光伏阵列故障诊断方法综述
加入技术交流群
3 光伏阵列故障诊断方法
文献利用电池板热斑效应，在阵列前面架设热成像仪，通过图像处理程序实现在线故障诊断并能实现故障点的定位。
对地电容测量(ECM)一般用于检测传输线中的断点，该方法可根据情况分为比较法和钳形测量法。若有两串电池板，其中一个正常，另一个有故障，则可通过测量有故障的电池串的对地电容和正常电池串的对地电容来判断断点：
式中：x为断点处的电池板数；Cx为有问题的电池板的对地电容；Cd为正常的一串电池板的对地电容；M为单串中的电池板数。
若只有一串电池板，可通过检测正、负极的对地电容通过x=[Cp／(Cn+Cp)]M来判断。Cn，Cp分别为光伏电池板串联后的负极和正极的对地电容。
时域反射法(TDR)是一种类似于雷达的检测方法。输入信号进入传输线，当出现阻抗不匹配时产生反射信号，通过比较输入信号与反射信号来定位故障，如图2所示。当出现故障时，反射波会出现不同的延时和波形的改变，通过改变检测波形能够检测老化(串联电阻的增加)和故障点在光伏阵列中的位置。实验需在黑暗环境下进行，因为白天光照的影响会使阵列阻抗不稳定，而在黑暗的情况下光伏阵列的阻抗特性较稳定。本文引用地址：https://www.eepw.com.cn/article/175822.htm
ECM和TDR均需在系统停止工作情况下检测，难以做到实时监测。文献在不同故障状态下提取多种特征参数，在PSIM仿真环境下，利用事件相关度数学模型对阵列进行故障诊断，该方法需采集多种故障状态及不同环境下光伏电池阵列的输出特性；文献利用卫星观测光伏阵列所在地区的天气情况，将模型预测得到的光伏阵列所能发出的功率与检测得到的实际功率进行比较，来判断阵列是否存在故障，该方法虽能判断阵列是否故障，但不能对故障点定位；文献由统计数据通过智能学习方法诊断出故障点，需要集合整个阵列各故障点下的统计数据如光照强度、温度以及输出功率等；文献以电流检测为手段，通过设计复杂的阵列结构连接方式实现故障电池板定位，该方法需要的电流传感器较多且该阵列结构形式在工程上难以应用；文献采用实时监测外部环境的方法，通过模型计算出阵列的应输出功率，并将其与实际输出功率比较，从而判断阵列是否故障，这种方法难以实现故障点的精确定位；文献采用功率单元补偿的方法，即当光伏电池板因故障不能发出功率时，用功率单元弥补损失的功率。但这里仅考虑了电池板串联情况，实际中光伏阵列是串并联结合的，因此该方法具有一定的局限性；文献通过改变阵列结构来减小阴影对阵列输出特性影响，该方法在使用过程中需加入大量的开关，因而在规模光伏阵列中难以推广；文献利用3层人工神经网络的方法实现故障点定位，但该方法需要阵列大量的工作数据为神经网络提供训练且主要针对电池板短路故障。文献针对光伏组串结构，提出通过扰动工作电流来检测各电池板工作电压的方法，从而实现单支路光伏故障诊断。文献初步研究了小型光伏阵列故障诊断方法及传感器放置策略。表2分别给出上述方法在不间断运行、故障诊断和工程适用性这3方面的不足，其中红外检测法、ECM，TDR、智能算法、功率对比法均存在难以克服的困难，基于电特性检测方法研究则较少，若能突破诊断方法及传感器数量这两个技术瓶颈则可兼具三方面潜力。
4 基于电特性检测方法亟需解决的问题
从上述国内外研究现状看基于电特性检测方法呈现如下不足：未将故障点定位、阵列不间断运行、实际工程应用性以及诊断系统的经济性有机结合；最具应用潜力的电特性方法方面，在故障诊断方法及减少传感器数量两个技术瓶颈问题上未有突破。针对基于电特性检测规模光伏阵列故障诊断方法这一研究课题，尚未在原理上找到有效解决方案，仍存在亟需解决的科学问题，具体归纳为如下两点：①电特性检测原理，如何利用光伏阵列的内在规律，从电特性角度，以电压电流为检测量分区间检测，实现光伏阵列不间断运行故障诊断及故障点定位；②减少传感器数量，在实现故障点定位的前提下，如何利用最少的传感器实现无冗余信息的传感器配置，从而满足低成本、高可靠性要求，加快工业应用进程。
评论