一种光伏组件失效风险判别方法
【技术领域】
[0001] 本发明涉及光伏组件技术领域，尤其涉及一种光伏组件失效风险判别方法。
【背景技术】
[0002] 光伏组件是太阳能发电系统的关键部件，光伏组件可靠性对整个发电系统的正常 运作有着重要影响。在光伏电站实际运行中，由于温度、湿度或紫外辐射等外界因素作用会 导致光伏组件转换效率降低甚至完全失效，从而影响整个电站的发电效率，因此有必要开 展光伏组件可靠性的评估研究，其中失效风险分析是开展光伏组件可靠性评估的前提和基 础。
[0003] 目前主要失效分析方法有 FMEA/FMECA(Failure Mode Effect and Criticality Analysis)、FTA(Failure TreeAnalysis)、BFA(Bouncing Failure Analysis)等，其中失效 模式、影响及危害性分析（FMECA)是一种常用系统失效分析方法。FMECA分析产品中所有 可能产生的失效状况对产品、系统造成的影响，并按每一个失效模式严重程度S、发生频度 〇和探测度D予以分类（RPN法）。此法虽然易于操作，但应用到光伏组件失效分析上存在 一定问题：
[0004] ⑴失效风险指标不连续性：FMECA方法利用风险优先数法（RPN)过对影响失效模 式危害性等级的三个关键要素：{故障严重性S、发生率0、探测度D}进行风险识别，得到定 量RPN值，SP ([S 0 D] = {(1…10)，（1…10)，（1…10)})。风险优先数法（RPN)法虽一定 程度弥补了定性分析的不足，但存在风险指标量值不连续的问题。经计算，RPN只有120个 取值，也即在1~1000理论覆盖范围中，有88%的风险量值无法取的。例如，假设[S 0 D] ={10,10,10}，则 RPN = 1000 ;假设[S 0 D] = {9,9,9}，则 RPN = 729,1000 与 729 之间 的风险量值无法取到，取值出现较大的空白段。
[0005] ⑵失效风险排序可信性：FMECA中RPN函数选取的3个指标首先自身并不具备实 际物理意义，指标的主观性易导致评估结果常与人们对风险程度的客观感觉不符；其次3 个指标取值多采用专家评分法，受专家知识、经验等主观影响较大，RPN评估排序结果一致 性、可信性缺乏理论依据。
[0006] 以某IOKW试验电站光伏组件历史运行数据和实际情况为依据，利用传统FMECA方 法进行光伏组件失效风险分析，结果如表1所示：
[0007] 表1基于FMECA的光伏组件失效风险分析
[0008]
[0009] 根据表1传统RPN值排序结果，故障模式1排在风险评估最小位置，故障模式2、5 排序重复，排序结果明显与实际情况不符。
【发明内容】
[0010] 针对现有技术存在的不足，本发明的目的在于提供一种提高失效风险分析结果可 信性，使得分析结果与实际更加相符的光伏组件失效风险判别方法。
[0011] 为实现上述目的，本发明可以通过以下技术方案予以实现：
[0012] -种光伏组件失效风险判别方法，包括以下步骤：
[0013] 确定光伏组件的故障模式；
[0014] 专家小组分别对故障模式相关评价指标因素评价等级，根据评价结果构建故障模 式的模糊评判矩阵；
[0015] 根据层次分析法构建相关评价指标因素的权重集；
[0016] 根据模糊评判矩阵和权重集计算各故障模式的综合风险评价因子；
[0017] 根据综合风险评价因子确定故障模式的失效风险。
[0018] 进一步的，所述相关评价指标因素包括输出功率损失、故障维修费用和发生概率。 输出功率损失、故障维修费用替代传统RPN中严重程度、探测度，理由如下：
[0019] ⑴输出功率损失：是衡量光伏组件和电站的关键性能指标之一，绝大部分故障造 成的影响后果最终都能从输出功率损失指标中体现，具有明确物理意义；
[0020] ⑵故障维修费用：故障维修费用不仅能以明确的量化取值来衡量故障严重程度， 同时也反映出故障探测度；对于易探测的故障，发现容易且及时，维护成本低，而不易探测 的故障，影响时间长，探测难度大，导致维护成本也高，因此故障维修费用更能反映光伏组 件失效本质；
[0021] ⑶输出功率损失和故障维修费用可从光伏组件使用的历史数据和生产工艺分析 取值，改进了完全依赖专家主观判定的取值方式，显著降低了传统RPN取值排序主观性。
[0022] 进一步的，构建故障模式的模糊评判矩阵的具体过程包括：
[0023] 假设专家总人数为S，故障模式为k，评价指标因素为i，评定评价指标因素 i为等 级m的专家人数为，则故障模式k的评价指标因素 i的评价集为：
[0024]
[0025] 所述故障模式k所有评价指标因素 i的评价集构建成故障模式k的模糊评判矩阵 Rk，其中 i = 1，…，n，
[0026]
- 一 〇.
[0027] 进一步的，构建相关评价指标因素的权重集的步骤包括：
[0028] 根据1-9标度法构建评价指标因素的判断矩阵；
[0029] 求出判断矩阵最大特征根所对应的特征向量；
[0030] 对判断矩阵进行一致性检验，若检验值小于0. 1，则该特征向量即为权重集，否则 重新构建判断矩阵。
[0031] 进一步的，对判断矩阵进行一致性检验的公式为
其中，I。为一致性检 验指标，Ir为平均随机一致性指标。
[0032] 进一步β
?其中，λ_为判断矩阵的最大特征根，η为判断矩阵的 阶数。
[0033] 进一步的，计算综合风险评价因子的步骤包括：
[0034] 将模糊评判矩阵和权重集相乘得出模糊综合判定集；
[0035] 将模糊综合判定集与评价等级进行加权平均处理，得出综合风险评价因子。
[0036] 进一步的，所述综合风险评价因子越大，表示失效风险越高。
[0037] 进一步的，对输出功率损失进行评价时所遵循的原则为：损失越大，评价等级越 高；对故障维修费用进行评价时所遵循的原则为：费用越高，评价等级越大；对发生概率进 行进行评价时所遵循的原则为：概率越大，评价等级越高。
[0038] 本发明提出输出功率损失、故障维修费用和发生概率这三个全新评价指标因素， 实现了指标评价的客观化、意义化，改进了完全依赖专家主观判定的评价取值方式，显著降 低了传统RPN取值排序的主观性。利用模糊综合评判，引入层次分析法进行权重赋值，实现 评价指标因素的量化连续性、权重化，应用于光伏组件失效风险分析，较好地解决了传统分 析方法存在的主观性较强、物理意义不明显、量化排序不合理、排序重复等问题，评判结果 合理化，使得分析结果与实际情况更加贴合，大大提高了光伏组件失效风险分析结果的可 信性。
【附图说明】
[0039] 图1是本发明的流程示意图。
【具体实施方式】
[0040] 下面将结合附图以及【具体实施方式】对本发明作进一步的说明：
[0041] 如图1所示，本发明所述的光伏组件失效风险判别方法，主要包括以下步骤：
[0042] 步骤1 :确定光伏组件的故障模式（方框1)，具体分析确定方法可采用现有技术中 已有的成熟方案，例如FMECA分析法，在此不作赘述。
[0043] 步骤2 :专家小组分别对故障模式相关评价指标因素评价等级，根据评价结果构 建故障模式的模糊评判矩阵（方框2)。
[0044] 其中，相关评价指标因素包括输出功率损失、故障维修费用和发生概率，分别用P、 W、0表示。
[0045] 上述步骤2具体包括：
[0046] 步骤2. 1 :假设专家总人数为S，故障模式为k，评价指标因素为i，评定评价指标因 素 i为等级m的专家人数为，则故障模式k的评价指标因素 i的评价集为：
[0047]
(1)；
[0048] 步骤2. 2 :故障模式k所有评价指标因素 i的评价集构建成故障模式k的模糊评 判矩阵Rk，其中i = l，"·，η，
[0049]
(2) D:
[0050] 其中，评价等级V分为5个等级，即V = {1，2,3,4,5}，且对输出功率损失进行评 价时所遵循的原则为：损失越大，评价等级越高；对故障维修费用进行评价时所遵循的原 则为：费用越高，评价等级越大；对发生概率进行进行评价时所遵循的原则为：概率越大， 评价等级越高。为了进行统一评价，根据光伏组件实际的使用情况、历史数据和生产工艺分 析，建立评价指标因素的评价等级体系（表2):
[0051] 表2评价指标因素的评价等级体系
[0052]
[0053] 步骤3 :根据层次分析法构建相关评价指标因素的权重集（方框3)。权重集是为 了体现光伏组件各个评价指标因素重要程度而赋予相应加权因子所组成的集合。确定各因 素权重是综合评判中最为关键的环节之一，权重因子的恰当与否，将直接影响综合评判结 果