[发明专利]基于功率预测的光伏组件阴影故障类型判定方法

说明书

技术领域

本发明涉及光伏组件的阴影故障类型判定方法，属于新能源发电领域。

背景技术

随着化石类能源的逐渐枯竭和环境污染的日益加剧，许多国家将目光转向新能源发电领域。光伏发电具有设计安装容易、地域限制小、扩容性强、噪声低以及寿命长等特点，日益成为新能源发电的主要形式之一。

在光伏组件运行过程中，根据影响特性可把阴影分成硬性阴影和软性阴影。区别在于前者具有时不变性，而后者具有时变性，其位置、形状、大小随时间变化而变化。软性阴影会造成光伏组件中部分电池片输出功率不匹配，长时间会损坏电池片形成硬性阴影。因此，对阴影类型进行及时甄别，可避免其对组件本身造成的损害，降低功率损失。

目前，许多学者将研究重点集中在阴影情况下的光伏输出特性以及最大功率点跟踪，而忽略了阴影的成因。胡义华等人通过采样电路和上位机监控软件，总结出在有阴影影响的情况下光伏电池板的输出特性的规律，但未对阴影情况进行判断。王元章等人提出采用BP神经网络来实现光伏组件的在线故障诊断，但该方法忽视故障信息的不确定性和复杂性，因而诊断结果的可信度不高。王培珍等人通过分析不同故障情况下光伏组件呈现出反常的温度分布来判断故障类型，但该方法需加装红外摄像机且诊断结果精度较低。Hu等人通过温度记录仪结合光伏组件输出电气值对组件的模型参数进行计算，进而通过实际功率与模型功率两者差值对故障进行判断。陈雪娟等人仅对光伏组件软硬性阴影进行初步划分，并未对硬性阴影的程度作进一步细分，且该方法中小波基的选择具有一定的局限性。

发明内容

发明目的：本发明建立一种基于功率预测的光伏组件阴影故障类型判定方法，能够有效区分光伏组件的软性阴影故障、轻微硬性阴影故障和严重硬性阴影故障。

发明内容：本发明提出一种基于功率预测的光伏组件阴影故障类型判定方法，包括如下步骤：

步骤10：通过改进人工鱼群算法IAFSA辨识出光伏组件的内部等效参数，并获取各参数随外界工况变化的修正公式。

以TSM-250PC05A型光伏组件为例，通过IAFSA对100组实验室环境下光伏组件实测数据进行参数辨识，并利用最小二乘拟合法对组件各参数变换公式进行拟合修正。

等效串联电阻R_s影响光伏组件MPP附近的I-V输出特性曲线形状，并对曲线中开路点附近的斜率有影响。通过最小二乘法对其进行拟合，得到R_s的近似拟合表达式为：

R_s＝R_s,ref(1)

式中，R_s,ref为标准测试环境(Standard testing condition,STC)下光伏组件等效串联电阻值。

等效并联电阻R_sh则对光伏组件I-V输出特性曲线中短路点附近的斜率有影响，R_sh数值越大，则曲线在短路点附近越平行于横轴。通过最小二乘法对其进行拟合，得到R_sh的近似拟合表达式为：

式中，R_sh,ref为STC下光伏组件等效并联电阻值。

光生电流I_ph近似地随光照强度呈现线性变化，它对光伏组件I-V输出特性曲线有着最为显著和直接的影响。通过最小二乘法对其进行拟合，得到I_ph的近似拟合表达式为：

式中，I_ph,ref为STC下光伏组件光生电流值。

二极管反向饱和电流I_SD随温度变化明显，它影响光伏组件的输出电压。通过最小二乘法对其进行拟合，得到I_SD的近似拟合表达式为：

式中，I_SD,ref为STC下光伏组件二极管反向饱和电流值。

二极管理想因子n对光伏组件的输出电压有较大影响。n随温度会发生变化，通过最小二乘法对其进行拟合，得到n的近似拟合表达式为：

n＝n_ref(1-0.0003(T-25))(5)

式中，n_ref为STC下二极管理想因子值。

因此，在确定光伏组件的实际工况后，结合式(1)～式(5)可得当前工况下光伏组件的内部等效参数值，从而进行光伏组件建模与分析。

步骤20：采用经验模态分解EMD方法对光照强度进行分解，挖掘其数据趋势项，为灰色模型GM预测提供应用基础。