基于B/S架构的光伏阵列在线健康监测系统及其实现方法与流程

本发明涉及光伏健康监测服务器相关领域，特别涉及一种基于b/s架构的光伏阵列在线健康监测系统及其实现方法。

背景技术：

随着世界经济与科技的发展，环境能源问题日渐凸显出来，可再生能源逐渐进入人们的视野中。太阳能作为一种可以持续利用且取之不尽的清洁能源，吸引了越来越多人的关注。世界上许多国家已经建成或正在建设大量的光伏电站。大型光伏电站很难单独平稳运行，需要许多其他相关光伏设备在“无故障”运行状态下协同工作。从现有布局中可以看出，光伏电站大多是建设在地理位置偏远且现场环境恶劣的地区，要对地域上广泛分散的光伏系统进行监测维护不仅需要消耗大量的人力物力，还是非常困难、繁琐的。因此，为了延长光伏电站的运行寿命，同时防止设备损坏，避免火灾等事故的发生，以保证光伏系统安全稳定运行，建立一套可靠的光伏阵列在线监控系统显得尤为重要。

目前，光伏电站监控系统多数采用client/server架构，需要安装客户端软件，维护成本高，通讯距离短，数据传输速率低，可靠性不高，开放性不足。近十年来，市场上出现了各种系统效率较低的数据采集系统。这些数据采集系统通过物理连接来传输数据，使用普通的台式计算机进行数据处理并生成图表。目前商业监控系统在光伏系统中的应用也存在诸如需要来自同一制造商的软件才能使用，自主控制有限，电力消耗巨大，存储容量有限，维护成本高等缺点。针对远程网络监控技术，国内外许多学者研究出了一些解决方案。华驰等人提出了基于物联网的光伏组件实时监测系统和n.c.batista等人使用开源工具和zigbee技术开发了一套用于监测光伏和风能的系统，均缺乏相应的故障诊断。faridtouati等提出了一种基于物联网开放平台thingspeak的在线监测方案，但可扩展性差。huy等人使用树莓派3和物联网（iot）设计了多用户远程系统。ozbayh等人也提出了一种通过在raspberrypi上建立的web服务器在互联网上访问的方案。在这些监控系统中，对光伏系统运行状态的参数进行监测，对采集到的光伏数据进行分析处理，并将采集到的数据汇总成到数据库，完成对实时监测状态的报表制作，指标管理等功能。由此可看出光伏电站监控系统日益成熟化，但缺乏对光伏阵列故障信息的记录及网站用户的安全性。

技术实现要素：

本发明的目的是提供一种基于b/s架构的光伏阵列在线健康监测系统及其实现方法，可以完成对光伏阵列的监测和故障诊断功能，对光伏健康监测的应用具有一定的实用价值。

本发明的上述技术问题是通过以下技术方案实现的：一种基于b/s架构的光伏阵列在线健康监测系统，包括采集传感电路，微型电脑和远程在线监测服务器，所述采集传感电路用于光伏阵列故障诊断的样本数据采集与所述微型电脑相连，所述微型电脑将所述样本数据发送给所述远程在线监测服务器,所述远程在线监测服务器用于显示微型电脑传来的样本数据。

一种基于b/s架构的光伏阵列在线健康监测系统，主要包括采集传感电路，微型电脑和远程在线监测服务器。采集传感电路通过与微型电脑相连采集光伏阵列故障诊断的样本数据，所述样本数据保存在微型电脑中，而后树莓派3将采集到的样本数据整合后发送给远程在线监测服务器，远程在线监测服务器作为监控中心可以在浏览器上显示树莓派3传来的样本数据，并能在浏览器上登记故障信息等，在本发明中，微型电脑使用的是树莓派3。

作为本发明的优选，所述采集传感电路包括电源模块，电压采集模块，电流采集模块以及数模转换模块，所述数模转换模块通过软件spi与微型电脑相连接。

在本发明中，传感采集电路的电源模块将220v转换成电路所需要的+12v、+5v、+3.3v、-12v电压以便为整个传感板提供电源。采集模块使用lv25-p型号电压霍尔传感器将光伏阵列电压转换为较低值，然后输出到数模转换芯片进行数模转换。电流采集模块与电压采集模块相似，不同之处在于霍尔电流传感器采集的电流值通过公式转换成电压值，本发明所使用的是hcs-lsp-20a型号霍尔电流传感器。数模转换模块主要由mcp3008芯片实现，将8个输入通道的模拟电压值转换为数字。mcp3008是一种低成本的8通道10位模数转换器，它通过软件spi连接至树莓派3。

作为本发明的优选，所述电流采集模块中传感器为霍尔电流传感器。

作为本发明的优选，光故障检测工况包括正常工作，组串级线线故障，阵列级线线故障，老化故障，阴影故障以及开路故障。

光伏故障检测所述工况包括正常工作、组串级线线故障、阵列级线线故障、老化故障、阴影故障、开路故障；其中，组串级线线故障，即组串中一块或多块组件被短路；阵列级线线故障，即不同组串中电势差为一块或多块组件工作电压的电位点被短路；老化故障，即组串老化和阵列老化；阴影故障，即组串中一块或多块组件发生阴影遮挡；开路故障，即组串中连接线发生意外断路。

作为本发明的优选，系统开发环境采用windows+apache+sqlite+python的配置方案，结合flask框架。

在本发明中，系统开发环境采用windows+apache+sqlite+python的配置方案，结合开发功能强大、优雅的flask框架。客户端层主要是采用b/s架构的用户浏览器。在控制层上，restfulapi用于接收客户端通过httppost提交的数据，并进行相应的会话管理和参数分析。rest概念将api结构和逻辑资源分离，后者通过http方法（例如get、delete、post和put）操作资源。在业务逻辑层面上，它主要由用户管理、数据可视化和消息管理组成。特别是通过echarts模块完成了光伏工况数据可视化功能。

一种基于b/s架构的光伏阵列在线健康监测系统实现方法，包含如下步骤：

步骤一、设计光伏阵列信号采集传感电路;

具体包括电源模块，电压采集模块，电流采集模块，数模转换模块；

步骤二、所述微型电脑的spi端口连接到所述采集传感电路，安装python库，通过spi接口控制所述数模转换模块采集数据，模拟光伏阵列可能出现的故障类型，然后系统采集各种工况条件下最大功率点的电气特性数据；

具体包括：光伏阵列的最大功率点电压、各个光伏组串的最大功率点电流、参考板的实时开路电压、参考板的实时短路电流；电压与电流数据经过滤波处理构成原始故障特征向量；

步骤三、将采集到的参数缓存到本地数据库，所述服务器将采集到的参数上传至云监控中心站点；

步骤四、从所述步骤二，步骤三获得从传感板采集到的光伏阵列各工况下工作时的阵列电压与各个组串电流以及参考板的开路电压与短路电流作为模型输入特征，将获得的数据整合在一起得到样本数据，随机抽取其中一部分样本作为训练集，剩余样本作为测试集来验证所述训练模型；

步骤五、从所述步骤二中所述采集传感电路采集实际模拟的故障工况数据，故障诊断训练模型对所述工况下的光伏阵列电压电流进行检测分类，判断光伏发电阵列是否处于故障状态若处于故障状态，则给出故障类型；

步骤六、搭建一个在线监测网站，所述在线监测网站可以显示步骤二采集到的光伏阵列工作状态参数，并可以对光伏故障进行实时诊断，所述在线监测网站包含用户登录，数据显示，故障信息记录和故障查看。

在本发明步骤四中，根据所述步骤二、三获得从传感板采集到的光伏阵列各工况下工作时的阵列电压与各个组串电流以及参考板的开路电压与短路电流作为模型输入特征，将获得的数据整合在一起得到样本数据，并随机取其中80%的样本作为训练集，设置激活函数为sigmoid核函数以及运算次数等参数，利用基于核函数的极限学习机对训练集中的每个样本进行训练，得到故障诊断训练模型。剩下的20%的样本作为测试集来验证该训练模型。在步骤六中，设计并搭建一个在线监测网站，可以显示步骤二采集到的光伏阵列工作状态参数，并可以对典型光伏故障进行实时诊断。本系统的网站主要由用户登录、数据显示、故障信息记录和故障信息查看等组成。

作为本发明的优选，所述在线监测网站可以显示所述步骤二中采集到的所述光伏阵列工作状态参数。

作为本发明的优选，所述滤波处理为基于凯泽窗的有限长单位冲激响应低通滤波器，所述原始故障特征均为平衡数据。

所述滤波处理采用基于凯泽窗的有限长单位冲激响应（fir）低通滤波器来实现同相位滤波，滤除噪声干扰，平滑测量。所述原始故障特征均为平衡数据，即每类特征有大致相同的样本数。

作为本发明的优选，所述微型电脑可通过用户输入主机名或ip地址，用户名，密码连接到所述服务器。

在本发明中，所用的服务器为filezilla服务器，filezilla服务器是一种灵活方便的ftp服务器软件，支持ftp和sftp（安全文件传输协议）。为了方便服务器的呼叫，用户可以点击“连接”按钮，通过输入主机名或ip地址、用户名、密码将树莓3派连接到服务器。

作为本发明的优选，所述服务器可以显示采集到的光伏阵列工作状态参数。

在本发明中，服务器可以显示采集到的光伏阵列工作状态参数，并可以对典型光伏故障进行实时诊断。云监测中心网站可以记录故障信息的发生，并将其保存在本地，方便工人查看。相关人员可以通过浏览器定期浏览光伏阵列的输出参数。当故障发生时，可以根据这些参数了解光伏阵列的故障类型，然后通知工作人员，以便快速做出解决方案。

附图说明

图1为本发明中基于b/s架构的光伏阵列在线健康监测系统的总体流程图。

图2为本发明基于kelm的光伏阵列故障诊断模型框图。

图3为本发明kelm算法流程图。

图4为本发明采集电路的系统框图。

具体实施方式

以下结合附图对本发明做进一步详细附图。

本具体实施例仅仅是对本发明的解释，其并不是对本发明的限制，本领域技术人员在阅读完本说明书后可以根据需要对本实施例做出没有创造性贡献的修改，但只要在本发明的权利要求范围内都受到专利法的保护。

如图1图4所示，一种基于b/s架构的光伏阵列在线健康监测系统，树莓派3的gpio口与采集电路连接，通过霍尔传感器接收光伏阵列工作时的数据并保存在树莓派3中，然后将数据发送到服务器端供服务器调用。光伏电站为服务器及故障诊断提供数据来源，服务器接收数据后显示在网页上，方便工作人员对光伏阵列工作情况进行监控。服务器还为故障诊断算法提供一个平台，实现在线故障诊断，同时工作人员还能把故障信息记录下来。光伏阵列采用20块型号为gl-m100太阳能组件，分成3个组串，每个组串采用6块组件串联，组成6×3的串并联连接方式。剩余的两个组件作为参考组件，位于光伏阵列的左侧。传感采集电路的电源模块将220v转换成电路所需要的+12v、+5v、+3.3v、-12v电压以便为整个传感板提供电源。采集模块使用lv25-p型号电压霍尔传感器将光伏阵列电压转换为较低值，然后输出到数模转换芯片进行数模转换。电流采集模块与电压采集模块相似，不同之处在于霍尔电流传感器采集的电流值通过公式转换成电压值，本发明所使用的是hcs-lsp-20a型号霍尔电流传感器。数模转换模块主要由mcp3008芯片实现，将8个输入通道的模拟电压值转换为数字。mcp3008是一种低成本的8通道10位模数转换器，它通过软件spi连接至树莓派3。系统开发环境采用windows+apache+sqlite+python的配置方案，结合开发功能强大、优雅的flask框架。客户端层主要是采用b/s架构的用户浏览器。在控制层上，restfulapi用于接收客户端通过httppost提交的数据，并进行相应的会话管理和参数分析。rest概念将api结构和逻辑资源分离，后者通过http方法（例如get、delete、post和put）操作资源。在业务逻辑层面上，它主要由用户管理、数据可视化和消息管理组成。特别是通过echarts模块完成了光伏工况数据可视化功能。

在本实施例中，服务器上可以显示采集到的光伏阵列工作状态参数，并可以对典型光伏故障进行实时诊断。云监测中心网站可以记录故障信息的发生，并将其保存在本地，方便工人查看。相关人员可以通过浏览器定期浏览光伏阵列的输出参数。当故障发生时，可以根据这些参数了解光伏阵列的故障类型，然后通知工作人员，以便快速做出解决方案。

如图2图3所示，一种基于b/s架构的光伏阵列在线健康监测系统实现方法，通过模拟光伏阵列的不同故障状况，在不同的气候条件下，选择不同的时段，针对每种故障情况获取光伏阵列电压和各个组串电流数据，并同步获取参考组件的实时开路电压、参考组件的实时短路电流数据。具体包括以下步骤：

步骤一、设计光伏阵列信号采集传感电路，具体包括：电源模块、电压采集模块、电流采集模块、数模转换模块。

步骤二、树莓派3的spi端口连接到传感电路，安装adafruitmcp3008python库后通过spi接口控制mcp3008进行数据采集。模拟光伏阵列可能出现的故障类型，然后系统采集各种工况条件下最大功率点（mpp）的电气特性数据。具体包括：光伏阵列的最大功率点电压、各个光伏组串的最大功率点电流、参考板的实时开路电压、参考板的实时短路电流；这些电压、电流数据经过滤波处理构成原始故障特征向量。

步骤三、以树莓派3为核心板，将采集到的参数（包括电流、电压等）缓存到本地数据库，以便相关人员可以进行查询。然后用filezilla服务器工具将数据上传到云监控中心站点进行统一管理。

步骤四、根据所述步骤二、步骤三获得从传感板采集到的光伏阵列各工况下工作时的阵列电压与各个组串电流以及参考板的开路电压与短路电流作为模型输入特征，将获得的数据整合在一起得到样本数据，并随机取其中80%的样本作为训练集，设置激活函数为sigmoid核函数以及运算次数等参数，利用基于核函数的极限学习机对训练集中的每个样本进行训练，得到故障诊断训练模型。剩下的20%的样本作为测试集来验证该训练模型。

步骤五、通过步骤二的采集传感电路采集实际模拟的故障工况数据，并利用所述故障诊断训练模型，对所述实际待测工况下的光伏阵列电压电流数据进行检测和分类，判断光伏发电阵列系统是否处于故障状态；若处于故障状态，则给出故障类型。

步骤六、设计并搭建一个在线监测网站，可以显示步骤二采集到的光伏阵列工作状态参数，并可以对典型光伏故障进行实时诊断。本系统的网站主要由用户登录、数据显示、故障信息记录和故障信息查看等组成。

滤波处理采用基于凯泽窗的有限长单位冲激响应低通滤波器来实现同相位滤波，滤除噪声干扰，平滑测量；所述原始故障特征均为平衡数据，即每类特征有相同的样本数。使用的服务器是filezilla服务器，filezilla服务器是一种灵活方便的ftp服务器软件，支持ftp和sftp（安全文件传输协议）。为了方便服务器的呼叫，用户可以点击“连接”按钮，通过输入主机名或ip地址、用户名、密码将树莓派3连接到服务器。

在本实施例中，采集电路的设计包括电压的采集和电流的采集，利用电压传感器和霍尔电流传感器进行采集，然后传输到mcp3008进行ad转化。把各模块的电路进行连接，形成完整的采集电路。树莓派3数据的收集，通过软件spi连接将mcp3008连接到树莓派3，将mcp3008clk，dout，din和cs/shdn引脚连接到树莓派3上的任何其他数字gpio引脚。经过mcp3008的数模转化后把数字信号保存到csv文件中形成一个表单，并将csv文件存储在树莓派3的内存中，等待调用时的需求。以树莓派3为核心板，将采集到的参数缓存到本地数据库可供相关人员查询，之后上传到云端监控中心网站统一管理。使用filezilla工具将数据上传到云监控中心站点进行统一管理。filezilla服务器是一种灵活方便的ftp服务器软件，支持ftp和sftp（安全文件传输协议）。为了方便服务器的呼叫，用户可以点击“连接”按钮，通过输入主机名或ip地址、用户名、密码将树莓派3连接到服务器。

在本实施例中，数据库的调用，包括从csv文件的表单中读取数据到数据库中创建的表中和从数据库中读取数据在网页上生成图表，数据库作为中间桥梁起着承上启下的作用。通过python的flask架构搭建起了一个网站服务器，需要用户密码才能登陆光伏监测系统，在这个网站服务器上，可以看到整个光伏监测系统的简介以及工作状态，还能进行故障信息的记录与查看。进一步的，除了正常工作状态外，本实施例还模拟了组串级线线故障、阵列级线线故障、老化故障、阴影故障、开路故障。由于光伏阵列在mpp条件下产生相应的电压和电流，因此选择包括光伏阵列电压v和串i1、i2、i3的三个电流的四个特征向量作为数据样本。在滤波和提取处理之后，它们将作为输入向量。由于elm在训练前可以随机生成ω和b，因此只需设置隐层神经元的数目和无限不同的隐层神经元激活函数，即可计算隐层和输出层之间的连接权β。同时，本发明系统也增加样本的多样性，使得极限学习机的分类准确率有所提升，是一种有效的光伏故障诊断替代方案。