一种新型光伏阵列多传感器故障检测定位方法

多传感器法用于光伏阵列故障检测中,有利于降低光伏电站成本,提高工作效率。针对大规模光伏阵列,提出了一种全局分块逐步逼近法来实现光伏组件故障检测和定位。对M×N光伏阵列模块化处理分成B×C区域,并进行编号;在对光伏阵列模块化处理的基础上,统计分析各阵列块的电压数据,求出每块平均值,并与区域内各数据进行相对误差(故障权因子)计算,通过评价电压波动来判断光伏组件是否存在故障。基于Matlab实现了全局分块逐步逼近的算法,对100×100的大矩阵进行仿真实验,仿真结果表明,故障准确率随着故障权因子的增大而减小,同时也会随着区域维度的增加而降低。

基于半监督学习标签传播-极端随机树算法的光伏阵列故障诊断及定位

对光伏阵列故障进行精确诊断和定位有助于提升光伏发电系统的可靠性。针对现有的诊断方法过度依赖大量有标签样本,难以同时兼顾故障类型诊断、故障定位及低成本等问题,将多传感器法与半监督学习算法相结合,构建了一种融合标签传播算法(label propagation,LP)和极端随机树(extra-trees,ET)的半监督学习算法LP-ET。为克服工程实际故障样本较少且往往缺失故障标签的问题,搭建了光伏阵列故障仿真模型获取样本,引入LP算法,基于少量含故障类型及定位信息的有标签故障样本,实现原始故障样本集全标注;继而引入ET模型,持续构建大量决策树形成极端随机树,采用多数投票机制(Bagging)获得故障类型及定位结果。实验结果表明,所提出的LP-ET模型可以在含有大比例未标注样本数据集情况下实现短路、断路、退化及遮阴故障的较高精度诊断,兼顾单组件及多组件故障,有效解决光伏阵列故障诊断及定位问题。

基于长短时窗事件检测的电力电缆局放在线定位方法

在以高频电流法结合行波法为基础的电缆局部放电在线定位中,局部放电脉冲初至时刻的拾取是影响局部放电源定位精度的关键。针对现有方法易拾取伪脉冲的问题,提出一种长短时窗能量均值比结合变时窗峰度的局部放电在线精确定位方法。首先,采用长短时窗能量均值比进行局放事件检测,搜寻局放脉冲所在时窗;然后,根据确定的时窗数据绘制其变时窗峰度曲线,曲线的最大值点对应局部放电脉冲的初至时刻;最后,根据多传感器法对局部放电源进行定位。仿真实验结果验证了所提方法的有效性,同时,现场实测局放信号的实验结果表明,该定位方法能够在实际应用环境下准确拾取局放初至脉冲,具有工程应用价值。

光伏阵列局部遮阴故障检测模型与成本分析

光伏阵列中的局部遮阴会导致热斑效应,影响系统的安全稳定运行。以目前常见的多传感器法作为研究目标,分析讨论了串并联连接(series-parallel,SP)和完全交叉连接(total-cross-tied array,TCT)2种阵列结构下的传感器连接方式,基于Matlab的仿真验证了其故障检测的可行性并对比了检测的灵敏度。建立了故障检测的成本计算数学模型,可以使光伏阵列在规模不变的情况下通过改变连接结构降低检测成本。