[发明专利]一种太阳能电池板故障自动检测方法

说明书

本发明一种太阳能电池板故障自动检测方法，属于光伏电池板故障检测技术领域；所要解决的技术问题为：提供一种太阳能电池板故障自动检测方法的改进；解决该技术问题采用的技术方案为：根据光伏电厂采集的实时电流数据制作成适合神经网络故障诊断模型的训练数据集和测试数据集，将数据集依次通过神经网络的三个残差模块提取电流深层次的特征，数据集先通过神经网络模型中的残差模块的膨胀卷积提取电流信息的深层次特征，通过一个小型子网络根据样本的不同自动学习一组阈值，再对学习的阈值进行软阈值化，最后将网络学习到的残差函数和恒等映射函数进行加权，最终进入全连接层进行分类完成对光伏电池板的故障检测；本发明应用于太阳能光伏电池板的日常维护。

技术领域

本发明一种太阳能电池板故障自动检测方法，属于光伏电池板故障检测技术领域。

背景技术

随着经济全球化的发展，世界各国经济发展迅速，人们生活水平显著提高，对于能源的需求量与日俱增，不可再生能源的短缺成为一个不可避免的问题，太阳能由于获取方式简单，不受地域限制，太阳辐射能的总量可观，太阳的能量比较长久，而且太阳能的使用不会造成环境污染，绿色能源的发展为各国解决能源短缺和由不可再生能源引起的环境污染问题中起着举足轻重的作用，随着太阳能的发展，光伏产业随之兴起。

光伏电站一般规模较大，占地面积广，能源公司从经济角度考虑，一般选择建设在人迹罕至的郊区，为确保光伏电站的顺利运行，能源公司会为光伏电站配置少数的维保人员；由于光伏电站的规模较大，维保人员需要巡检维护的范围广，光伏组件较多，为维保人员准确定位故障光伏组件的物理位置以及故障类型具有极其重要的研究意义。

近几年，国家大力支持人工智能和大数据的发展，人工智能已经被应用到生活的方方面面，人工智能也极大地促进了太阳能光伏组件的故障诊断研究发展，有使用红外图像检测光伏组件的热斑故障，红外图像检测法主要基于故障组件和正常组件的温度差异检测故障，使用传感器进行故障检测，对光伏系统的电池进行分块化处理，并将多个传感器分别放置在合适的位置，检测各支路的电流和光伏组件电池板的电压，通过采集的电流和电压值去综合判断故障发生位置；上述红外图像检测法和多传感器法对于大型光伏阵列需要投入大量的红外摄像头和传感器设备，导致经济成本过高并不适用，仅适用于小型光伏电站；另外有基于电气测量的故障诊断方法通过测量I-V曲线、接地电容值、反馈信号等方法进行故障诊断，但该方法的缺陷是不能准确定位故障发生的具体位置，能够判断的故障类型受限；因此有必要对现有光伏电池板的故障确定及调整方法进行改进。

发明内容

本发明为了克服现有技术中存在的不足，所要解决的技术问题为：提供一种太阳能电池板故障自动检测方法的改进。

为了解决上述技术问题，本发明采用的技术方案为：一种太阳能电池板故障自动检测方法，包括如下工作参数检测调整步骤：

步骤一：对工作中的光伏电池板参数进行检测，采集光伏电池板的电流数据集，对电流数据集进行特征提取，制作得到训练数据集与测试数据集，根据可视化的电流数据制作标签数据集；

步骤二：使用软阈值化的时序卷积神经网络模型进行学习训练，根据模型训练时的损失函数值、正确率、验证测试数据集得到的正确率，对模型的结构与参数进行调整与优化；

步骤三：将实际光伏电站运行产生的电流数据对模型进行反复的验证与优化调整。

在步骤一中，具体根据电流曲线图制作出对应支路的标签数据集，根据支路运行时实际采集到的电流数据表现形式，将支路工作状态分为三个等级：

等级一的工作状态为：包含通讯传输故障、热斑烧穿或熔断这两类故障：

所述通讯传输故障的电流曲线变化无规律，存在明显脱离常识的电流值点；

所述热斑烧穿或熔断故障的电流曲线由正常发电突降为0，并保持0值不再发生变化；

等级二的工作状态为：包含组件老化故障、设备启动故障、组件维修故障三种故障类型：