正常；

所述历史数据样本集中的样本均包括正常运行下的历史数据，所述历史数据包括短路电流、开路电压、最大功率点电流和最大功率点电压；所述故障检测函数通过拟合所述最大功率点电压与历史短路电流、历史开路电压和历史最大功率点的关系式进行建。

本发明提供的第八优选技术方案，其改进之处在于，还包括：故障检测函数构建模块；

所述故障检测函数构建模块包括：样本形成子单元、残差计算子单元、阈值计算子单元和函数生成子单元；

所述样本形成子单元用于通过正常运行下的历史数据，形成多组数据样本；

所述残差计算子单元用于根据所述关系式计算每组数据样本对应的残差值；

所述阈值计算子单元用于根据所述残差值计算允许发生误差的阈值；

所述函数生成子单元用于根据所述阈值生成故障检测函数。

与最接近的现有技术相比，本发明具有的有益效果如下：

1.本发明可通过电流和电压变化，实现光伏组件的故障检测。

2.在少量样本条件下，较人工神经网络方法具备更高的诊断可靠性。

附图说明

图1为本发明提供的一种光伏组件故障检测方法的流程示意图；

图2为本发明提供的一种光伏组件故障检测方法的原理示意图；

图3为本发明提供的一种光伏组件故障检测方法中样本残差分布示意图。

具体实施方式

本发明通过最小二乘支持向量回归ls-svr方法拟合出光伏组件各参数在运行时满足的函数关系，通过函数计算出光伏组件在给定条件下的理想输出，通过对比理想输出和实际输出，判断光伏组件是否发生故障。下面结合附图对本发明的具体实施方式做进一步的详细说明。

本发明提供的一种光伏组件故障检测方法的流程示意图如图1所示，包括：

通过预先构建的故障检测函数，比较光伏组件待测样本的残差与历史数据样本集中样本均值之差是否超过允许发生误差的阈值；

若超过，则光伏组件发生故障；否则光伏组件运行正常；

其中，历史数据样本集中的样本均包括正常运行下的历史数据，历史数据包括短路电流、开路电压、最大功率点电流和最大功率点电压；故障检测函数通过拟合最大功率点电压与历史短路电流、历史开路电压和历史最大功率点的关系式进行建。

本发明提供的一种光伏组件故障检测方法的原理示意图如图2所示，图2中实线部分代表故障检测函数的构建过程，虚线部分代表采用故障检测函数对待测样本进行诊断的过程。

该方法具体包括：

1、分别采集不同光照条件和温度条件下，光伏组件无故障运行时的短路电流isc、开路电压uoc、最大功率点电流im和最大功率点电压um，每组样本用向量[isc,uoc,im,um]表示。

2、采用ls-svr方法拟合isc、uoc、im和um之间的关系式：

um’＝f(isc,uoc,im)(1)

其中，um’是um的函数预测值。当函数逼近算法性能优异时，样本在无故障情况下，函数预测值um’通常围绕um的实际采样值小范围上下波动。ls-svr具体方法为现有技术，本发明不做详细说明。

3、计算各组样本对应的残差值g(i)，得到数据集

g(i)＝um’(i)-um(i)＝f(isc(i),uoc(i),im(i))-um(i)(2)

其中i＝1,2,…,k，为样本组的序号，k为样本组的数目，um’(i)为第i组样本的函数输出值，um(i)为该组样本的实际值。

4、设g中元素满足正态分布n(μ,σ²)，采用传统统计学中3sigma原则，给出允许发生误差的阈值ε的计算方法：

其中μ为中元素的平均值，σ是的标准差；根据3sigma原则，当样本正态分布时，测量值与均值的距离大于3σ时，可判定该被测样本发生异常。因此数据集中元素应分布如图3所示，正常样本与样本均值的残差应不超出阈值ε。

5、生成故障检测函数：

f(g)＝sgn(|g(i)|-ε-μ)(5)

本发明给出故障检测函数如公式(5)所示，其中sgn()为取号函数。

6、测试待测样本：

给定待测样本{isc,uoc,im,um}test，将{isc,uoc,im,}test代入式公式(1)，求得um’test，然后依据公式(2)计算出残差gtest；用gtest替换故障检测函数f(g)中的g(i)，根据检测函数输出值判断光伏组件是否发生故障，当|gtest|≤μ+ε时，f≤0，故障检测函数判定所述光伏组件运行正常；当|g|＞μ+ε时，f＝1，故障检测函数判定组件发生故障。其中，{isc,uoc,im,um}test中的isc、uoc、im和um依次分别表示所述待测光伏组件的短路电流、开路电压、最大功率点电流和最大功率点电压。

基于同一发明构思，本发明还提供了一种光伏组件故障检测成系统，由于这些设备解决技术问题的原理与光伏组件故障检测方法相似，重复之处不再赘述。

该系统包括：比较模块和判断模块；

其中，比较模块用于通过预先构建的故障检测函数，比较光伏组件待测样本的残差与历史数据样本集中样本均值之差是否超过允许发生误差的阈值；

故障检测模块用于若超过，则判断光伏组件发生故障；否则判断光伏组件运行正常；

其中，历史数据样本集中的样本均包括正常运行下的历史数据，历史数据包括短路电流、开路电压、最大功率点电流和最大功率点电压；故障检测函数通过拟合最大功率点电压与历史短路电流、历史开路电压和历史最大功率点的关系式进行建。

其中，该系统还包括：故障检测函数构建模块；

故障检测函数构建模块包括：样本形成子单元、残差计算子单元、阈值计算子单元和函数生成子单元；

样本形成子单元用于通过正常运行下的历史数据，形成多组数据样本；

残差计算子单元用于根据关系式计算每组数据样本对应的残差值；

阈值计算子单元用于根据残差值计算允许发生误差的阈值；

函数生成子单元用于根据所述阈值生成故障检测函数。

最后应当说明的是:以上实施例仅用于说明本申请的技术方案而非对其保护范围的限制,尽管参照上述实施例对本申请进行了详细的说明,所属领域的普通技术人员应当理解:本领域技术人员阅读本申请后依然可对申请的具体实施方式进行种种变更、修改或者等同替换，但这些变更、修改或者等同替换，均在申请待批的权利要求保护范围之内。