CN112039438A - 一种光伏方阵串内的故障趋势精准定位方法及其*** - Google Patents

一种光伏方阵串内的故障趋势精准定位方法及其*** Download PDF

Info

Publication number
CN112039438A
CN112039438A CN202011045152.5A CN202011045152A CN112039438A CN 112039438 A CN112039438 A CN 112039438A CN 202011045152 A CN202011045152 A CN 202011045152A CN 112039438 A CN112039438 A CN 112039438A
Authority
CN
China
Prior art keywords
fault
photovoltaic
positioning
string
current
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.)
Granted
Application number
CN202011045152.5A
Other languages
English (en)
Other versions
CN112039438B (zh
Inventor
赵奇
黄学良
徐春雷
吕洋
陈中
田江
顾雅茹
俞瑜
赵慧
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Southeast University
State Grid Jiangsu Electric Power Co Ltd
Suzhou Power Supply Co of State Grid Jiangsu Electric Power Co Ltd
Original Assignee
Southeast University
State Grid Jiangsu Electric Power Co Ltd
Suzhou Power Supply Co of State Grid Jiangsu Electric Power Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Southeast University, State Grid Jiangsu Electric Power Co Ltd, Suzhou Power Supply Co of State Grid Jiangsu Electric Power Co Ltd filed Critical Southeast University
Priority to CN202011045152.5A priority Critical patent/CN112039438B/zh
Publication of CN112039438A publication Critical patent/CN112039438A/zh
Application granted granted Critical
Publication of CN112039438B publication Critical patent/CN112039438B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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

  • Photovoltaic Devices (AREA)

Abstract

本发明公开一种光伏方阵串内的故障趋势精准定位方法及其***，故障趋势精准定位方法包括以下步骤：实时监测光伏方阵中各个光伏串支路电流Ii，通过Ii计算各支路电流平均值
Figure DDA0002707745020000011
引入残差ri及预设阈值εTh；通过残差ri及预设阈值εTh的大小比对判断是否发生光伏发电***光伏方阵中发生光伏串内故障；如若发生故障，则检测算法是否已经存在光伏阵列故障自动检测及定位模型，如果存在则进入故障自动检测及定位算法转换模块，当系数残差Exsit为1，利用故障定位函数进行故障定位，输出故障定位信息。本发明故障趋势精准定位方法故障类型针对性强，调用物理量较少，针对光伏方阵内部光伏串之间的故障，对每串电流检测值，能够实时对串内故障进行检测，有效地防止故障规模扩大化。

Description

一种光伏方阵串内的故障趋势精准定位方法及其***
技术领域
本发明涉及故障定位领域，具体是一种光伏方阵串内的故障趋势精准定位 方法及其***。
背景技术
随着新能源大规模接入电网，新能源大规模发电中尤其光伏发电***逐渐 取代传统能源发电，其发电***的稳定性变得尤为重要，并且在故障发生后的 迅速反应，阻止故障变为连锁故障成为电网保护的关心重点，因此主动故障诊 断与快速定位逐渐成为学界研究重点。
目前，针对光伏发电***光伏方阵的故障检测及定位技术无法满足故障的 自动实时检测，故障的定位方法响应速度较慢，且无法与故障类型检测同时进 行。
发明内容
本发明的目的在于提供一种光伏方阵串内的故障趋势精准定位方法及其系 统，本发明故障趋势精准定位方法故障类型针对性强，调用物理量较少，实时 性较强：针对光伏方阵内部光伏串之间的故障，仅需要依赖每串电流检测值， 能够实时对串内故障进行检测，有效地防止故障规模扩大化；引入“残差”与 预设阈值的概念，优化故障检测算法效率：紧抓光伏方阵发电特征，每条支路 电流理论上相同，因此光伏方阵各支路电流平均值应与各支路实际电流相差不 大，定义差值为“残差”，大于预设阈值则表示为串内有故障发生；以此为故 障检测算法的主题，仅需比较一个物理量，大大提高算法检测故障效率；
适用光伏方阵不受方阵规模的限制，算法适用性较高：定位算法中包含算法转 换模块，可以从基本方阵入手，进行针对光伏方阵的光伏串或光伏组件数目变 化进行定位函数的转变，从而提高算法适用性。
本发明的目的可以通过以下技术方案实现：
一种光伏方阵串内的故障趋势精准定位方法，定位方法包括以下步骤：
S1：同步光伏方阵中各个光伏串电流Ii；
S2：计算各支路电流平均值
Figure BDA0002707743000000021
Figure BDA0002707743000000022
Figure BDA0002707743000000023
S3：残差计算支路电流Ii与总电流平均值
Figure BDA0002707743000000024
之间出现残差ri为故障发生的指 示信号；
S4：残差判断
残差ri大于阈值εTh，***发生光伏串内故障，***发出警告，并且跳到S5， 残差ri小于故障预设阈值εTh则跳回S1；
S5：判断算法***中是否已经存在光伏阵列故障自动检测及定位模型，即 检验系数残差Exsit是否为1，如果成立则跳至S7，否则将参数Exsit置1，跳转 至S6；
S6：利用故障定位函数进行故障定位，完成后跳转S11；
通过系数残差Exsit检测算法是否已经运行，即是否存在光伏阵列故障自动 检测及定位模型，如果存在则进入故障自动检测及定位算法转换模块，不存在 则将Exsit置1，进入故障定位模块；
S7：判断此时新输入的光伏方阵每一光伏串的光伏组件数目与***内已存 在的光伏方阵是否相同，不同则跳至S8，相同则跳至S10；
S8：判断此时新输入的光伏方阵光伏串数目与***内已存在的光伏方阵是 否相同，相同则跳至S9，不同则报错；
S9：更改原故障定位函数的斜率，更改故障定位函数中支路电流表达式， 通过Li＝f(G,Ii,m)进行故障定位函数更新；
S10：更改原故障定位函数的斜率,更改故障定位函数中支路电流表达式， 通过Li＝f(G,Ii,n)进行故障定位函数更新；
S11：输出故障定位信息。
进一步的，所述S2中Ia为总电流，Ii为支路电流，i为支路，n为支路的总 数。
进一步的，所述S3中通过故障预设阈值εTh确定残差ri的上限，当各支路残 差ri小于故障预设阈值εTh时，各支路电流接近相似，残差趋近于零，此时***内 没有故障光伏串；支路残差ri大于故障预设阈值εTh时，该支路电流不平衡，此时 ***内i支路发生故障；
Figure BDA0002707743000000031
进一步的，所述S5中算法***内没有光伏阵列故障自动检测及定位模型时， 直接进入故障定位模块；作为初始化光伏阵列故障自动检测及定位模型生成时， 通过公式Li＝f(G,Ii)替代公式Li＝f(G,Ii,m,n,T)；通过对目前较为常见的4×4、6 ×3和15×4光伏阵列进行各个光伏串的串内故障遍历，并对每个故障情况下的 Li-G-Ii进行记录后，通过分析大量数据得到近似精确的Li＝f(G,Ii)函数关系式；
Li＝f(G,Ii,m,n,T)
Li＝f(G,Ii)。
进一步的，所述Li为故障位置，G为辐照度，T为温度。
进一步的，所述S9中光伏组件数目改变时，电流的大小范围没有发生改变， 故障位置与支路电流之间的关系曲线斜率snew改变为公式
Figure BDA0002707743000000041
当关系 曲线斜率变更后，支路电流Ii(new)更改为公式
Figure BDA0002707743000000042
Li＝f(G,Ii,m)
Figure BDA0002707743000000043
Figure BDA0002707743000000044
进一步的，所述snew为变更后曲线斜率，sold为变更前曲线斜率，mnew为变更 后光伏组件数目，mold为变更前光伏组件数目，m为光伏组件数目。
进一步的，所述S10中光伏串数目改变时，电流的大小随其做线性变化， 因此这种情况下，故障位置与支路电流之间的关系曲线斜率snew改变为公式 snew＝nratio×nold×nnew；当关系曲线斜率变更后，支路电流Ii(new)更改为公式
Figure BDA0002707743000000045
进一步的，所述nratio表示变更前与变更后光伏串数目之比，nold和nnew表示变 更前与变更后的光伏串数目。
一种光伏方阵串内的故障趋势精准定位***，所述故障定位***包括数据 读取模块、数据预处理模块、残差判断模块、故障警示模块、故障自动检测及 定位模块和故障自动检测及定位算法转化模块，所述数据读取模块读取光伏方 阵中各个光伏串电流Ii；
所述数据预处理模块利用数据读取模块传输的各光伏串电流值，计算各支 路电流平均值
Figure BDA0002707743000000046
并且计算支路电流Ii与总电流平均值
Figure BDA0002707743000000047
之间的残差ri；
所述残差判断模块，利用数据预处理模块的输出进行残差比较，残差ri大于 阈值εTh，***发生光伏串内故障，调用故障警示模块，残差ri小于故障预设阈 值εTh则重新调用数据读取模块，按顺序执行数据预处理模块及残差判断模块；
所述故障警示模块，向用户端推送***报警信息，并且判断算法***中是 否已经存在光伏阵列故障自动检测及定位模型，根据判断结果调用故障自动检 测及定位模块或故障自动检测及定位算法转换模块；
所述故障自动检测及定位模块，利用故障定位函数进行故障定位，完成后 向客户端推送定位信息；
所述故障自动检测及定位算法转换模块运行在***内已存在光伏阵列故障 自动检测及定位模型，故障自动检测及定位算法转换模块对已存在的定位模型 进行参数更改，完成后向客户端推送定位信息。
本发明的有益效果：
1、本发明故障趋势精准定位方法故障类型针对性强，调用物理量较少，实 时性较强：针对光伏方阵内部光伏串之间的故障，仅需要依赖每串电流检测值， 能够实时对串内故障进行检测，有效地防止故障规模扩大化；
2、本发明故障趋势精准定位方法引入“残差”与预设阈值的概念，优化故 障检测算法效率：紧抓光伏方阵发电特征，每条支路电流理论上相同，因此光 伏方阵各支路电流平均值应与各支路实际电流相差不大，定义差值为“残差”， 大于预设阈值则表示为串内有故障发生；以此为故障检测算法的主题，仅需比 较一个物理量，大大提高算法检测故障效率；
3、本发明故障趋势精准定位方法适用光伏方阵不受方阵规模的限制，算法 适用性较高：定位算法中包含算法转换模块，可以从基本方阵入手，进行针对 光伏方阵的光伏串或光伏组件数目变化进行定位函数的转变，从而提高算法适 用性。
附图说明
下面结合附图对本发明作进一步的说明。
图1是本发明定位方法流程图；
图2是本发明定位***模块示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清 楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是 全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造 性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
一种光伏方阵串内的故障趋势精准定位***，所述故障定位***包括数据 读取模块、数据预处理模块、残差判断模块、故障警示模块、故障自动检测及 定位模块和故障自动检测及定位算法转化模块，所述数据读取模块读取光伏方 阵中各个光伏串电流Ii；
所述数据预处理模块利用数据读取模块传输的各光伏串电流值，计算各支 路电流平均值
Figure BDA0002707743000000061
并且计算支路电流Ii与总电流平均值
Figure BDA0002707743000000062
之间的残差ri；
所述残差判断模块，利用数据预处理模块的输出进行残差比较，残差ri大于 阈值εTh，***发生光伏串内故障，调用故障警示模块，残差ri小于故障预设阈 值εTh则重新调用数据读取模块，按顺序执行数据预处理模块及残差判断模块；
所述故障警示模块，向用户端推送***报警信息，并且判断算法***中是 否已经存在光伏阵列故障自动检测及定位模型，根据判断结果调用故障自动检 测及定位模块或故障自动检测及定位算法转换模块；
所述故障自动检测及定位模块，利用故障定位函数进行故障定位，完成后 向客户端推送定位信息；
所述故障自动检测及定位算法转换模块运行在***内已存在光伏阵列故障 自动检测及定位模型，故障自动检测及定位算法转换模块对已存在的定位模型 进行参数更改，完成后向客户端推送定位信息。
一种光伏方阵串内的故障趋势精准定位方法，故障趋势精准定位方法包括 以下步骤：
S1：同步光伏方阵中各个光伏串电流Ii；
S2：计算各支路电流平均值
Figure BDA0002707743000000071
Figure BDA0002707743000000072
Figure BDA0002707743000000073
式中：Ia为总电流，
Figure BDA0002707743000000074
为总电流平均值，Ii为支路电流，i为支路，n为支 路的总数，ri为残差。
S3：残差计算支路电流Ii与总电流平均值
Figure BDA0002707743000000075
之间出现残差ri为故障发生的指 示信号；通过故障预设阈值εTh确定残差ri的上限，当各支路残差ri小于故障预设 阈值εTh时，各支路电流接近相似，残差趋近于零，此时***内没有故障光伏串； 支路残差ri大于故障预设阈值εTh时，该支路电流不平衡，此时***内i支路发生 故障。
Figure BDA0002707743000000076
S4：残差判断
残差ri大于阈值εTh，***发生光伏串内故障，***发出警告，并且跳到S5， 残差ri小于故障预设阈值εTh则跳回S1。
S5：判断算法***中是否已经存在光伏阵列故障自动检测及定位模型，即 检验系数残差Exsit是否为1，如果成立则跳至S7，否则将参数Exsit置1，跳转 至S6；
算法***内没有光伏阵列故障自动检测及定位模型时，直接进入故障定位 模块；作为初始化光伏阵列故障自动检测及定位模型生成时，由于光伏阵列大 小m×n一定，且环境温度T在一定范围内变化不大，默认以公式Li＝f(G,Ii)替代 公式Li＝f(G,Ii,m,n,T)；通过对目前较为常见的4×4、6×3和15×4光伏阵列进 行各个光伏串的串内故障遍历，并对每个故障情况下的Li-G-Ii进行记录后，通 过分析大量数据得到近似精确的Li＝f(G,Ii)函数关系式。
Li＝f(G,Ii,m,n,T)
Li＝f(G,Ii)
式中：Li为故障位置，G为辐照度，T为温度。
S6：利用故障定位函数进行故障定位，完成后跳转S11；
通过系数残差Exsit检测算法是否已经运行，即是否已经存在光伏阵列故障 自动检测及定位模型，如果存在则进入故障自动检测及定位算法转换模块，不 存在则将Exsit置1，进入故障定位模块。
S7：判断此时新输入的光伏方阵每一光伏串的光伏组件数目与***内已存 在的光伏方阵是否相同，不同则跳至S8，相同则跳至S10；
转入算法转换模块的情况分为两种，1)光伏串数目不变，光伏组件数目不 同；2)光伏串数目不同，光伏组件数目不变。
S8：判断此时新输入的光伏方阵光伏串数目与***内已存在的光伏方阵是 否相同，相同则跳至S9，不同则报错。
S9：利用公式
Figure BDA0002707743000000081
更改原故障定位函数的斜率，利用公式
Figure BDA0002707743000000091
更改故障定位函数中支路电流表达式，综合以上代入公式 Li＝f(G,Ii,m)进行故障定位函数更新；
当光伏组件数目改变时，电流的大小范围没有发生改变，因此这种情况下， 故障位置与支路电流之间的关系曲线斜率snew改变为公式
Figure BDA0002707743000000092
其中mold和mnew表示变更前与变更后的光伏组件数目；当关系曲线斜率变更后，支路电流 Ii(new)更改为公式
Figure BDA0002707743000000093
Li＝f(G,Ii,m)
Figure BDA0002707743000000094
Figure BDA0002707743000000095
式中：snew为变更后曲线斜率，sold为变更前曲线斜率，mnew为变更后光伏组件数目，mold为变更前光伏组件数目，m为光伏组件数目。
S10：利用公式snew＝nratio×nold×nnew更改原故障定位函数的斜率，利用公式
Figure BDA0002707743000000096
更改故障定位函数中支路电流表达式，综合以上代入公式 Li＝f(G,Ii,n)进行故障定位函数更新；
当光伏串数目改变时，电流的大小随其做线性变化，因此这种情况下，故 障位置与支路电流之间的关系曲线斜率snew改变为公式snew＝nratio×nold×nnew，其中 nratio表示变更前与变更后光伏串数目之比，nold和nnew表示变更前与变更后的光伏 串数目；当关系曲线斜率变更后，支路电流Ii(new)更改为公式
Figure BDA0002707743000000097
S11：输出故障定位信息。
实施例1
光伏方阵规模为4×4时，任意支路光伏方阵串内不同组件发生故障，故障 自动检测参数“残差”和故障位置定位算法仿真结果如表1所示；实际实验结 果如表2所示。
表1算法仿真结果
Figure BDA0002707743000000101
表2实际实验结果
Figure BDA0002707743000000102
实施例2
光伏方阵规模为6×3时，任意支路光伏方阵串内不同组件发生故障，故障 自动检测参数“残差”和故障位置定位最终检测结果如表3所示；实际实验结 果如表4所示。
表3算法仿真结果
Figure BDA0002707743000000103
Figure BDA0002707743000000111
表4实际实验结果
Figure BDA0002707743000000112
实施例3
算法中已存在光伏方阵规模为4×3，由其转换为6×3时，任意支路光伏方 阵串内不同组件发生故障，故障自动检测参数“残差”和故障位置定位最终检 测结果如表5所示
表5最终检测结果
Figure BDA0002707743000000113
在实施例1中，光伏方阵含有四个光伏串，每个串有四个串联的光伏组件， 光伏串内线路故障是在不同的辐照度水平下产生的，且故障沿1号串的不同位 置产生。对于每个仿真故障场景，计算每个光伏串的残差，判断故障位置；实 际实验时，将电流传感器放在每个光伏串的末端，以分析线路故障对串电流大 小的影响；对于每个辐照度水平，沿串1产生故障，并测量相应的串电流；表2 的结果证实了所提出的方法能够准确地检测和定位串内线路故障；在估计故障 位置方面的性能尤其值得注意；所提出的方法能够在不同的辐照度水平下以高 精度估计位置。
实施例2中，在不同的辐照条件下，沿串1产生串内故障，并在仿真中测 量相应的串电流；辐照度水平只需上下移动特性而不改变特性的斜率。表3总 结了故障检测和定位结果，证实了该方法能够准确检测故障并根据故障模块号 进行定位；在6×3光伏阵列上进行了实验验证；为了进行评估，在字符串1中 从位置1到位置6的各个位置依次引入字符串内故障；故障检测和位置估计结 果见表4；结果表明，无论阵列结构如何，该方法都能成功地检测和定位故障； 此外，从表4中可以看出，随着实验故障位置的增加，估计故障位置的精度增 加。
实施例3中，在这种情况下，我们可以使用公式
Figure BDA0002707743000000121
得到表征电流 的线路相对于故障位置的斜率。通过将式
Figure BDA0002707743000000122
代入式Li＝f(G,Ii,m)中的， 可以得到新阵列大小的故障定位表达式。该方法在6×3阵列上进行了验证，结 果如表5所示；实验结果证实了该方法能够以合理的故障定位精度推广m个模 块；与实例2中呈现结果相似。
在本说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例” 等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含 于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表 述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或 者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业 的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中 描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明 还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。

Claims (10)

1.一种光伏方阵串内的故障趋势精准定位方法，其特征在于，定位方法包括以下步骤：
S1：同步光伏方阵中各个光伏串电流Ii；
S2：计算各支路电流平均值
Figure FDA0002707742990000011
Figure FDA0002707742990000012
Figure FDA0002707742990000013
S3：残差计算支路电流Ii与总电流平均值
Figure FDA0002707742990000014
之间出现残差ri为故障发生的指示信号；
S4：残差判断
残差ri大于阈值εTh，***发生光伏串内故障，***发出警告，并且跳到S5，残差ri小于故障预设阈值εTh则跳回S1；
S5：判断算法***中是否已经存在光伏阵列故障自动检测及定位模型，即检验系数残差Exsit是否为1，如果成立则跳至S7，否则将参数Exsit置1，跳转至S6；
S6：利用故障定位函数进行故障定位，完成后跳转S11；
通过系数残差Exsit检测算法是否已经运行，即是否存在光伏阵列故障自动检测及定位模型，如果存在则进入故障自动检测及定位算法转换模块，不存在则将Exsit置1，进入故障定位模块；
S7：判断此时新输入的光伏方阵每一光伏串的光伏组件数目与***内已存在的光伏方阵是否相同，不同则跳至S8，相同则跳至S10；
S8：判断此时新输入的光伏方阵光伏串数目与***内已存在的光伏方阵是否相同，相同则跳至S9，不同则报错；
S9：更改原故障定位函数的斜率，更改故障定位函数中支路电流表达式，通过Li＝f(G,Ii,m)进行故障定位函数更新；
S10：更改原故障定位函数的斜率,更改故障定位函数中支路电流表达式，通过Li＝f(G,Ii,n)进行故障定位函数更新；
S11：输出故障定位信息。
2.根据权利要求1所述的一种光伏方阵串内的故障趋势精准定位方法,其特征在于，所述S2中Ia为总电流，Ii为支路电流，i为支路，n为支路的总数。
3.根据权利要求2所述的一种光伏方阵串内的故障趋势精准定位方法,其特征在于，所述S3中通过故障预设阈值εTh确定残差ri的上限，当各支路残差ri小于故障预设阈值εTh时，各支路电流接近相似，残差趋近于零，此时***内没有故障光伏串；支路残差ri大于故障预设阈值εTh时，该支路电流不平衡，此时***内i支路发生故障；
Figure FDA0002707742990000021
4.根据权利要求3所述的一种光伏方阵串内的故障趋势精准定位方法,其特征在于，所述S5中算法***内没有光伏阵列故障自动检测及定位模型时，直接进入故障定位模块；作为初始化光伏阵列故障自动检测及定位模型生成时，通过公式Li＝f(G,Ii)替代公式Li＝f(G,Ii,m,n,T)；通过对目前较为常见的4×4、6×3和15×4光伏阵列进行各个光伏串的串内故障遍历，并对每个故障情况下的Li-G-Ii进行记录后，通过分析大量数据得到近似精确的Li＝f(G,Ii)函数关系式；
Li＝f(G,Ii,m,n,T)
Li＝f(G,Ii)。
5.根据权利要求4所述的一种光伏方阵串内的故障趋势精准定位方法,其特征在于，所述Li为故障位置，G为辐照度，T为温度。
6.根据权利要求1所述的一种光伏方阵串内的故障趋势精准定位方法,其特征在于，所述S9中光伏组件数目改变时，电流的大小范围没有发生改变，故障位置与支路电流之间的关系曲线斜率snew改变为公式
Figure FDA0002707742990000031
当关系曲线斜率变更后，支路电流Ii(new)更改为公式
Figure FDA0002707742990000032
Li＝f(G,Ii,m)
Figure FDA0002707742990000033
Figure FDA0002707742990000034
7.根据权利要求6所述的一种光伏方阵串内的故障趋势精准定位方法,其特征在于，所述snew为变更后曲线斜率，sold为变更前曲线斜率，mnew为变更后光伏组件数目，mold为变更前光伏组件数目，m为光伏组件数目。
8.根据权利要求1所述的一种光伏方阵串内的故障趋势精准定位方法,其特征在于，所述S10中光伏串数目改变时，电流的大小随其做线性变化，因此这种情况下，故障位置与支路电流之间的关系曲线斜率snew改变为公式snew＝nratio×nold×nnew；当关系曲线斜率变更后，支路电流Ii(new)更改为公式
Figure FDA0002707742990000035
9.根据权利要求8所述的一种光伏方阵串内的故障趋势精准定位方法,其特征在于，所述nratio表示变更前与变更后光伏串数目之比，nold和nnew表示变更前与变更后的光伏串数目。
10.根据权利要求1-9任意一项所述的故障趋势精准定位方法的定位***,所述故障定位***包括数据读取模块、数据预处理模块、残差判断模块、故障警示模块、故障自动检测及定位模块和故障自动检测及定位算法转化模块，其特征在于：所述数据读取模块读取光伏方阵中各个光伏串电流Ii；
所述数据预处理模块利用数据读取模块传输的各光伏串电流值，计算各支路电流平均值
Figure FDA0002707742990000041
并且计算支路电流Ii与总电流平均值
Figure FDA0002707742990000042
之间的残差ri；
所述残差判断模块，利用数据预处理模块的输出进行残差比较，残差ri大于阈值εTh，***发生光伏串内故障，调用故障警示模块，残差ri小于故障预设阈值εTh则重新调用数据读取模块，按顺序执行数据预处理模块及残差判断模块；
所述故障警示模块，向用户端推送***报警信息，并且判断算法***中是否已经存在光伏阵列故障自动检测及定位模型，根据判断结果调用故障自动检测及定位模块或故障自动检测及定位算法转换模块；
所述故障自动检测及定位模块，利用故障定位函数进行故障定位，完成后向客户端推送定位信息；
所述故障自动检测及定位算法转换模块运行在***内已存在光伏阵列故障自动检测及定位模型，故障自动检测及定位算法转换模块对已存在的定位模型进行参数更改，完成后向客户端推送定位信息。
CN202011045152.5A 2020-09-28 2020-09-28 一种光伏方阵串内的故障趋势精准定位方法及其*** Active CN112039438B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011045152.5A CN112039438B (zh) 2020-09-28 2020-09-28 一种光伏方阵串内的故障趋势精准定位方法及其***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011045152.5A CN112039438B (zh) 2020-09-28 2020-09-28 一种光伏方阵串内的故障趋势精准定位方法及其***

Publications (2)

Publication Number Publication Date
CN112039438A true CN112039438A (zh) 2020-12-04
CN112039438B CN112039438B (zh) 2021-08-10

Family

ID=73574808

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011045152.5A Active CN112039438B (zh) 2020-09-28 2020-09-28 一种光伏方阵串内的故障趋势精准定位方法及其***

Country Status (1)

Country Link
CN (1) CN112039438B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113541600A (zh) * 2021-05-25 2021-10-22 特变电工新疆新能源股份有限公司 光伏电站支路故障判断方法、***、设备及存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120299387A1 (en) * 2011-05-27 2012-11-29 Indiana Research & Technology Corporation Diagnostics of integrated solar power
CN104049171A (zh) * 2014-06-12 2014-09-17 中南大学 交错反激式微逆变器的开路故障诊断方法及***
CN106603006A (zh) * 2016-12-14 2017-04-26 河海大学常州校区 一种基于查表插值的光伏阵列的故障诊断与定位方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120299387A1 (en) * 2011-05-27 2012-11-29 Indiana Research & Technology Corporation Diagnostics of integrated solar power
CN104049171A (zh) * 2014-06-12 2014-09-17 中南大学 交错反激式微逆变器的开路故障诊断方法及***
CN106603006A (zh) * 2016-12-14 2017-04-26 河海大学常州校区 一种基于查表插值的光伏阵列的故障诊断与定位方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
李云桥: "基于改进BP神经网络的光伏阵列多传感器故障检测定位方法研究", 《西安理工大学硕士学位论文》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113541600A (zh) * 2021-05-25 2021-10-22 特变电工新疆新能源股份有限公司 光伏电站支路故障判断方法、***、设备及存储介质

Also Published As

Publication number Publication date
CN112039438B (zh) 2021-08-10

Similar Documents

Publication Publication Date Title
CN109765490B (zh) 一种基于高维数据诊断的动力电池故障检测方法及***
CN109766952B (zh) 基于偏最小二乘法和极限学习机的光伏阵列故障检测方法
CN108053128B (zh) 一种基于elm和tf的电网暂态稳定快速评估方法
CN110289613B (zh) 基于灵敏度矩阵的配电网拓扑识别与线路参数辨识方法
CN111402078B (zh) 光伏组串的诊断方法、装置及控制器
CN110879377B (zh) 基于深度信念网络的计量装置故障溯源方法
CN112565187B (zh) 基于逻辑回归的电网攻击检测方法、***、设备及介质
CN114035086B (zh) 基于信号处理的电池组多故障诊断方法
CN112039438B (zh) 一种光伏方阵串内的故障趋势精准定位方法及其***
CN115508719A (zh) 串联电池组中异常单体电芯诊断方法、***、存储介质及终端
CN112684343A (zh) 一种电池故障判断方法、检测装置及检测***
CN117688353B (zh) 一种用于地下工程探测高密度数据的多级验证处理方法
CN113406524A (zh) 一种动力电池***的不一致性故障诊断方法及***
CN106777719B (zh) 双模冗余的故障检测装置的故障检测方法
US20230071191A1 (en) Open-circuit fault detection method and apparatus, and computer device
CN104076284A (zh) 电池荷电状态soc的跟踪方法和装置
CN103529337A (zh) 设备故障与电气量信息间非线性相关关系的识别方法
CN109581194B (zh) 一种电子***故障测试策略动态生成方法
CN116930764A (zh) 融合电力电子的锂电池储能***故障诊断和危险预测方法
CN116820821A (zh) 磁盘故障检测方法、装置、电子设备及计算机可读存储介质
CN116827263A (zh) 光伏电池故障检测方法、装置、计算机设备和介质
CN116594800A (zh) 磁盘故障检测方法、装置、电子设备及计算机可读存储介质
Xu et al. Multi-objective nonlinear observer design for multi-fault detection of lithium-ion battery in electric vehicles
CN110943485B (zh) 双馈风电场等值模型仿真可信度的指标评价方法
CN114336612B (zh) 电站及其故障设备的电量损失计算方法、相关应用设备

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
GR01 Patent grant
GR01 Patent grant