文档下载 文档下载导航
设为首页 | 加入收藏
搜索 请输入内容:  
 导航当前位置: 文档下载 > 所有分类 > 工程科技 > 电子/电路 > 一种四参数的光伏组件在线故障诊断方法_王元章
侵权投诉

一种四参数的光伏组件在线故障诊断方法_王元章

第34卷 第13期 2078 2014年5月5日 中 国 电 机 工 程 学 报

Proceedings of the CSEE Vol.34 No.13 May 5, 2014 ©2014 Chin.Soc.for Elec.Eng.

DOI:10.13334/j.0258-8013.pcsee.2014.13.009 文章编号:0258-8013 (2014) 13-2078-10 中图分类号:TM 91

一种四参数的光伏组件在线故障诊断方法

王元章,李智华,吴春华

(上海市电站自动化技术重点实验室(上海大学),上海市 闸北区 200072)

A Survey of Online Fault Diagnosis for Photovoltaic Modules Based on Four Parameters

WANG Yuanzhang, LI Zhihua, WU Chunhua

(Shanghai Key Laboratory of Power Station Automation Technology (Shanghai University),

Zhabei District, Shanghai 200072, China)

ABSTRACT: The output characteristics of photovoltaic (PV) modules under short-circuit or abnormal degradation conditions were analyzed. The online fault diagnosis method for PV modules based on four parameters, namely open circuit voltage, short-circuit current, the voltage of maximum power point and the current of maximum power point were proposed. Then the fault type factor K was introduced. Through comparing the difference between the value of K and the standard value, the type of faults could be determined. Once the faults are certain, the extent of faults and the early warnings are analyzed automatically online. When the PV modules are short-circuited, the artificial neural network can be utilized for acquiring the number of short-circuited cells. When the PV modules are in abnormal degradation, the value of fill factor (FF) can be utilized to acquire the extent of degradation. The results of simulations and experiments show that the method has a high accuracy rate, and its feasibility and effectiveness are proved.

KEY WORDS: photovoltaic (PV) modules; online diagnosis; abnormal degradation; neural network; fault type factor 摘要:分析光伏组件在短路、异常老化状态下的输出特性,提出一种基于开路电压、短路电流、最大功率点电压和电流四参数的光伏组件在线诊断短路及异常老化故障的方法。建立了故障类型因子K,通过比较K与标准值的差异判断组件是否存在短路和异常老化故障。发生故障即可进行在线故障程度分析和预警:短路故障时,利用神经网络方法诊断组件中电池短路的块数;异常老化故障时,利用填充因子值获得组件老化程度。仿真及实验结果显示该方法具有较高的准确率,证明了方法的可行性和有效性。

关键词:光伏组件;在线诊断;异常老化;神经网络;故障类型因子

基金项目:国家自然科学基金项目(51107079)。

Project Supported by National Natural Science Foundation of China (51107079).

0 引言

近年来,光伏发电的应用呈现出高速发展的态势。系统运行状态的监控及维护对光伏发电系统的安全运行至关重要,及时可靠的故障预警能够避免火灾、设备损毁等重大事故,并提高光伏电站的运行寿命及经济效益。目前大部分光伏电站都采用人工巡检维护,逐块检测光伏组件电气参数来判断是否正常。但是光伏组件多安装在高处或野外恶劣环境中,工作电压达到上百伏,人工维护既费时又危险。因此,建立在线运行状态检测系统是急需解决的关键问题之一。

目前,国内外学者已经提出一些解决方案。Syafaruddin等[1]利用神经网络对一个2 3的光伏阵列进行短路故障诊断:将光照强度、组件工作温度、最大功率点电压和电流作为神经网络输入,组件的输出电压作为网络输出,建立了数个神经网络对输入输出进行训练,进行短路故障诊断;Chouder等[2]提出一种通过功率损失诊断故障的方法:建立一个与实际光伏系统输出特性相符合的仿真模型,将实际的光照强度和组件工作温度作为仿真模型的输入,由仿真模型获得系统正常输出功率并判断是否发生了故障,如果存在故障,再利用输出电压与电流判断故障类型。国内有学者提出基于红外图利用组件故障时温度升像分析的故障诊断方法[3-4],

高的特性,对拍摄到的红外图像进行分析处理即可判断故障类型。除了这些方法外,还有学者提出了时域反射分析法[7]和对地电容测量多传感器法[5-6]、

法[8]等。多传感器法即为每块光伏组件安装电压或电流传感器进行实时监测,通过分析采集到的数据判断光伏阵列存在的故障类型,定位到故障组件。

第1页

你可能喜欢

  • 光伏组件测试
  • 光伏组件质量问题
  • 太阳能光伏原理
  • CIGS薄膜太阳能电池
  • 太阳能电池组件
  • 测试培训
  • 光伏组件技术

热门文档

相关文档

  • 一种四参数的光伏组件在线故障诊断方法

    (2014)13.2078.10 中图分类号:TM 91 一种四参数的光伏组件在线故障诊断方法王元章,李智华,吴春华(上海市电站自动化技术重点实验室(上海大学),上海市闸北区...

  • 【论文】光伏系统故障诊断方法综述

    光伏系统故障诊断方法综述_计算机硬件及网络_IT/计算机_专业资料。光伏 系统故 ...光伏 系统故 障诊 断方 法综述 王元章, 李智华 , 吴春华 ( 上海大学 自动...

  • 【论文】光伏系统故障诊断方法综述

    光伏系统故障诊断方法综述_计算机硬件及网络_IT/计算机_专业资料。光伏 系统故 ...光伏 系统故 障诊 断方 法综述 王元章, 李智华 , 吴春华 ( 上海大学 自动...

站点地图 | 文档上传 | 侵权投诉 | 手机版
本站所有资源均来自互联网,本站只负责收集和整理,均不承担任何法律责任,如有侵权等其它行为请联系我们.
文档下载 Copyright 2013 doc.guandang.net All Rights Reserved.  -  email