CN109298228A - 一种基于光伏组串电流异常的智能化诊断方法及*** - Google Patents
一种基于光伏组串电流异常的智能化诊断方法及*** Download PDFInfo
- Publication number
- CN109298228A CN109298228A CN201811067017.3A CN201811067017A CN109298228A CN 109298228 A CN109298228 A CN 109298228A CN 201811067017 A CN201811067017 A CN 201811067017A CN 109298228 A CN109298228 A CN 109298228A
- Authority
- CN
- China
- Prior art keywords
- electric current
- group string
- current
- string electric
- mad
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 25
- 238000003745 diagnosis Methods 0.000 title claims abstract description 22
- 230000002159 abnormal effect Effects 0.000 claims abstract description 46
- 238000009472 formulation Methods 0.000 claims abstract description 7
- 239000000203 mixture Substances 0.000 claims abstract description 7
- 238000012544 monitoring process Methods 0.000 abstract description 22
- 230000008569 process Effects 0.000 abstract description 9
- 230000005540 biological transmission Effects 0.000 abstract description 6
- 238000001514 detection method Methods 0.000 abstract description 4
- 230000008859 change Effects 0.000 description 3
- 238000002405 diagnostic procedure Methods 0.000 description 3
- 208000032368 Device malfunction Diseases 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000007598 dipping method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000013024 troubleshooting Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R19/00—Arrangements for measuring currents or voltages or for indicating presence or sign thereof
- G01R19/165—Indicating that current or voltage is either above or below a predetermined value or within or outside a predetermined range of values
- G01R19/16528—Indicating that current or voltage is either above or below a predetermined value or within or outside a predetermined range of values using digital techniques or performing arithmetic operations
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02S—GENERATION OF ELECTRIC POWER BY CONVERSION OF INFRARED RADIATION, VISIBLE LIGHT OR ULTRAVIOLET LIGHT, e.g. USING PHOTOVOLTAIC [PV] MODULES
- H02S50/00—Monitoring or testing of PV systems, e.g. load balancing or fault identification
- H02S50/10—Testing of PV devices, e.g. of PV modules or single PV cells
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/50—Photovoltaic [PV] energy
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Photovoltaic Devices (AREA)
Abstract
本发明公开了一种基于光伏组串电流异常的智能化诊断方法：S1、获取目标设备的额定功率X和实时功率P，并基于额定功率X和实时功率P计算出偏差值MAD；S2、分别获取组串电流I1、I2、I3，以及，组串电流最大值Iupper；S3、根据偏差值MAD的范围以及组串电流I1、I2、I3与组串电流最大值Iupper的比较结果判断组串电流I1、I2、I3是否异常；S4、基于步骤S3的判断结果制定组串电流诊断结果。本发明采集过程简单易操作，实现了对数量庞大的光伏组件在运行过程中的参数的监测，为其故障检测和定位提供了可行性基础；最后将目标设备的不同监测结果逐级上报，不仅保证了数据传输的简单可靠性，而且提高了数据传输效率，大大又花了误报率和漏报率。
Description
技术领域
本发明涉及光伏发电软件技术领域，尤其涉及一种基于光伏组串电流异常的智能化诊断方法及***。
背景技术
经过十余年的快速发展，我国光伏产业已进入规模化发展阶段。截光伏发电***的运行水平是影响***效益的核心要素，它将直接影响光伏发电***的运行维护成本、发电效率，以及发电可靠性，如何保障***高水平运行是各方共同关心的问题。然而如此庞大规模的光伏发电***，设备数量巨大，当某个设备发生故障时，对所有设备都逐一检查，工作量非常巨大。以一个5万千瓦的光伏电站为例，逆变器有100多台、汇流箱800多台、电池组件超过19万块，还有数量众多的直流汇流支路，加之当前光伏发电***分布要么地理位置偏远、交通不便，要么建设在建筑屋顶，设备巡检和管理非常困难。
目前也有针对光伏发电***的数据采集和监控***，但其存在的问题有：1)监控数据不可采、不可信。没有组串监控或只有简单的组串数据采集，监控测量精度不高、测量数据不准确；2)监控数据上报困难。监控数据通过RS-485总线上传，传输速率低、通信故障多、误告警和漏报情况严重；3)故障定位困难。光伏组件及节点数量巨大，缺乏有效的故障定位手段，故障检测主要靠人工巡检、通过万用表手工测量比对，故障处理周期长、影响发电产出，维护效率低、投入人力大；4)***管理缺乏数字化手段。监控信息简单采集与呈现，大量数据报表通过Excel手工处理，数据综合分析能力差，发电经营分析及改进缺乏量化手段，无法实现多***统一管理。可见，有必要对现有的光伏发电***组串电流异常诊断方法作改进。
发明内容
基于背景技术存在的技术问题，本发明提出了一种基于光伏组串电流异常的智能化诊断方法及***。
本发明提出的基于光伏组串电流异常的智能化诊断方法，包括以下步骤：
S1、获取目标设备的额定功率X和实时功率P，并基于额定功率X和实时功率P计算出偏差值MAD；
S2、分别获取组串电流I1、I2、I3，以及，组串电流最大值Iupper；
S3、根据偏差值MAD的范围以及组串电流I1、I2、I3与组串电流最大值Iupper的比较结果判断组串电流I1、I2、I3是否异常；
S4、基于步骤S3的判断结果制定组串电流诊断结果。
优选地，步骤S1具体包括：
获取目标设备的额定功率X和实时功率P；
根据下述公式计算出偏差值MAD，所述公式为：
MAD＝P/X。
优选地，步骤S3具体包括：
获取偏差值MAD，并将偏差值MAD与预设偏差M1、M2、M3、M4、M5进行比较：
当M4≤MAD<M5时，进一步判断组串电流I1、I2、I3与组串电流最大值Iupper的大小关系：
若In≤aIupper，判定组串电流In异常，若In>aIupper，判定组串电流In正常；
当M3≤MAD<M4时，进一步判断组串电流I1、I2、I3与组串电流最大值Iupper的大小关系：
若In≤bIupper，判定组串电流In异常，若In>bIupper，判定组串电流In正常；
当M2≤MAD<M3时，进一步判断组串电流I1、I2、I3与组串电流最大值Iupper的大小关系：
若In≤cIupper，判定组串电流In异常，若In>cIupper，判定组串电流In正常；
当M1≤MAD<M2时，进一步判断组串电流I1、I2、I3与组串电流最大值Iupper的大小关系：
若In≤dIupper，判定组串电流In异常，若In>dIupper，判定组串电流In正常；
当MAD<M1时，不进行下一步判断；
其中，M1＝0.3，M2＝0.4，M3＝0.6，M4＝0.8、M5＝1，a、b、c、d均为预设值，a＝0.9，b＝0.8，c＝0.7，d＝0.6，n＝{1,2,3}。
优选地，步骤S4具体包括：
若组串电流In异常，计算组串电流In的离散值，并判断所述离散值是否小于阈值，若是，将组串电流In判定为正常值，若否，将组串电流In判定为异常值，并定位该组串电流的位置且上报；
若组串电流In正常，将组串电流In判定为正常值。
本发明提出的基于光伏组串电流异常的智能化诊断***，包括：
偏差计算模块，用于获取目标设备的额定功率X和实时功率P，并基于额定功率X和实时功率P计算出偏差值MAD；
信息获取模块，用于分别获取组串电流I1、I2、I3，以及，组串电流最大值Iupper；
异常判断模块，用于根据偏差值MAD的范围以及组串电流I1、I2、I3与组串电流最大值Iupper的比较结果判断组串电流I1、I2、I3是否异常；
电流诊断模块，用于基于异常判断模块的判断结果制定组串电流诊断结果。
优选地，所述偏差计算模块具体用于：
获取目标设备的额定功率X和实时功率P；
根据下述公式计算出偏差值MAD，所述公式为：
MAD＝P/X。
优选地，所述异常判断模块具体用于：
获取偏差值MAD，并将偏差值MAD与预设偏差M1、M2、M3、M4、M5进行比较：
当M4≤MAD<M5时，进一步判断组串电流I1、I2、I3与组串电流最大值Iupper的大小关系：
若In≤aIupper，判定组串电流In异常，若In>aIupper，判定组串电流In正常；
当M3≤MAD<M4时，进一步判断组串电流I1、I2、I3与组串电流最大值Iupper的大小关系：
若In≤bIupper，判定组串电流In异常，若In>bIupper，判定组串电流In正常；
当M2≤MAD<M3时，进一步判断组串电流I1、I2、I3与组串电流最大值Iupper的大小关系：
若In≤cIupper，判定组串电流In异常，若In>cIupper，判定组串电流In正常；
当M1≤MAD<M2时，进一步判断组串电流I1、I2、I3与组串电流最大值Iupper的大小关系：
若In≤dIupper，判定组串电流In异常，若In>dIupper，判定组串电流In正常；
当MAD<M1时，不进行下一步判断；
其中，M1＝0.3，M2＝0.4，M3＝0.6，M4＝0.8、M5＝1，a、b、c、d均为预设值，a＝0.9，b＝0.8，c＝0.7，d＝0.6，n＝{1,2,3}。
优选地，所述电流诊断模块具体用于：
若组串电流In异常，计算组串电流In的离散值，并判断所述离散值是否小于阈值，若是，将组串电流In判定为正常值，若否，将组串电流In判定为异常值，并定位该组串电流的位置且上报；
若组串电流In正常，将组串电流In判定为正常值。
本发明提出的基于光伏组串电流异常的智能化诊断方法，首先对目标设备在运行过程中的不同参数进行采集，此采集过程简单易操作，实现了对数量庞大的光伏组件在运行过程中的参数的监测，为其故障检测和定位提供了可行性基础；然后根据目标设备在光伏发电***内的不同类型来对目标设备进行针对性的分级监测和定位，提高了数据采集过程和监测结果的有效性，实现了对目标设备故障监测的快速和准确的定位；最后将目标设备的不同监测结果逐级上报，不仅保证了数据传输的简单可靠性，而且提高了数据传输效率，大大又花了误报率和漏报率。
附图说明
图1为一种基于光伏组串电流异常的智能化诊断方法的步骤示意图；
图2为一种基于光伏组串电流异常的智能化诊断***的结构示意图；
图3为一种基于光伏组串电流异常的智能化诊断方法及***的实施例的步骤流程图。
具体实施方式
如图1-3所示，图1-3为本发明提出的一种基于光伏组串电流异常的智能化诊断方法及***。
参照图1，本发明提出的基于光伏组串电流异常的智能化诊断方法，包括以下步骤：
S1、获取目标设备的额定功率X和实时功率P，并基于额定功率X和实时功率P计算出偏差值MAD；
其中，根据下述公式计算出偏差值MAD，所述公式为：
MAD＝P/X。
S2、分别获取组串电流I1、I2、I3，以及，组串电流最大值Iupper；
S3、根据偏差值MAD的范围以及组串电流I1、I2、I3与组串电流最大值Iupper的比较结果判断组串电流I1、I2、I3是否异常；
本实施方式中，步骤S3具体包括：
获取偏差值MAD，并将偏差值MAD与预设偏差M1、M2、M3、M4、M5进行比较：
当M4≤MAD<M5时，进一步判断组串电流I1、I2、I3与组串电流最大值Iupper的大小关系：
若In≤aIupper，判定组串电流In异常，若In>aIupper，判定组串电流In正常；
当M3≤MAD<M4时，进一步判断组串电流I1、I2、I3与组串电流最大值Iupper的大小关系：
若In≤bIupper，判定组串电流In异常，若In>bIupper，判定组串电流In正常；
当M2≤MAD<M3时，进一步判断组串电流I1、I2、I3与组串电流最大值Iupper的大小关系：
若In≤cIupper，判定组串电流In异常，若In>cIupper，判定组串电流In正常；
当M1≤MAD<M2时，进一步判断组串电流I1、I2、I3与组串电流最大值Iupper的大小关系：
若In≤dIupper，判定组串电流In异常，若In>dIupper，判定组串电流In正常；
当MAD<M1时，不进行下一步判断；
其中，M1＝0.3，M2＝0.4，M3＝0.6，M4＝0.8、M5＝1，a、b、c、d均为预设值，a＝0.9，b＝0.8，c＝0.7，d＝0.6，n＝{1,2,3}。
S4、基于步骤S3的判断结果制定组串电流诊断结果。
本实施方式中，步骤S4具体包括：
若组串电流In异常，计算组串电流In的离散值，并判断所述离散值是否小于阈值，若是，将组串电流In判定为正常值，若否，将组串电流In判定为异常值，并定位该组串电流的位置且上报；
若组串电流In正常，将组串电流In判定为正常值。
参照图2，图2为本发明提出的基于光伏组串电流异常的智能化诊断***，包括：
偏差计算模块，用于获取目标设备的额定功率X和实时功率P，并基于额定功率X和实时功率P计算出偏差值MAD；
其中，根据下述公式计算出偏差值MAD，所述公式为：
MAD＝P/X。
信息获取模块，用于分别获取组串电流I1、I2、I3，以及，组串电流最大值Iupper；
异常判断模块，用于根据偏差值MAD的范围以及组串电流I1、I2、I3与组串电流最大值Iupper的比较结果判断组串电流I1、I2、I3是否异常；
本实施方式中，所述异常判断模块具体用于：
获取偏差值MAD，并将偏差值MAD与预设偏差M1、M2、M3、M4、M5进行比较：
当M4≤MAD<M5时，进一步判断组串电流I1、I2、I3与组串电流最大值Iupper的大小关系：
若In≤aIupper，判定组串电流In异常，若In>aIupper，判定组串电流In正常；
当M3≤MAD<M4时，进一步判断组串电流I1、I2、I3与组串电流最大值Iupper的大小关系：
若In≤bIupper，判定组串电流In异常，若In>bIupper，判定组串电流In正常；
当M2≤MAD<M3时，进一步判断组串电流I1、I2、I3与组串电流最大值Iupper的大小关系：
若In≤cIupper，判定组串电流In异常，若In>cIupper，判定组串电流In正常；
当M1≤MAD<M2时，进一步判断组串电流I1、I2、I3与组串电流最大值Iupper的大小关系：
若In≤dIupper，判定组串电流In异常，若In>dIupper，判定组串电流In正常；
当MAD<M1时，不进行下一步判断；
其中，M1＝0.3，M2＝0.4，M3＝0.6，M4＝0.8、M5＝1，a、b、c、d均为预设值，a＝0.9，b＝0.8，c＝0.7，d＝0.6，n＝{1,2,3}。
电流诊断模块，用于基于异常判断模块的判断结果制定组串电流诊断结果。
本实施方式中，所述电流诊断模块具体用于：
若组串电流In异常，计算组串电流In的离散值，并判断所述离散值是否小于阈值，若是，将组串电流In判定为正常值，若否，将组串电流In判定为异常值，并定位该组串电流的位置且上报；
若组串电流In正常，将组串电流In判定为正常值。
为更清楚地阐述本实施方式的工作流程，下面结合图3作进一步说明：
在每块光伏组件上设置一个组件监测模块，在各个汇流箱上设置一个汇流箱监测模块，对每个光伏组件、每路光伏组串的电压、电流和功率进行检测，并由多个监测模块组织为网络，并配合环境监测仪、光伏监测终端，使监测与采集到的光伏发电***各设备的数据和其他参考数据可沿网络节点逐步上传至上位机，由此对光伏发电***的运行状态进行综合分析，实现异常电流诊断的功能。
本实施方式提出的基于光伏组串电流异常的智能化诊断方法，首先对目标设备在运行过程中的不同参数进行采集，此采集过程简单易操作，实现了对数量庞大的光伏组件在运行过程中的参数的监测，为其故障检测和定位提供了可行性基础；然后根据目标设备在光伏发电***内的不同类型来对目标设备进行针对性的分级监测和定位，提高了数据采集过程和监测结果的有效性，实现了对目标设备故障监测的快速和准确的定位；最后将目标设备的不同监测结果逐级上报，不仅保证了数据传输的简单可靠性，而且提高了数据传输效率，大大又花了误报率和漏报率。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。
Claims (8)
1.一种基于光伏组串电流异常的智能化诊断方法，其特征在于，包括以下步骤：
S1、获取目标设备的额定功率X和实时功率P，并基于额定功率X和实时功率P计算出偏差值MAD；
S2、分别获取组串电流I1、I2、I3，以及，组串电流最大值Iupper；
S3、根据偏差值MAD的范围以及组串电流I1、I2、I3与组串电流最大值Iupper的比较结果判断组串电流I1、I2、I3是否异常；
S4、基于步骤S3的判断结果制定组串电流诊断结果。
2.根据权利要求1所述的基于光伏组串电流异常的智能化诊断方法，其特征在于，步骤S1具体包括：
获取目标设备的额定功率X和实时功率P；
根据下述公式计算出偏差值MAD，所述公式为：
MAD＝P/X。
3.根据权利要求1所述的基于光伏组串电流异常的智能化诊断方法，其特征在于，步骤S3具体包括：
获取偏差值MAD，并将偏差值MAD与预设偏差M1、M2、M3、M4、M5进行比较：
当M4≤MAD<M5时，进一步判断组串电流I1、I2、I3与组串电流最大值Iupper的大小关系：
若In≤aIupper，判定组串电流In异常，若In>aIupper，判定组串电流In正常；
当M3≤MAD<M4时，进一步判断组串电流I1、I2、I3与组串电流最大值Iupper的大小关系：
若In≤bIupper，判定组串电流In异常，若In>bIupper，判定组串电流In正常；
当M2≤MAD<M3时，进一步判断组串电流I1、I2、I3与组串电流最大值Iupper的大小关系：
若In≤cIupper，判定组串电流In异常，若In>cIupper，判定组串电流In正常；
当M1≤MAD<M2时，进一步判断组串电流I1、I2、I3与组串电流最大值Iupper的大小关系：
若In≤dIupper，判定组串电流In异常，若In>dIupper，判定组串电流In正常；
当MAD<M1时，不进行下一步判断；
其中，M1＝0.3，M2＝0.4，M3＝0.6，M4＝0.8、M5＝1，a、b、c、d均为预设值，a＝0.9，b＝0.8，c＝0.7，d＝0.6，n＝{1,2,3}。
4.根据权利要求3所述的基于光伏组串电流异常的智能化诊断方法，其特征在于，步骤S4具体包括：
若组串电流In异常，计算组串电流In的离散值，并判断所述离散值是否小于阈值，若是，将组串电流In判定为正常值，若否，将组串电流In判定为异常值，并定位该组串电流的位置且上报；
若组串电流In正常，将组串电流In判定为正常值。
5.一种基于光伏组串电流异常的智能化诊断***，其特征在于，包括：
偏差计算模块，用于获取目标设备的额定功率X和实时功率P，并基于额定功率X和实时功率P计算出偏差值MAD；
信息获取模块，用于分别获取组串电流I1、I2、I3，以及，组串电流最大值Iupper；
异常判断模块，用于根据偏差值MAD的范围以及组串电流I1、I2、I3与组串电流最大值Iupper的比较结果判断组串电流I1、I2、I3是否异常；
电流诊断模块，用于基于异常判断模块的判断结果制定组串电流诊断结果。
6.根据权利要求1所述的基于光伏组串电流异常的智能化诊断***，其特征在于，所述偏差计算模块具体用于：
获取目标设备的额定功率X和实时功率P；
根据下述公式计算出偏差值MAD，所述公式为：
MAD＝P/X。
7.根据权利要求1所述的基于光伏组串电流异常的智能化诊断***，其特征在于，所述异常判断模块具体用于：
获取偏差值MAD，并将偏差值MAD与预设偏差M1、M2、M3、M4、M5进行比较：
当M4≤MAD<M5时，进一步判断组串电流I1、I2、I3与组串电流最大值Iupper的大小关系：
若In≤aIupper，判定组串电流In异常，若In>aIupper，判定组串电流In正常；
当M3≤MAD<M4时，进一步判断组串电流I1、I2、I3与组串电流最大值Iupper的大小关系：
若In≤bIupper，判定组串电流In异常，若In>bIupper，判定组串电流In正常；
当M2≤MAD<M3时，进一步判断组串电流I1、I2、I3与组串电流最大值Iupper的大小关系：
若In≤cIupper，判定组串电流In异常，若In>cIupper，判定组串电流In正常；
当M1≤MAD<M2时，进一步判断组串电流I1、I2、I3与组串电流最大值Iupper的大小关系：
若In≤dIupper，判定组串电流In异常，若In>dIupper，判定组串电流In正常；
当MAD<M1时，不进行下一步判断；
其中，M1＝0.3，M2＝0.4，M3＝0.6，M4＝0.8、M5＝1，a、b、c、d均为预设值，a＝0.9，b＝0.8，c＝0.7，d＝0.6，n＝{1,2,3}。
8.根据权利要求7所述的基于光伏组串电流异常的智能化诊断***，其特征在于，所述电流诊断模块具体用于：
若组串电流In异常，计算组串电流In的离散值，并判断所述离散值是否小于阈值，若是，将组串电流In判定为正常值，若否，将组串电流In判定为异常值，并定位该组串电流的位置且上报；
若组串电流In正常，将组串电流In判定为正常值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811067017.3A CN109298228A (zh) | 2018-09-13 | 2018-09-13 | 一种基于光伏组串电流异常的智能化诊断方法及*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811067017.3A CN109298228A (zh) | 2018-09-13 | 2018-09-13 | 一种基于光伏组串电流异常的智能化诊断方法及*** |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109298228A true CN109298228A (zh) | 2019-02-01 |
Family
ID=65166905
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811067017.3A Pending CN109298228A (zh) | 2018-09-13 | 2018-09-13 | 一种基于光伏组串电流异常的智能化诊断方法及*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109298228A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110855241A (zh) * | 2019-12-04 | 2020-02-28 | 合肥阳光新能源科技有限公司 | 一种光伏***故障诊断方法及装置 |
| JP2021035098A (ja) * | 2019-08-20 | 2021-03-01 | 株式会社ミライト | 太陽電池ストリングの劣化検出方法、劣化検出システム及び劣化検出装置 |
| JP2021035323A (ja) * | 2020-02-17 | 2021-03-01 | 株式会社ミライト | 太陽電池ストリングの劣化検出方法、劣化検出システム及び劣化検出装置 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP2317329A2 (de) * | 2009-10-08 | 2011-05-04 | Adensis GmbH | Gleichstrommessstelle zum Auffinden defekter PV-Module in einer PV-Anlage |
| CN103687254A (zh) * | 2013-11-21 | 2014-03-26 | 上海申通地铁集团有限公司 | 节能灯的故障排查方法及*** |
| CN104796082A (zh) * | 2015-04-22 | 2015-07-22 | 中国科学院广州能源研究所 | 一种光伏发电***在线故障诊断***及方法 |
| CN105337575A (zh) * | 2015-11-17 | 2016-02-17 | 广州健新自动化科技有限公司 | 光伏电站状态预测及故障诊断方法和*** |
| CN105554494A (zh) * | 2015-12-09 | 2016-05-04 | 浙江省公众信息产业有限公司 | 雪点图像检测方法和装置以及视频质量检测装置和*** |
| CN106100580A (zh) * | 2016-08-05 | 2016-11-09 | 江阴海润太阳能电力有限公司 | 一种光伏电站设备故障实时监控的方法 |
| CN106803742A (zh) * | 2015-11-26 | 2017-06-06 | 中国电力科学研究院 | 一种用于光伏电站现场光伏组串一致性与效率的检测方法 |
| CN106961249A (zh) * | 2017-03-17 | 2017-07-18 | 广西大学 | 一种光伏阵列故障诊断和预警方法 |
| CN107949088A (zh) * | 2016-10-12 | 2018-04-20 | 佛山市顺德区美的电热电器制造有限公司 | 电磁加热***的功率控制方法和功率控制装置及电磁炉 |
| CN108055002A (zh) * | 2017-12-14 | 2018-05-18 | 艾思玛新能源技术（上海）有限公司苏州高新区分公司 | 一种光伏组串监测方法及*** |
-
2018
- 2018-09-13 CN CN201811067017.3A patent/CN109298228A/zh active Pending
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP2317329A2 (de) * | 2009-10-08 | 2011-05-04 | Adensis GmbH | Gleichstrommessstelle zum Auffinden defekter PV-Module in einer PV-Anlage |
| CN103687254A (zh) * | 2013-11-21 | 2014-03-26 | 上海申通地铁集团有限公司 | 节能灯的故障排查方法及*** |
| CN104796082A (zh) * | 2015-04-22 | 2015-07-22 | 中国科学院广州能源研究所 | 一种光伏发电***在线故障诊断***及方法 |
| CN105337575A (zh) * | 2015-11-17 | 2016-02-17 | 广州健新自动化科技有限公司 | 光伏电站状态预测及故障诊断方法和*** |
| CN106803742A (zh) * | 2015-11-26 | 2017-06-06 | 中国电力科学研究院 | 一种用于光伏电站现场光伏组串一致性与效率的检测方法 |
| CN105554494A (zh) * | 2015-12-09 | 2016-05-04 | 浙江省公众信息产业有限公司 | 雪点图像检测方法和装置以及视频质量检测装置和*** |
| CN106100580A (zh) * | 2016-08-05 | 2016-11-09 | 江阴海润太阳能电力有限公司 | 一种光伏电站设备故障实时监控的方法 |
| CN107949088A (zh) * | 2016-10-12 | 2018-04-20 | 佛山市顺德区美的电热电器制造有限公司 | 电磁加热***的功率控制方法和功率控制装置及电磁炉 |
| CN106961249A (zh) * | 2017-03-17 | 2017-07-18 | 广西大学 | 一种光伏阵列故障诊断和预警方法 |
| CN108055002A (zh) * | 2017-12-14 | 2018-05-18 | 艾思玛新能源技术（上海）有限公司苏州高新区分公司 | 一种光伏组串监测方法及*** |
Non-Patent Citations (1)
| Title |
|---|
| 李永军，等: "分布式并网光伏发电站***的应用", 《集成电路应用》 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2021035098A (ja) * | 2019-08-20 | 2021-03-01 | 株式会社ミライト | 太陽電池ストリングの劣化検出方法、劣化検出システム及び劣化検出装置 |
| CN110855241A (zh) * | 2019-12-04 | 2020-02-28 | 合肥阳光新能源科技有限公司 | 一种光伏***故障诊断方法及装置 |
| JP2021035323A (ja) * | 2020-02-17 | 2021-03-01 | 株式会社ミライト | 太陽電池ストリングの劣化検出方法、劣化検出システム及び劣化検出装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103454516B (zh) | 智能化变电站二次设备健康状态诊断方法 | |
| CN103852744A (zh) | 电能计量装置分布式在线监测***及其方法 | |
| CN104504607A (zh) | 一种基于模糊聚类算法的光伏电站故障诊断方法 | |
| CN109298228A (zh) | 一种基于光伏组串电流异常的智能化诊断方法及*** | |
| CN106385034A (zh) | 一种基于n‑1安全校核的电网动态分区计算方法 | |
| CN104459378B (zh) | 一种智能变电站故障诊断方法 | |
| CN103995172A (zh) | 变电站gis母线负荷电流在线监测方法 | |
| CN107526044A (zh) | 一种通信蓄电池遥测数据采集监控方法及*** | |
| CN102590652B (zh) | 基于电气信息的设备性能评价***及方法 | |
| CN104538957A (zh) | 用于统计低频低压切负荷容量的电网模型自适应处理方法 | |
| CN101499659A (zh) | 基于基尔霍夫电流定律的变电站分布式状态估计方法 | |
| CN102901868A (zh) | 一种对电能量采集***数据校核的方法 | |
| CN115395643A (zh) | 基于全数据采集和状态感知的低压配电网故障预警定位装置及*** | |
| CN103324845B (zh) | 一种基于不确定性推理的智能变电站开关状态估计方法 | |
| CN113256272A (zh) | 一种电力设备精细化评价*** | |
| CN108037387A (zh) | 基于聚类归集的设备故障分析方法及装置 | |
| Wang et al. | A linear integer programming model for fault diagnosis in active distribution systems with bi-directional fault monitoring devices installed | |
| CN113837423A (zh) | 基于能源互联网电力大数据的电网运行态势预测方法 | |
| CN111740698A (zh) | 一种光伏组件参数在线监测及故障诊断*** | |
| CN107611940A (zh) | 一种基于历史数据分析的配电网异常监测方法与*** | |
| CN105678456A (zh) | 一种电能计量装置运行状态自动评估方法及其*** | |
| CN115622055A (zh) | 一种能源***的故障识别恢复方法及*** | |
| CN115689532A (zh) | 一种电力***故障分析方法及其装置 | |
| CN115940409A (zh) | 一种安控***功能测试命令的全周期故障诊断方法及装置 | |
| CN206132904U (zh) | 新型10kv线路的智慧故障指示*** |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190201 |
|
| RJ01 | Rejection of invention patent application after publication |