基于模糊信息融合的光伏组件在线状态检测与故障诊断研究

光伏组件在线状态监测与故障诊断对于光伏电站的安全运行、系统维护、输出功率提升具有重要的意义。然而，目前光伏组件故障诊断方法存在需借助特殊检测设备、检测手段单一、只能检测某种故障类型、无法实现在线诊断等缺陷，导致不能及时排除各种安全隐患，影响了光伏电站的长期良好运行。本项目拟研究一套综合的在线状态监测和故障诊断方法，实现光伏组件局部阴影、灰尘积累程度、各种老化程度、功率衰退等各种状态的在线监测和故障诊断方法，具体内容包括：数值分析及实验模拟建立异常状态及故障光伏组件数学模型；研究光伏组件故障状态在线输出曲线特征提取和阻抗检测方法；通过实验室故障模拟研究基于模糊信息融合的光伏组件在线状态和故障模糊诊断方法。本项目旨在揭示光伏组件在异常状态和故障时不同环境下输出曲线特性，建立基于模糊信息融合的诊断预测模型，为光伏组件在线状态和故障诊断提供科学依据及相关理论基础。

研究了光伏组件失效原因及失效后的特性，归纳出光伏组件常规故障类型为短路故障、开路故障、局部阴影、失配、老化等，建立了光伏组件故障模型；研究了遮挡造成的失配现象以及热斑效应，提出了一种可模拟大部分遮挡情况下光伏组件输出特性的方法及避免热斑的优化控制策略，研究了光伏组件中不同光伏电池互连方式及旁路二极管结构在遮挡情况下的功率损失问题；研究了基于BP神经网络的光伏组件故障诊断方法，提出了基于L-M算法的BP神经网络的在线故障诊断方法，能够有效地检测出光伏组件短路、断路、异常老化及局部阴影等四种故障；. 提出了基于四参数的光伏组件在线短路及异常老化故障诊断方法，通过在线自动故障程度分析和预警系统，为光伏电站智能故障分析和预报提供有效方法；首次将故障树理论应用于光伏组件的故障诊断，通过故障树从大量数据中挖掘故障诊断有效参数及阈值，提高故障诊断的正确性。研究了光伏系统中灰尘积累物理过程及数学模型，提出了基于灰色预测的光伏组件软硬性阴影区别方法；研究了光伏系统中电弧故障形成的原因和各种不同类型，提出了基于快速傅里叶变换和BP神经网络的电弧检测方法。. 研究了一套综合的在线状态监测和故障诊断方法，实现光伏组件局部阴影、灰尘积累程度、各种老化程度、功率衰退等各种状态的在线监测和故障诊断方法，为光伏组件在线状态和故障诊断提供科学依据及相关理论基础。