光伏阵列故障诊断笔记

1.介绍

光伏技术理想的特点：如其环境兼容性、光伏组件的成本降低、安装时间短和维护成本低。

这些保护装置在某些情况下无法检测故障，这是由于光伏阵列的故障行为依赖于故障位置、故障阻抗、辐照度水平和阻塞二极管的使用。在故障管理系统的背景下，需要这些FDD技术来进行（1)检测故障、(2)进行故障分类、(3)定位故障以及(4）触发故障隔离。

虽然存在许多光伏阵列故障，但线对线故障(LLF)、接地故障(Ground Fault, GF)、电弧故障( Arc fault (AF)AF)和热点故障(HSF)比其他故障更受关注。便于参考，这些故障称为本文四大光伏阵列故障。四大光伏阵列故障引起关注的原因可以归因于它们的影响。例如，LLF、GF和AF在大多数情况下都有可能造成火灾危险和显著的能量损失。这三个故障被统称为灾难性故障。对HSF的关注也可以归因于它在光伏细胞中产生热点的能力，如果仍然不被发现，就会永久地损害光伏细胞。

2.一个光伏发电系统的概述

光伏发电系统是通过使用光伏组件利用阳光发电的系统。根据电力应用，光伏电力系统通常分为如下：（1)独立系统、(2)并网系统、(3）混合动力系统。本文的重点是并网系统，占全球光伏装机容量的95%。图1描述了一个典型的并网光伏系统，它由一个光伏电源和一个具有MPPT功能的集中式逆变器组成。

光伏电源包含光伏组件，以串联并联方式电连接，形成光伏阵列。虽然光伏阵列是坚固的，但它们仍然存在许多故障。为了减轻这些故障的负面影响，光伏阵列通常使用过电流保护装置(OCPD)和接地故障保护装置(GFPD)等设备进行保护。下面将介绍光伏阵列故障的详细信息。

3.PV阵列故障

3.1.光伏阵列接地故障

GF:导致NNUM部件中的意外电流，定义为载流导体与EGC之间的任何意外连接

GF的严重程度取决于故障位置。图3、F5和F6是GFs的实例。由于位置，F5和F6分别代表上GFs和下GFs。由于F5的位置和地面之间存在高电位差，因此就产生了大量的电流。相反，F6和地面之间存在低压会导致较低的故障电流。GF严重度的另一个指标是百分比不匹配，它指定故障涉及的光伏模块数量。鉴于图3中的每一个字符串都包含10个PV模块，则F5和F6不匹配的百分比分别为10%和20%。由于故障电流大小较低，检测出较低的GF或高百分比不匹配的GF往往更加困难。据[21]报道，电缆绝缘故障、正常导线和接地意外短路、光伏组件封装恶化、水腐蚀和冲击损坏是导致GF发生的部分原因.

3.2.光伏阵列线路线路故障

LLF定义为不同电压电位的任意两点之间的意外短路。在光伏阵列中，光伏串内可能产生意外短路，导致串内LLF或跨光伏串，导致串间LLF。在图3中，F1显示串间LLF，而F2、F3和F4显示串内LLF。与GF一样，LLF的严重程度取决于故障位置或百分比不匹配。鉴于图3所示的每个PV阵列串都有10个PV模块，则F1和F2各有10%的不匹配。同样，F3和F4的不匹配率分别为20%和90%。LLF会在受影响的PV阵列字符串中产生电压降，从而导致其他不受影响的字符串产生反馈电流流。与GF相反，具有高百分比不匹配的LLF会导致高故障电流。造成LLF的原因包括取水、动物咀嚼电缆,直流接线盒的绝缘、机械损坏和腐蚀。

3.3 光伏阵列电弧故障

当由于任何电流导电导体的不连续而导致电弧启动时，就发生了AF串联。另一方面，相邻导体之间的电弧被称为并联AF。图4说明了光伏阵列中AF的可能位置。

相邻导体之间的电弧被称为平行AF。图4说明了光伏阵列中AF的可能位置。

系列和平行弧故障的原因如下：

(a)串联电弧故障：该故障是由于导线断开、导线松动或腐蚀导致的高阻抗连接造成的；

(b)平行电弧故障：由于机械损坏、嵌套动物或光伏组件内的故障，也会发生平行故障。

3.4.光伏阵列热点故障

热点是指光伏串串联电池/模块的电气特性不匹配时光伏电池和模块的一种情况。一个持续的热点会产生HSF(hot spot fault)。HSF的严重程度取决于不匹配的水平和持续时间。HSF的原因有（1)雪覆盖，(2)树木或建筑物的阴影，(3）鸟粪便。

在足够大的功耗下，产生的热量会增加局部电池的温度，从而破坏电池。这种增加细胞温度的过程被称为热斑点。热点是指电池中由于热斑而温度较高的部分。

3.5.盲点故障：GF和LLF特例

如第1节所指出的，光伏阵列保护装置无法检测到某些光伏阵列故障的情况。这种故障据说发生在保护装置的盲点，并被称为盲点故障。由于故障电流过低，保护装置无法检测到这些故障

4. 光伏阵列故障的常规保护技术回顾

4.1 GF保护技术及其局限性

GF保护装置存在以下限制：

（1）GF与较低水平的太阳照射或较高比例的不匹配可以被掩盖并保持未被检测到

（2）MPPT对GF的响应降低了故障电流大小，从而掩盖故障并保持未被检测到

（3）外部因素可以触发RCD和IMD的误跳闸

（4）在出现盲点故障时，GFDI的性能很差

4.2.LLF保护技术及其限制性

使用过流保护装置是LLF的传统保护技术。实际上，光伏阵列的每一串保险线都装有自己的保险丝，如图1所示。当LLF电流在一定时间内超过阈值时，保险丝会融化。保险丝额定值通常固定在串[37]短路电流的2.1倍。尽管OCPD受益于实施复杂性和成本，但它遇到以下挫折：

（1）MPPT的反应，低辐照度水平和百分比不匹配可以迫使LLF发生在OCPD的盲点和保持无限期

（2）光伏应用程序需要存储能量通过电池，重要的是安装阻塞字极管在每个字符串，以避免电池通过光伏模块放电。这些阻塞二极管的存在使得OCPD由于反馈电流的阻塞而功能失调

4.3.对房颤保护技术及其限制性

80V以上的屋顶光伏阵列安装，配备电弧故障电路断路器(AFCI)，用于系列对焦保护。AFs扭曲PV阵列输出电流和电压波形。因此，AFCI对房颤的检测是基于对电流和电压波形中持续非典型模式的这些波形的分析。AFCI不定位故障，因此电弧故障探测器(AFD)通常用于检测特定PV阵列串中的AF。但是，AFD系统缺乏故障隔离能力。为了降低保护成本，一个AFCI或AFD通常位于小型光伏系统的中央逆变器或大型光伏系统的汇流箱中。虽然降低成本是一种很好的工程设计实践，但它损害了保护的可靠性。必须注意，AFCI和AFD仅用于系列AF。通过使用GFPD和[16]检测和缓解平行AF。当光伏阵列终端隔离时，系列AF电流停止，熄灭系列AF。相比之下，由于光伏阵列的工作电压达到开路电压，这种隔离装置增加了并行对焦电流。因此，区分序列和平行的AFs是一个重要的设计考虑因素。

传统的AF技术遭受以下限制：

（1）系列AF，故障电流从故障点传播AFCI中央逆变器遭受衰减可以掩盖故障

（2）为了不权衡可靠性的最佳成本，结合多种设备是很重要的。该策略增加了保护的成本

（3）MPPT和逆变器开关的开关频率可能会干扰保护装置的操作，从而导致错误跳闸

4.4.HSF保护技术及其限制性

在卫星系统[42]早期，热点被确定为可能对光伏电池造成永久性损伤的情况后，一种被称为旁路二极管技术的预防方法被发明，至今仍在使用。该方法将旁路二极管与一串模块或单个模块并联，以在HSF期间提供光伏模块或串周围的替代电流路径。这些二极管与模块平行的位置如图9(a)所示。旁路二极管在永久或部分阴影期间为光伏组件创建替代电流路径，以防止阴影光伏组件被热斑。虽然使用旁路二极管防止热点具有简单和成本低的优点，但它有以下限制：

（1）旁路二极管只减轻热点问题，但不能防止热点损坏。即使在使用旁路二极管的系统中，热点也是导致PV电池性能下降的主要原因。[44]的作者认为，通过在少数单元上放置旁路二极管，可以避免热点损伤。本建议的实施要求将旁路二极管集成到光伏组件中，而不是集成在接线盒中。目前，光伏组件制造商还没有采用可能由于成本原因。

（2）在光伏阵列中引入旁路二极管会在部分遮光条件下在光伏阵列输出特性中创建多个MPP。图9说明了光伏阵列功率电压特性曲线中存在多个峰值。这些多个MPP使大多数传统的MPP跟踪算法在部分阴影条件下对MPP跟踪无效。

（3）由于旁路二极管的长期操作而导致旁路二极管温度升高可能导致光伏模块的相邻单元的退化。

5.故障管理系统的概述

为了解决传统FDD技术的各种局限性，开发具有功能故障管理系统(FMS)功能的先进FDD技术是很重要的。FMS是一种用于监控电力系统的当前运行状态，在初始阶段识别故障，并采取适当措施降低故障对可靠性、安全和恢复[54]的影响。光伏阵列FMS的功能必须包括故障检测、分类、定位和隔离。故障检测是发现故障存在的任务。分类是一个将故障分类为类别的过程。当检测到故障时，必须隔离故障部件，以断开受影响部分与系统其他部分的连接。这个定位光伏阵列的故障部分或部件的任务被称为定位。隔离的作用是隔离故障并阻碍其传播。图10是PV阵列FMS的工作流程图。任何FMS所需要的一个基本特征是它能够实时执行其功能。

图10：发现➡分类法➡局部化➡隔离

6. 先进的光伏阵列FDD技术综述

6.1 基于比较的技术（CBTs）

在这一类情况中，故障的检测和诊断是基于数量的比较。比较可以是(1).PV阵列的实时测量量与其相应的模型预测量之间的，(2).实时测量量之间的，(3).来自测量或模型预测量的一些导出量之间的。

必须注意，CBT的检测和分类精度取决于预测数量的模型的质量。图11概述了CBT。对这类论文的评论如下。

图11：

实体系统 ——> 实际数量 ——> 对

——> 判定

仿真模型 ——> 预测数量 ——> 照

6.2 基于统计和信号处理的技术

许多论文已经使用SSPBTs来分析这种输出特征，以提取代表特定故障的特征。这些特征然后被用于故障检测。作为信号处理的替代方法，一些研究也使用了统计方法。根据[15]，输入信号的统计特征如平均值、标准偏差、均方根值和熵可用于DC电弧故障检测。鉴于此，已经探索了用于光伏系统故障检测的各种统计方法。在[73]中，报道了一种基于实时统计信号处理的光伏板HSF故障诊断技术。故障诊断技术利用沃尔德测试从任意捕获的数据中观察到清晰的信号。在[74]中，讨论了光伏系统的一系列自动聚焦检测算法。该算法的决策是基于计算光伏板电流的修正查利斯熵。在实验验证中，该算法能够检测持续的串联电弧和小火花串联电弧。

6.3 基于反射测量法的技术

时域反射测量法（TDR），时域反射法的工作原理是，均匀阻抗和适当终止的电力传输线不会有其注入信号的反射，因此信号将在终端端被吸收。相反，线路阻抗的变化会导致入射信号被反射到源上。比较了注入传输线路的信号和线路中阻抗不匹配引起的反射信号。

通过自相关分析，将信号延迟和波形变化转换为线路中的故障位置和故障类型。TDR方法的一个有趣的特点是，它不需要测量电压、电流和温度等参数。接下来，在没有太阳辐照度的情况下，就可以探测到它。

6.4 基于机器学习的技术（MLBTs）

极限学习机（Extreme Learning Machine , ELM）https://blog.csdn.net/binbigdata/article/details/80620245

MIT检测过程的概述：

实时数据 ——> 传感和训练机器学

——> ——> ——> 判定

仿真数据 ——> 数据收集数据集习模型

6.5 其他技术

7.先进的FDD技术的性能评价与比较

7.1.FDD技术筛选标准

该标准考虑了研究论文报告的可读性，以纳入性能评估。在本研究期间，我们注意到许多FDD技术已经发表。虽然有些技术仅集中于一个光伏阵列故障，但另一些则考虑了多个光伏阵列故障，在某些情况下，还有逆变器和MPPT故障。因此，LLF说，对大多数FDD技术进行评估是不可行的。为了克服这一挑战，评估FDD技术考虑了四大光伏阵列故障，即LLF、GF、AF和HSF。因此，要求是绩效评估中的研究应至少解决四大故障中的故障之一。

7.2 评估标准：本文基于四个标准评估FDD技术，这些标准是光伏阵列故障所需的重要功能。各标准的具体情况如下：

7.2.1 标准1：故障检测和分类能力。该标准衡量了FDD技术检测和分类（诊断）故障的能力。故障检测和分类是对光伏阵列故障管理中非常重要的步骤，因此它们是任何FDD技术的基本要求。如果故障未被发现及其伴随的结果，则该故障将永远隐藏。

7.2.2 标准2：实时检测。该标准衡量了FDD技术在故障发生的实际时间内检测故障存在的能力。通常，在电气装置中，故障电流迅速传播到健康段，可能导致进一步损坏。因此，在FDD技术的性能评估中，必须考虑实时检测能力。

7.2.3 标准3：故障本地化。该标准衡量了FDD技术定位阵列的故障组件的能力。本地化有两个重要的目的。首先，它有助于只隔离受影响的光伏模块或字符串。在没有定位的情况下，常见的做法是在检测到故障时隔离整个光伏阵列，这并不预示着电源的可靠性。接下来，本地化可以节省时间和劳动力，否则维护团队将会进行故障跟踪。

7.2.4 标准4：故障隔离。任何FMS所需要的另一个重要功能是隔离。此功能的作用是隔离和阻止故障传播。隔离的决定应由检测和分类后获得的信息触发。因此，标准4试图确定FDD技术生成有用信号以触发隔离的能力。

7.3 评分方案：根据四个评估标准，为评估的FDD技术分配分数。标准2、3和4分别被分配最大1分，而标准1被分配最大4分。一种完全满足所有标准的FDD技术总共得7分。一个给定的FDD技术的总原始得分是根据每个标准获得的单个分数的未加权和。原始数据的总分数将转化为百分比，作为单个FDD技术的FM分数。拟议标准的评分细节如下。对于准则1，能够检测故障并将故障分类为四种故障类型之一的技术得1分。例如，一种能够检测和分类LLF的技术能得一分。因此，能够检测和分类所有四个PV阵列故障的技术最多得分4分。一种能够检测故障但无法通过分类揭示故障身份的技术可以得到5分。这种技术通常会使输出状态处于健康状态

7.4 FDD技术性能评价的结果与探讨

7.5 绩效评估的限制性

虽然本文所进行的性能评估是基于从故障管理的角度得出的重要标准，但作者希望承认一定的局限性。首先，需要任何有效的FDD技术才能以高精度的方式处理多个光伏阵列故障。性能评估没有考虑到个别FDD技术的准确性，因为本研究中回顾的一些论文没有报告检测和分类的准确性。因此，一种据报道更有能力管理四大故障的技术可能不一定是准确的。接下来，我们注意到，在一些FDD技术中，我们已经努力检测盲点故障；然而，我们的评分系统并没有考虑到这一点，因为盲点故障并不适用于所有所考虑的四大故障。

光伏阵列故障诊断笔记相关推荐

MGM Resorts和NRG Energy在美国完成最大屋顶光伏阵列的安装
NRG Energy和MGM Resorts International日前宣布,完成美国最大屋顶太阳能电池阵的扩大. 该扩大的光伏阵列位于内华达州拉斯维加斯曼德勒海湾会议中心屋顶,拥有超过两万六千个 ...
美国WH在明尼苏达州最大光伏阵列完工
目前,美国赖特-亨内平(Wright-Hennepin)合作电气公司(简称"WH")在明尼苏达州所拥有的最大光伏阵列可为其成员公司提供太阳能发电. 狄金森太阳能项目使用8,352块 ...
局部遮荫光伏matlab,一种基于随机蛙跳全局搜索算法的局部阴影光伏阵列MPPT控制的制作方法...
本发明涉及一种局部阴影光伏阵列多峰MPPT控制方法,特别涉及一种基于随机蛙跳全局搜索算法的局部阴影光伏列阵多峰MPPT控制. 背景技术: 伴随太阳能发电的普及,光伏阵列的运行环境变的越来越复杂,局部遮 ...
基于MPPT算法的PV光伏阵列电网模型simulink仿真
目录 1.算法描述 2.仿真效果预览 3.MATLAB核心程序 4.完整MATLAB 1.算法描述光伏阵列(Photovoltaic Array)是多片光伏模组的连接,也是更多光伏电池的连接,光伏阵 ...
控制策略为最大功率跟踪(mppt)，跟踪方法为扰动观察法，MPPT控制系统主要由光伏阵列、DCDC变换器
控制策略为最大功率跟踪(mppt),跟踪方法为扰动观察法,MPPT控制系统主要由光伏阵列.DCDC变换器.MPPT控制器和可变负载组成,模拟电网为50Hz相电压峰值311V. ID:315066700 ...
光伏储能直流系统MATLAB仿真（PV光伏阵列+Boost DCDC变换器+负载+双向DCDC变换器+锂离子电池系统）
PV光伏阵列+Boost DCDC变换器+负载+双向DCDC变换器+锂离子电池系统资源地址: 光伏储能直流系统MATLAB仿真(PV光伏阵列+BoostDCDC变换器+负载+双向DCDC变换器+锂离 ...
光储并网VSG系统Matlab simulink仿真模型系统前级直流部分包括光伏阵列、变换器、储能系统和双向dcdc变换器
光储并网VSG系统Matlab simulink仿真模型,附参考文献. 系统前级直流部分包括光伏阵列.变换器.储能系统和双向dcdc变换器,后级交流子系统包括逆变器LC滤波器,交流负载. 光储并网VS ...
基于神经网络MPPT的PV光伏阵列控制系统simulink仿真
目录 1.算法仿真效果 2.MATLAB核心程序 3.算法涉及理论知识概要 4.完整MATLAB 1.算法仿真效果 matlab2022a仿真结果如下: 2.MATLAB核心程序 3.算法涉及理论知识 ...
matlab仿真条纹光照阴影,正常光照条件下全工况光伏阵列通用Matlab/Simulink仿真模型...
一引言进入新世纪以来,太阳能光伏发电作为一种可再生清洁能源成为低碳趋势下各国研究的热点,世界范围内的光伏电池产量及光伏系统装机容量也都在迅速增长.光伏系统设计与分析需将不同环境状态下光伏系统的输出特性 ...

光伏阵列故障诊断笔记

光伏阵列故障诊断笔记相关推荐

最新文章

热门文章