[发明专利]一种光伏阵列的IV特性曲线扫描与参数辨识系统及方法

说明书

本发明公开了一种光伏阵列的IV特性曲线扫描与参数辨识系统及方法，系统包括数据采集模块、光伏阵列IV特性曲线扫描模块、存储模块和显示模块，数据采集模块对光伏阵列的温度和光照度进行采样，并通过低功耗无线传感网络传输给光伏阵列IV特性曲线扫描模块，基于动态电容充电方法进行IV特性曲线扫描，检测阵列输出电流和电压并存储；将扫描到的IV曲线转化为标准条件下（STC）的IV曲线，利用ABC‑NM单纯形混合算法进行IV曲线拟合，准确辨识光伏模型参数。本发明系统既能携带至户外，以辅助检测人员对光伏阵列进行人工检测，又能放置于汇流箱，与上位机连接实现实时在线的组件级和组件串级的分布式光伏阵列IV曲线扫描。

技术领域

本发明涉及光伏发电阵列检测技术领域，具体涉及一种光伏阵列的IV特性曲线扫描与参数辨识系统及方法。

背景技术

作为光伏发电系统的核心，光伏面板是一种必须长期处在室外环境下的发电装置。因此，在实际的应用中，光伏面板的性能不仅会随着使用年限的增加而下降，而且会受到恶劣自然环境的影响而产生故障。故障的存在会造成整个系统的低效率运行并且加速光伏面板的损坏，严重时甚至会引起火灾，造成社会财产损失，危害人类生命安全。对光伏阵列在各种复杂环境下的特性电压、电流数据的采集、建模、参数提取、参数分析归类是快速故障检测、保障光伏发电系统安全、评估系统性能、改进太阳能电池制造工艺的基础。

近年来，国内外许多学者在对光伏阵列I-V特性曲线测试技术方面有了比较深入的研究，大部分学者主要采用的测试方法有：可变功率电阻器测试法、可变电子负载测试法和动态电容充电测试法。可变功率电阻器测试法是通过手动改变电阻器的阻值，并同时利用电流和电压表进行电流、电压数据的人工读取，将采集到的数据按时序排列，便得到光伏组件的伏安特性曲线。该方法原理简单，但测试过程繁琐，耗时耗力、手动控制无法使电阻的阻值连续、准确变化，所得到的I-V曲线精确度和光滑度都较低。可变电子负载法是将运行在线性区域的功率晶体管(例如IGBT和MOSFET)作为可变负载，通过控制栅极驱动电压来改变晶体管的导通程度，通过连续采样，就能准确获取光伏组件I-V特性曲线。可是因为安全工作区的限制，功率晶体管只能承受几毫秒的高功耗，它只适用低功耗的光伏组件I-V曲线测量，对于光伏阵列的I-V测量应用，功率晶体管很容易烧坏。因此，基于功率晶体管的可变电子负载方案的鲁棒性非常有限。

一旦获得I-V曲线，可以容易地提取一些简单的光伏阵列电气参数(包括开路电压(Voc)，短路电流(Isc)，最大功率点电压(Vmpp)和电流(Impp)以及填充因子(FF)等等)，结合测量的温度和光照度，确实可以很方便地检查出光伏阵列的运行状态。然而对于前端太阳能电池生产工艺的改进、如何降低光伏发电成本、光伏阵列性能更详细地评估以及更深层次、更便捷性的光伏阵列故障诊断，除了这些简单电气参数以外，还需要光伏内部模型参数，而目前市场上的光伏组件往往没有提供这些内部参数。因此，光伏模型参数辨识近年来得到国内外越来越多的学者的关注。

传统光伏模型参数提取的方法主要局限于近似解析法和数值求解法。近似解析法利用微分求导，在不同程度假设和简化模型的前提下，分析处理I-V特性方程，进而近似求出模型的未知参数值。尽管方法容易理解，计算不难，但其计算精度很大程度上受I-V特性曲线部分关键点的影响，若关键点的采样数值有微小变化，模型参数则出现很大偏差。数值求解法利用数值算法对所有实测电压电流数据进行拟合，参数提取的精度相对稳定并且有了一定的提高，但仍受限于所选择的数值算法，存在着收敛性不确定，计算量较大等缺点。近年来，人工智能技术在光伏模型的参数提取方面得到了广泛运用，如人工神经网络、混沌粒子群算法，遗传算法等。其特点是利用搜索、替代、迭代逐步减少误差，使参数的值逼近最优解。这些算法在参数辨识精度方面相比于传统方法有了很大提升，并且通过参数优化，基本能解决收敛速度慢，容易陷入局部最优等缺陷，因此，高效人工智能算法越来越得到人们的广泛运用。本发明也采用高效人工智能算法。