CN113985239A - 组串旁路二极管故障识别方法、装置、设备及存储介质 - Google Patents

组串旁路二极管故障识别方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN113985239A
CN113985239A CN202111195181.4A CN202111195181A CN113985239A CN 113985239 A CN113985239 A CN 113985239A CN 202111195181 A CN202111195181 A CN 202111195181A CN 113985239 A CN113985239 A CN 113985239A
Authority
CN
China
Prior art keywords
curve
outlier
current curve
branch
order section
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
Application number
CN202111195181.4A
Other languages
English (en)
Inventor
高伟
高超
周冰钰
方振宇
张锐
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.)
Hefei Sunshine Zhiwei Technology Co ltd
Original Assignee
Hefei Sunshine Zhiwei Technology 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 Hefei Sunshine Zhiwei Technology Co ltd filed Critical Hefei Sunshine Zhiwei Technology Co ltd
Priority to CN202111195181.4A priority Critical patent/CN113985239A/zh
Publication of CN113985239A publication Critical patent/CN113985239A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/26—Testing of individual semiconductor devices
    • G01R31/2601—Apparatus or methods therefor

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Locating Faults (AREA)

Abstract

本申请公开了一种组串旁路二极管故障识别方法、装置、设备及存储介质，该方法包括：获取各支路的电压曲线和电流曲线；从所述各支路的电流曲线中提取高位段电流和非高位段电流；确定各支路的高位段电流曲线离群值和非高位段电流曲线离群值；对所述各支路的高位段电流曲线离群值和非高位段电流曲线离群值进行判断，若符合判断条件，则判定支路所对应的组串旁路二极管存在故障。本申请在没有红外无人机和IV测试仪等测试仪器时，也可以实现组串旁路二极管进行故障检测识别，消除了对红外无人机和IV测试仪等测试仪器的依赖，同时也降低了组串旁路二极管故障识别的成本。

Description

组串旁路二极管故障识别方法、装置、设备及存储介质
技术领域
本申请涉及光伏***故障识别技术领域，尤其涉及一种组串旁路二极管故障识别方法、装置、设备及存储介质。
背景技术
组串是光伏发电***的基础发电单元，旁路二极管是组串的重要器件之一，组串中反向并联于太阳能硅电池片组的两端二极管即为旁路二极管。当太阳能硅电池片组中的某一电池片出现热斑效应(在一定条件下，光伏***中的部分电池会被周围其它物体所遮挡，造成局部阴影，这将引起被遮挡某些电池发热，产生所谓“热斑效应”)不能发电时，旁路二极管起到旁路的作用，让其它电池片所产生的电流从二极管中流出，使太阳能发电***继续发电，不会因为某一片电池片出现问题而产生发电电路不通的情况。
目前行业内检测旁路二极管故障主要采用红外热成像和IV曲线扫描两种方式，但是红外热成像需要红外无人机、IV曲线扫描需要IV测试仪或者具备IV曲线扫描的组串式逆变器，上述两种方式均存在依赖特定设备和仪器以及成本较高的问题，运维人员迫切需要一种不依赖特定设备和仪器、简便易行的组串旁路二极管短路缺陷发现方法。
发明内容
本申请的主要目的在于提供一种组串旁路二极管故障识别方法、装置、设备及存储介质，旨在解决现有技术由于缺乏测试仪器而无法及时对组串旁路二极管进行故障检测识别的技术问题。
为实现上述目的，本申请提供一种组串旁路二极管故障识别方法，包括：
获取各支路的电压曲线和电流曲线；
从所述各支路的电流曲线中提取高位段电流和非高位段电流；
确定各支路的高位段电流曲线离群值和非高位段电流曲线离群值；
对所述各支路的高位段电流曲线离群值和非高位段电流曲线离群值进行判断，若符合判断条件，则判定支路所对应的组串旁路二极管存在故障。
可选地，所述对所述各支路的高位段电流曲线离群值和非高位段电流曲线离群值进行判断，若符合判断条件，则判定支路所对应的组串旁路二极管存在故障的步骤，包括：
若支路的高位段电流曲线离群值大于所有支路的高位段电流曲线离群值均值的预设倍数，且所述支路的高位段电流曲线离群值大于非高位段电流曲线离群值，则判定所述支路电流曲线离群；
基于所述支路电流曲线离群的条件下，若所述支路的电流曲线离群值均值小于所有支路的电流曲线离群值均值的均值，则判定所述支路所对应的组串旁路二极管存在故障。
可选地，所述确定各支路的高位段电流曲线离群值和非高位段电流曲线离群值的步骤，包括：
对各支路高位段电流曲线段/各支路非高位段电流曲线段进行聚类，得到高位段电流聚类中心曲线/非高位段电流聚类中心曲线；
计算所述各支路高位段电流曲线段与所述高位段电流聚类中心曲线之间各点的距离，得到由所述距离组成的各支路高位段距离数组；
计算所述各支路非高位段电流曲线段与所述非高位段电流聚类中心曲线之间各点的距离，得到由所述距离组成的各支路非高位段距离数组；
基于所述各支路高位段距离数组的L2范数，确定所述各支路的高位段电流曲线离群值；
基于所述各支路非高位段距离数组的L2范数，确定所述各支路的非高位段电流曲线离群值。
可选地，所述对各支路高位段电流曲线段/各支路非高位段电流曲线段进行聚类，得到高位段电流聚类中心曲线/非高位段电流聚类中心曲线的步骤，包括：
基于预设规则对所述各支路高位段电流曲线段/各支路非高位段电流曲线段进行数据分类，得到多个数据集合；
对每个所述数据集合进行聚类，确定每个所述数据集合的聚类中心点；
基于所述聚类中心点构建所述高位段电流聚类中心曲线/非高位段电流聚类中心曲线。
可选地，所述从所述各支路的电流曲线中提取高位段电流和非高位段电流的步骤，包括：
从所述各支路的电压曲线中提取高位段电压和非高位段电压；
从所述各支路的电流曲线中提取所述高位段电压同时间段下的所述高位段电流，以及所述非高位段电压同时间段下的所述非高位段电流。
可选地，所述从所述各支路的电压曲线中提取高位段电压和非高位段电压的步骤，包括：
根据所述各支路的电压曲线，生成各支路的电压数组；
对所述电压数组进行数据分布操作，确定所述电压数组的预设分位数和最大值；
筛选出所述电压曲线中点值与所述最大值相等的点，并构建点集；
判断所述点集中各点的点值是否超过所述电压数组的预设分位数，若均超过，则所述点集中的各点均属于所述高位段电压。
此外，为实现上述目的，本申请还提供一种组串旁路二极管故障识别装置，包括：
数据处理模块，用于确定各支路的高位段电流曲线离群值和非高位段电流曲线离群值；
故障识别模块，用于对所述各支路的高位段电流曲线离群值和非高位段电流曲线离群值进行判断，若符合判断条件，则判定支路所对应的组串旁路二极管存在故障。
可选地，所述数据处理模块包括：
电参数处理单元，用于对各支路的电压数据和电流数据进行处理，生成各支路的电压曲线和电流曲线；
提取单元，用于从各支路的电压曲线中提取高位段电压和非高位段电压；从各支路的电流曲线中提取所述高位段电压同时间段下的高位段电流，以及所述非高位段电压同时间段下的非高位段电流；
曲线离群值生成单元，用于确定各支路的高位段电流曲线离群值和非高位段电流曲线离群值。
此外，为实现上述目的，本申请还提供一种组串旁路二极管故障识别设备，包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的程序或指令，所述程序或指令被所述处理器执行时实现如上所述的组串旁路二极管故障识别方法的步骤。
此外，为实现上述目的，本申请还提供一种存储介质，所述存储介质上存储程序或指令，所述程序或指令被所述处理器执行时实现如上述的组串旁路二极管故障识别方法的步骤。
本申请提供了一种组串旁路二极管故障识别方法、设备及可读存储介质，相比于现有技术采用红外热成像和IV曲线扫描两种方式对组串旁路二极管故障进行检测识别的技术手段，本申请通过对各支路的电压数据和电流数据进行处理，确定各支路的高位段电流曲线离群值和非高位段电流曲线离群值，对各支路的高位段电流曲线离群值和非高位段电流曲线离群值进行判断，若符合判断条件，则判定支路所对应的组串旁路二极管存在故障，所以，在没有红外无人机和IV测试仪等测试仪器时，也可以对组串旁路二极管进行故障检测识别，消除了对红外无人机和IV测试仪等测试仪器的依赖，同时也降低了组串旁路二极管故障识别的成本。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本申请组串旁路二极管故障识别方法一实施例的流程示意图；
图2是本申请实施例方案涉及的硬件运行环境的终端\装置结构示意图。
本申请目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请实施例提供一种组串旁路二极管故障识别方法，在本申请组串旁路二极管故障识别方法的第一实施例中，参照图1，所述组串旁路二极管故障识别方法，包括：
S10、获取各支路的电压曲线和电流曲线；
进一步地，所述获取各支路的电压曲线和电流曲线：
间隔设定时间，同时检测各支路的电压数据和电流数据，生成各支路的电压曲线和电流曲线。
在本实施例中，组串是光伏发电***的基础发电单元，在光伏发电***中，将多个组串并列接入汇流箱，多个组串产生的发电量在汇流箱内汇流后，由汇流箱的母线输出，因此汇流箱母线的电压即为各支路的电压。间隔设定时间，所述设定时间可以是5s、10s、15s、30s或1min等，不作限定，通过设置在汇流箱中的数据采集模块(汇流箱中的数据采集模块是原本就有的，不需要另外再增加设备，即利用原有的设备就可以获得所需数据)，获取各支路的电流数据和汇流箱母线的电压，生成各支路的时间-电流特性曲线作为各支路的电流曲线，生成汇流箱母线的时间-电压特性曲线作为各支路的电压曲线。
在本实施例中，为排除异常数据干扰，选择每天的9：00至15：00期间的汇流箱母线电压数据，同样的，电流数据也是每天的9：00至15：00期间，与汇流箱母线电压数据的获取时间相同。
S20、从所述各支路的电流曲线中提取高位段电流和非高位段电流；
进一步地，所述从各支路的电流曲线中提取高位段电流和非高位段电流的步骤可以为：
步骤a、从各支路的电压曲线中提取高位段电压和非高位段电压，具体包括：
根据各支路的电压曲线，生成各支路的电压数组。
在本实施例中，各支路的电压曲线即为汇流箱母线的时间-电压特性曲线，因此各支路的电压数组均为同一数组，所述电压数组中的各数组元素即为按照时间顺序排序的汇流箱母线的电压值。
对所述电压数组进行数据分布操作，确定所述电压数组的预设分位数和最大值。
在本实施例中，对所述电压数组中的各个数组元素按照从小到大进行排序，排列后的第百分之二十五的数组元素为电压数组的预设分位数或排列后的第百分之七十五的数组元素为电压数组的预设分位数，排列后的最后一个数组元素为电压数组的最大值。
筛选出所述电压曲线中点值与所述最大值相等的点，并构建点集。
在本实施例中，遍历电压曲线中的所有点，筛选出点值与最大值相等的点，然后从电压曲线中提取所述点值与最大值相等的点的前三点和后三点，一个点值与最大值相等的点以及其前三点和后三点，共七个点构建成一个点集。也可以这样认为，筛选出点值与最大值相等的点的个数为多少，则构建成的点集的个数就有多少。
判断所述点集中各点的点值是否超过所述电压数组的预设分位数，若均超过，则所述点集中的各点均属于高位段电压。
在本实施例中，对每一个点集中的各个点的点值进行判断，若点集中的所有点的点值均超过所述的电压数组的预设分位数，则该点集中的各点均属于高位段电压，由该点集中的七个点所组成的电压曲线段即为高位段电压曲线段，支路的电压曲线中除去高位段电压曲线段后，剩余的均为非高位段电压曲线段，非高位段电压曲线段中的各点即为非高位段电压。
步骤b、从各支路的电流曲线中提取所述高位段电压同时间段下的高位段电流，以及所述非高位段电压同时间段下的非高位段电流。
在本实施例中，各支路的电压曲线均为汇流箱母线的时间-电压特性曲线，且各支路的电流检测均在同一时间进行，因此只需要确定了各支路的电压曲线中的高位段电压曲线段和非高位段电压曲线段，在从各支路的电流曲线中提取同时间段下的高位段电流曲线段和非高位段电流曲线段即可。
S30、确定各支路的高位段电流曲线离群值和非高位段电流曲线离群值。
进一步地，确定各支路的高位段电流曲线离群值和非高位段电流曲线离群值的具体步骤包括：
步骤A、对各支路高位段电流曲线段/各支路非高位段电流曲线段进行聚类，得到高位段电流聚类中心曲线/非高位段电流聚类中心曲线，具体为：
基于预设规则对各支路高位段电流曲线段/各支路非高位段电流曲线段进行数据分类，得到多个数据集合；
对每个所述数据集合进行聚类，确定每个所述数据集合的聚类中心点；
基于所述聚类中心点构建高位段电流聚类中心曲线/非高位段电流聚类中心曲线。
在本实施例中，基于时间这一特征对各支路高位段电流曲线段进行数据分类，即将每一条支路高位段电流曲线段中的同一时间所对应的电流数据组合成一个数据集合，由此得到多个数据集合。对每个数据集合通过K-Means聚类算法进行聚类，在聚类的过程中，类别数选择为1，因此可以确定每个数据集合唯一的聚类中心点。在得到每个数据集合的聚类中心点后，基于聚类中心点及其所对应的时间构建高位段电流聚类中心曲线。
在本实施例中，基于时间这一特征对各支路非高位段电流曲线段进行数据分类，即将每一条支路非高位段电流曲线段中的同一时间所对应的电流数据组合成一个数据集合，由此得到多个数据集合。对每个数据集合通过K-Means聚类算法进行聚类，在聚类的过程中，类别数选择为1，因此可以确定每个数据集合唯一的聚类中心点。在得到每个数据集合的聚类中心点后，基于聚类中心点及其所对应的时间构建非高位段电流聚类中心曲线。
例如，以得到高位段电流聚类中心曲线为例，进行举例：
各支路高位段电流曲线段中包括7个高位段电流，分别为I-3i，I-2i，I-1i，I0i，I1i，I2i，I3i，其中，i为正整数，表示各支路的编号，由于各支路高位段电流曲线段为各支路电流曲线中的一部分，且各支路电流曲线中电流的检测时间均为同一时间，因此各支路高位段电流相对应的时间均为t-3，t-2，t-1，t0，t1，t2，t3。
根据时间特征对各支路电流曲线进行数据分类，即将每一条支路电流曲线同一时间所对应的电流数据组合成一个数据集合，由此可以得到7个数据集合，即：
t0时间所对应的数据集合为{I01，I02，I03…I0i}；
t1时间所对应的数据集合为{I11，I12，I13…I1i}；
t2时间所对应的数据集合为{I21，I22，I23…I2i}；
t3时间所对应的数据集合为{I31，I32，I33…I3i}；
t-1时间所对应的数据集合为{I-11，I-12，I-13…I-1i}；
t-2时间所对应的数据集合为{I-21，I-22，I-23…I-2i}；
t-3时间所对应的数据集合为{I-31，I-32，I-33…I-3i}。
对每个数据集合通过K-Means聚类算法进行聚类，在聚类的过程中，类别数选择为1，因此可以确定每个数据集合唯一的聚类中心点，分别为I-3，I-2，I-1，I0，I1，I2，I3。在得到每个数据集合的聚类中心点后，基于聚类中心点及其所对应的时间构建高位段电流聚类中心曲线。
步骤B、计算各支路高位段电流曲线段与所述高位段电流聚类中心曲线之间各点的距离，得到由所述距离组成的各支路高位段距离数组。
在本实施例中，采用矩阵差值法，计算各支路高位段电流曲线段与所述高位段电流聚类中心曲线之间各点的距离，可以加快距离计算速度。将各支路高位段电流曲线段中的各点的点值按照时间顺序组成1×n矩阵Ai，其中n表示各支路高位段电流曲线段中各点的个数，i为正整数，表示各支路的编号。由于高位段电流聚类中心曲线中各点的个数与各支路高位段电流曲线段中各点的个数相同，因此同样的，将高位段电流聚类中心曲线中各点的点值按照时间顺序组成1×n矩阵B，将两个矩阵相减，标记为Ai-B，得到的新矩阵各元素为其相对应元素相减后的值，由此即可计算得到各支路高位段电流曲线段与高位段电流聚类中心曲线之间各点的距离，每一条支路高位段电流曲线段与高位段电流聚类中心曲线之间各点的距离即可组成一组数组。
例如，将各支路高位段电流曲线段中的各点的点值按照时间顺序组成矩阵Ai＝(I-3i，I-2i，I-1i，I0i，I1i，I2i，I3i)，其中i为正整数，表示各支路的编号。将高位段电流聚类中心曲线中各点的点值按照时间顺序组成矩阵B＝(I-3，I-2，I-1，I0，I1，I2，I3)，将两个矩阵相减，得到的新矩阵Ai-B，新矩阵各元素为其相对应元素相减后的值，由此即可计算得到各支路电流曲线与电流聚类中心曲线中各点的距离，每一条支路电流曲线与电流聚类中心曲线中各点的距离即可组成一组数组，即：
(I-3i-I-3，I-2i-I-2，I-1i-I-1，I0i-I0，I1i-I1，I2i-I2，I3i-I3)。
步骤C、计算各支路非高位段电流曲线段与所述非高位段电流聚类中心曲线之间各点的距离，得到由所述距离组成的各支路非高位段距离数组。
在本实施例中，采用矩阵差值法，计算各支路非高位段电流曲线段与所述非高位段电流聚类中心曲线之间各点的距离。将各支路非高位段电流曲线段中的各点的点值按照时间顺序组成1×m矩阵Ci，其中m表示各支路非高位段电流曲线段中各点的个数，i为正整数，表示各支路的编号。由于非高位段电流聚类中心曲线中各点的个数与各支路非高位段电流曲线段中各点的个数相同，因此同样的，将非高位段电流聚类中心曲线中各点的点值按照时间顺序组成1×m矩阵D，将两个矩阵相减，标记为Ci-D，得到的新矩阵各元素为其相对应元素相减后的值，由此即可计算得到各支路非高位段电流曲线段与非高位段电流聚类中心曲线之间各点的距离，每一条支路非高位段电流曲线段与非高位段电流聚类中心曲线之间各点的距离即可组成一组数组。
步骤D、基于所述各支路高位段距离数组的L2范数，确定各支路的高位段电流曲线离群值；
在本实施例中，需要说明的是，L2范数为数组各个元素平方和的1/2次方，计算各支路高位段距离数组中各个元素平方和的1/2次方得到各支路高位段距离数组的L2范数，然后求得各支路高位段距离数组的L2范数的中位数，计算各支路高位段距离数组的L2范数与所述中位数的比值，得到各支路的高位段电流曲线离群值。
步骤E、基于所述各支路非高位段距离数组的L2范数，确定各支路的非高位段电流曲线离群值。
在本实施例中，计算各支路非高位段距离数组中各个元素平方和的1/2次方得到各支路非高位段距离数组的L2范数，然后求得各支路非高位段距离数组的L2范数的中位数，计算各支路非高位段距离数组的L2范数与所述中位数的比值，得到各支路的非高位段电流曲线离群值。
S40、对所述各支路的高位段电流曲线离群值和非高位段电流曲线离群值进行判断，若符合判断条件，则判定支路所对应的组串旁路二极管存在故障。
进一步地，对所述各支路的高位段电流曲线离群值和非高位段电流曲线离群值进行判断，若符合判断条件，则判定支路所对应的组串旁路二极管存在故障的步骤具体包括：
判断支路的高位段电流曲线离群值是否大于所有支路的高位段电流曲线离群值均值的预设倍数，本实施例中，预设倍数可取2.5；
若支路的高位段电流曲线离群值大于所有支路的高位段电流曲线离群值均值的预设倍数，则判断支路的高位段电流曲线离群值是否大于非高位段电流曲线离群值；
若支路的高位段电流曲线离群值大于非高位段电流曲线离群值，则确定支路电流曲线离群；
基于所述支路电流曲线离群的条件下，判断支路的电流曲线离群值均值是否小于所有支路的电流曲线离群值均值的均值；
若支路的电流曲线离群值均值小于所有支路的电流曲线离群值均值的均值，则判定支路所对应的组串旁路二极管存在短路故障。
在本实施例中，支路的电流曲线离群值均值为支路的高位段电流曲线离群值和支路的非高位段电流曲线离群值的均值，即支路的高位段电流曲线离群值和支路的非高位段电流曲线离群值相加再除以2。
相比于现有技术采用红外热成像和IV曲线扫描两种方式对组串旁路二极管故障进行检测识别的技术手段，本实施例通过对各支路的电压数据和电流数据进行处理，确定各支路的高位段电流曲线离群值和非高位段电流曲线离群值，对各支路的高位段电流曲线离群值和非高位段电流曲线离群值进行判断，若符合判断条件，则判定支路所对应的组串旁路二极管存在故障，所以，在没有红外无人机和IV测试仪等测试仪器时，也可以对组串旁路二极管进行故障检测识别，消除了对红外无人机和IV测试仪等测试仪器的依赖，同时也降低了组串旁路二极管故障识别的成本。
需要说明的是，根据不同的需求，流程图中的步骤顺序是可以改变的、某些步骤也是可以省略的。
此外，本申请实施例还提供一种组串旁路二极管故障识别装置，包括：
数据处理模块，用于确定各支路的高位段电流曲线离群值和非高位段电流曲线离群值；
故障识别模块，用于对所述各支路的高位段电流曲线离群值和非高位段电流曲线离群值进行判断，若符合判断条件，则判定支路所对应的组串旁路二极管存在故障。
可选地，所述数据处理模块包括：
电参数处理单元，用于对各支路的电压数据和电流数据进行处理，生成各支路的电压曲线和电流曲线；
提取单元，用于从各支路的电压曲线中提取高位段电压和非高位段电压；从各支路的电流曲线中提取所述高位段电压同时间段下的高位段电流，以及所述非高位段电压同时间段下的非高位段电流；
曲线离群值生成单元，用于确定各支路的高位段电流曲线离群值和非高位段电流曲线离群值。
本申请组串旁路二极管故障识别装置具体实施方式与上述组串旁路二极管故障识别方法各实施例基本相同，在此不再赘述。
此外，本申请实施例还提供一种组串旁路二极管故障识别设备。如图2所示，图2是本申请实施例方案涉及的硬件运行环境的结构示意图。
如图2所示，图2即可为组串旁路二极管故障识别设备的硬件运行环境的结构示意图。
如图2所示，该组串旁路二极管故障识别设备的硬件运行环境的结构示意图可以包括：处理器1001，例如CPU，存储器1005，用户接口1003，网络接口1004，通信总线1002。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器，也可以是稳定的存储器(non-volatile memory)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
可选地，组串旁路二极管故障识别设备还可以包括RF(Radio Frequency，射频)电路，传感器、音频电路、WiFi模块等等。
本领域技术人员可以理解，图2中示出的组串旁路二极管故障识别设备结构并不构成对组串旁路二极管故障识别设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
如图2所示，作为一种计算机存储介质的存储器1005中可以包括操作***、网络通信模块、用户接口模块以及用于组串旁路二极管故障识别的故障识别程序。其中，操作***是管理和控制组串旁路二极管故障识别设备硬件和软件资源的程序，支持故障识别程序以及其它软件或程序的运行。
在图2所示的组串旁路二极管故障识别设备中，用户接口1003主要用于连接终端，与终端进行数据通信，如接收终端发送的请求；网络接口1004主要用于后台服务器，与后台服务器进行数据通信；处理器1001可以用于调用存储器1005中存储用于组串旁路二极管故障识别的故障识别程序，并执行如上所述的组串旁路二极管故障识别方法的步骤。
本申请组串旁路二极管故障识别设备具体实施方式与上述组串旁路二极管故障识别方法各实施例基本相同，在此不再赘述。
此外，本申请实施例还提出一种存储介质，所述存储介质上存储有用于组串旁路二极管故障识别的故障识别程序，所述故障识别程序被处理器执行时实现如上所述的组串旁路二极管故障识别方法的步骤。
本申请存储介质具体实施方式与上述组串旁路二极管故障识别方法各实施例基本相同，在此不再赘述。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
本申请实施例序号仅仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，设备，或者网络设备等)执行本申请各个实施例所述的方法。
以上仅为本申请的优选实施例，并非因此限制本申请的专利范围，凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本申请的专利保护范围内。

Claims (10)

1.一种组串旁路二极管故障识别方法，其特征在于，包括：
获取各支路的电压曲线和电流曲线；
从所述各支路的电流曲线中提取高位段电流和非高位段电流；
确定各支路的高位段电流曲线离群值和非高位段电流曲线离群值；
对所述各支路的高位段电流曲线离群值和非高位段电流曲线离群值进行判断，若符合判断条件，则判定支路所对应的组串旁路二极管存在故障。
2.如权利要求1所述的组串旁路二极管故障识别方法，其特征在于，所述对所述各支路的高位段电流曲线离群值和非高位段电流曲线离群值进行判断，若符合判断条件，则判定支路所对应的组串旁路二极管存在故障的步骤，包括：
若支路的高位段电流曲线离群值大于所有支路的高位段电流曲线离群值均值的预设倍数，且所述支路的高位段电流曲线离群值大于非高位段电流曲线离群值，则判定所述支路电流曲线离群；
基于所述支路电流曲线离群的条件下，若所述支路的电流曲线离群值均值小于所有支路的电流曲线离群值均值的均值，则判定所述支路所对应的组串旁路二极管存在故障。
3.如权利要求1所述的组串旁路二极管故障识别方法，其特征在于，所述确定各支路的高位段电流曲线离群值和非高位段电流曲线离群值的步骤，包括：
对各支路高位段电流曲线段/各支路非高位段电流曲线段进行聚类，得到高位段电流聚类中心曲线/非高位段电流聚类中心曲线；
计算所述各支路高位段电流曲线段与所述高位段电流聚类中心曲线之间各点的距离，得到由所述距离组成的各支路高位段距离数组；
计算所述各支路非高位段电流曲线段与所述非高位段电流聚类中心曲线之间各点的距离，得到由所述距离组成的各支路非高位段距离数组；
基于所述各支路高位段距离数组的L2范数，确定所述各支路的高位段电流曲线离群值；
基于所述各支路非高位段距离数组的L2范数，确定所述各支路的非高位段电流曲线离群值。
4.如权利要求3所述的组串旁路二极管故障识别方法，其特征在于，所述对各支路高位段电流曲线段/各支路非高位段电流曲线段进行聚类，得到高位段电流聚类中心曲线/非高位段电流聚类中心曲线的步骤，包括：
基于预设规则对所述各支路高位段电流曲线段/各支路非高位段电流曲线段进行数据分类，得到多个数据集合；
对每个所述数据集合进行聚类，确定每个所述数据集合的聚类中心点；
基于所述聚类中心点构建所述高位段电流聚类中心曲线/非高位段电流聚类中心曲线。
5.如权利要求1所述的组串旁路二极管故障识别方法，其特征在于，所述从所述各支路的电流曲线中提取高位段电流和非高位段电流的步骤，包括：
从所述各支路的电压曲线中提取高位段电压和非高位段电压；
从所述各支路的电流曲线中提取所述高位段电压同时间段下的所述高位段电流，以及所述非高位段电压同时间段下的所述非高位段电流。
6.如权利要求5所述的组串旁路二极管故障识别方法，其特征在于，所述从所述各支路的电压曲线中提取高位段电压和非高位段电压的步骤，包括：
根据所述各支路的电压曲线，生成各支路的电压数组；
对所述电压数组进行数据分布操作，确定所述电压数组的预设分位数和最大值；
筛选出所述电压曲线中点值与所述最大值相等的点，并构建点集；
判断所述点集中各点的点值是否超过所述电压数组的预设分位数，若均超过，则所述点集中的各点均属于所述高位段电压。
7.一种组串旁路二极管故障识别装置，其特征在于，包括：
数据处理模块，用于确定各支路的高位段电流曲线离群值和非高位段电流曲线离群值；
故障识别模块，用于对所述各支路的高位段电流曲线离群值和非高位段电流曲线离群值进行判断，若符合判断条件，则判定支路所对应的组串旁路二极管存在故障。
8.如权利要求7所述的组串旁路二极管故障识别装置，其特征在于，所述数据处理模块包括：
电参数处理单元，用于对各支路的电压数据和电流数据进行处理，生成各支路的电压曲线和电流曲线；
提取单元，用于从各支路的电压曲线中提取高位段电压和非高位段电压；从各支路的电流曲线中提取所述高位段电压同时间段下的高位段电流，以及所述非高位段电压同时间段下的非高位段电流；
曲线离群值生成单元，用于确定各支路的高位段电流曲线离群值和非高位段电流曲线离群值。
9.一种组串旁路二极管故障识别设备，其特征在于，包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的程序或指令，所述程序或指令被所述处理器执行时实现如权利要求1-6任一项所述的组串旁路二极管故障识别方法的步骤。
10.一种存储介质，其特征在于，所述存储介质上存储程序或指令，所述程序或指令被处理器执行时实现如权利要求1-6任一项所述的组串旁路二极管故障识别方法的步骤。
CN202111195181.4A 2021-10-13 2021-10-13 组串旁路二极管故障识别方法、装置、设备及存储介质 Pending CN113985239A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111195181.4A CN113985239A (zh) 2021-10-13 2021-10-13 组串旁路二极管故障识别方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111195181.4A CN113985239A (zh) 2021-10-13 2021-10-13 组串旁路二极管故障识别方法、装置、设备及存储介质

Publications (1)

Publication Number Publication Date
CN113985239A true CN113985239A (zh) 2022-01-28

Family

ID=79738430

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111195181.4A Pending CN113985239A (zh) 2021-10-13 2021-10-13 组串旁路二极管故障识别方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN113985239A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP4270130A1 (en) * 2022-04-26 2023-11-01 Transportation IP Holdings, LLC Shift detection system and method for a power supply system

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2016208621A (ja) * 2015-04-20 2016-12-08 日本カーネルシステム株式会社 バイパスダイオードの故障検査装置
CN107222169A (zh) * 2017-08-01 2017-09-29 河海大学常州校区 一种基于离群点检测的光伏阵列实时监控与故障检测方法
CN107395121A (zh) * 2017-08-01 2017-11-24 河海大学常州校区 基于格拉布斯准则及离群点检测光伏阵列故障检测方法
CN108008176A (zh) * 2017-11-22 2018-05-08 福州大学 一种光伏阵列实时状态监测与故障定位***
CN108923748A (zh) * 2018-07-16 2018-11-30 河海大学常州校区 一种基于iv曲线扫描的光伏阵列故障诊断方法
CN110277961A (zh) * 2019-06-18 2019-09-24 合肥阳光新能源科技有限公司 光伏组串故障检测方法及装置
CN112327999A (zh) * 2020-11-02 2021-02-05 东南大学 基于最大功率点跟踪数据的光伏快速检测及精确诊断方法
US20210091718A1 (en) * 2019-09-25 2021-03-25 Hyundai Motor Company Method of diagnosing malfunctioning of bypass diode in solar photovoltaic battery

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2016208621A (ja) * 2015-04-20 2016-12-08 日本カーネルシステム株式会社 バイパスダイオードの故障検査装置
CN107222169A (zh) * 2017-08-01 2017-09-29 河海大学常州校区 一种基于离群点检测的光伏阵列实时监控与故障检测方法
CN107395121A (zh) * 2017-08-01 2017-11-24 河海大学常州校区 基于格拉布斯准则及离群点检测光伏阵列故障检测方法
CN108008176A (zh) * 2017-11-22 2018-05-08 福州大学 一种光伏阵列实时状态监测与故障定位***
CN108923748A (zh) * 2018-07-16 2018-11-30 河海大学常州校区 一种基于iv曲线扫描的光伏阵列故障诊断方法
CN110277961A (zh) * 2019-06-18 2019-09-24 合肥阳光新能源科技有限公司 光伏组串故障检测方法及装置
US20210091718A1 (en) * 2019-09-25 2021-03-25 Hyundai Motor Company Method of diagnosing malfunctioning of bypass diode in solar photovoltaic battery
CN112327999A (zh) * 2020-11-02 2021-02-05 东南大学 基于最大功率点跟踪数据的光伏快速检测及精确诊断方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
杨慧;王丽婧;: "基于聚类和拟合的QAR数据离群点检测算法", 计算机工程与设计, no. 01, 16 January 2015 (2015-01-16), pages 174 - 177 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP4270130A1 (en) * 2022-04-26 2023-11-01 Transportation IP Holdings, LLC Shift detection system and method for a power supply system

Similar Documents

Publication Publication Date Title
CN111080105A (zh) 基于电压时序数据的台区户变关系识别方法及***
CN111614066B (zh) 一种配电网继电保护定值自动整定方法和***
CN113985239A (zh) 组串旁路二极管故障识别方法、装置、设备及存储介质
CN104765664A (zh) Pci设备检测***及方法
CN116126580B (zh) 触控显示的控制方法、装置、设备及存储介质
CN114240817A (zh) 数据分析方法及装置、电子设备、存储介质
CN117767250B (zh) 基于故障监测的直流微电网协调控制方法及***
Kunze et al. Learning an empirical digital twin from measurement images for a comprehensive quality inspection of solar cells
CN1953102B (zh) 测试数据报告和分析方法及***
CN113222884B (zh) 检查样本的方法和其***
CN110399658B (zh) 电池的加速因子值计算方法、装置、设备及存储介质
CN116046150A (zh) 噪声源的确定方法、装置、电子设备及存储介质
CN110389264B (zh) 一种异常用电计量的检测方法
CN112132226A (zh) 一种±1100kV复合绝缘子缺陷诊断方法
CN111277221A (zh) 一种光伏故障诊断方法和装置
US20120316803A1 (en) Semiconductor test data analysis system
CN103336739A (zh) 软件测试方法及平台
CN115932661A (zh) 一种对变压器噪声合规性进行分析判断的方法
CN112037191B (zh) 一种局域漏电流密度阈值的确定方法、装置和计算机设备
CN111368928B (zh) 晶圆的模式匹配方法、装置、电子设备与存储介质
CN109495353A (zh) 一种物联网卡批量检测装置及方法
CN111160712B (zh) 一种用户的用电参数调节方法及装置
CN114626436A (zh) 一种用户分类方法、装置、电子设备及存储介质
Tsai et al. Enhancing the data analysis in IC testing by machine learning techniques
Afrasiabi et al. Photovoltaic array fault detection and classification based on t-distributed stochastic neighbor embedding and robust soft learning vector quantization

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
CB02 Change of applicant information

Address after: 230088 101, 201, office building of Hefei Haoyang Power Technology Co., Ltd., No.23 Tianzhi Road, high tech Zone, Hefei City, Anhui Province

Applicant after: Sunshine Zhiwei Technology Co.,Ltd.

Address before: 230088 101, 201, office building of Hefei Haoyang Power Technology Co., Ltd., No.23 Tianzhi Road, high tech Zone, Hefei City, Anhui Province

Applicant before: Sunshine Zhiwei Technology Co.,Ltd.

Address after: 230088 101, 201, office building of Hefei Haoyang Power Technology Co., Ltd., No.23 Tianzhi Road, high tech Zone, Hefei City, Anhui Province

Applicant after: Sunshine Zhiwei Technology Co.,Ltd.

Address before: 230088 101, 201, office building of Hefei Haoyang Power Technology Co., Ltd., No.23 Tianzhi Road, high tech Zone, Hefei City, Anhui Province

Applicant before: Hefei sunshine Zhiwei Technology Co.,Ltd.

CB02 Change of applicant information