10001064_基于IV曲线扫描的光伏阵列故障诊断系统研究-solarbe文库

资源描述：

基于 IV 曲线扫描的光伏阵列故障诊断系统研究李元良 1，丁坤 1,2，陈富东 1 （1. 河海大学机电工程学院，江苏省常州市 213022； 2. 常州市光伏系统集成与生产装备技术重点实验室，江苏省常州市 213022）摘要本研究提出了一种光伏阵列故障诊断系统，该系统包含光伏阵列、具有 IV 曲线扫描功能的光伏逆变器以及远程监控软件，并创新性地将光伏阵列故障诊断过程分为四大步骤，分别为数学模型的参数整定与建立，故障预判断，故障识别以及故障评估。第一部分，利用粒子群优化算法对阵列数学模型进行优化，建立可自适应环境参数的阵列数学模型。第二部分，通过计算阵列实测功率与模型输出功率的偏差以及对比不同阵列输出功率来进行故障预判断，若偏差大于预定阈值，则标记为故障并进入第三部分。第三部分，通过逆变器扫描阵列获取 IV 特性曲线，并通过提取 IV 曲线特征量来进行故障类型识别，包括阴影遮挡、旁路二极管短路、组件老化、阵列开路、逆变器 MPPT 跟踪异常等故障。第四部分，根据特征量与模型输出曲线特征量的偏差对故障程度进行评估。经过理论分析和实验验证，该故障诊断系统具有较高的诊断精度，且可实施性强，为电站运维提供了较为理想的方案。关键词光伏阵列；故障诊断；逆变器；IV 特性曲线 0 引言光伏阵列是光伏发电系统的重要组成部分，由于其长期工作在比较恶劣的环境中，在各种因素的影响下阵列中的组件难免会发生一些故障，例如组件开路、旁路二极管短路、组件老化等故障 [1]。此外局部阴影遮挡不仅降低光伏组件输出功率，也会成为热斑等故障的诱因之一，因此为避免因故障导致的严重事故，提升系统发电效益，国内外研究机构已展开对光伏电站在线故障诊断系统的研究。现如今，一些逆变器生产商在产品中增加了阵列 IV 曲线扫描功能，这给进一步增加故障识别类型以及提高故障诊断精度提供了机遇。本研究提出一种基于阵列 IV 曲线扫描的光伏阵列故障诊断系统，其建立在具有 IV 扫描功能的光伏逆变器的基础上，并将故障诊断过程分为四大步骤，分别为数学模型的参数整定与建立，故障预判断，故障识别以及故障评估，通过本研究技术方案的实施，可较为准确地判断出阵列阴影遮挡、旁路二极管短路、阵列开路、老化、逆变器 MPPT 跟踪异常等故障，并能够对故障做出较为准确的评估，从而给电站的运维提供了较为重要的信息。 1 故障诊断系统图 1 为本研究故障诊断系统结构图，包含多组阵列，每个阵列由一个并网逆变器控制，且逆变器具有 IV 特性曲线扫描功能，下位机监控平台可通过 485 通讯接口控制逆变器进行 IV 曲线扫描并获取 IV 曲线电流电压数据以及阵列工作时的电流电压数据，此外监控平台也可通过传感器信号处理装置获取组件共面辐照度和背板温度，用此作为阵列数学模型的输入参量。图 1 故障诊断系统结构 2 故障诊断方法图 2 为本研究故障诊断方法流程，故障诊断系统启动后首先对各阵列进行数学模型的参数整定与建立，其目的是建立一个较为准确的阵列输出模型，使得在任意环境参数下的模型输出能与无故障状态下阵列实测输出相近（包含 IV 曲线和工作点），从而为故障预判断与故障识别提供参考；当模型建立后，进入在线故障预判断流程，对故障阵列进行预警；当某阵列出现故障预警后，则对该阵列进行故障识别，其通过扫描阵列 IV 特性曲线，并提取其特征量以及模型输出特征量，最后根据特征量的逻辑判断出故障类型；当识别出故障类型后，假若故障评估功能开启，则可对故障的程度进行评估。 I. 阵列数学模型的参数整定与建立阵列模型是否建立 I. 在线故障预判断开始是否故障预警 II. 对故障串进行基于 IV曲线扫描的故障类型识别故障评估功能开启 IV. 对故障阵列进行故障评估结束 N N N Y YY 图 2 故障诊断方法流程 2.1 阵列数学模型的参数整定与建立本研究阵列数学模型采用式1所示的基于单二极管模型的 IV 特性方程 [2] 1[exp1]sshschqVRIIIINAkT 式中，V 为输出电压，I 为输出电流，I ph为光生电流， Is为反向饱和电流，q 为电子电荷 1.60210-19 C， A 为理想因子，K 为波尔兹曼常数 1.3810-23 J/K， T 为电池温度，R s为阵列等效串联电阻，R sh为阵列等效并联电阻，N cs和 Ns分别为组件电池个数以及阵列串联组件数，另外设 Nd为组件中旁路二极管个数。由于参数 A、R s、R sh会随辐照度和温度的变化而变化 [3]，因此本研究将三者作为模型优化参数 θA,Rs,RshT，通过粒子群优化算法对不同环境参数下的阵列实测 IV 曲线进行参数提取，构建模型参数表，具体步骤如图 3 所示。最终可根据实测辐照度 S 和温度 T，查找模型参数表中最为接近的参数作为当前模型的估计参数，并根据式1 计算阵列的参考 IV 特性曲线 CurvefS,T, θ，从而建立了一个可自适应环境参数的阵列数学模型。开始输入组件 STC下铭牌参数以及阵列配置参数，并计算 STC下模型优化参数采集无故障状态下不同环境参数下 n条阵列 IV特性曲线采用粒子群优化算法对模型参数进行整定，并建立模型参数表建立光伏阵列优化数学模型结束 IV曲线预处理0θTable,θS,urvefS 图 3 阵列数学模型的参数整定与建立流程图 2.2 故障预判断图 4 为故障预判断流程图，其意义是避免因频繁 IV 扫描带来的功率损失，且可一定程度上降低故障误判率，只有阵列功率损失达到一定阈值时才判断其存在故障，并且为进一步提高阵列模型输出精度，需进行环境参数稳定性判断，其原因是当辐照度或环境温度波动较为严重时，光伏组件输出不一定能达到稳态，并且逆变器跟踪最大功率点也具有一定的延时，从而使得某时刻环境参数下阵列并不是工作在最大功率点，仍处于调整状态；环境稳定性的判断方法为计算环境参数在一定时间内的样本方差，当方差在一定范围内，可认为环境参数稳定，并计算各阵列实测功率与模型功率偏差与各阵列与电站中功率最大ae 阵列的偏差，当偏差大于预定阈值时记录阵列的s 一次异常，当异常连续出现超过 3 次则对该阵列进行故障预警。计算各阵列功率与模型输出功率的偏差以及各阵列与电站中功率最大阵列的功率偏差当前环境参数是否稳定开始或 Y 故障预警，并输出故障阵列标号 iseE Y获取环境参数、各阵列输出功率异常连续出现次数 3 结束标记为一次异常，并记录异常连续出现次数 iaN N iai 图 4 故障预判断流程 2.3 故障识别图 5 为故障识别流程图，当某阵列故障预警后，上位机监控平台控制逆变器对阵列进行 IV 曲线扫描，并获取预处理后 IV 曲线的各类特征量，包括短路点电流 Isc，开路点电压 Voc，电流关于电压的二阶导最大值 Dmax，电流关于电压的二阶导最小值 Dmin，开路电压点电流关于电压的一阶导数值 Ks，短路电流点电流关于电压的一阶导数值 Ksh，工作点功率与开路电压与短路电流乘积比值 FF。同时也获取与之对应的模型曲线特征量，包括，AocV ，，（填充因子）。一般情况下，阵列出AsKhAF 现开路时，阵列工电流电压均为 0；如图 6 所示，阵列中出现阴影遮挡时，其 IV 曲线会出现台阶，且台阶点处电流对于电压的二阶导数值最大，膝点处的二阶导值最小；当出现旁路二极管短路是，阵列 IV 曲线的开路点电压会减小；当出现老化故障时，一般表现为阵列等效串联电阻增大，及 Ks 增大，或等效并联电阻减小，及 Ksh 减小 [4]；当出现逆变器 MPPT 跟踪异常时，阵列工作点会左右移动，从而导致功率损失。综上，可根据如图 5 所示的逻辑判断语句对故障进行分类，对于无法判断出来的故障，则认为是功率异常损失。开始扫描故障阵列并获取其 IV特性曲线 IV曲线预处理提取实测特征量故障是否预警 Y 开路故障TypeF01Y 阴影遮挡故障TypeF02Y N 二极管短路故障 TypeF03 N Y N 老化故障TypeF04YN MPT跟踪异常TypeF05 Y N 功率异常损失TypeF06结束N 提取模型输出特征量 maxin1orDA0.9FAocsdV0dIV1.2r.shK 图 5 故障识别流程图图 6 阴影遮挡判断依据 2.4 故障评估当获取故障类型后，可对故障程度进行评估。对于阴影遮挡（假设只出现一个阴影遮挡区域，且该区域覆盖到的电池片都完整，及不存在电池片被局部遮挡的情况），其程度由两个参量来描述，分别为该阴影区域所对应的等效透光率，被阴影区域覆 盖到的子串的个数（子串为光伏组件中一个旁路sbN 二极管下的一串电池片）。估算方法如下设实测 IV 曲线中电流关于电压的二阶导最大值 Dmax 处所对应的电流电压值分别为和，则。maxDIaxVmaxscI 的估算方法如下通过求解方程组2求得sbN 的数值解并对其取整。 2 AAmaxaxmaxax [ep1]DsDshs hcelbcdschssqVRIVRIINkTNR 对于旁路二极管短路故障，则估算旁路二极管短路个数，其估算公式为。dsNA1ocdsdsVNN 对于老化故障，其程度由两个量来描述，分别为用于体现等效串联电阻增大的量以及用于体现等sH 效并联电阻减小的量，其计算方法分别为sh 以及，接近零代表正常，A1sKHA1sshK 接近 1 代表电站老化非常严重，两者一般都小于 1。对于逆变器 MPPT 跟踪异常，则对跟踪偏差进行估算，其由两个量来描述，分别为跟踪偏移方向 Dir 以及功率损失，当工作点工作在实测 IV 曲线P 最大功率点的左边时 Dir 为-1，右边则为 1。为最P 大功率点功率与工作点功率的差。对于无法判断出来的功率异常损失，则计算功率损失。P 3 实验验证本研究的电站包含 2 个 122 的光伏阵列，其组件型号为 TMS-PC05（3 个旁路二极管， 60 片电池），功率为 240W，组件以竖装形式排列。本研究在 6 月 11 号到 13 对电站数学模型进行参数整定，并在 6 月 18 号的不同时间段对电站模拟了故障实验，表 1 为模拟故障时间段分布。其中遮挡 1 指 65 块电池片被 25透光率的耐力板遮挡，遮挡 2 指 125 块电池片被 50透光率的耐力板遮挡，短路故障指 2 块组件被短接相当于 6 个旁路二极管短路，老化故障 1 指阵列串联一个阻值为 10 欧姆的电阻，老化故障 2 指 5 个组件并联 50 欧姆的电阻。表 1 模拟故障时间段分布 900-930 1000-1030 1100-1130 1200-12306/18 阵列 1 遮挡 1 阵列 2 遮挡 2 阵列 1 短路故障阵列 2 开路 1400-1430 1500-1530 阵列 1 老化故障 1 阵列 2 老化故障 2 图 7 为故障预判断结果图，其中上图为阵列的实测输出功率；中图为环境参数稳定性判断，1 代表当前环境参数稳定，可用于故障预判断；下图为故障预判断结果图，0 代表无故障，1 代表阵列 1 出现故障， 2 代表阵列 2 出现故障，在环境参数稳定的情况下，该实验故障预判断准确度为 98.2。图 7 故障预判断实验图故障预判断结束后，对相应的阵列实施故障识别和故障评估，图 8 显示了实验中故障除阵列开路故障出现时其中的某些实测 IV 曲线，此外还显示了滤波后的曲线，模型输出的参考曲线，实测曲线一阶导数以及实测曲线二阶导数，通过 2.3 节所述故障判断判断方法可准确判断出实验中出现的故障类型。 a 遮挡 1 b 遮挡 2 c 短路故障 d 老化 1 e 老化 2 图 8 实测 IV曲线以及其处理结果根据 2.4 节的故障评估方法，本研究为图 8 中各故障的进行了故障评估，评估结果如表 2 所示，由此可见，遮挡故障与短路故障的评估结果都较准确得体现了预先的故障设置，老化故障评估结果也能体现出串并联电阻老化的趋势。表 2 故障评估结果表sbNdsHsh 遮挡 1 0.268 3 - - - 遮挡 2 0.509 6 - - - 短路 - - 6 - - 老化 1 - - - 0.238 0.012 老化 2 - - - 0.03 0.084 综上，本研究可较为准确地诊断出阵列阴影遮挡、旁路二极管短路、阵列开路、老化、逆变器 MPPT 跟踪异常等故障，并能够对故障做出较为准确的评估，从而给电站的运维提供了较为重要的信息。参考文献 [1] 丁坤，冯莉，王祥，等．小型光伏系统故障诊断方法研究 [J]．电网与清洁能源，2015，31574-78． [2] 丁坤，张经炜，翟泉新，等．基于 S-Function Builder 的光伏阵列仿真模型[J]．电网与清洁能源， 2014566-69． [3] Chen Z，Wu L，Cheng S，et al．Intelligent fault diagnosis of photovoltaic arrays based on optimized kernel extreme learning machine and I-V characteristics[J]．Applied Energy，2017 ，204 912-931． [4] 王元章，李智华，吴春华．一种四参数的光伏组件在线故障诊断方法[J]．中国电机工程学报，2014 ，34132078- 2087．作者简介李元良，1993，男，硕士研究生，研究方向为光伏系统故障诊断与智能运维，E-mail yuanliang.lioutlook.com ；丁坤（通讯作者），1975，男，教授，博士生导师，研究方向为光伏系统等，E-mail dingkhhu.edu.cn；陈富东，1993，男，硕士研究生，研究方向为光伏系统故障诊断与健康状态，E-mail Jason_Chen24outlook.com 。基金项目国家自然科学基金项目No. 51777059，江苏省“六大人才高峰”项目No. GDZB-006。