摘 要：為提高光伏發(fā)電機組故障診斷的準(zhǔn)確性與可靠性，保證光伏發(fā)電機組的正常運行和發(fā)電效率，利用三維動態(tài)建模開展了光伏發(fā)電機組故障診斷方法研究。首先，利用數(shù)據(jù)采集器采集發(fā)電機組的運行數(shù)據(jù)，獲取其運行工況。其次，進行光伏發(fā)電機組三維動態(tài)建模，集成發(fā)電機組的動態(tài)特性。最后，基于模型仿真結(jié)果和實時運行數(shù)據(jù)，通過小波變換提取故障特征參數(shù)，確定故障所在位置與類型，輸出故障診斷結(jié)果。試驗結(jié)果表明，提出方法應(yīng)用后，故障診斷結(jié)果極為接近預(yù)設(shè)的10kW故障輸出功率值，充分驗證了該方法對光伏發(fā)電機組復(fù)雜運行狀態(tài)的深度模擬能力及對故障影響的精確診斷能力。

關(guān)鍵詞：三維動態(tài)建模；光伏發(fā)電機組；故障；診斷；準(zhǔn)確性；動態(tài)特性

中圖分類號：TM 311" " 文獻標(biāo)志碼：A

在實際運行中，光伏發(fā)電機組由于環(huán)境因素、設(shè)備老化、操作不當(dāng)?shù)榷喾N原因，可能面臨復(fù)雜多變的故障問題。因此，探索高效、精準(zhǔn)的故障診斷方法對提高光伏發(fā)電機組的運行可靠性和維護效率具有重要意義。曹瑞峰等[1]通過精細調(diào)整SVM算法的核心參數(shù)與集成特征提取技術(shù)，實現(xiàn)了光伏發(fā)電機組故障模式的初步辨識，但該方法的響應(yīng)時效性較差，難以滿足光伏行業(yè)對故障監(jiān)測與診斷高效性、全面性的高標(biāo)準(zhǔn)要求。龍寰等[2]提出從運行數(shù)據(jù)中提取特征參數(shù)，實現(xiàn)對故障的辨識與分類。然而，該方法在實際操作中面臨以下問題。1）高度依賴數(shù)據(jù)的完整性與準(zhǔn)確性。2）特征選取過程煩瑣且技術(shù)要求高，無形中提高了誤判與漏判的可能性，對光伏發(fā)電機組的長期穩(wěn)定運行及發(fā)電效率的提升構(gòu)成了潛在威脅。

三維動態(tài)建模技術(shù)通過構(gòu)建光伏發(fā)電機組的三維模型，并結(jié)合實時運行數(shù)據(jù)，能夠?qū)崿F(xiàn)對光伏發(fā)電機組運行狀態(tài)的動態(tài)模擬和可視化展示[3]。因此，本文引入先進的三維動態(tài)建模技術(shù)，開展了光伏發(fā)電機組故障診斷方法研究，為實現(xiàn)故障的快速定位與精準(zhǔn)診斷做出貢獻。

1 光伏發(fā)電機組運行數(shù)據(jù)采集

光伏發(fā)電機組運行數(shù)據(jù)采集是一個系統(tǒng)而詳細的過程，旨在實時、準(zhǔn)確地收集光伏系統(tǒng)的各項運行參數(shù)，為后續(xù)故障診斷提供數(shù)據(jù)支持。對采集到的數(shù)據(jù)進行分析，可以及時發(fā)現(xiàn)光伏發(fā)電機組中的故障或異常情況。例如，當(dāng)發(fā)現(xiàn)某個光伏組件的發(fā)電量突然下降或者某個逆變器的輸出電壓異常時，可以迅速定位問題，并采取相應(yīng)的措施進行處理，有助于避免故障擴大化，保障機組的穩(wěn)定運行。

選用YZ-0524WL型號的數(shù)據(jù)采集器作為采集設(shè)備，其具有高精度、高穩(wěn)定性。配置電壓傳感器、電流傳感器、溫度傳感器等必要的傳感器。分別在光伏發(fā)電機組的光伏組件、逆變器、電網(wǎng)接口等關(guān)鍵位置安裝數(shù)據(jù)采集器和傳感器，并調(diào)試設(shè)備，確保數(shù)據(jù)采集的準(zhǔn)確性和穩(wěn)定性[4]。其中，數(shù)據(jù)采集器通過內(nèi)置的模數(shù)轉(zhuǎn)換器（ADC）將傳感器輸出的模擬信號轉(zhuǎn)換為數(shù)字信號，并進行初步的處理和存儲，為后續(xù)的數(shù)據(jù)分析和故障診斷提供基礎(chǔ)數(shù)據(jù)。

在整個監(jiān)控系統(tǒng)中，數(shù)據(jù)采集器、傳感器和上位機之間需要協(xié)同工作才能實現(xiàn)對光伏發(fā)電機組的有效監(jiān)控和故障診斷。數(shù)據(jù)采集器負(fù)責(zé)數(shù)據(jù)的采集和初步處理；傳感器負(fù)責(zé)將物理量轉(zhuǎn)換為可測量的電信號；上位機則負(fù)責(zé)數(shù)據(jù)的接收、處理、顯示和故障診斷等工作。三者之間通過緊密的配合和協(xié)作，共同保障光伏發(fā)電機組的穩(wěn)定運行和高效發(fā)電。對采集參數(shù)進行設(shè)置，見表1。

按照表1所示的參數(shù)進行設(shè)置，檢查各采集設(shè)備和傳感器的運行狀態(tài)，確保無異常后，啟動數(shù)據(jù)采集程序，開始采集數(shù)據(jù)。在監(jiān)控平臺上實時查看各項運行參數(shù)，根據(jù)參數(shù)的動態(tài)變化，獲取發(fā)電機組的實時運行工況[5]。

2 光伏發(fā)電機組三維動態(tài)建模

光伏發(fā)電機組運行數(shù)據(jù)采集完畢后，進行光伏發(fā)電機組三維動態(tài)建模，進而集成發(fā)電機組的動態(tài)特性。在三維動態(tài)建模中，光伏電池的輸出電流是動態(tài)變化的參數(shù)之一。通過實時計算輸出電流，可以模擬光伏電池在不同時間和環(huán)境條件下的工作狀態(tài)，為模型的準(zhǔn)確性和可靠性提供有力支持。而逆變器模型可以模擬逆變器在不同故障條件下的輸出特性，從而幫助快速定位故障點并采取相應(yīng)的處理措施，有助于提高光伏發(fā)電系統(tǒng)的可靠性和維護效率。

使用三維建模軟件，根據(jù)設(shè)計圖紙和技術(shù)規(guī)格書，建立光伏組件、逆變器、支架等關(guān)鍵部件的三維模型。首先，確定光伏發(fā)電機組的整體場景，包括光伏陣列的布局、逆變器的放置位置、電纜走向等[6]。

但是，光伏組件的特性受到多種復(fù)雜因素的影響，例如光伏電池的輸出電流、光生電流等。光伏電池的數(shù)學(xué)模型基于物理原理構(gòu)建，可以將這些影響因素以數(shù)學(xué)表達式的形式呈現(xiàn)出來。因此，通過光伏電池的數(shù)學(xué)模型來描述光伏組件的特性。光伏組件模型如公式（1）所示。

（1）

式中：I為光伏電池的輸出電流；Iph為光生電流；I0為二極管的反向飽和電流；q為電子電荷量；V為光伏電池的輸出電壓；Rs為串聯(lián)電阻；Rsh為并聯(lián)電阻；n為二極管理想因子；K為玻爾茲曼常數(shù)；T為絕對溫度。

通過上述表達式，描述光伏組件的特性。根據(jù)公式（1）計算的光伏電池的輸出電流I，直接反映了光伏組件的發(fā)電能力，較大的輸出電流通常意味在給定光照和溫度條件下，光伏發(fā)電機組能夠產(chǎn)生更多的電能。

由于光伏電池的輸出電流需要通過逆變器轉(zhuǎn)換為交流電才能接入電網(wǎng)或供負(fù)載使用，逆變器的性能直接影響整個光伏發(fā)電機組的發(fā)電效率和電能質(zhì)量。因此，需要建立逆變器模型，逆變器的主電路工作方式是非線性的，且其電路結(jié)構(gòu)相對復(fù)雜，給故障診斷帶來了一定的挑戰(zhàn)。通過建立逆變器模型，可以充分考慮其非線性和復(fù)雜性特點，設(shè)計更合理的故障診斷策略和方法，提高故障診斷的針對性和有效性。逆變器輸出的交流電壓隨時間的變化表達式如公式（2）所示。

Iout（t）=Idc×sin（?t+φ） （2）

式中：Iout（t）為逆變器輸出的交流電壓隨時間t的變化；Idc為逆變器的輸入直流電壓，是一個恒定值；?為角頻率，用于控制輸出交流電的頻率；φ為相位偏移，用于控制交流波形的相位。

公式（2）描述了光伏發(fā)電機組逆變器的輸入輸出電流的關(guān)系，明確光伏電池的最終輸出電流。

結(jié)合光伏電池的輸出電流，綜合采集影響光伏組件的發(fā)電效率的太陽輻照度、溫度、風(fēng)速等環(huán)境參數(shù)[7]，將其導(dǎo)入MATLAB/SIMULINK軟件中，獲取光伏發(fā)電機組的三維動態(tài)模型，深入理解光伏系統(tǒng)的運行特性。構(gòu)建的光伏發(fā)電機組的三維動態(tài)模型如圖1所示。

3 光伏發(fā)電機組故障診斷

光伏發(fā)電機組三維動態(tài)建模完成后，基于模型仿真結(jié)果和實時運行數(shù)據(jù)，全方位、多維度地進行發(fā)電機組故障診斷。

首先，須深入回顧并分析光伏發(fā)電機組的歷史運行數(shù)據(jù)，旨在從中挖掘潛在的異常模式或長期發(fā)展趨勢。其次，系統(tǒng)地整理光伏發(fā)電機組常見的各類故障，包括其具體類型、引發(fā)原因以及外在表現(xiàn)形式，構(gòu)建一個詳細的故障知識庫，為后續(xù)的診斷工作提供堅實的理論支撐與案例參考[8]。利用實時采集的數(shù)據(jù)與歷史數(shù)據(jù)庫中的信息相結(jié)合，并依托已建立的故障知識庫，進行初步的故障類型預(yù)判。這一步驟的關(guān)鍵在于準(zhǔn)確分析異常數(shù)據(jù)的獨特特征與變化趨勢，通過對比分析，縮小故障范圍，并初步鎖定可能的故障原因。為進一步驗證并精確診斷故障，將引入三維動態(tài)模型進行深度仿真分析。此模型能夠高度模擬光伏發(fā)電機組在故障條件下的實際運行狀態(tài)，進而更直觀地觀察系統(tǒng)在不同故障情境下的響應(yīng)。通過動態(tài)調(diào)整模型參數(shù)，并觀察仿真結(jié)果的變化，進一步定位故障的具體位置。最后，為了從信號層面精準(zhǔn)捕捉故障特征，對光伏發(fā)電機組的運行信號進行小波變換。

光伏發(fā)電機組的運行信號通常是非平穩(wěn)的，即信號的統(tǒng)計特性隨時間而變化。傳統(tǒng)的傅里葉變換等信號處理方法在處理非平穩(wěn)信號時存在局限性，而小波變換則能夠更好地適應(yīng)這種非平穩(wěn)性。小波變換以其良好的時頻局部化特性，能夠有效地從復(fù)雜信號中提取與故障緊密相關(guān)的特征信息，為后續(xù)的故障識別及預(yù)測提供強有力的支持。這一過程不僅提升了故障診斷的精確度，也增強了整個光伏發(fā)電機組運維管理的智能化水平。

在實際應(yīng)用中，光伏發(fā)電機組的運行信號往往包括噪聲和干擾。小波變換具有去噪能力，通過計算小波變換系數(shù)并選擇合適的閾值進行去噪處理，可以抑制噪聲成分，增強信號中的有用信息，從而提高故障診斷的準(zhǔn)確性。如公式（3）所示。

（3）

式中：x（t）為時域信號；W（a，b）為小波變換去噪函數(shù)；a為尺度參數(shù)；b為平移參數(shù)；ψ（t）為母小波函數(shù)。

利用光伏發(fā)電機組的相關(guān)時域信號（這些信號可能包括了電壓、電流等反映機組運行狀態(tài)的信息），同時也夾雜噪聲。然后，確定適合的小波函數(shù)，并選擇合適的尺度參數(shù)和平移參數(shù)進行小波變換。在這個過程中，尺度參數(shù)根據(jù)要分析的信號頻率范圍進行選擇，大尺度用于捕捉低頻信號部分（對應(yīng)與光伏發(fā)電機組的穩(wěn)定運行狀態(tài)相關(guān)的信號），小尺度用于捕捉高頻部分（包括噪聲或者機組運行中的一些突變信息），平移參數(shù)確保小波函數(shù)能覆蓋整個時域信號。

通過小波變換將原始信號分解為不同尺度下的小波系數(shù)后，分析這些系數(shù)的特性。由于噪聲對應(yīng)的小波系數(shù)與有用信號（反映光伏發(fā)電機組正常運行特征的信號）的小波系數(shù)具有不同的統(tǒng)計特性。在本文中，噪聲的小波系數(shù)通常較小且分布無規(guī)律，而有用信號的小波系數(shù)在某些尺度下具有較大值且呈現(xiàn)一定規(guī)律。因此在小波變化后可以對小波系數(shù)進行篩選，去除那些被判定為代表噪聲的小波系數(shù)，從而得到去噪后的光伏發(fā)電機組信號。

得到無噪聲的光伏發(fā)電機組信號后，設(shè)計光伏發(fā)電機組故障診斷流程，如圖2所示。

通過以上流程，可以對光伏發(fā)電機組進行全面的故障診斷和處理，有效地保證了光伏發(fā)電機組的穩(wěn)定運行與高效發(fā)電。

4 試驗分析

4.1 試驗準(zhǔn)備

為了驗證基于三維動態(tài)建模的光伏發(fā)電機組故障診斷方法的有效性，選取一個包括多個光伏陣列的發(fā)電機組作為試驗對象。這些光伏組件采用市場上常見的型號，即單晶硅或多晶硅光伏板，額定功率約為300Wp。每個光伏陣列呈矩形排列，組件之間保持適當(dāng)?shù)拈g距，以確保良好的通風(fēng)和光照均勻性。陣列之間有一定的間隔，以減少相互遮擋。具體如圖3所示。

整個光伏發(fā)電機組由9個光伏陣列模塊組成，呈矩陣排列，每個陣列模塊由3行3列（即3×3）的光伏組件構(gòu)成。組件參數(shù)見表2。

每個陣列模塊內(nèi)，9個光伏組件通過串聯(lián)連接成一條組件串，以提高輸出電壓；然后，3條組件串再并聯(lián)接入?yún)R流箱，以提高輸出電流和總功率。設(shè)置電壓和電流傳感器，實時采集光伏陣列和逆變器的運行數(shù)據(jù)。使用CET-6602分布式發(fā)電本地監(jiān)控站進行實時數(shù)據(jù)監(jiān)控。

4.2 診斷結(jié)果分析

為了全面評估不同診斷方法的效能，將本文提出的基于三維動態(tài)建模的光伏發(fā)電機組故障診斷法設(shè)為試驗組。同時，選取文獻[1]中創(chuàng)新的基于改進支持向量機（SVM）的診斷方法作為對照組1，文獻[2]中基于數(shù)據(jù)驅(qū)動的診斷方法作為對照組2。針對光伏發(fā)電機組中頻發(fā)的組件開路故障，試驗設(shè)定了一個具體案例，其中模擬的故障狀態(tài)下光伏發(fā)電機組的輸出功率顯著偏離正常，設(shè)定為10kW的故障值。為深入剖析這一故障狀態(tài)，將3種故障診斷方法逐一應(yīng)用于該發(fā)電機組輸出功率的詳細診斷中，測量并對比各自得出的輸出功率診斷值，確定發(fā)電機組的運行狀態(tài)。通過將故障診斷值與預(yù)先設(shè)定的10kW故障值進行直接比對，能夠科學(xué)量化地評估每種診斷方法的準(zhǔn)確性、敏感度及可靠性。試驗數(shù)據(jù)經(jīng)整理后，直觀展示于圖4中。

由圖4可知，本文引入的基于三維動態(tài)建模技術(shù)的光伏發(fā)電機組故障診斷方法所得診斷結(jié)果與預(yù)設(shè)的10kW故障值高度吻合，這一精準(zhǔn)匹配不僅是對其深度模擬光伏系統(tǒng)復(fù)雜運行狀態(tài)的直接證明，也凸顯了其在捕捉并精確診斷故障影響方面的卓越能力。此結(jié)果不僅彰顯了該方法在故障診斷領(lǐng)域的獨特優(yōu)勢，也為其在提升光伏系統(tǒng)運維效率與可靠性方面的廣泛應(yīng)用奠定了堅實基礎(chǔ)。

5 結(jié)語

在光伏發(fā)電機組故障診斷領(lǐng)域，基于三維動態(tài)建模的方法無疑為行業(yè)帶來了革命性的突破。通過構(gòu)建高度精細化的三維模型，并融入動態(tài)仿真技術(shù)，該方法能夠模擬光伏發(fā)電機組在各種工況下的實際運行情況，從而實現(xiàn)對潛在故障的精準(zhǔn)預(yù)測和高效診斷。這一方法的應(yīng)用不僅提高了光伏發(fā)電機組的運維效率，還縮短了故障停機時間，提升了整體經(jīng)濟效益。期待該方法能夠拓展到更廣泛的能源領(lǐng)域，為構(gòu)建更安全、更高效、更可持續(xù)的能源體系貢獻力量。

參考文獻

[1]曹瑞峰，劉子華，袁婷，等.基于改進SVM的新能源電站故障診斷方法[J].浙江電力，2023，42（11）：11-20.

[2]龍寰，楊婷，徐劭輝，等.基于數(shù)據(jù)驅(qū)動的風(fēng)電機組狀態(tài)監(jiān)測與故障診斷技術(shù)綜述[J].電力系統(tǒng)自動化，2023，47（23）：55-69.

[3]吳忠強，盧雪琴.基于深度遷移學(xué)習(xí)和LSTM網(wǎng)絡(luò)的微電網(wǎng)故障診斷[J].計量學(xué)報，2023，44（4）：582-590.

[4]張利慧，李曉波，俎海東，等.風(fēng)力發(fā)電機組滾動軸承故障振動診斷方法綜述[J].內(nèi)蒙古電力技術(shù)，2022，40（3）：7-12.

[5]俞小勇，秦麗文，桂海濤，等.新一代人工智能在配電網(wǎng)智能感知與故障診斷中的應(yīng)用[J].南方電網(wǎng)技術(shù)，2022，16（5）：34-43.

[6]肖馳，張衛(wèi)東，辛昂倍，等.基于智能監(jiān)控系統(tǒng)的分布式光伏故障自動診斷研究[J].自動化與儀器儀表，2021（2）：248-251.

[7]李剛，齊瑩，李銀強，等.風(fēng)力發(fā)電機組故障診斷與狀態(tài)預(yù)測的研究進展[J].電力系統(tǒng)自動化，2021，45（4）：180-191.

[8]徐永干，冉恒，茍鑫，等.基于廣義S變換和QPSO-SVM的水電機組振動故障診斷方法[J].智慧電力，2020，48（2）：38-44，84.