[发明专利]一种基于神经网络的光伏并网电站故障类型检测装置

说明书

一种基于神经网络的光伏并网电站故障类型检测装置，其特征在于包括：光伏组件阵列、测量模块、控制模块、通讯模块、照度测量仪构成；根据当前照度测量仪输出的照度值、光伏阵列的电流和电压值，采用BP神经网络的计算方法，检测出光伏阵列是否出现热斑、隐裂、遮挡等故障类型。

技术领域

本发明涉及基于环境照度测量的光伏并网电站故障类型检测装置，属于太阳能光伏发电技术领域。

背景技术

随着新能源应用的迫切需要，太阳能光伏发电的规模的不断扩大，光伏发电的运营、维护、管理等各个环节迫切需要智能转型升级以提高效率降低成本。因此需要实时准确地了解每一片光伏电池板的工作状态。目前的虽然有一些监测方法，但是都不能正确判断光伏组件的运行状态。如，专利申请号2020203163891《一种组件级的光伏电站故障检测系统》所公开的技术方法。由于光伏电池模块的工作状态受照度影响极大，仅仅检测输出端电压不能准确判断光伏组件的运行状态的好坏。一般情况是只有等到某一片电池板出现了故障、烧毁甚至演变成灾害事故了才能知道，其时已晚，造成重大损失。目前的光伏电站都只能对一串光伏组件进行监控且不能顾及环境照度的影响，不能确定故障的类型，不能满足大规模光伏电站的运营维护要求，本技术就是为了解决这一问题而设计的。

发明内容

针对上述现有技术存在的不足，本发明提供一种基于神经网络的光伏并网电站故障类型检测装置，可以检测、判断出光伏组件的故障类型；其特征在于包括：光伏组件阵列、测量模块、控制模块、通讯模块、照度测量仪构成；光伏阵列由多个光伏组件串联构成；测量模块包括电压采样模块和电流采样模块；光伏组件阵列的输出端与测量模块的输入端连接；测量模块的输出端与控制模块的输入端连接；控制模块的输出端与通讯模块的输入端连接；

通讯模块用于将当前系统状态以及故障检测结果传出。

本发明照度测量仪安装在光伏组件的场地附近，其输出端与控制模块的输入端连接，用于测量当前环境场的太阳能辐照量；控制模块根据当前照度测量仪输出的照度值、光伏阵列的电流和电压值，采用BP神经网络的计算方法，检测出光伏阵列是否出现热斑、隐裂、遮挡等故障，步骤如下：

步骤1获取BP神经网络学习样本

选择阳光充足的天气，将早上6点到晚间6点的时间段进行整点划分，分别选择光伏组件正常运行、出现阴影遮挡、出现热斑或隐裂三种情况下，设G为照度，V为电压，I为电流，t为时间，其中t＝1,2,...,m，获取不同时间段的照度值G₁,G₂,...,G_m，电压值V₁,V₂,...,V_m，电流值I₁,I₂,...,I_m，采集50天以上的样本值，作为BP神经网络学习样本。

步骤2采用BP神经网络进行学习

1)选定输入和输出样本；

将时间t、照度G、电压V和电流I的值转换成二进制；当光伏阵列发电正常时，输出d等于0；当光伏阵列出现热斑或隐裂故障时，输出d等于1；当光伏阵列出现阴影遮挡故障时，输出d等于-1。则：

输入样本为：输出样本为：

2)选定初权值w；

3)重复下述过程，输入全部样本，直到收敛；

(1)输入样本x，计算各层输出：

y^l＝f(vt^l)＝f(w^ly^l-1)

(2)计算输出层误差：

(3)计算局部梯度δ_j,δ_k