[发明专利]一种基于统计特征的光伏组件异常识别方法

说明书

本发明提供了基于统计特征的光伏组件异常识别方法，其包括以下步骤：收集历史数据；建立电流状态指标和电压状态指标；分别对于电流状态指标分布和电压状态指标分布进行统计性建模；分别对电流状态指标和电压状态指标进行特征提取；根据同一片区中不同光伏组件的电流状态特征分布和电压状态特征分布分别计算电流异常运行状态阈值和电压异常运行状态阈值；基于异常运行状态阈值对光伏组件异常进行识别。本方法考虑到光伏阵列的出力不稳定的特点，建立了电流、电压的状态指标，设定置信度获取置信区间，确定分界点，并确定实时运行数据的阈值范围，最后通过故障诊断流程对实时状态进行判定，可以准确地进行光伏组件异常识别。

技术领域

本发明属于光伏发电技术领域，具体涉及一种基于统计特征的光伏组件异常识别方法。

背景技术

光伏发电作为一种重要的可再生能源利用形式，近年来发展迅速。根据国际能源机构的报告，2020年世界增加了超过126GW的光伏装机量，比2019年增长了21.8％，这是能源转型上前所未有的势头。光伏发电系统在室外工作，需要长期经受环境的考验，对运行维护提出了较大挑战。而组件作为系统中的核心发电设备，对环境的变化更是敏感：沙尘、落叶这些外部因素所造成的部分阴影及开路、短路和老化这些内部问题都可能导致光伏板受损，引起整个光伏阵列乃至整个发电厂的效率问题，长期存在隐患时可能引发火灾。因此如何及时有效发现并排除故障对于光伏行业是时时刻刻要考虑的问题。不过现阶段的故障诊断方法往往停留在光伏阵列或支路级别，这些方法不够精确，个别组件的受损情况未必会在支路数据中表现出来，无法检测影响单个模块的小故障，即使检测到故障，也没有明确表明哪些是故障组件。因此研究组件级别异常状态识别方法具有重要意义。

发明内容

针对现有技术中的上述不足，本申请提出的一种基于统计特征的光伏组件异常识别方法可以实现光伏组件电压与电流的异常识别。

为了达到上述发明目的，本发明采用的技术方案为：

提供一种基于统计特征的光伏组件异常识别方法，其包括以下步骤：

S1、收集并清洗光伏组件历史运行数据及历史环境数据；

S2、分别基于光伏组件的电流和电压数据建立电流状态指标和电压状态指标；

S3、分别对于电流状态指标分布和电压状态指标分布进行统计性建模，得到统计性建模结果；

S4、根据统计性建模结果分别对电流状态指标和电压状态指标进行特征提取，得到电流状态特征和电压状态特征；

S5、根据同一片区中不同光伏组件的电流状态特征分布和电压状态特征分布分别计算电流异常运行状态阈值和电压异常运行状态阈值；

S6、基于异常运行状态阈值对光伏组件异常进行识别。

进一步地，步骤S1的具体方法为：

收集光伏组件历史运行数据中的电流和电压，及历史环境数据中的环境温度和辐照度，删除夜间以及白天中辐照度低于100W/m²时所对应的电流、电压和辐照度数据；其中光伏组件历史运行数据包括电流数据和电压数据。

进一步地，步骤S2的具体方法为：

将同一采样点中光伏组件的电流与辐照度的比值作为电流状态指标；将光伏组件的电压值作为电压状态指标。

进一步地，步骤S3中对状态指标进行统计性建模的具体方法为：

根据公式：

M_a＝d·m