一种基于数字孪生的光伏发电组件故障检测和识别方法

1.本发明涉及太阳能光伏发电技术领域，特别涉及一种基于数字孪生的光伏发电组件故障检测和识别方法。


背景技术：

2.随着环境问题受到越来越多的关注，能源市场对光伏发电系统的兴趣日益增长。直流模块式光伏并网发电系统被越来越多人使用，参照图1所示，其中，该系统中每一个太阳电池组件都连接了一个独立的dc
‑
dc变换器，然后将这些dc
‑
dc变换器输出端串联在一起与一个dc
‑
ac变换器的输入端相连接，通过该dc
‑
ac变换器将能量输入交流电网。该直流模块式光伏并网发电系统中，前级采用的光伏电池板和dc
‑
dc变换器较多，如果产生故障不易对其识别和诊断。
3.因此，在现有的直流模块式光伏并网发电系统的基础上，如何提供一种基于数字孪生的光伏发电组件故障检测和识别方法，以实现对其产生的故障进行及时、高效、快速地诊断和识别，成为本领域技术人员亟需解决的问题。


技术实现要素：

4.鉴于上述问题，本发明提出了一种至少解决上述部分技术问题的基于数字孪生的光伏发电组件故障检测和识别方法，该方法可对光伏发电组件所产生的故障进行及时检测并准确识别故障类型。
5.本发明实施例提供一种基于数字孪生的光伏发电组件故障检测和识别方法，包括如下步骤：
6.s1、检测并输出待检测光伏发电组件物理实体中的特征量y(t)；所述光伏发电组件包括太阳电池组件和dc
‑
dc变换器；所述特征量y(t)为所述物理实体中的dc
‑
dc变换器电感电流、dc
‑
dc变换器电容电压、太阳电池组件最大功率点电流和太阳电池组件最大功率点电压的特征输出向量估计值；
7.s2、构建与所述待检测光伏发电组件物理实体结构相同的数字孪生体，计算并输出所述数字孪生体中，光伏发电组件的测量特征量z(t)；所述测量特征量z(t)为所述数字孪生体中的dc
‑
dc变换器电感电流、dc
‑
dc变换器电容电压、太阳电池组件最大功率点电流和太阳电池组件最大功率点电压的特征输出向量估计值；
8.s3、根据所述特征量y(t)，以及所述测量特征量z(t)，计算并输出残差向量γ(t)；根据所述残差向量γ(t)，输出检测结果；
9.s4、当所述检测结果存在故障时，根据步骤s3计算得到的所述残差向量γ(t)，以及故障特征值f
i
，计算并输出l2内积；所述故障特征值f
i
由所述残差向量γ(t)和所述残差向量γ(t)的2
‑
范数||γ(t)||2计算得到；
10.s5、根据所述l2内积，输出故障类型。
11.进一步地，所述步骤s2中，数字孪生体中光伏发电组件的测量特征量z(t)的计算
公式为：
[0012][0013]
k为整数
[0014]
其中，k表示当前采样周期；g为数字孪生体中太阳电池组件受到的光照强度；t为数字孪生体中太阳电池组件受到的环境温度；x[k]表示线性开关状态空间方程的前向欧拉离散化方程；i
pvg,t
为数字孪生体中太阳电池组件在最大功率情况下的输出电流估计值；v
pvg,t
为数字孪生体中太阳电池组件在最大功率情况下的输出电压估计值；e为电气传感器增益的单位矩阵；i为单位矩阵；s
n
为单位矩阵维数；x[k
‑
1]为状态向量；u[k
‑
1]为输入向量；t
s
为采样周期；a
σ(t)
和b
σ(t)
表示两种状态，a
σ(t)
∈{a1,a2,k,a
nm
},b
σ(t)
∈{b1,b2,k,b
nm
}；为数字孪生体中光照强度为g
ref
＝1000w/m2、温度为t
ref
＝25℃情况下，达到最大功率时，太阳电池组件的输出电流；为数字孪生体中光照强度为g
ref
、温度为t
ref
情况下，达到最大功率时，太阳电池组件的输出电压；t
ref
＝25℃；g
ref
＝1000w/m2；k
i
为电流温度系数；k
p
为功率温度系数。
[0015]
进一步地，所述步骤s3，包括：
[0016]
s301、所述数字孪生体中光伏发电组件的测量特征量z(t)减去待检测光伏发电组件物理实体中的特征量y(t)，生成残差向量γ(t)：
[0017][0018]
其中，为数字孪生体中dc
‑
dc变换器电感电流；i
l
(t)为物理实体中流过电感l的电流；为数字孪生体中dc
‑
dc变换器电容电压；v
c
(t)为物理实体中dc
‑
dc变换器输出电压；i
pvg,t
为数字孪生体中太阳电池组件在最大功率情况下的输出电流估计值；v
pvg,t
为数字孪生体中太阳电池组件在最大功率情况下的输出电压估计值；i
pv
(t)为物理实体中太
阳电池组件的输出电流；v
pv
(t)为物理实体中太阳电池组件的输出电压；γ1(t)、γ2(t)、γ3(t)、γ4(t)组成残差向量γ(t)；
[0019]
s302、根据所述生成的残差向量γ(t)，计算∞
‑
范数||γ(t)||
∞
：其中，i表示残差向量γ(t)包含的元素个数；
[0020]
s303、根据所述计算出的∞
‑
范数||γ(t)||
∞
，计算故障检测标志：
[0021][0022]
其中，γ为故障检测的阈值；
[0023]
s304、根据故障检测标志，输出故障检测结果。
[0024]
进一步地，所述步骤s4中，计算l2内积的计算公式为：
[0025][0026]
其中，w表示计算内积的窗口大小；t为时间；γ(t)为残差向量；f
i
为故障特征值；表示l2内积；；γ
t
(t
‑
τ)表示γ(t)在时间上偏移τ然后再转置，τ为积分变量。
[0027]
进一步地，所述步骤s4中，故障特征值f
i
由残差向量γ(t)和残差向量γ(t)的2
‑
范数||γ(t)||2计算得到，计算公式为：
[0028][0029]
其中，γ(t)为残差向量；||γ(t)||2为2
‑
范数；2
‑
范数||γ(t)||2的计算公式为：其中，i表示残差向量γ(t)包含的元素个数；
[0030]
进一步地，所述步骤s5中，根据l2内积，输出故障类型，包括：
[0031]
通过计算下式进行故障识别：
[0032][0033]
其中，i表示故障类型；λ为故障识别的阈值；γ(t)为残差向量；f
i
为故障特征值，i∈(1,
…
16)。
[0034]
本发明实施例提供的上述技术方案的有益效果至少包括：
[0035]
本发明实施例提供的一种基于数字孪生的光伏发电组件故障检测和识别方法，包括：检测并输出待检测光伏发电组件物理实体中的特征量y(t)；光伏发电组件包括太阳电池组件和dc
‑
dc变换器；构建与待检测光伏发电组件物理实体结构相同的数字孪生体，计算并输出数字孪生体中，光伏发电组件的测量特征量z(t)；根据特征量y(t)，以及测量特征量z(t)，计算并输出残差向量γ(t)；根据残差向量γ(t)，输出检测结果；当检测结果存在故
障时，根据残差向量γ(t)，以及故障特征值f
i
，计算并输出l2内积；故障特征值f
i
由残差向量γ(t)和残差向量γ(t)的2
‑
范数||γ(t)||2计算得到；根据l2内积，输出故障类型。该方法可以检测光伏发电组件是否产生故障，并识别出所产生的故障类型。灵活性高、效率高和可靠性强。
[0036]
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
[0037]
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
[0038]
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
[0039]
图1为背景技术直流模块式光伏并网发电系统结构图；
[0040]
图2为本发明实施例提供的基于数字孪生的光伏发电组件故障检测和识别方法流程图；
[0041]
图3为本发明实施例提供的dc
‑
dc变换器原理图；
[0042]
图4为本发明实施例提供的基于数字孪生的光伏发电组件故障检测和识别方法示意图。
具体实施方式
[0043]
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
[0044]
本发明实施例提供一种基于数字孪生的光伏发电组件故障检测和识别方法，参照图2所示，包括如下步骤：
[0045]
s1、检测并输出待检测光伏发电组件物理实体中的特征量y(t)；光伏发电组件包括太阳电池组件和dc
‑
dc变换器；特征量y(t)为物理实体中的dc
‑
dc变换器电感电流、dc
‑
dc变换器电容电压、太阳电池组件最大功率点电流和太阳电池组件最大功率点电压的特征输出向量估计值；
[0046]
s2、构建与待检测光伏发电组件物理实体结构相同的数字孪生体，计算并输出数字孪生体中，光伏发电组件的测量特征量z(t)；测量特征量z(t)为数字孪生体中的dc
‑
dc变换器电感电流、dc
‑
dc变换器电容电压、太阳电池组件最大功率点电流和太阳电池组件最大功率点电压的特征输出向量估计值；
[0047]
s3、根据特征量y(t)，以及测量特征量z(t)，计算并输出残差向量γ(t)；根据残差向量γ(t)，输出检测结果；
[0048]
s4、当所述检测结果存在故障时，根据步骤s3计算得到的残差向量γ(t)，以及故障特征值f
i
，计算并输出l2内积；故障特征值f
i
由残差向量γ(t)和残差向量γ(t)的2
‑
范数||γ(t)||2计算得到；
[0049]
s5、根据l2内积，输出故障类型。
[0050]
本实施例提供的一种基于数字孪生的光伏发电组件故障检测和识别方法，可以检测该光伏发电组件是否产生故障，并且可以识别出所产生的故障类型。能检测出三类故障类型：太阳能电池组件是否产生故障、dc
‑
dc变换器是否产生故障、电气传感器是否产生故障，并将这三类故障区分识别出来。这些故障在光伏发电组件及其组成的网络中发生的概率取决于运行条件、系统规格和体系结构。本光伏发电组件故障检测和识别方法灵活性高、效率高和可靠性强。
[0051]
下面分别对上述各个步骤进行详细说明：
[0052]
具体地，参照图3所示，本实施例步骤s1所提供的待检测光伏发电组件物理实体，采用的dc
‑
dc变换器为4开关buck
‑
boost变换器。该变换器可以工作于三种模式：降压、升压、直通模式，灵活性、效率和可靠性都高于只有2个开关的buck
‑
boost变换器。其中，g、t分别表示太阳电池组件受到的光照强度和环境温度；v
pv
(t)和i
pv
(t)分别表示太阳电池组件的输出电压和输出电流；c
in
和c
out
分别为dc
‑
dc变换器输入侧电容和输出侧电容；l为滤波电感，r为滤波电感等效内阻，i
l
(t)为流过电感l的电流；v
c
(t)和i
o
(t)分别为dc
‑
dc变换器输出电压和输出电流；s1、s2、s3、s4为4个电力电子开关。待检测光伏发电组件物理实体中的特征量y(t)由电气传感器检测获得。
[0053]
具体地，步骤s2，构建与待检测光伏发电组件物理实体结构相同的数字孪生体，计算并输出数字孪生体中，光伏发电组件的测量特征量z(t)，包括：
[0054]
参照图4所示，构建与上述待检测光伏发电组件物理实体结构相同的数字孪生体。其中，上述数字孪生体是一个物理系统的数字仿真。实时分析、计算并输出数字孪生体中光伏发电组件的测量特征量z(t)：
[0055][0056]
公式(1)中，x[k]为dc
‑
dc变换器状态向量的估计值；i
pvg,t
为数字孪生体中太阳电池组件在最大功率情况下的输出电流估计值(是光照强度g和电池板温度t的函数)；v
pvg,t
为数字孪生体中太阳电池组件在最大功率情况下的输出电压估计值(也是光照强度g和电池板温度t的函数)；e为电气传感器增益的单位矩阵(s
n
表示单位矩阵维数)。
[0057]
具体地，z(t)中的第一个元素x[k]表示线性开关状态空间方程的前向欧拉离散化方程，该方程适用于具有分段线性元件的任意功率变换器，采样周期为t
s
。t＝kt
s
,k为整数，k表示当前采样周期；x(kt
s
)≡x[k]是状态向量；u(kt
s
)≡u[k]是输入向量；连续时间开关函
数σ(t)，将连续系统离散化，将时间映射到索引集{1,2,k,nm}。每个指标都表示由二种状态给出系统的一个特定模型(a
j
,b
j
),j∈{1,2,k,nm}。a
σ(t)
∈{a1,a2,k,a
nm
},b
σ(t)
∈{b1,b2,k,b
nm
}，因此，在中，i为单位矩阵，为系统矩阵，为控制矩阵。
[0058]
进一步地，z(t)中的第二个元素i
pvg,t
为数字孪生体中太阳电池组件在最大功率情况下的输出电流估计值，此时光照强度为g，电池板温度为t：
[0059][0060]
公式(2)中，为数字孪生体中光照强度为g
ref
＝1000w/m2、温度为t
ref
＝25℃情况下，达到最大功率时，太阳电池组件的输出电流；k
i
为电流温度系数。
[0061]
进一步地，z(t)中的最后一个元素v
pvg,t
为数字孪生体中太阳电池组件在最大功率情况下的输出电压估计值，此时光照强度为g，电池板温度为t：
[0062][0063]
公式(3)中，为在光照强度为g
ref
＝1000w/m2、温度为t
ref
＝25℃情况下太阳电池组件的最大输出功率；为数字孪生体中光照强度为g
ref
＝1000w/m2、温度为t
ref
＝25℃情况下，达到最大功率时，太阳电池组件的输出电压；k
p
是功率温度系数；k
i
是电流温度系数；i
pvg,t
为数字孪生体中太阳电池组件在最大功率情况下的输出电流估计值；v
pvg,t
为数字孪生体中太阳电池组件在最大功率情况下的输出电压估计值。
[0064]
进一步地，公式(2)和(3)估计了太阳电池组件在最大功率点的输出电流和电压(即，数字孪生体内输出的电流和电压)。将这些估计值(即，数字孪生体中光伏发电组件的测量特征量z(t))与实际g和t条件下太阳电池组件的实测值(即，待检测光伏发电组件物理实体中的特征量y(t))进行比较，计算数字孪生体的估计残差(即，残差向量γ(t))。
[0065]
进一步地，输出的数字孪生体中光伏发电组件的测量特征量z(t)包含dc
‑
dc变换器电感电流变换器电容电压太阳电池组件最大功率点电流i
pvg,t
，太阳电池组件最大功率点电压v
pvg,t
。在无故障情况下，无论输入条件如何，数字孪生体与物理实体的输出相同。因此，此时数字孪生体中光伏发电组件的测量特征量z(t)的计算公式，可以将公式(1)进一步表示为：
[0066][0067]
公式(4)中，x(kt
s
)≡x[k]是状态向量；u((k
‑
1)t
s
)≡u[k
‑
1]是输入向量；为上一个采样周期电感电流的值；为上一个采样周期电容两端电压的值；v
pv
[k
‑
1]为上一个采样周期光伏输出电压值；i
o
[k
‑
1]为上一个采样周期dc
‑
dc变换器输出电流值；r为数字孪生体中dc
‑
dc变换器的电阻值；l为数字孪生体中dc
‑
dc变换器的电感值；s1为开关函数；s3为开关函数；c
out
为数字孪生体中dc
‑
dc变换器的输出电容值；t
s
为采样周期；i2×2为2维单位矩阵；和是在标准测试条件(即g
ref
＝1000w/m2，t
ref
＝25℃)下，太阳电池组件最大功率时输出电流和电压值，这些数据通常可在太阳电池组件数据手册中获得。
[0068]
具体地，步骤s3，根据特征量y(t)，以及测量特征量z(t)，计算并输出残差向量γ(t)；根据残差向量γ(t)，输出故障检测结果，具体包括：
[0069]
s301、数字孪生体中光伏发电组件的测量特征量z(t)减去待检测光伏发电组件物理实体中的特征量y(t)，将故障数字孪生的稳态输出从正常数字孪生的稳态输出中减去，生成残差向量γ(t)：
[0070][0071]
公式(5)中，为数字孪生体中dc
‑
dc变换器电感电流；i
l
(t)为物理实体中流过电感l的电流；为数字孪生体中dc
‑
dc变换器电容电压；v
c
(t)为物理实体中dc
‑
dc变
换器输出电压；i
pvg,t
为数字孪生体中太阳电池组件在最大功率情况下的输出电流估计值；v
pvg,t
为数字孪生体中太阳电池组件在最大功率情况下的输出电压估计值；i
pv
(t)为物理实体中太阳电池组件的输出电流；v
pv
(t)为物理实体中太阳电池组件的输出电压；γ1(t)、γ2(t)、γ3(t)、γ4(t)组成残差向量γ(t)。
[0072]
s302、根据生成的残差向量γ(t)，计算∞
‑
范数||γ(t)||
∞
：其中，i表示残差向量γ(t)包含的元素个数；。∞
‑
范数||γ(t)||
∞
易于计算，可用于检测故障事件。在无故障情况下，∞
‑
范数接近于零。
[0073]
s303、根据计算出的∞
‑
范数||γ(t)||
∞
，计算故障检测标志，故障检测标志根据以下逻辑指示故障：
[0074][0075]
公式(6)中，γ为故障检测的阈值。由于分析估计残差、离散化残差和系统噪声(例如，传感器)而产生偏差。为了抵消这些偏差并尽量减少故障检测中的误报率，需要根据实际情况选择阈值γ。
[0076]
s304、根据故障检测标志，输出检测结果。flag＝1，为产生故障；flag＝0，为未产生故障。
[0077]
具体地，步骤s4，检测结果存在故障时，根据步骤s3计算得到的残差向量γ(t)，以及故障特征值f
i
，计算并输出l2内积。包括：
[0078]
发生故障事件后，残差向量γ(t)发生改变，以一种独特的方向在故障空间中指示故障类型。为了确定发生的故障在故障空间的方向，将残差γ(t)归一化为一个单位向量f，使f＝ξ(t)γ(t),因此，单位向量f表示了故障事件的唯一方向，记为故障特征值f
i
，其中2
‑
范数||γ(t)||2表示故障幅值的大小(即)，因此对感兴趣的每一个故障计算残差向量γ(t)，可以通过仿真和实验验证计算得到的γ(t)，然后将其归一化，转化为故障特征值f
i
，所有的故障特征值f
i
组成故障特征库。γ(t)为残差向量，||γ(t)||2为2
‑
范数，其中，i表示残差向量γ(t)包含的元素个数；。
[0079]
计算并输出l2内积：
[0080][0081]
公式(7)中，w表示计算内积的窗口大小；t为时间；γ(t)为残差向量；f
i
为故障特征值；表示l2内积；γ
t
(t
‑
τ)表示γ(t)在时间上偏移τ然后再转置，τ为积分变量。故障
事件发生后，残差向量γ(t)在故障空间中以唯一的方向表示故障类型。因此，经过故障检测，将残差向量γ(t)与故障特征库中的所有故障特征值fi实时计算内积。它表示残差向量γ(t)在每个故障特征值fi上的投影。内积越大表示残差向量γ(t)与故障特征值fi越接近，搜索最大内积可确定故障类型。因此，故障识别方法就是计算内积并执行最大内积搜索。
[0082]
具体地，步骤s5，根据上述l2内积，输出故障类型，包括：
[0083]
通过计算下式进行故障识别：
[0084][0085]
公式(8)中，i表示故障类型，λ为故障识别的阈值，γ(t)为残差向量，f
i
为故障特征值，i∈(1,
…
16)。
[0086]
下面分别列举三个具体例子对故障特征库(包含所有故障特征值fi)的建立，展开具体详细说明：
[0087]
参照图4所示，根据公式(1)，得出稳态下的无故障数字孪生体中光伏发电组件的测量特征量z(t)由下面公式得到：
[0088][0089]
公式(9)中，d3、d1分别是开关器件s3、s1的占空比；i
o
(t)为dc
‑
dc变换器输出电流；r为图4所示的数字孪生体中的电阻；v
pv
(t)为太阳电池组件的输出电压；为数字孪生体中光照强度为g
ref
＝1000w/m2、温度为t
ref
＝25℃情况下，达到最大功率时，太阳电池组件的输出电流；为数字孪生体中光照强度为g
ref
、温度为t
ref
情况下，达到最大功率时，太阳电池组件的输出电压；g
ref
＝1000w/m2；t
ref
＝25℃；k
i
为电流温度系数；k
p
为功率温度系数；g为太阳电池组件受到的光照强度；t为太阳电池组件电池板温度；e为电气传感器增益的单位矩阵。
[0090]
例1：太阳电池组件故障类型为i＝1时的故障特征计算
[0091]
该故障是由于太阳电池组件受到了遮挡(由于灰尘等因素)。它导致故障电池板的(光照强度为g
ref
＝1000w/m2、温度为t
ref
＝25℃情况下，达到最大功率时，太阳电池组件
的输出电流)在g
ref
(g
ref
＝1000w/m2)的情况下发生了的改变(此时的变化可以忽略不计)。因此，得出稳态下待检测光伏发电组件物理实体中的特征量y(t)为：
[0092][0093]
公式(10)中，i
o
(t)为dc
‑
dc变换器输出电流；d3、d1分别是开关器件s3、s1的占空比；r为图4所示的物理实体中的电阻；为数字孪生体中光照强度为g
ref
＝1000w/m2、温度为t
ref
＝25℃情况下，达到最大功率时，太阳电池组件的输出电流；为由于太阳电池组件受到了遮挡，与在标准测试条件(光照强度为g
ref
＝1000w/m2、温度为t
ref
＝25℃)下，太阳电池组件达到最大功率时输出电流相比所发生的改变量；为数字孪生体中光照强度为g
ref
、温度为t
ref
情况下，达到最大功率时，太阳电池组件的输出电压；k
i
为电流温度系数；k
p
为功率温度系数；v
pv
(t)为太阳电池组件的输出电压；g
ref
＝1000w/m2；t
ref
＝25℃。
[0094]
具体地，数字孪生体和物理实体中的电阻值、电感值、电容值是一样的。
[0095]
在这种情况下，残差向量γ(t)＝z(t)
‑
y(t)，即式(9)减去式(10)，得出残差向量γ(t)为将其除以|γ(t)||2，可得归一化值f，代表了故障幅值归一化后得到一个故障特征值f1＝[0,0,1,0]
t
。类似地，可通过计算式(9)减去式(10)，得到下表中列出的太阳电池组件其他故障类型的特征值。
[0096]
表1太阳电池组件故障
[0097][0098]
例2：dc
‑
dc变换器故障类型i＝4时的故障特征计算
[0099]
参照图3所示，如若开关器件s1出现开路故障，该故障事件将导致太阳电池组件输出开路。此时，在这种情况下，残差向量γ(t)＝z(t)
‑
y(t)，即式(9)减去式(10)，残差向量γ(t)为y(t)＝e[0,0,0,v
oc
]
t
。残差γ(t)产生，并对其进行分析得到故障特征值f4和类似地，可通过计算得到下表中列出的dc
‑
dc变换器其他故障类型的特征值。
[0100]
表2 dc
‑
dc变换器故障
[0101][0102][0103]
表中，i
sc
为太阳电池组件短路电流；v
oc
为太阳电池组件开路电压；d1为开关器件s1的占空比；d3为开关器件s3的占空比。
[0104]
例3：电气传感器故障类型为i＝12时的特征值计算
[0105]
对于测量电感电流i
l
(t)的传感器考虑增益的漂移量δc
12
(t)的漂移和测量值与准确值的偏离量δe
12
(t)的偏离量。在测量的物理系统中，这种传感器的故障可以建模为：
[0106][0107]
公式(11)中，e为电气传感器增益的单位矩阵；δc(t)为增益的漂移量；i
l
(t)为流过物理实体中的电感l的电流；v
c
(t)为物理实体中的dc
‑
dc变换器输出电压；i
pv
(t)为物理实体中的太阳电池组件的输出电流，v
pv
(t)为物理实体中的太阳电池组件的输出电压；δe(t)为偏离量。
[0108]
在这种情况下，残差γ(t)＝z(t)
‑
y(t)，即γ(t)＝[δc
12
(t)i
l
(t)+δe
12
(t),0,0,0]
t
。因此，故障特征值f
12
＝[1,0,0,0]
t
，请注意，数字孪生体中光伏发电组件的测量特征量与待检测光伏发电组件物理实体中的特征量y(t)＝e[i
l
(t),v
c
(t),i
pv
(t),v
pv
(t)]在无故障情况下是一样的。类似地，可通过计算得到下表中列出的电气传感器其他故障类型的特征值。
[0109]
表3电气传感器故障
[0110]
[0111]
通过前面的分析建立了故障特征库，里面包含光伏发电组件16种故障的故障特征值f
i
(包含太阳电池组件故障3种，dc
‑
dc变换器故障8种，电气传感器故障5种)。
[0112]
本发明实施例提供的一种基于数字孪生的光伏发电组件故障检测和识别方法，通过建立太阳电池组件和dc
‑
dc变换器的数字孪生体，将数字孪生体的输出值与物理实体的输出值进行比较，得到一个残差向量，通过对残差向量的分析、计算、评估，实现故障检测和故障识别。
[0113]
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。