本发明涉及一种在线的光伏阵列故障诊断系统实现方法，首先，通过逆变器实现对光伏阵列故障诊断模型的输入变量进行采样；其次，将输入变量通过通信电路，送到上位机软件；再次，上位机软件实现输入变量的处理，将结果输入到故障诊断模型中；最后，将故障诊断模型的输出结果在上位机的界面中显示。本发明能够令传统的光伏并网逆变器具有在线光伏阵列故障诊断的功能。
1.一种在线的光伏阵列故障诊断系统实现方法，其特征在于：包括以下步骤:步骤S1：对传统的光伏并网逆变器进行改进，对光伏阵列故障诊断模型的输入变量进行采样；
步骤S2：将步骤S1采样的输入变量通过通信电路，送到上位机；
步骤S3：上位机采用故障诊断算法对输入变量进行处理，将处理结果输入到故障诊断模型中；
步骤S4：上位机在界面中显示故障诊断模型的输出结果；
其中，所述对传统的光伏并网逆变器进行改进具体为：在传统的光伏并网逆变器上使用电压和电流霍尔传感器，用以对光伏阵列的输出电压和电流进行测量，并在逆变器控制电路中使用MAX232芯片实现控制器与上位机的通信；同时，该改进的并网逆变器的采样电路还具有一个能够对外部电压进行测量的电压采样电路和一个能够对外部电流进行测量的电流采样电路；
其中，所述能够对外部电压进行测量的电压采样电路和一个能够对外部电流进行测量的电流采样电路用以获取正常时刻光伏阵列的开路电压和短路电流；正常时刻光伏阵列的开路电压和短路电流的获取是通过两块外部参考太阳能电池板，即对于m×x的光伏阵列，分别测量两块外部参考太阳能电池板的开路电压Uoc和短路电流Isc，则 正常时刻光伏阵列的开路电压为：m×Uoc，
其中，所述故障诊断模型包括第一层输入层、第二层隐含层、第三层输出层；所述输入层的输入变量为Ulastmpp、Ilastmpp、Uoc、Isc，其中Ulastmpp表示光伏阵列最后一个局部最大功率点的输出电压值，Ilastmpp表示光伏阵列最后一个局部最大功率点的输出电流值，Uoc表示参考太阳能电池板的开路电压，Isc表示参考太阳能电池板的短路电流；所述隐含层使用线性核函数；所述输出层包括分别对应1、2、3、4的四种故障状态，其中1对应正常，2对应短路，3对应开路，4对应阴影；其中，输入层使用归一化进行预处理，其处理公式为：其中， 均为归一化后的输入数据；
其中，所述故障诊断算法具体为：将光伏阵列的故障类型分为正常、短路、开路和阴影四种类型，在上位机中使用遗传算法结合支持向量机算法实现光伏阵列故障类型的诊断；
其中遗传算法用于支持向量机中核函数的最优参数选取。
2.根据权利要求1所述的一种在线的光伏阵列故障诊断系统实现方 法，其特征在于：所述上位机采用Matlab GUI进行编写，用以实现光伏阵列实时数据的输入、遗传算法-支持向量机训练的故障诊断模型的运行、界面显示。
一种在线的光伏阵列故障诊断系统实现方法
技术领域
[0001] 本发明涉及新能源技术领域，特别是一种在线的光伏阵列故障诊断系统实现方法。
背景技术
[0002] 在光伏发电中，光伏阵列的故障是影响光伏系统发电效率的一个重要原因之一，因此对光伏阵列故障的实时监测和对其故障诊断具有重要的意义。光伏阵列故障的主要影响是热斑现象，所谓热斑现象是指光伏阵列在实际使用过程中，可能出现太阳能电池板裂纹或不匹配、内部连接失效、局部被遮光或者弄脏等情况，导致一块或者一组太阳能电池的特性与整体特性不协调，这导致其产生的电流小于其他没有被遮挡的太阳能电池能够产生的电流。因此，根据基尔霍夫电压定律，这些被遮挡的太阳能电池就会带负电压，形成电路中的负载，并以热量的形式消耗其他正常工作的太阳能电池产生的能量，这种热量长时间的积累会破坏太阳能电池板的封装材料，甚至破坏太阳能电池板的物理结构，并将造成永久的损坏。同时，当光伏阵列中的某些太阳能电池板由于阴影、灰尘等原因出现局部遮挡而使其光照和温度等外界条件发生变化时，被遮挡的太阳能电池输出特性会发生变化，会令光伏阵列产生多峰情况，每个峰值的功率都不一样，若光伏阵列长期运行在不是全局最大功率点的峰值会使整个系统的效率降低。总而言之，光伏阵列的故障会降低光伏发电系统的发电效率，并且热斑现象会缩短太阳能电池板的寿命，导致发电成本的增加。
发明内容
[0003] 有鉴于此，本发明的目的是提出一种在线的光伏阵列故障诊断系统实现方法，利用改进的光伏并网逆变器实现光伏阵列故障诊断模型输入量的采样，故障诊断模型通过PC端上位机实现，将并网逆变器采集到的数据送到上位机进行处理，实现了光伏阵列实时监测的在线故障诊断。
[0004] 本发明采用以下方案实现：一种在线的光伏阵列故障诊断系统实现方法，具体包括以下步骤:
[0005] 步骤S1：对传统的光伏并网逆变器进行改进，对光伏阵列故障诊断模型的输入变量进行采样；
[0006] 步骤S2：将步骤S1采样的输入变量通过通信电路，送到上位机；
[0007] 步骤S3：上位机采用故障诊断算法对输入变量进行处理，将处理结果输入到故障诊断模型中；
[0008] 步骤S4：上位机在界面中显示故障诊断模型的输出结果。
[0009] 进一步地，所述对传统的光伏并网逆变器进行改进具体为：在传统的光伏并网逆变器上使用电压和电流霍尔传感器，用以对光伏阵列的输出电压和电流进行测量，并在逆变器控制电路中使用MAX232芯片实现控制器与上位机的通信；同时，该改进的并网逆变器的采样电路还具有一个能够对外部电压进行测量的电压采样电路和一个能够对外部电流进行测量的电流采样电路。
[0010] 进一步地，所述能够对外部电压进行测量的电压采样电路和一个能够对外部电流进行测量的电流采样电路用以获取正常时刻光伏阵列得开路电压和短路电流；正常时刻光伏阵列的开路电压和短路电流的获取是通过两块外部参考太阳能电池板板，即对于m×x的光伏阵列，分别测量两块外部参考太阳能电池板的开路电压Uoc和短路电流Isc，则正常时刻光伏阵列的开路电压为：
[0011] m×Uoc，
[0012] 短路电流为：
[0013] n×Isc。
[0014] 进一步地，所述故障诊断模型包括第一层输入层、第二层隐含层、第三层输出层；所述输入层的输入变量为Ulastmpp、Ilastmpp、Uoc、Isc，其中Ulastmpp表示光伏阵列最后一个局部最大功率点的输出电压值，Ilastmpp表示光伏阵列最后一个局部最大功率点的输出电流值，Uoc表示参考太阳能电池板的开路电压，Isc表示参考太阳能电池板的短路电流；所述隐含层使用线性核函数；所述输出层包括分别对应1、2、3、4的四种故障状态，其中1对应正常，2对应短路，3对应开路，4对应阴影；其中，输入层使用归一化进行预处理，其处理公式为：
[0015]
[0016] 其中， 均为归一化后的输入数据。
[0017] 进一步地，所述故障诊断算法具体为：将光伏阵列的故障类型分为正常、短路、开路和阴影四种类型，在上位机中使用遗传算法结合支持向量机算法实现光伏阵列故障类型的诊断；其中遗传算法用于支持向量机中核函数的最优参数选取。
[0018] 进一步地，所述上位机采用Matlab GUI进行编写，用以实现光伏阵列实时数据的输入、遗传算法-支持向量机训练的故障诊断模型的运行、界面显示。
[0019] 与现有技术相比，本发明通过改进的并网逆变器实现光伏阵列故障诊断模型输入变量的测量，故障诊断模型的实现通过PC端的上位机实现，能够实现光伏阵列在处于正常、短路、开路和阴影四个故障状态的诊断，并在上位机中进行显示预警。
附图说明
[0020] 图1为本发明实施例中光伏阵列故障诊断模型。
[0021] 图2为本发明实施例中归一化的训练二维分布图。
[0022] 图3为本发明实施例中光伏阵列故障诊断结果示意图。
[0023] 图4为本发明实施例中的上位机显示图1。
[0024] 图5为本发明实施例中的上位机显示图2。
[0025] 图6为本发明实施例中的上位机显示图3。
[0026] 图7为本发明实施例中的上位机显示图4。
具体实施方式
[0027] 下面结合附图及实施例对本发明做进一步说明。
[0028] 本实施例提供了一种在线的光伏阵列故障诊断系统实现方法，具体包括以下步骤:
[0029] 步骤S1：对传统的光伏并网逆变器进行改进，对光伏阵列故障诊断模型的输入变量进行采样；
[0030] 步骤S2：将步骤S1采样的输入变量通过通信电路，送到上位机；
[0031] 步骤S3：上位机采用故障诊断算法对输入变量进行处理，将处理结果输入到故障诊断模型中；
[0032] 步骤S4：上位机在界面中显示故障诊断模型的输出结果。
[0033] 在本实施例中，以6x2的光伏阵列为例，利用支持向量机的体系结构构建三层的SVM诊断模型(如图1所示)，分别是第一层输入层、第二层隐含层和第三层输出层。其中输入层为Ulastmpp、Ilastmpp、Uoc和Isc，故障模型的输入变量如表1，隐含层使用线性核函数，输出层由1、2、3和4分别对应四种故障状态，如表2。
[0034] 表1故障诊断模型输入变量
[0035]
[0036] 表2故障诊断模型输出层的含义
[0037]
[0038] 其中，输入层使用归一化进行预处理，其公式为：
[0039]
[0040] 其中，Ulastmpp和Ilastmpp为光伏阵列最后一个最大功率点对应的电压和电流原始输入数据；Uoc为光伏阵列开路电压实际输入数据；Isc为光伏阵列短路电流实际输入数据； 和为归一化后的输入数据。
[0041] 在改进的光伏并网逆变器上进行了初步的实验验证，对十二块光伏模块构成6x2的光伏阵列进行遮挡研究，采用亚力克板进行遮挡，其阴影系数约为0.6。
[0042] 验证实验所需数据的获取，分别在阴天和晴天进行，测量光伏阵列在不同环境温度和光照强度下最后一个最大功率点的对应电压和电流，并通过两块参考板测量分别测量其开路电压Uoc和短路电流Isc，因此正常时刻的光伏阵列的开路电压和电流分别为6×Uoc和2×Isc。经过了长时间的测试，共取得了20290组的数据，随机选取10145组数据作为训练集样本，并将剩下的10145组数据作为测试集样本。
[0043] 将数据通过归一化后在二维坐标系中画出可得如图2所示，分别包括正常情况、开路故障状态、短路故障状态、阴影状态。其中阴影状态又可以分作三角形“△”、圆点“·”、五角星“☆”和星字“*”分别又是代表四种不同程度下的阴影故障状态，但在测试中我们将其都归为阴影故障。
[0044] 利用设计的算法模型，测得其故障诊断正确率为99.9901％(10144/10145)。将测试结果在二维坐标系中画出，如图3所示。纵坐标是故障状态类型，横坐标是训练或测试样本的编号，可以看到仅有一个测试样本被诊断错误。在上位机采用Matlab编写故障在诊断软件，针对各种故障状态分类的结果显示如图4所示，软件可以对输入的数据进行实时的故障检测和分类，并将结果显示于界面上。
[0045] 以上所述仅为本发明的较佳实施例，凡依本发明申请专利范围所做的均等变化与修饰，皆应属本发明的涵盖范围。
