CN115189647A - 基于传感器检测法的光伏阵列故障定位方法 - Google Patents

Abstract

本发明涉及基于传感器检测法的光伏阵列故障定位方法，1)确定电压传感器放置数量的最小值；2)确定每条支路中需放置的电压传感器的数量；3)在光伏阵列的每条支路中各设置一个电流传感器，测得各支路的电流值及各电压传感器的电压值，通过分析电流、电压值确定故障所在位置；4)测量每条支路的最大电流及整个光伏阵列输出的最大电压；5)计算电压判断标准值，通过测量支路电流为0判断发生开路故障；而若该支路电流小于标准值且不为零，则判断发生局部遮挡故障；电压传感器电压判断标准值小于零，则判断发生短路故障，最终结合电压传感器示值所计算出的电压判断标准值判断故障位置。本发明实现了对小型光伏阵列的故障识别及定位，定位精确。

Description

基于传感器检测法的光伏阵列故障定位方法

技术领域

本发明属于光伏发电技术领域，针对不同工作状况下光伏模块的输出电流与电压会发生明显变化这一特点，提出了一种基于传感器检测法的光伏阵列故障定位方法。

背景技术

近年来，世界范围内的各个国家的光伏市场都实现了较快的发展，并相继制定了一系列针对光伏发电技术的政策以鼓励其发展。然而太阳能发电的高成本对太阳能光伏产业的发展造成了巨大的影响，由于光伏电池组件的成本过高，并且其非常容易受到负载状态、辐照度及温度等因素的影响，使输出的电压和电流产生明显的变化，从而造成输出功率大幅降低。因此，制约光伏发电技术发展的主要因素是光伏模块的受温度、辐照度、局部遮挡等因素的影响而造成的光电转换效率过低，更严重的情况是会对光伏电池模块造成永久损坏。

目前，常见用于光伏阵列故障定位的方法有传感器检测法、红外图像分析法、数学模型法和智能检测法等。其中，红外图像分析法存在成本高、噪声大、成像不均匀等缺点，同时当光伏阵列的故障情况比较复杂时，无法有效进行故障分类；而数学模型法依赖于数学建模，其准确性与所建模型有很大的关系；智能检测法虽然能够有效地定位和区分故障类型，但智能检测法的不同算法存在各自的局限性，如可能陷入局部最优、收敛速度过慢等。

因此，目前使用最为广泛的故障定位方法是传感器检测法，即利用传感器检测可大致检测故障位置，并通过分析数据来达到光伏阵列故障分类的目的。

发明内容

本发明的目的在于通过将电压传感器和电流传感器安装在串并联结构的光伏阵列中，并通过分析电压传感器和电流传感器所测得的数据来判断故障的类型及产生位置，实现了对小型光伏阵列的故障识别及定位。

本发明解决其技术问题是通过以下技术方案实现的：

一种基于传感器检测法的光伏阵列故障定位方法，可识别光伏阵列中的开路故障、短路故障及局部遮挡故障并定位，步骤如下：

(1)首先需要讨论实际应用中较为经济的电压传感器的放置方法，电压传感器的布置需要满足两个条件：电压传感器尽量少；被定位的光伏模块的数量(即分辨率)尽量小，但这两个条件实际上是互相矛盾的，因此需要讨论电压传感器放置位置的最优解，假设每条支路有N个光伏模块，所需传感器数量为S，每个传感器所测量的光伏模块数量为n，利用数学归纳法进行如下推导：

(2)若每个电压传感器测量一个光伏模块，即n＝1时，则每个传感器所覆盖的光伏模块数为1，每条支路所需传感器数量为：

若每个电压传感器测量两个光伏模块，即n＝2时，则每2个传感器所覆盖的光伏模块数为3，每条支路所需传感器数量为：

若每个电压传感器测量三个光伏模块，即n＝3时，则每3个传感器所覆盖的光伏模块数为5，每条支路所需传感器数量为：

由此可以得到，当每个电压传感器测量n个光伏模块时，每条支路所需传感器的数量为：

其中，若S的计算值为小数，则需向上取整，同时由于每次测量的光伏模块数量相等，且测量的模块个数

(N为偶数时)或

(N为奇数时)，则可将S转化为n的一个函数：

(

或

)

由上式可以看出，S随着n的增大而减小，当n取最大值时，S取最小值，当每次检测的组件数最大时，所需传感器的数量最小；

(2)计算出电压传感器放置数量的最小值后，还需要根据所需测量的光伏模块数(也即分辨率)来具体确定每条支路中所需放置的电压传感器的数量，设每两个传感器之间间隔的光伏模块数量为L，同样利用数学归纳法推导如下：

当每两个电压传感器之间间隔的光伏模块数为1(即L＝1)时，所需传感器的数量为：

当每两个电压传感器之间间隔的光伏模块数为2(即L＝2)时，所需传感器的数量为：

当每两个电压传感器之间间隔的光伏模块数为3(即L＝3)时，所需传感器的数量为：

由此推出，当每两个电压传感器之间间隔的光伏模块数为L时，S和N的关系式为：

若S无法整除时，因S不能是小数，因此向上取整，即

(3)进一步，根据计算得出的每条支路需放置的电压传感器的数量，并在光伏阵列的每条支路中各设置一个电流传感器，测得各支路的电流值及各电压传感器的电压值，通过分析电流传感器所测得的电流值和电压传感器所测得的电压值来确定故障具体所在位置；

(4)在正常工作情况下，由于光伏阵列的每条支路的输出电流的值都是相同的，且当光伏模块的数量相等时，每条支路所产生的电压也相等，首先测量每条支路的最大电流Imax＝max(Ik)，以及整个光伏阵列输出的最大电压Umax，并设定标准值Im＝0.9*Imax，Us＝n*Umax/N；

(5)接下来对所有的支路，计算电压判断标准值branchUtestk＝U_all，k-U_s+0.0014，通过测量支路电流为0判断发生开路故障；而若该支路电流小于标准值I_m且不为零，则判断发生局部遮挡故障；存在电压传感器的branchUtestk的值小于零，则判断发生短路故障，最终结合电压传感器示值所计算出的电压判断标准值branchUtestk判断故障位置。

本发明的优点及有益效果为：

本发明通过将电压传感器和电流传感器安装在串并联结构的光伏阵列中，并通过分析电压传感器和电流传感器所测得的数据来判断故障的类型及产生位置，实现了对小型光伏阵列的故障识别及定位，定位精确。

附图说明

图1为本发明的流程图；

图2为本发明所提供的一个6行3列的串并联结构的小型光伏阵列***MATLAB/Simulink仿真模型示意图；

图3为本发明判断为开路故障及其故障位置示意图；

图4为本发明判断为短路故障及其故障位置示意图；

图5为本发明判断为局部遮挡故障及其故障位置示意图。

具体实施方式

下面将结合附图1和附图2所示实例对该发明的技术方案进行详细说明。

首先，设置模型各项参数。确定光伏阵列的支路数M、每条支路的光伏模块数N、电压传感器数量S以及每个电压传感器覆盖的光伏模块数n。附图2中所示的光伏阵列***N＝18，对于不同的分辨率需要，计算光伏阵列***所需要的电压传感器的数量计算如下：

当L＝1时，所需的电压传感器的数量为9个；当L增加为2时，所需电压传感器的数量减少4个，减幅较大；当L＝3时，所需电压传感器的数量为3个，电压传感器数量的减少趋于缓慢。可以看到从L＝4开始，增加分辨率的同时所需电压传感器的数量的减少逐渐放缓至不变。考虑到经济性和准确性，选取每个支路安放3个电压传感器的方案。

其次，测量每条支路的最大电流I_max＝max(I_k)，以及整个光伏阵列输出的最大电压U_max，并设定标准值I_m＝0.9*I_max，U_s＝n*U_max/N。接下来对所有的支路k计算电压判断标准值branchUtestk＝U_all，k-U_s+0.0014。对支路k＝1：M，运行程序依次判断知否存在某一支路的电流小于I_m或存在branchUtestk小于零。若存在，则判断该支路存在故障；若不存在，则判断***是健康的。

然后，判断故障支路发生故障的类型。对电压传感器ii＝1：S，若该支路电流为零则判断为发生开路故障，并显示故障类型。若该支路电流不为零且该支路电流小于标准值I_m，则判断发生局部遮挡故障，并显示故障类型。若该支路电流不为零且大于或等于标准值I_m，并同时存在电压传感器的branchUtestk的值小于零，则判断发生短路故障。

最后，判断故障发生具***置并输出。分别以判断开路故障及其位置、判断局部遮挡故障及其位置、判断短路故障及其位置为例进行说明：

A.光伏阵列发生开路故障时，故障所在支路电流为零，同时也等同于在该支路中串联一个无穷大电阻，使得故障所在区域的电压增大。若第一条支路存在某一个电压传感器对应的branchUtestk的值大于零，表示该传感器所测得的电压值是大于标准电压值的，因此该传感器所覆盖的区域为故障模块所在区域。而其余两个电压传感器对应的branchUtestk的值都小于零，表示该传感器所测得的电压值是小于标准电压值的，因此发生故障的光伏模块不在这两个电压传感器所覆盖的范围内。由以上推导可以得出，故障模块为第一条支路的第一个光伏模块并显示故障类型及位置如附图3所示。

B.光伏阵列发生短路故障通常是由模块短接造成，发生短路故障时由于故障支路其余光伏模块仍正常运行，因此故障支路的电流没有变化，需要进一步根据各电压传感器对应的branchUtestk的值进行故障支路判定。通过比较各条支路中电压传感器所对应计算出的branchUtestk的值与正常运行情况下计算出的branchUtestk的值，branchUtestk的计算值异常(负数)的支路便为故障支路。假设第二条支路中的第三个光伏模块发生短路故障，因该模块同时被该支路中的三个电压传感器覆盖，因此当该支路中由三个电压传感器示数所计算出的branchUtestk的值都异常时，判断该模块故障，并显示故障类型及位置如附图4所示。

C.光伏阵列发生热点现象是由局部遮挡造成的，因此识别与定位局部遮挡在光伏阵列的故障检测中也是十分重要的。当发生局部遮挡故障时，存在光伏模块的辐照度小于标况下的辐照度S_ref＝1000W/㎡。此时故障支路的输出电流明显下降，可根据故障支路电流传感器示值异常判断出故障支路。接下来根据故障支路各电压传感器示值对应计算出的branchUtestk的值来确定发生局部遮挡的具体模块，branchUtestk计算值大于零所对应的电压传感器覆盖区域的光伏模块为正常，反之则为异常。若故障支路中三个电压传感器示数对应的都为正常，则可判断局部遮挡故障发生在最后一个未被覆盖的光伏模块中。当第三条支路的第六个光伏模块发生局部遮挡故障时，运行故障检测算法程序并显示故障类型及位置如附图5所示。

以上内容仅为本发明的实施例，其目的并非用于对本发明所提出的***及方法的限制，本发明的保护范围以权利要求为准。在不脱离本发明的精神和范围的情况下，本领域技术人员在不偏离本发明的范围和精神的情况下，对其进行的关于形式和细节的种种显而易见的修改或变化均应落在本发明的保护范围之内。

Claims (1)

1.一种基于传感器检测法的光伏阵列故障定位方法，可识别光伏阵列中的开路故障、短路故障及局部遮挡故障并定位，步骤如下：

(1)首先需要讨论实际应用中较为经济的电压传感器的放置方法，电压传感器的布置需要满足两个条件：电压传感器尽量少；被定位的光伏模块的数量(即分辨率)尽量小，但这两个条件实际上是互相矛盾的，因此需要讨论电压传感器放置位置的最优解，假设每条支路有N个光伏模块，所需传感器数量为S，每个传感器所测量的光伏模块数量为n，利用数学归纳法进行如下推导：

若每个电压传感器测量一个光伏模块，即n＝1时，则每个传感器所覆盖的光伏模块数为1，每条支路所需传感器数量为：

若每个电压传感器测量两个光伏模块，即n＝2时，则每2个传感器所覆盖的光伏模块数为3，每条支路所需传感器数量为：

若每个电压传感器测量三个光伏模块，即n＝3时，则每3个传感器所覆盖的光伏模块数为5，每条支路所需传感器数量为：

由此可以得到，当每个电压传感器测量n个光伏模块时，每条支路所需传感器的数量为：

其中，若S的计算值为小数，则需向上取整，同时由于每次测量的光伏模块数量相等，且测量的模块个数

(N为偶数时)或

(N为奇数时)，则可将S转化为n的一个函数：

(

或

)

由上式可以看出，S随着n的增大而减小，当n取最大值时，S取最小值，当每次检测的组件数最大时，所需传感器的数量最小；

(2)计算出电压传感器放置数量的最小值后，还需要根据所需测量的光伏模块数(也即分辨率)来具体确定每条支路中所需放置的电压传感器的数量，设每两个传感器之间间隔的光伏模块数量为L，同样利用数学归纳法推导如下：

当每两个电压传感器之间间隔的光伏模块数为1(即L＝1)时，所需传感器的数量为：

当每两个电压传感器之间间隔的光伏模块数为2(即L＝2)时，所需传感器的数量为：

当每两个电压传感器之间间隔的光伏模块数为3(即L＝3)时，所需传感器的数量为：

由此推出，当每两个电压传感器之间间隔的光伏模块数为L时，S和N的关系式为：

若S无法整除时，因S不能是小数，因此向上取整，即

(3)进一步，根据计算得出的每条支路需放置的电压传感器的数量，并在光伏阵列的每条支路中各设置一个电流传感器，测得各支路的电流值及各电压传感器的电压值，通过分析电流传感器所测得的电流值和电压传感器所测得的电压值来确定故障具体所在位置；

(4)在正常工作情况下，由于光伏阵列的每条支路的输出电流的值都是相同的，且当光伏模块的数量相等时，每条支路所产生的电压也相等，首先测量每条支路的最大电流Imax＝max(Ik)，以及整个光伏阵列输出的最大电压Umax，并设定标准值Im＝0.9*Imax，Us＝n*Umax/N；

(5)接下来对所有的支路，计算电压判断标准值branchUtestk＝U_all，k-U_s+0.0014，通过测量支路电流为0判断发生开路故障；而若该支路电流小于标准值I_m且不为零，则判断发生局部遮挡故障；存在电压传感器的branchUtestk的值小于零，则判断发生短路故障，最终结合电压传感器示值所计算出的电压判断标准值branchUtestk判断故障位置。

Images