针对复杂安装条件的光伏电站光伏板异常状态检测技术

针对复杂安装条件的光伏电站光伏板异常状态检测技术

常晨光

中电神头发电有限责任公司 山西省朔州市 036000

摘要：光伏（Photovoltaic，PV）能源是最具可持续性和经济竞争力的可再生能源之一，而光伏电站则是连接光伏能源和电力系统的重要桥梁。近年来，光伏电站内光伏板出现异常的情况屡见不鲜。为此，光伏电站运维技术应运而生。其中，光伏板异常状态检测技术可以在光伏发电系统运行过程中检测出光伏阵列的故障，保证光伏电站的正常运行，提高光伏发电系统的运行效率并降低发电成本，确保光伏电站的可靠性，高效性和安全性。

关键词：光伏系统；故障检测；随机性

引言

数据驱动方法的关键步骤包括：确定有利于任务的特征量,选择合适的数据驱动模型,获取带标签的故障数据。不同文献针对不同的故障类型，选择不同的特征量作为网络输入，一般包括开路、短路及最大功率点处的电气量、ODM模型参数及特征量和辐照度等。相比于采用ANN进行离线故障分类，分别采用基于核函数的极限学习机、SVM提高训练速度并实现在线运维。总体来说，数据驱动的方法需要确保描述光伏板正常运行状况和故障运行状况的相关数据集的可用性。数据驱动的方法对未提前学习过的故障类型不具有检测能力。

1光伏板出力建模

为了从光伏板电气状态量表达式中提取不受安装角度影响的特征量，首先需要建立适用于本文思路的光伏板出力模型。

不同于能量转换模型和ODM通过迭代求解电流电压关系来得到最大功率，Sandia光伏阵列模型（SandiaPVArrayPerformanceModel,SPAM）提供光伏板出力的显式解析表达式。为便于后续特征量的提取和计算，本节对SPAM进行适当简化，其中光伏板出力Pmp和有效辐照度Ee的表达式，具体写为：

P_mp=C_oV_mpoImpo*E_e(1)

E_e=O/G_o(I_b+I_d+I_r) (2)

式中：C_o为电流转换系数；V_mpo和I_mpo分别为参考输出电压和电流；O为遮阴蒙尘系数；G_o为参考辐照度；I_b,I_r,I_d分别为倾斜面接收太阳光的直射辐照度,反射辐照度和散射辐照度，受倾斜面倾角β_s和方向角γ_s的影响，具体表达式（（式（3）-（6））），具体写为：

I_b=DNI∙max(cosθ,0) (3)

I_d=DHI∙1+cosβ_s/2 (4)

I_r=ρ∙GHI∙1-cosβ_s/2 (5)

式中：DNI为垂直于太阳圆面的地表法向直射辐照度；DHI、GHI分别为地表水平面接收的太阳总辐射度和总辐射度中的散射分量；ρ为地表反射率；对于不同倾斜面，太阳光入射角θ在一天中随时间变化：

cosθ=cosβ_scosZ+sinβ_ssinZcos(γ_s-γ) (6)

式中：Z为太阳天顶角；γ为太阳方向角。

2故障检测方法设计

在特征量提取及其概率分布计算的基础上，本节提出一种故障检测方法。假设在光伏电站中，存在N块光伏板（N≥4）发生故障的概率较小，由N块光伏板的特征量分布可得到其余所有光伏板（待检测光伏板）的参考出力分布，再将参考出力分布与各光伏板的实际出力分布进行比较。本方法既避免了C的近似解所带来的误差，又可避免分组求解带来运算效率低下的问题。

具体过程如下：

第一步：

选取N块光伏板作为参考，对其进行排列组合，得到CN4个参考组。

第二步：

对于非参考光伏板i，结合其与参考组jj=1,2…CN4的朝向，筛选出同时满足cosθ>0时刻的运行数据。

第三步：

拟合参考组j的联合出力经验分布，GMM的线性不变性，得到C的第j个参考分布。由此形成正常运行条件下C的参考分布函数集合，其中包含CN4个C的分布函数。

结合GMM的线性不变性和构建光伏板i的正常运行出力参考分布集，其中包含CN4个出力参考分布。

第四步：

利用杰森-香农（Jensen-Shannon,JS）散度刻画光伏板i的实际出力分布与正常运行出力参考分布集中各元素jj=1,2,...CN4的差异，如果多数JS散度远大于0，即认为光伏板存在故障。

在以上步骤中，参考光伏板的选择和N的取值需遵循一定原则。具体地，参考组中4块光伏板必须满足以下条件：

1）β_s1、β_s2、β_s2、β_s4不能完全相等；

2）γ_s1、γ_s2、γ_s3、γ_s4不能完全相等；

3）四块光伏板中不存在背靠背安装的光伏板（不同时存在β_s=90°，γ_s=90°和β_s=90°，γ_s=270°的光伏板）。

以上条件中，条件1）和2）保证利用进行特征量计算时等式右边的角度矩阵可逆；条件3）保证参考组中光伏板均满足cosθ>0的时段不是空集。因此，在选择参考光伏板时，应尽量保证由它们排列组合形成的参考组能够满足上述条件。

在确定N的取值时，考虑到根据有限历史数据拟合的经验分布往往具有偏差，对于待检测光伏板i，N越大，正常运行出力参考分布集中的元素越多，各元素与光伏板真实运行出力分布的比较结果能够互为验证，结果更可信。但N取值太大将难以保证所选取参考光伏板均正常运行，且增加了单块待检测光伏板故障判断的工作量。

结束语

由于地理条件等因素的限制，光伏电站中光伏板的安装条件日趋复杂，使得不同光伏板的倾角、方向角可能存在较大差别。本文针对具有复杂安装条件的光伏电站，提出一种通过对比不同光伏板工作状态的方法以实现故障检测。首先，建立一种线性的光伏板出力解析模型;然后，从中提取一种与光伏板工作状态正常与否相关但与安装条件无关的特征量，并给出特征量及其概率分布的计算方法;在此基础上，设计光伏板的故障检测方法;最后，通过仿真验证该方法的有效性，讨论基于线性化假设求解光伏板特征量的概率分布对故障检测准确性带来的影响，并提出提高本方法判断故障准确性的方法。本文建立一种兼具准确性与简单性的光伏板出力解析式模型；提出适用于光伏故障检测的光伏板特征量，包括特征量提取与概率分布计算；介绍故障检测方法；由仿真实验验证所提方法的可行性。

参考文献

[1]毕金锋,吴雪萍,平曈其,王子文.光伏电站新建工程固定可调支架讨论[J].实验室研究与探索,2016,35(04):39-42+100.

[2]周晓明,朱周洪,陈军松,毛拾文,黄永忠.光反射型光伏板清洁度检测仪设计[J].中国计量学院学报,2016,27(01):44-47+72.

[3]智睿. 并网型光伏发电站的设计与应用研究[D].华北电力大学(北京),2016.

[4]傅强. 九州某30MW光伏电站项目的经济分析[D].西安建筑科技大学,2016.

[5]毕金锋,平曈其,吴雪萍,罗先启.刚察扎苏合光伏电站固定可调支架发电效益分析[J].实验室研究与探索,2016,35(01):31-33+53.

[6]高德东, 荒漠光伏电站电池板表面清洁技术研究. 青海省,青海大学,2015-12-28.