一种光伏电站区域定向故障诊断方法与流程

本发明涉及太阳能领域，尤其是一种光伏电站区域定向故障诊断方法。

背景技术：

光伏电站的运行环境复杂多变，使电站系统在运行过程中出现不稳定性，如组件电池片隐裂、接线盒老化接触不良、出现鸟粪和积灰等固定遮挡物等，导致电站出现失配现象，严重时还会导致安全事故。同时，光伏电缆老化，逆变器停机后无法自启等非阵列故障，也是影响光伏电站稳定与安全的重要因素。因此，对光伏电站进行监测十分重要。

由于阵列是发生故障较多的环节，当出现电池片隐裂、组件接触不良或阵列失配时，相关组件将由电源变成负载而耗能发热。因此，目前，常用的做法是采用手持式红外热成像仪对光伏阵列进行巡检。这种做法存在以下缺陷：(1)光伏电站由于地理环境限制，并不一定适宜电站操作人员亲临现场操作。(2)大型光伏电站组件数量多，占地面积大，人员配置少，人工监测会导致周期长，效率低，检测结果滞后等问题。(3)光伏阵列的监测一般都是在工作状态下进行，直流侧的高压环境对检测人员存在较大安全隐患。(4)无法从整体的角度对电站系统作出评估

为解决上述问题，部分电站搭建了性能监测平台，采用相关算法验证系统是否处于故障状态。这种做法也存在下述若干不足：(1)大型电站的监测数据量庞大，导致计算量大，计算速度慢，算法稳定性差。(2)只有在计算结果触发故障阈值时，才能判定电站出现故障，而这时往往意味着电站出现了严重故障问题，算法灵敏性差。

因此，有必要设计一种光伏电站性能监测系统，提高其稳定性和安全性，以保障光伏电站安全高效的运行。

技术实现要素：

针对上述不足，本发明提出一种光伏电站区域定向故障诊断方法，以解决光伏电站现场检测难度大、检测结果滞后、性能监测平台不灵敏以及稳定性差等缺点。

为了实现上述目的，本发明是通过如下的技术方案来实现：

一种光伏电站区域定向故障诊断方法，其特征在于，包括以下步骤：

a.搭建集成了数据采集系统、组件定位系统和数据库系统的电站性能数据采集平台；通过所述数据采集系统采集电站直流侧和交流侧的必要检测数据；通过所述组件定位系统对光伏电站的每一块组件进行定位与编号，同时，为采集到的数据添加坐标信息；所述数据库系统用于储存包括坐标信息的实测数据以供故障诊断使用；

b.通过一集成了自主无人机、热红外分析设备的现场检测装置，对组件进行红外扫描；所述现场检测装置以自主无人机作为载体，自主无人机能够自主起降、巡航、调节飞行姿态、原地垂直起飞和悬停，并能够接收人工操作指令；此外，所述自主无人机还能够实时设置相机参数；所述热红外分析设备为专业热红外分析仪，集成有自动控制装置，控制热红外分析仪工作并传输光伏组件红外影像至影像分析系统；

c.设置地面影像分析系统，接收光伏组件红外影像，并分析接收到的光伏组件红外影像是否存在热斑，将分析结果发送至故障诊断平台并同步储存至数据库；

d.建立故障诊断平台，所述故障诊断平台基于PHM技术搭建，采用马田算法，用健康度HD的数值来表示诊断结果，具体诊断方法如下：

根据热斑邻域搜索范围内组件坐标信息，确定邻域内组件编号。根据热斑出现时间和组件编号，调取数据库中相关实测数据w₁。启动仿真模块，根据w₁中环境参数获取邻域健康数据w₂。

MD为实测数据与健康数据之间的马氏距离值，假定电站数据维数为n，则实测数据向量为y_i＝(y_i1,y_i2,…,y_in)，计算其与w₂之间的马氏距离为：

${\mathrm{MD}}_i=\frac{1}{n}(y_i-{\hat{u}}^{\left(1\right)})R^{-1}{(y_i-{\hat{u}}^{\left(1\right)})}^T---\left(1\right)$

其中，为健康总体w₂的数据向量。

选择合适的二水平正交表，并将n个w₁的特征分量安排到正交表的各列。对于正交表的每一行，根据各特征分量的水平，用w₂中的样本矢量构造一个基准空间其中i代表正交表的行号。对于每一行的基准空间计算w₁中数据向量至w₂的马氏距离值MD_i1,MD_i2,…,MD_iN。由此计算信噪比：

${\mathrm{\η}}_q=-10\lg \[\frac{1}{n}\underset{j=1}{\overset{n}{\Σ}}\frac{1}{{\mathrm{MD}}_i}\]---\left(2\right)$

信噪比η_q表示了正交表第q行中水平为“1”的特征分量对w₁中实测数据向量的识别效果，η_q越大说明识别效果越好。通过比较各特征分量在两水平信噪比均值t_j＝T_j/m(j＝2，1；T_j为某实测数据分量在水平j下的信噪比之和；m为同一水平重复次数)进行有效特征选择，从而判断是否存在故障。当t₁-t₂＞0时，该特征分量具有较大贡献度，为有效特征，应予以保留；反之，该特征应予以剔除。

最后，将马氏距离归一化以获得设备健康程度(HD)，归一化函数形式如下：

$HD=1-\frac{1}{1+e^{-c_0\ln MD}}---\left(3\right)$

其中，c₀基于健康数据及对应的HD阈值来确定，其公式如下：

$c_0=-ln\left(\frac{{\mathrm{HD}}_{pre}}{1-{\mathrm{HD}}_{pre}}\right)/Mean\left({\mathrm{MD}}_{normal}\right)---\left(4\right)$

其中，Mean(MD_normal)为健康数据MD均值，HD_pre为正常状态下对应的HD设定值，本发明中取HD_pre＝0.95，可得c₀＝0.03，即

$HD=1-\frac{1}{1+e^{-0.03\ln MD}}---\left(5\right)$

所述诊断平台根据所述影像分析系统的分析结果采取不同的诊断方法，具体如下：

当0.85<HD<1时，即当组件无热斑时，认为系统处于无故障状态，诊断平台定时对比直流侧和交流侧数据以判断汇流、逆变环节运行状态；当HD<0.85时，即出现热斑信息，诊断平台发出报警信息，操作人员根据诊断结果采取相应措施：(1)当0.65<HD<0.85时，即热斑问题较轻时，认为系统处于轻微正确故障状态，应及时采取检修措施，操作人员通过辅控系统设置所述现场检测装置在邻域内巡检一段时间，进行进一步的观察；(2)当HD<0.65时，即热斑问题严重时，认为系统处于严重正确故障状态，应立即采取检修措施，操作人员启动区域诊断模式，根据所述组件定位系统确定热斑组件位置，以热斑组件为中心，进行区域热斑搜索，并确定热斑邻域，调取邻域内组串参数进行故障诊断并输出结果，操作人员根据诊断结果采取相应措施；无论选择哪种方法，操作人员必须进行故障复位操作。

e.收到故障复位信号后，所述现场检测装置按时复检热斑邻域，以确保故障问题得到妥善解决。

上述步骤a中数据采集系统用于采集、传输和显示电站系统的直流侧和交流侧的必要检测数据，送入微控制器片进行预处理后，通过通讯接口送入远程计算机，并在添加坐标信息后送入数据库存储和显示；所述数据采集系统的处理芯片采用微控制器，并配合AD采样芯片；所述数据采集系统的通讯接口采用RS-485通讯接口。

上述直流侧的必要检测数据包括组串电压、组串电流、组件背板温度、水平辐照、共面辐照、环境温度、环境湿度、风速、风向和大气压，所述交流侧的必要检测数据为逆变器直流侧电流、逆变器交流侧电流和逆变器效率。

进一步地，光伏阵列的电压、电流分别采用直流电压隔离变送器和直流电流变送器，光伏组件背板温度的采集选用热敏电阻，辐照度数据的采集选用直射辐照仪和散射辐照仪相结合的方式，风速、风向的测量选用风速、风向传感器与风速变送器、风向变送器配合使用的方式，各个传感器输出的信号经过调理电路处理后，送入微控制器的模数转换器(ADC)中，微控制器定时进行采样、处理、传输。

上述交流侧逆变器数据通过智能电量变送器采集，通讯接口为RS-485串行通讯标准，通讯协议为标准MODBUS协议。

上述步骤a中的组件定位系统采用GPS定位系统，在电站阵列的每个组件上安装GPS定位跟踪装置，由GPS定位系统对组件定位，获取其所在地理位置的坐标信息，并将组件编号，根据组件编号储存其对应的坐标信息；所述数据库系统为基于云平台的SQL数据库系统。

上述步骤c中的影像分析系统为双目视觉系统。

本发明与现有技术相比有益的效果是：

本发明提出了一种光伏电站区域定向故障诊断方法，弥补了现有方法在电站故障运维方面的不足。以GPS定位系统和热斑搜索的方法，并结合基于无人机的现场检测装置，实现电站区域快速即时分析，不仅提高了对故障的反应精度和速度，同时也降低电站运营成本，有利于光伏电站的安全高效运行，有利于保障电站作业人员的安全。

附图说明

图1为本发明的区域定向故障诊断流程图；

图2为数据采集系统框图；

图3为马田系统诊断流程图。

具体实施方式

为使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合附图和具体实施方式，进一步阐述本发明。

如图1所示，一种光伏电站效率衰减预测方法，包括以下步骤：

a.搭建集成了数据采集系统、组件定位系统和数据库系统的电站性能数据采集平台。通过数据采集系统采集电站直流侧和交流侧的必要检测数据，通过定位系统对光伏电站的每一块组件进行定位并编号，同时为采集到的数据添加坐标信息，数据库系统用于储存包含坐标信息的实测数据以供故障诊断使用。

b.通过一种集成了自主无人机、热红外分析设备的现场检测装置，对组件进行红外扫描，该装置以自主无人机作为载体，无人机需具有自主巡航，调节飞行姿态功并可接收人工操作指令的功能，同时，具有实时设置相机参数的功能，热红外分析设备为专业热红外分析仪，集成有自动控制装置，控制热红外分析仪工作并传输影像至影响分析系统。

c.设置地面影像分析系统，通过分析接收到的光伏组件红外影像并分析其是否存在热斑，将分析结果发送至故障诊断平台并同步储存至数据库。

d.建立故障诊断平台。诊断平台根据影像分析结果采取不同的诊断策略。当组件无热斑是，平台定时对比直流侧和交流侧参数以判断汇流、逆变等环节运行状态。当出现热斑信息时，诊断平台发出报警信息。操作人员根据诊断结果采取相应措施：(1)当热斑问题严重时，操作人员可启动区域诊断模式，根据定位系统确定热斑组件位置，以热斑组件为中心，进行区域热斑搜索，并确定热斑邻域，调取邻域内组串参数进行故障诊断并输出结果；(2)当热斑问题较轻时，操作人员可通过辅控系统设置现场检测装置在邻域内巡检一段时间，进行进一步的观察。无论选择哪种方式，操作人员必须进行故障复位操作。

e.收到故障复位信号后，现场检测装置按时复检热斑邻域，以确保故障问题得到妥善解决。

步骤a中数据采集系统用于采集、传输和显示电站系统直流侧和交流侧的必要检测数据，然后送入微控制器进行预处理后，通过通讯接口送入远程计算机，并在添加坐标信息后送入数据库存储和显示，如图2所示。

步骤a中数据采集系统微处理芯片采用TMS320F28012，并配合16位单通道AD采样芯片。

步骤a中数据采集系统AD采样芯片采用ATMEL AD7663。

步骤a中数据采集系统的通讯接口采用RS-485通讯接口。

步骤a中直流侧的必要检测数据包括组串电压、组串电流、组件背板温度、水平辐照、共面辐照、环境温度、环境湿度、风速、风向和大气压等，交流侧的必要检测数据为逆变器直流侧电流、逆变器交流侧电流和逆变器效率。

优选地，步骤a中光伏阵列的电压、电流分别采用直流电压隔离变送器和直流电流变送器。光伏组件背板温度的采集选用PT100铂热电阻。辐照度数据的采集选用锦州阳光气象科技公司的TBQ-2型总辐射表和DL-2型标准电流变送器相结合的方式。风速风向的测量选用锦州阳光气象科技公司的EC-8SX型一体化风速风向传感器与风速变送器、风向变送器配合使用的方式。各个传感器输出的信号经过调理电路处理后，送入主控制器TMS320F2812的模数转换器(ADC)中。主控制器TMS320F2812定时进行采样、处理、传输。

优选地，步骤a中电站交流侧逆变器数据通过智能电量变送器采集，通讯接口为RS-485串行通讯标准，通讯协议为标准MODBUS协议。

优选地，步骤a中定位系统采用GPS定位系统，在电站阵列的每个组件上安装GPS定位跟踪装置，由GPS定位系统对组件定位，获取其所在地理位置的坐标信息，并将组件编号。根据组件编号储存其对应的坐标信息。

优选地，步骤a中数据库系统采用基于云平台的SQL数据库系统，云平台存储空间大，存储质量高，具有与计算机的实时交互的能力并节省本地空间，减轻本地设备压力。

优选地，步骤b中自主无人机采用DJI Inspire 1RAW，可自主起降和巡航，原地垂直起飞和悬停，且飞行姿态保持稳定，有利于获取高质量的光伏组件红外影像。传输距离5km，可满足大型电站信息传输的需要。

优选地，步骤b中热红外分析仪采用FLUKE TiR32热红外成像仪。

优选地，步骤c中影像分析系统采用双目视觉系统，基于OpenCV环境搭建。

优选地，步骤c中影像分析系统中双目视觉系统采用两个Bumblebee2摄像头。

进一步地，步骤d中故障诊断平台基于PHM技术搭建，其故障诊断环节采用马田系统，用健康度HD的数值来表示诊断结果，如图3所示，具体诊断方法如下：

根据热斑邻域搜索范围内组件坐标信息，确定邻域内组件编号。根据热斑出现时间和组件编号，调取数据库中相关实测数据w₁。启动仿真模块，根据w₁中环境参数获取邻域健康数据w₂。

MD为实测数据与健康数据之间的马氏距离值，假定电站数据维数为n，则实测数据向量为y_i＝(y_i1,y_i2,…,y_in)，计算其与w₂之间的马氏距离为：

${\mathrm{MD}}_i=\frac{1}{n}(y_i-{\hat{u}}^{\left(1\right)})R^{-1}{(y_i-{\hat{u}}^{\left(1\right)})}^T---\left(1\right)$

其中，为健康总体w₂的数据向量。

选择合适的二水平正交表，并将n个w₁的特征分量安排到正交表的各列。对于正交表的每一行，根据各特征分量的水平，用w₂中的样本矢量构造一个基准空间其中i代表正交表的行号。对于每一行的基准空间计算w₁中数据向量至w₂的马氏距离值MD_i1,MD_i2,…,MD_iN。由此计算信噪比：

${\mathrm{\&eta;}}_q=-10\lg \&lsqb;\frac{1}{n}\underset{j=1}{\overset{n}{\&Sigma;}}\frac{1}{{\mathrm{MD}}_i}\&rsqb;---\left(2\right)$

信噪比η_q表示了正交表第q行中水平为“1”的特征分量对w₁中实测数据向量的识别效果，η_q越大说明识别效果越好。通过比较各特征分量在两水平信噪比均值t_j＝T_j/m(j＝2，1；T_j为某实测数据分量在水平j下的信噪比之和；m为同一水平重复次数)进行有效特征选择，从而判断是否存在故障。当t₁-t₂＞0时，该特征分量具有较大贡献度，为有效特征，应予以保留；反之，该特征应予以剔除。

最后，将马氏距离归一化以获得设备健康程度(HD)，归一化函数形式如下：

$HD=1-\frac{1}{1+e^{-c_0\ln MD}}---\left(3\right)$

其中，c₀基于健康数据及对应的HD阈值来确定，其公式如下：

$c_0=-ln\left(\frac{{\mathrm{HD}}_{pre}}{1-{\mathrm{HD}}_{pre}}\right)/Mean\left({\mathrm{MD}}_{normal}\right)---\left(4\right)$

其中，Mean(MD_normal)为健康数据MD均值，HD_pre为正常状态下对应的HD设定值。通过此归一化函数，可以将MD转换为HD，从而实现健康评估。

本发明中取HD_pre＝0.95，可得c₀＝0.03，即

$HD=1-\frac{1}{1+e^{-0.03\ln MD}}---\left(5\right)$

步骤d中，交流侧逆变器性能分析如下：对额定功率不变的光伏逆变器，其逆变效率与输入功率之间近似满足式

${\mathrm{\&xi;}}_{inv}=X+Y*P_{DC}+\frac{Z}{P_{DC}}---\left(6\right)$

其中，ξ_inv为逆变器效率，P_DC为逆变器直流输入功率，X、Y及Z为待定系数，其计算求得，具体如下：

逆变器的效率为逆变器输出交流功率P_AC与输入直流功率P_DC之比，即ξ_inv＝P_AC/P_DC。由于并网逆变器的效率随实际输出功率而变化，当输出功率小于其额定输出功率时，逆变器效率将会降低，因此本发明采用基于逆变器输出输入功率数据进行拟合的方法，求得逆变器在各输出功率下的实际效率。定义实时的逆变器输出功率P_AC与其额定功率P_ac，rate的比值p＝P_AC/P_ac，rate。通过并拟合二者的函数关系曲线可得：

ξ_inv＝0.027p-0.0071/p+0.962η_inv (7)

定义当0.85<HD<1时，可认为系统处于无故障状态；当逆变器的效率低于65％时，为逆变器故障。当0.65<HD<0.85时，认为系统处于轻微正确故障状态，应及时采取检修措施；当HD<0.65时，认为系统处于严重正确故障状态，应立即采取检修措施。

以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。