[发明专利]基于模糊逻辑推理的热斑故障诊断方法

权利要求书

1.基于模糊逻辑推理的光伏热斑故障诊断方法，包括以下步骤：

S1：选取四个特征量作为模糊逻辑推理的输入量，其中包含两个电参数和两个图像特性信息：S11：当前工作的最大输出功率值P_m与其理论值的比值x₁，S12：当前系统的工作电压值V与其理论值的比值x₂；S13：热斑区域面积S_o与光伏阵列面积S之比x₃；S14：热斑区域平均灰度值与光伏阵列整体区域灰度平均值之差x₄；

S2：确定输出量模糊子集；将光伏阵列的热斑故障分为三个等级，模糊子集定义为{NZ,Z,PS},定义其论域为{1,2,3}，其实际意义分别表示“正常状态”、“遮阴状态”和“热斑异常”，具体光伏故障定义如表所示：由于热斑形成是一个渐变过程，因此当检测到光伏阵列出现遮阴时，则可以加以预防，进行热斑故障的排查，防止严重的热斑效应对光伏组件的损坏；

S3：确定输入输出隶属度函数；

S4：依据光伏输出特性和热红外图像的特点建立模糊规则库；

S5：根据建立的规则库将输入量模糊化，进行模糊推理；

S6：输出反模糊化，得到热斑故障诊断结果。

2.根据权利要求 1所述的基于模糊逻辑推理的光伏热斑故障诊断方法，其特征在于：步骤S1中当前工作的最大输出功率值P_m与其理论值的比值x₁的确定包括以下具体步骤：

S111：在已知光照和温度的情况下，由光伏模块的工程模型的数学公式进行估计得到理论

S112：求取当前工作的最大输出功率值P_m与其理论值的比值x₁；

S113：定义其的模糊子集为{NB₁,NZ₁,Z₁,PS₁,PB₁}；

S114：比值x₁的取值范围为[0,1]，设定其模子集的定义域为{0,0.25,0.5,0.75,1}。

3.根据权利要求2所述的基于模糊逻辑推理的光伏热斑故障诊断方法，其特征在于：步骤S12当前系统的工作电压值V与其理论值的比值x₂的确定包括以下具体步骤：

S121：在已知光照和温度的情况下由光伏模块的工程模型的数学公式进行估计，得到理论

S122：定义x₂的模糊子集为{H₂,L₂,N₂}，实际意义为H₂表示当前工作电压值与理论值相差较大，L₂表示当前工作电压值与理论值相差较小，N₂表示当前工作电压值与理论值相差为零；

S123：x₂的取值范围为[0,1]，如果x₂大于1，则等于1，设定其模糊子集的定义域为{0,0.5,1}。

4.根据权利要求3所述的基于模糊逻辑推理的光伏热斑故障诊断方法，其特征在于：所述步骤S13中热斑区域面积S_o与光伏阵列面积S之比x₃的确定方法，特征量的模糊子集为{N₃,L₃,H₃}，实际意义则为N₃表示无热斑区域，L₃表示热斑面积相对较小，H₃表示热斑区域面积较大，因x₃的取值范围为[0,1]，并根据文献资料和经验，一般认为热斑面积超过5％时，即为出现严重热斑情况，故设定模糊子集的定义域为{0,0.15,1}。