國網棗莊供電公司 吳 丹 馬運保 陳培陽

針對光伏組件的老化故障，本文深入研究了老化故障的產生機理，以及老化對輸出功率和填充因子產生的影響，最終選取輸出功率和填充因子的異常變化作為老化故障的判據。在交叉互聯結構電壓傳感器布置方案的基礎上，提出了利用加權支持向量機的光伏故障支路診斷方法和基于填充因子最大偏差的故障組件定位方法。保證發(fā)生異常老化故障后，能夠實現故障支路的正確識別和故障組件的定位，所需要的訓練樣本數據較少，診斷精度較高。

1 老化故障分析

老化對組件填充因子的影響。太陽能電池的填充因子（符號FF），是評價太陽能電池品質好壞的一個重要參數[1]。填充因子定義為：

易知，FF值越大，太陽能電池效能越高，為了使太陽能電池效能達到最高，FF應盡可能接近于1，但指數函數的P-N結特性會阻止它達到1[2]。當光照強度S=1000W/m2，環(huán)境溫度T=25℃時，由仿真可得組件填充因子隨串聯電阻變化t特性，填充因子隨串聯電阻增大而非線性減小[3]。

2 光伏陣列老化故障診斷與定位方法

2.1 SP結構光伏陣列電壓傳感器優(yōu)化布置

本文給出一種故障辨識度為1的交叉互聯結構的傳感器配置方案，如圖1所示。

圖1 交叉互聯結構的傳感器配置方案

2.2 基于填充因子最大偏差的老化組件定位方法

為了得到不同光照強度和工作溫度下組件的填充因子的值，還需要獲取不同環(huán)境下的短路電流Isc和開路電壓Voc。

當光照強度為Snew，參考光照強度為Sref，溫度為Tnew，參考電池溫度為Tref，環(huán)境溫度為Tenvir時：

式中ΔT=Tnew-Tref，Tnew=Tenvir+K×Snew，ΔS=Snew/Sref-1，K為太陽光照強度變化時電池溫度系數，a、b、c為常數，參考之前的研究推薦值為a=0.0025，b=0.5，c=0.00288。

將光照度傳感器和溫度傳感器獲得的數據代入公式（2）、（3），可以得到開路電壓和短路電流，將Im、Vm、Isc、Voc代入公式（1）可以求得各模塊的填充因子。

支路i的填充因子陣列：

支路i各模塊填充因子方差為σi2。

m×n光伏陣列中各模塊的填充因子矩陣：

光伏陣列非故障支路方差矩陣為：

陣列正常組件的基準值為fd：

δi為非故障支路i中所有模塊填充因子之間的最大偏差值：

本文利用自適應加權融合算法來降低傳感器誤差及干擾信號的影響，根據每個支路各模塊填充因子的方差大小給相應支路最大偏差值分配不同的權重。

設定m-1個非故障串聯支路的填充因子矩陣的加權因子矩陣為：

約束條件：

總均方誤差：

求解出式（12）的極值就是其最小值，基于σ2最小準則，按照多元函數極值求解方法，ωi的取值如下：

給m-1個最大偏差值賦予權重之后的值δm為光伏陣列正常組件FF值的標準最大偏差：

故障支路j的填充因子矩陣：

支路j各模塊填充因子相對基準值的偏差：

故障支路j的任意三個相連光伏組件x、y、z，對應模塊p、p+1填充因子FF（j,p）、FF（j,p+1）；相對基準值的偏差ΔFF（j,p）、ΔFF（j,p+1）。

組件故障定位判據中的K值是根據光伏老化對填充因子影響的大量數據得出的經驗值。判據表1中的第4條，故障組件可能是y組件也可能是x和z兩個組件。為了定位需要也考慮到現實可行性，我們在定位時遇到這種情況，將定位中的模塊編號減1（即p=p-1）再進行組件故障定位。

表1 組件故障定位判據

3 故障診斷系統硬件設計與試驗數據分析

本文搭建的光伏陣列老化故障診斷系統由6×4光伏陣列。

本試驗一共涉及光伏陣列的3組工作狀況，第一組試驗中光伏陣列正常工作，第二組試驗中光伏陣列第二、第三條支路中第1～2塊組件受到陰影遮擋，第三組試驗中將第三條支路的第5塊組件用工作了6年的老化組件替換。選取相似度最高的10小時作為相似時（見表2）。并確定各個相似時中訓練樣本的初始權值s、t。

下車時九點了。跑步去省汽車站。還好，到龍崗的最后一班車還沒走，像是在等我。買了票，直沖檢票口，差點撞在檢票員身上。上車先灌了一瓶礦泉水，然后閉上眼睛打盹。

表2 相似時數據

從歷史數據中隨機選取15天中午11:00時刻的數據作為測試樣本，見表3。

表3 測試樣本數據

用測試樣本數據對訓練后的支持向量機進行測試，由支路電流和光伏陣列電壓數據，計算得到三組試驗中各個支路輸出功率見表4。

表4 三組試驗中各支路輸出功率

故障支路的診斷結果見表5，可以看出，第二組試驗中的支路2、支路3以及第三組試驗的支路3被診斷為故障支路。而第二組試驗中，相鄰的支路2，3同時判斷為故障支路，此時需要結合陰影支路判定算法對第二組試驗中模塊的電壓數據進行分析，以便進一步判斷支路2和支路3是否存在陰影遮擋。

表5 三組試驗中支持向量機診斷結果

從表6中數據可以看出，支路1、支路4中各模塊電壓近似相等，處于相同的工作狀態(tài)下。而支路2與支路3中模塊1電壓與正常模塊相比出現了較大的電壓降落，可知第1、2塊組件存在陰影遮擋。同時，由于組件2為模塊1、模塊2的公共測量區(qū)域，因此可以判斷，第二組試驗中支路2和支路3為陰影遮擋導致的“假故障”現象，故只有第三組試驗中支路3為故障支路，下面對第三組試驗中支路3中老化故障組件進行精確定位。

表6 第二組試驗中各模塊電壓

計算得到試驗條件下光伏組件開路電壓Voc=36.7V，短路電流Isc=7.95A，則測量模塊的開路電壓為兩塊組件開路電壓之和73.4V，測量模塊的短路電流與組件短路電流相等。得到第三組試驗中各個模塊的填充因子見表7。

表7 第三組試驗中各模塊填充因子

表8 非故障支路各模塊填充因子方差、權重因子及填充因子最大偏差值

由表中數據，得到光伏陣列中處于正常工作狀態(tài)下光伏組件FF值的標準最大偏差δm=0.0146，將支路3中各個模塊的FF值與標準最大偏差fd作差，得到ΔFF，將其與標準最大偏差δm比較，結果見表9。

表9 填充因子差值與標準最大偏差比較結果

由表9所示結果，根據組件故障定位判據得出結論：在模塊3與模塊4的測量范圍內，即支路3中的第5塊組件發(fā)生了老化故障，對照試驗設定，驗證了本文給出的老化故障診斷與定位方法的準確性。

表10為綜合多次試驗結果得到的診斷及定位模型平均正確率。故障支路診斷中隨著訓練樣本數和測試樣本數的增加，診斷正確率提高，診斷時間延長，當訓練樣本數和測試樣本數增加兩倍時，故障支路診斷正確率提高到將近85%，再增加樣本數，則正確率增幅較少。陰影判據的診斷正確率在一定程度上也限制了故障支路診斷正確率的提高。

表10 故障診斷及定位正確率

4 結論

本文在交叉互聯結構的傳感器配置方案的基礎上，提出了基于相似時篩選樣本的加權支持向量機老化故障診斷方法和基于數據融合策略的填充因子最大偏差老化組件定位方法，聯合陰影支路判定算法實現故障支路檢測和老化組件定位。