[发明专利]基于ZigBee的光伏组件在线监测与故障诊断方法

摘要

本发明涉及一种基于ZigBee的光伏组件在线监测与故障诊断方法，采用模块化设计，将系统分成光伏组件无线传感器节点、数据网关、数据管理中心。光伏组件无线传感节点由CC2530无线收发器、传感器模块和电源管理模块构成，用于监测光伏组件的工作参数和环境参数，并通过ZigBee网络传给数据网关；数据网关采用基于ARM核的Mini2440控制器进行设计，完成对监测数据的缓存并将其转发给数据管理中心；数据管理中心采用QT软件进行设计，实现对数据网关转发过来的监测数据进行存储、显示、查询以及对传感网参数配置等功能，并基于实际监测数据采用遗传算法优化BP神经网络故障诊断模型，对光伏阵列的正常、短路、阴影和老化四种常见工况状态进行自动诊断。

主权项

1.一种基于ZigBee的光伏组件在线监测与故障诊断方法，其特征在于，按照如下步骤实现：步骤S1：通过与光伏阵列中每个组件相匹配的ZigBee采集节点对应采集每个组件的工作参数及环境参数；步骤S2：所述ZigBee采集节点将采集数据通过无线传感网络发送到一汇聚节点，并通过串口发送至一数据网关；该数据网关将采集数据存储，并结合本地数据作为监测数据通过网络发送至一数据管理中心；步骤S3：所述数据管理中心对所述数据网关转发过来的监测数据进行存储、显示、查询以及对传感网参数配置；步骤S4：基于所述监测数据，所述数据管理中心采用遗传算法优化后的BP神经网络算法故障诊断模型，对光伏阵列的故障类型进行自动诊断；在所述步骤S4中，所述遗传算法优化后的BP神经网络算法故障诊断模型建立过程为：通过MATLAB建立故障仿真模型，得到光伏阵列的正常、短路、阴影和老化四种不同故障类型的数据，将故障数据和所对应的故障类型放在同一组数据中；随机抽取若干组故障数据对所对应的故障模型训练，得到训练后的故障模型，并用剩余组的故障数据验证所对应的故障模型，得到该故障模型诊断率；具体按照如下步骤建立：步骤S41：确定网络的拓扑结构，即确定输入层‑隐含层‑输出层的节点数量以及特征变量；步骤S42：将得到的初始权值和阈值进行编码，并且通过适应度函数计算每个个体的适应度值，其计算公式如下：式中的n为网络输出节点数，yi为BP神经网络第i个节点的期望输出；oi为神经网络的第i个节点的预测输出；k为系数；步骤S43：通过计算种群中每个个体的适应度值，根据适应度值的大小，选择高适应度的个体进行复制，通过交叉和变异操作后，计算其适应度值；判断这些适应度值是否满足最优个体的条件，即算法要求的最优初始权值和阈值，如果不满足，则继续选择适应度比较高的个体进行交叉和变异操作，重复以上步骤，直到找到符合要求的最优个体；选择和交叉操作的公式分别如下：式中，Fi为i个体的适应度值，N为种群个体适应度值；以上公式是第k个染色体ak和第l个染色体al在j位的交叉操作，b是0到1之间任意一个数值；步骤S44：将最优个体包含的所有初始权值和阈值代入到BP神经网络模型中，利用这些权值和阈值对网络进行训练，得到该网络的误差，并实时更新权值和阈值；步骤S45：将得到的误差与要求的最小误差做对比，若符合，则得到最小误差的训练网络，并且预测函数输出。