技术领域
本发明实施例涉及光电技术，尤其涉及一种光电系统中电池组串故障的
识别方法、装置和设备。
背景技术：
太阳能电池组件是实施光电转换的光电系统(或光电装置)的基本单元，
可以将太阳光能转换为直流电能。实际光伏电站应用中一般将多个太阳能电
池组件串联构成电池组串，再将一个或多个并联的组串连接到并网逆变器，
通过逆变器将直流电转换为交流电并到交流电网上。
太阳能电池组件的输出功率特性由电池组件的自身状态，外界光照强度，
环境温度等因素决定。电池组件在工作中，会出现由于内部单元故障、光致
衰减特性等原因导致输出功率降低，或者由于遮挡、光照角度等原因导致接
受到的光强变弱，或者由于散热条件差导致组件工作温度升高，导致输出功
率降低。但是由于太阳能电池组件的数量巨大，分散面积较广，因此甄别电
站内的异常组串比较困难。当前可采用专用电流电压I-V扫描仪在现场对组
件的输出I-V特性进行扫描测试，得到组串的当前I-V曲线，人工观察曲线
的特征来判断组串内是否有异常组件。或者根据得到的I-V曲线(I表示电流，
V表示电压)，再确定该当前I-V曲线上每个点的切线斜率，根据相邻两个
点之间的斜率的差值与预设值进行比较，确定组串的工作状态，进行组串的
故障识别。
但是，上述第一种方式测试时间长，对人员技能要求高，只能用于少量
抽样检测，无法在大型电站中全面覆盖。曲线的斜率只能表示曲线本身的特
征，并不能精确表示电池组串的输出特征，因此该种故障识别方式精度较低，
并且该方式对检测参数的精度要求极高，个别点的误差就会导致误判，并且
在电站内不同位置的组串所处环境的温度和辐照度等工作条件不一致，进一
步导致上述故障识别方式的准确性降低。
技术实现要素：
本发明实施例提供一种光电系统中电池组串故障的识别方法、装置和
设备，用于解决现有技术中由于个别工作点采样参数的误差就会导致斜率不
连续从而导致故障误判的问题，并且解决在电站内不同位置的电池组串由于
所处环境的温度和辐照度等工作条件不一致所导致的故障识别准确度较低的
问题。
本发明第一方面提供一种光电系统中电池组串故障的识别方法，包括：
获取光电系统中第一电池组串的至少两组电流电压I-V数值；
根据所述至少两组I-V数值，采用预先确定的组串物理模型进行拟合处
理，得到所述第一电池组串的至少一个特征参数；所述组串物理模型用于表
示所述第一电池组串的I-V数值与所述第一电池组串的特征参数之间的关系；
所述特征参数为所述组串物理模型中用于反映电池组串输出电流和电压之间
关系的常数；
将所述第一电池组串的所述至少一个特征参数分别与每个所述特征参数
所对应的的标准特征参数进行比较，确定所述光电系统中的第一电池组串是
否为故障组串；其中，所述第一电池组串的所述标准特征参数为预先获取的
且用于与所述第一电池组串的特征参数进行对比的标准值。
结合第一方面，在第一方面的第一种可能的实施方式中，所述组串物理
模型包括以下任一个：正向输出标准双二极管模型、反向注入标准双二极管
模型、正向输出单二极管模型、反向注入单二极管模型、半数学半物理的分
段拟合模型和纯数学拟合模型。
结合第一方面的第一种可能的实施方式，在第一方面的第二种实施方式
中，若所述电路模型为半数学半物理的分段拟合模型，则根据所述至少两组
I-V数值，采用预先确定的电路模型进行拟合处理，得到所述第一电池组串的
至少一个特征参数，包括：
将所述第一电池组串的电压取值范围分为至少两段，在每个分段内，根
据至少一个I-V数值采用预先设置的简化物理模型进行拟合处理，获取所述
第一电池组串在该分段内的特征参数，将所述第一电池组串在每个分段内的
特征参数作为所述第一电池组串的所述至少一个特征参数；
其中，所述电压取值范围为所述第一电池组串的短路电压与所述第一电
池组串最高可承受电压之下的任一个设定值之间的范围。
结合第一方面、第一方面的第一种或第二种可能的实施方式，在第一方
面的第三种可能的实施方式中，所述第一电池组串的所述标准特征参数包括
所述第一电池组串正常工作时的第一标准特征参数和/或所述第一电池组串
在每一种故障情况下的第二标准特征参数。
结合第一方面的第三种可能的实施方式，在第一方面的第四种可能的实
施方式中，当所述特征参数包括所述第一标准特征参数，则所述将所述第一
电池组串的所述至少一个特征参数分别与每个所述特征参数所对应的的标准
特征参数进行比较，确定所述光电系统中的第一电池组串是否为故障组串，
包括：
将所述第一电池组串的所述至少一个特征参数分别于每个特征参数对应
的所述第一标准特征参数进行比较，若所述至少一个特征参数与对应的所述
第一标准特征参数在预设范围内相同，则所述第一电池组串无故障；否则，
所述第一电池组串为故障组串。
结合第一方面的第三种或第一方面的第四种可能的实施方式，在第一方
面的第五种可能的实施方式中，当所述特征参数包括所述第一电池组串在每
一种故障情况下的第二标准特征参数第二标准特征参数，则所述将所述第一
电池组串的所述至少一个特征参数分别与每个所述特征参数所对应的的标准
特征参数进行比较，确定所述光电系统中的第一电池组串是否为故障组串，
包括：
将所述第一电池组串的所述至少一个特征参数与所述第一电池组串在每
一种故障情况下的第二标准特征参数分别进行比较；
若存在第二标准特征参数与所述第一电池组串的所述至少一个特征参数
在预设范围内相同，则所述第一电池组串为故障组串，且所述第一电池组串
的故障类型为与所述第二标准特征参数对应的故障类型。
结合第一方面或第一方面的任一种可能的实施方式，在第一方面的第六
种可能的实施方式中，所述方法还包括：
从所述故障组串中确定出至少一个故障组件。
结合第一方面的第六种可能的实施方式，在第一方面的第七种可能的实
施方式中，所述从所述故障组串中确定出至少一个故障组件，包括：
根据红外热近端成像方式或红外热远程成像方式从所述故障组串中确定
出故障组件；
或者，
根据电致发光EL近端成像方式或EL远程成像方式从所述故障组串中确
定出故障组件；
或者，
根据光学近端成像方式或光学远程成像方式从所述故障组串中确定出故
障组件。
结合第一方面的第七种可能的实施方式，在第一方面的第八种可能的实
施方式中，所述根据EL近端成像方式或EL远程成像方式从所述故障组串中
确定出故障组件，包括：
通过逆变器对所述故障组串施加电压，使其进入电致发光状态，然后根
据近端成像方式或者远程成像方式确定出所述故障组串中的故障组件。
结合第一方面或者第一方面的任一种可能的实施方式，在第一方面的第
九种可能的实施方式中，所述获取光电系统中第一电池组串的至少两组电流
电压I-V数值，包括：
通过逆变器对所述第一电池组串施加电压，获得反向注入的组串I-V数
值。
结合第一方面的第三种或第一方面的第五种可能的实施方式，在第一方
面的第十种可能的实施方式中，所述第一电池组串的故障类型包括以下至少
一个：所述第一电池组串中的组件的输出功率异常衰减、所述第一电池组串
中的组件发生电势诱导衰减PID衰减、所述第一电池组串中的组件内部电池
单元失效、所述第一电池组串的组件存在电流失配、所述第一电池组串存在
组件出现热斑、所述第一电池组串存在组件内部二极管短路，所述第一电池
组串存在组件玻璃面板碎裂，所述第一电池组串存在组件内部开路，所述第
一电池组串中的组件被遮挡。
结合第一方面、或者第一方面的任一种可能的实施方式，在第一方面的
第十一种可能的实施方式中，所述将所述第一电池组串的所述至少一个特征
参数分别与每个所述特征参数所对应的的标准特征参数进行比较之前，所述
方法还包括：
采用预先确定的组串物理模型进行拟合处理，获取所述第一电池组串正
常工作时的第一标准特征参数和/或所述第一电池组串在每一种故障情况下
的第二标准特征参数。
本发明实施例第二方面提供一种光电系统中电池组串故障的识别方法，
包括：
获取光电系统中第一电池组串的至少两组电流电压I-V数值；
根据所述至少两组I-V数值，采用预先确定的组串物理模型进行拟合处
理，得到所述第一电池组串的实际I-V曲线；所述组串物理模型用于表示所
述第一电池输出的电流和电压的关系；
将所述第一电池组串的实际I-V曲线与预先获取的标准I-V曲线进行比
较，确定出所述第一电池组串是否为故障组串；其中，所述标准I-V曲线为
根据所述第一电池组串在正常工作状态下输出的I-V数值采取所述组串物理
模型拟合得到的曲线。
结合第二方面，在第二方面的第一种可能的实施方式中，所述方法还包
括：
从所述故障组串中确定出至少一个故障组件。
结合第二方面或者第二方面的第一种可能的实施方式，在第二方面的第
二种可能的实施方式中，所述将所述第一电池组串的实际I-V曲线与预先获
取的标准I-V曲线进行比较之前，所述方法还包括：
采用预先确定的组串物理模型和正常工作时的标准特征参数，根据所述
第一电池组串的I-V数值进行拟合处理，得到所述第一电池组串的所述标准
I-V曲线。
结合第二方面、第二方面的第一种可能的实施方式或者第二方面的第二
种可能的实施方式，在第二方面的第三种可能的实施方式中，所述将所述第
一电池组串的实际I-V曲线与预先获取的标准I-V曲线进行比较，确定出所
述第一电池组串是否为故障组串，包括：
计算所述实际I-V曲线和所述标准I-V曲线之间的差异值；
若所述差异值大于预设的差异阈值，则确定所述第一电池组串为故障组
串。
本发明实施例第三方面提供一种光电系统中电池组串故障的识别装置，
包括：
获取模块，用于获取光电系统中第一电池组串的至少两组电流电压I-V
数值；
第一处理模块，用于根据所述至少两组I-V数值，采用预先确定的组串
物理模型进行拟合处理，得到所述第一电池组串的至少一个特征参数；所述
组串物理模型用于表示所述第一电池组串的I-V数值与所述第一电池组串的
特征参数之间的关系；所述特征参数为所述组串物理模型中用于反映电池组
串输出电流和电压之间关系的常数；
第二处理模块，用于将所述第一电池组串的所述至少一个特征参数分别
与每个所述特征参数所对应的的标准特征参数进行比较，确定所述光电系统
中的第一电池组串是否为故障组串；其中，所述第一电池组串的所述标准特
征参数为预先获取的且用于与所述第一电池组串的特征参数进行对比的标准
值。
本发明实施例第四方面提供一种光电系统中电池组串故障的识别装置，
包括：
获取模块，用于获取光电系统中第一电池组串的至少两组电流电压I-V
数值；
第一处理模块，用于根据所述至少两组I-V数值，采用预先确定的组串
物理模型进行拟合处理，得到所述第一电池组串的实际I-V曲线；所述组串
物理模型用于表示所述第一电池输出的电流和电压的关系；
第二处理模块，用于将所述第一电池组串的实际I-V曲线与预先获取的
标准I-V曲线进行比较，确定出所述第一电池组串是否为故障组串；其中，
所述标准I-V曲线为根据所述第一电池组串在正常工作状态下输出的I-V数
值采取所述组串物理模型拟合得到的曲线。
本发明实施例第五方面提供一种光电系统中电池组串故障的识别设备，
包括：用于控制可执行指令执行的处理器和用于存储处理器可执行指令的存
储器；
所述处理器用于：
获取光电系统中第一电池组串的至少两组电流电压I-V数值；
根据所述至少两组I-V数值，采用预先确定的组串物理模型进行拟合处
理，得到所述第一电池组串的至少一个特征参数；所述组串物理模型用于表
示所述第一电池组串的I-V数值与所述第一电池组串的特征参数之间的关系；
所述特征参数为所述组串物理模型中用于反映电池组串输出电流和电压之间
关系的常数；
将所述第一电池组串的所述至少一个特征参数分别与每个所述特征参数
所对应的的标准特征参数进行比较，确定所述光电系统中的第一电池组串是
否为故障组串；其中，所述第一电池组串的所述标准特征参数为预先获取的
且用于与所述第一电池组串的特征参数进行对比的标准值。
结合第五方面，在第五方面的第一种可能的实施方式中，若所述电路模
型为半数学半物理的分段拟合模型，则所述处理器具体用于：
将所述第一电池组串的电压取值范围分为至少两段，在每个分段内，根
据至少一个I-V数值采用预先设置的简化物理模型进行拟合处理，获取所述
第一电池组串在该分段内的特征参数，将所述第一电池组串在每个分段内的
特征参数作为所述第一电池组串的所述至少一个特征参数；
其中，所述电压取值范围为所述第一电池组串的短路电压与所述第一电
池组串最高可承受电压之下的任一个设定值之间的范围。
结合第五方面或者第五方面的第一种可能的实施方式，在第五方面的第
二种可能的实施方式中，所述处理器获取的所述第一电池组串的所述标准特
征参数包括所述第一电池组串正常工作时的第一标准特征参数和/或所述第
一电池组串在每一种故障情况下的第二标准特征参数。
结合第五方面的第二种可能的实施方式，在第五方面的第三种可能的实
施方式中，当所述特征参数包括所述第一标准特征参数，则所述处理器具体
用于：
将所述第一电池组串的所述至少一个特征参数分别于每个特征参数对应
的所述第一标准特征参数进行比较，若所述至少一个特征参数与对应的所述
第一标准特征参数在预设范围内相同，则所述第一电池组串无故障；否则，
所述第一电池组串为故障组串。
结合第五方面的第二种或者第四种可能的实施方式，在第五方面的第五
种可能的实施方式中，当所述特征参数包括所述第一电池组串在每一种故障
情况下的第二标准特征参数第二标准特征参数，则所述处理器具体用于：
将所述第一电池组串的所述至少一个特征参数与所述第一电池组串在每
一种故障情况下的第二标准特征参数分别进行比较；
若存在第二标准特征参数与所述第一电池组串的所述至少一个特征参数
在预设范围内相同，则所述第一电池组串为故障组串，且所述第一电池组串
的故障类型为与所述第二标准特征参数对应的故障类型。
结合第五方面或第五方面的任一种可能的实施方式，在第五方面的第六
种可能的实施方式中，所述处理器还用于：从所述故障组串中确定出至少一
个故障组件。
所述处理器还用于：
根据红外热近端成像方式或红外热远程成像方式从所述故障组串中确定
出故障组件；
或者，
根据电致发光EL近端成像方式或EL远程成像方式从所述故障组串中确
定出故障组件；
或者，
根据光学近端成像方式或光学远程成像方式从所述故障组串中确定出故
障组件。
结合第五方面的六种可能的实施方式，在第五方面的第七种可能的实施
方式中，所述处理器具体用于控制通过逆变器对所述故障组串施加电压，使
其进入电致发光状态，然后根据近端成像方式或者远程成像方式确定出所述
故障组串中的故障组件。
结合第五方面或第五方面的任一种可能的实施方式，在第五方面的第七
种可能的实施方式中，所述处理器具体用于通过逆变器对所述第一电池组串
施加电压，获得反向注入的组串I-V数值。
可选的，所述处理器获取的所述第一电池组串的故障类型包括以下至少
一个：所述第一电池组串中的组件的输出功率异常衰减、所述第一电池组串
中的组件发生电势诱导衰减PID衰减、所述第一电池组串中的组件内部电池
单元失效、所述第一电池组串的组件存在电流失配、所述第一电池组串存在
组件出现热斑、所述第一电池组串存在组件内部二极管短路，所述第一电池
组串存在组件玻璃面板碎裂，所述第一电池组串存在组件内部开路，所述第
一电池组串中的组件被遮挡。
结合第五方面或第五方面的任一种可能的实施方式，在第五方面的第八
种坑的实施方式中，所述处理器还用于采用预先确定的组串物理模型进行拟
合处理，获取所述第一电池组串正常工作时的第一标准特征参数和/或所述第
一电池组串在每一种故障情况下的第二标准特征参数。
本发明实施例第六方面提供一种光电系统中电池组串故障的识别设备，
包括：用于控制可执行指令执行的处理器和用于存储处理器可执行指令的存
储器；
所述处理器用于：
获取光电系统中第一电池组串的至少两组电流电压I-V数值；
根据所述至少两组I-V数值，采用预先确定的组串物理模型进行拟合处
理，得到所述第一电池组串的实际I-V曲线；所述组串物理模型用于表示所
述第一电池输出的电流和电压的关系；
将所述第一电池组串的实际I-V曲线与预先获取的标准I-V曲线进行比
较，确定出所述第一电池组串是否为故障组串；其中，所述标准I-V曲线为
根据所述第一电池组串在正常工作状态下输出的I-V数值采取所述组串物理
模型拟合得到的曲线。
结合第六方面，在第六方面的第一种可能的实施方式中，所述处理器还
用于从所述故障组串中确定出至少一个故障组件。
结合第六方面或第六方面的第一种可能的实施方式，在第六方面的第二
种可能的实施方式中，所述处理器还用于采用预先确定的组串物理模型和正
常工作时的标准特征参数，根据所述第一电池组串的I-V数值进行拟合处理，
得到所述第一电池组串的所述标准I-V曲线。
结合第六方面或第六方面的任一种可能的实施方式，在第六方面的第三
种可能的实施方式中，所述处理器具体用于：
计算所述实际I-V曲线和所述标准I-V曲线之间的差异值；
若所述差异值大于预设的差异阈值，则确定所述第一电池组串为故障组
串。
本发明提供的光电系统中电池组串故障的识别方法、装置和设备，通过
获取光电系统中第一电池组串的至少两组I-V数值，根据得到的数据采用预
先确定的组串物理模型进行拟合处理，得到该第一电池组串对应的至少一个
特征参数，然后将该特征参数与预先得到的该电池组串的标准特征参数进行
对比，确定出该第一电池组串是否为故障组串，以此类推对光电系统中的每
个电池组串使用该方式进行检测，即通过组串物理模型对采集到的数据进行
曲线拟合处理，该方案可广泛应用在大型电站中，对电池组串的所有实测数
据综合处理得到的特征参数和无故障时候的标准特征参数进行对比，不会因
为个别点的测试误差造成误判，并且不依赖于环境的判断，因此该方案不会
受到到环境不一致的影响，有效提高了对电池组串故障识别的处理效率和准
确度。进一步地，还可以将故障电池组件与预先设定的故障特征参数进行对
比，从而确定所述故障电池组件的故障类型。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实
施例或现有技术描述中所需要使用的附图做一简单地介绍，显而易见地，下
面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在
不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1所示为本申请实施例应用组网示意图；
图2为本发明光电系统中电池组串故障的识别方法实施例一的流程图；
图3为本发明光电系统中电池组串故障的识别方法实施例二的流程图；
图4为正向的标准双二极管模型的电路原理图；
图5为正向的单二极管模型的电路原理图；
图6为反向注入的标准双二极管模型的电路原理图；
图7为反向注入的单二极管模型的电路原理图；
图8a为半数学半物理的分段拟合模型的一实例拟合示意图；
图8b为纯数学拟合模型中多项式拟合示意图；
图9a为电池组串中无故障组件时的I-V曲线示意图；
图9b为电池组串中有组件被阴影遮蔽时的I-V曲线示意图；
图9c为电池组串中有一片电池片无输出时的I-V曲线示意图；
图10a为电池组串在不同故障情况下的标准特征参数1的示意图；
图10b为电池组串在不同故障情况下的标准特征参数2的示意图；
图11a为电池组串中无故障组件时的I-V曲线示意图；
图11b为电池组串中有组件电流失配时的I-V曲线示意图；
图11c为电池组串中有组件存在PID衰减时的I-V曲线示意图；
图12为电池组串在无故障组件、有组件电流失配、存在PID时的特征参
数的对比示意图；
图13为本发明光电系统中电池组串故障的识别方法实施例三的流程
图；
图14为组串的标准I-V曲线和实际I-V曲线的对比示意图；
图15为本发明光电系统中电池组串故障的识别装置实施例一的结构
示意图；
图16为本发明光电系统中电池组串故障的识别装置实施例二的结构
示意图；
图17为本发明光电系统中电池组串故障的识别装置实施例三的结构
示意图；
图18为本发明光电系统中电池组串故障的识别装置实施例四的结构
示意图；
图19为本发明光电系统中电池组串故障的识别装置实施例五的结构
示意图；
图20为本发明光电系统中电池组串故障的识别设备实施例一的结构
示意图；
图21为本发明光电系统中电池组串故障的识别设备实施例二的结构
示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发
明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，
显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于
本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获
得的所有其他实施例，都属于本发明保护的范围。
图1所示为本申请实施例应用组网示意图，包括电站监控系统101、通
信装置102、和若干个逆变器103。如图所示，每一个逆变器103上都连接有
待检测的光伏电池组串；通信装置102例如可以为数据采集器，其一端用于
与各个逆变器103之间通过通信接口连接，另一端用于对接电站监控系统101，
通信装置102负责将逆变器采集的数据传送到电站监控系统101；电站监控
系统101用于通过通信装置102向每一个逆变器103发送指令，以及，将接
收到的通信装置102发送的数据后，对数据进行分析处理。
在上述组网方式的基础上，本方案可采用对光电系统中的子阵电池组串
扫描得到的I-V数值进行分析处理进行故障定位，电池组串中出现一个或多
个组件出现故障时，将导致电池组串输出的I-V曲线上出现“变形”(存在点
偏离曲线)，通过分析电池组串输出电流电压数据，结合对曲线的变形的特征
参数进行获取，能够有效识别出光电装置(即光电系统)中组件故障的电池
组串，即快速完成存在故障组件的电池组串的定位，还可以判断故障类型，
并且该分析处理得到的结果精确度较高，下面结合实施例对本发明提供的技
术方案进行详细说明。
图2为本发明光电系统中电池组串故障的识别方法实施例一的流程图，
如图2所示，该方案的执行主体为光伏发电系统中任一个具有计算和存储功
能的装置，如电站监控，或数据采集器，或逆变器，或智能汇流箱，或者与
光伏发电系统有通信连接和数据交换的计算机等其他智能装置，该光电系统
中电池组串故障的识别方法的具体实现步骤如下：
S101：获取光电系统中第一电池组串的至少两组I-V数值。
在本步骤中，为了完成对每个电池组串的识别，需要针对每个电池组串
获取至少两组I-V数组，以便后续步骤中根据模型进行拟合处理，可采用对
电池组串进行IV扫描的方式来获取每个电池组串的电流和电压数值，这里的
电流和电压是对应的一组数据，即每个电流值都对应一个电压值。
虽然上述限定的是至少两组I-V数值，但是在实际应用过程中，为了提
高分析结果的精度，I-V数值越多越好。
下面以第一电池组串为例，说明本发明提供的方案，针对第一电池组串，
可采用对其进行IV扫描的方式来获取每个电池组串的电流和电压数值。
可选的，可以通过逆变器对所述第一电池组串施加电压，获得反向注入
的组串I-V数值。
S102：根据所述至少两组I-V数值，采用预先确定的组串物理模型进行
拟合处理，得到所述第一电池组串的至少一个特征参数。
在本步骤中，所述组串物理模型用于表示所述第一电池组串的I-V数值
与所述第一电池组串的特征参数之间的关系；所述特征参数为所述组串物理
模型中用于反映电池组串输出电流和电压之间关系的常数；
针对第一电池组串的多组I-V数值，可以采用预先选择的组串物理模型
进行拟合，得到能够直接表现第一电池组串特征的一组特征参数。其中，常
用的组串物理模型包括但不限于以下任一个：正向输出标准双二极管模型、
反向注入标准双二极管模型、正向输出单二极管模型、反向注入单二极管模
型和半数学半物理的分段拟合模型。采用Levenberg–Marquardt，高斯-牛顿等
数学拟合算法，基于预先确定的组串物理模型进行拟合处理，得到电池组串
的至少一个特征参数或者实际I-V曲线。
S103：将所述第一电池组串的所述至少一个特征参数分别与每个所述特
征参数所对应的的标准特征参数进行比较，确定所述光电系统中的第一电池
组串是否为故障组串。
在本步骤中，所述第一电池组串的所述标准特征参数为预先获取的且用
于与所述第一电池组串的特征参数进行对比的标准值。
将根据上述任一种组串物理模型得到的第一电池组串对应的一个或多个
特征参数与预先得到的标准特征参数进行对比，得出该电池组串是否为故障
组串，以此类推，按照该方式对每个电池组串进行检测，直至从光电系统中
定位出所有的故障组串。
在一种具体实现中，该标准特征参数可以包括该第一电池组串正常工作
时的第一标准特征参数和/或所述第一电池组串在每一种故障情况下的第二
标准特征参数。如果第一电池组串的标准特征参数只包括在正常工作时候的
第一标准特征参数，即第一电池组串没故障时候的特征参数，那么在根据该
电池组串实测的I-V数值得到的实际特征参数之后，将实际的特征参数与第
一标准特征参数进行对比，若在误差范围内是相同的，则认为该第一电池组
串没有故障，若实际的特征参数与第一标准特征参数的差距较大，则认为该
第一电池组串中存在组件出现故障。
或者，根据第一电池组串采用组件的规格书定义的输出I-V特性，采用
预先确定的组串物理模型进行拟合处理，获取反映该第一电池组串正常工作
时的第一标准特征参数。模拟该第一电池组串中的故障情况，测试其故障下
的输出I-V曲线，采用预先确定的组串物理模型进行拟合处理，获取反映第
一电池组串在每一种故障情况下的第二标准特征参数。
可选的，若所述标准特征参数包括所述第一电池组串在每一种故障下的
第二标准特征参数，所述确定出所述光电系统中的故障组串包括：根据所述
第一电池组串的至少一个特征参数和所述第一电池组串在每一种故障下的第
二标准特征参数，确定出所述故障组串的故障类型。
上述方案的含义是：如果第一电池组串的标准特征参数中包括该第一电
池组串在每一种故障情况下的第二标准特征参数，则将得到的实际的特征参
数与每个第二标准特征参数进行对比，若存在第一电池组串的实际的特征参
数与某个第二标准特征参数相似，则认为该第一电池组串是故障组串，并且
可以确定故障类型为该第二标准特征参数对应的故障。即本方案不但可以识
别故障组串，还可以确定第一电池组串的故障类型。
可选的，所述第一电池组串的故障(即故障类型)包括但不限于以下至
少一个：所述第一电池组串中的组件的输出功率异常衰减、所述第一电池组
串中的组件发生电势诱导衰减(potentialinduceddegradation，PID)、所述第
一电池组串中的组件内部电池单元失效、所述第一电池组串的组件存在电流
失配、所述第一电池组串存在组件出现热斑、所述第一电池组串存在组件内
部二极管短路，所述第一电池组串存在组件玻璃面板碎裂，所述第一电池组
串存在组件内部开路，所述第一电池组串中的组件被局部或全部遮挡。
按照上述方式，可以遍历处理光电装置或者光电系统中的所有电池组串，
定位出所有出现故障的电池组串，实现存在故障组件的电池组串的快速定位。
本实施例提供的光电系统中电池组串故障的识别方法，通过获取光电系
统中第一电池组串的至少两组I-V数值，根据得到的数据采用预先确定的组
串物理模型进行拟合处理，得到该第一电池组串对应的至少一个特征参数，
然后将该特征参数与预先得到的该电池组串的标准特征参数进行对比，确定
出该电池组串是否为故障组串，以此类推对光电系统中的每个电池组串使用
该方式进行检测，即通过组串物理模型对采集到的数据进行曲线拟合处理，
该方案可广泛应用在大型电站中，对电池组串的所有实测数据综合处理得到
的特征参数和无故障时候的标准特征参数进行对比，不会因为个别点的测试
误差造成误判，并且不依赖于环境的判断，因此该方案不会受到到环境不一
致的影响，有效提高了对电池组串故障识别的处理效率和准确度。
在上述实施例的基础上，本方案还可以从每个故障组串中定位出具体的
故障组件，下面提供一种具体的实现方式，对本发明提供的光电系统中电池
组串故障的识别方法的另一实施例进行具体说明：
图3为本发明光电系统中电池组串故障的识别方法实施例二的流程图，
如图3所示，该光电系统中电池组串故障的识别方法的另一种具体实现步骤
包括：
S201：获取光电系统中第一电池组串的至少两组I-V数值。
S202：根据所述至少两组I-V数值，采用预先确定的组串物理模型进行
拟合处理，得到所述第一电池组串的至少一个特征参数。
采用Levenberg–Marquardt，高斯-牛顿等数学拟合算法，基于预先确定
的组串物理模型进行拟合处理，得到电池组串的至少一个特征参数或者实际
I-V曲线。
S203：将所述第一电池组串的所述至少一个特征参数分别与每个所述特
征参数所对应的的标准特征参数进行比较，确定所述光电系统中的第一电池
组串是否为故障组串。
再具体实现中，需要在S203之前，采用预先确定的组串物理模型进行拟
合处理，获取所述该第一电池组串正常工作时的第一标准特征参数和/或所述
第一电池组串在每一种故障情况下的第二标准特征参数。
可选的，在确定出故障组件之后，可以根据所述第一电池组串的至少一
个特征参数和所述第一电池组串在每一种故障下的第二标准特征参数，确定
出所述故障组串的故障类型。
结合上述实施例，具体的第一电池组串的至少一个特征参数与第一电池
组串的标准特征参数进行比较至少包括以下几种：
当所述特征参数包括所述第一标准特征参数，则则所述将所述第一电池
组串的所述至少一个特征参数分别与每个所述特征参数所对应的的标准特征
参数进行比较，确定所述光电系统中的第一电池组串是否为故障组串，包括：
将所述第一电池组串的所述至少一个特征参数分别于每个特征参数对应
的所述第一标准特征参数进行比较，若所述至少一个特征参数与对应的所述
第一标准特征参数在预设范围内相同，则所述第一电池组串无故障；否则，
所述第一电池组串为故障组串。
当所述特征参数包括所述第一电池组串在每一种故障情况下的第二标准
特征参数第二标准特征参数，则所述将所述第一电池组串的所述至少一个特
征参数分别与每个所述特征参数所对应的的标准特征参数进行比较，确定所
述光电系统中的第一电池组串是否为故障组串，包括：
将所述第一电池组串的所述至少一个特征参数与所述第一电池组串在每
一种故障情况下的第二标准特征参数分别进行比较；
若存在第二标准特征参数与所述第一电池组串的所述至少一个特征参数
在预设范围内相同，则所述第一电池组串为故障组串，且所述第一电池组串
的故障类型为与所述第二标准特征参数对应的故障类型。
另外，如果特征参数即包括第一标准特征参数也包括第二标准特征参数
时，可以先通过特征参数与第一标准特征参数对比确定第一电池组串是否故
障，然后再与每个第二标准特征参数比较，确定出第一电池组串的故障类型。
S204：从所述故障组串中确定出至少一个故障组件。
在本步骤中，在光电系统中定位出故障组串之后，还可以进一步确定故
障组串中的故障组件，具体的实现方式至少包括以下几种：
第一种方式，根据红外热近端成像方式或红外热远程成像方式从所述故
障组串中确定出故障组件。
通过红外热成像的方式，通过近距离拍摄或者无人机远程拍摄确定出故
障组串中的故障组件。
第二种方式，根据电致发光(Electroluminescence，EL)近端成像方式或
EL远程成像方式从所述故障组串中确定出故障组件。
该方式具体实现中，通过逆变器对所述故障组串施加反向电压，然后根
据近端成像方式或者远程成像方式确定出所述故障组串中的故障组件。即通
过逆变器对电池组串施加可控的反向电压来实现EL检测，具体成像方式可
以是远程成像也可以是近端成像。
第三种方式，根据光学近端成像方式或光学远程成像方式从所述故障组
串中确定出故障组件。
在本方案的实施例中，电池组串出现故障实际上是电池组串中的组件故
障，指实际应用中导致组件输出功率降低的非正常状态，包括但不限于：组
件输出功率的异常衰减，组件内部单个电池单元失效，内部电池单元连线断
连或连接阻抗增大，组件被局部或全部遮挡，组件工作温度过高等。
本实施例提供的光电系统中电池组串故障的识别方法，通过获取光电系
统中每个祖传的至少两组I-V数值，根据得到的数据采用预先确定的组串物
理模型进行拟合处理，得到每个电池组串对应的至少一个特征参数，然后将
该特征参数与预先得到的该电池组串的标准特征参数进行对比，确定出该电
池组串是否为故障组串，并进一步从故障组串中定位出故障组件，在有效提
高了对电池组串故障识别的准确度基础上，进一步提高故障识别的处理效率，
实现快速定位。
在上述任一实施例的基础上，下面详细介绍常用的几种组串物理模型，
及其实现原理。
一、正向输出的标准双二极管模型
图4为正向的标准双二极管模型的电路原理图；根据图4的电路得到的
数据模型为：
I=IL-I01{exp[q(V+IRs)kT]-1