一種電-圖模型的光伏熱斑效應(yīng)檢測(cè)方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及光伏發(fā)電系統(tǒng)故障檢測(cè)領(lǐng)域，尤其是一種電-圖模型的光伏熱斑效應(yīng) 檢測(cè)方法。
【背景技術(shù)】
[0002] 隨著"能源安全危機(jī)"的愈發(fā)突顯，太陽能作為一種無污染、可再生的環(huán)保新能源， 已經(jīng)在能源領(lǐng)域占據(jù)了非常重要的地位。然而，太陽能（也稱光伏）電站工作的穩(wěn)定性和 輸出功率與每一塊光伏電池板的工作狀態(tài)都息息相關(guān)，如何有效地對(duì)每塊光伏電池板進(jìn)行 監(jiān)測(cè)和故障診斷是維持光伏電站正常工作的首要問題。
[0003] 熱斑效應(yīng)是光伏電池板的運(yùn)行過程中極易發(fā)生的一種主要故障現(xiàn)象。具體地講， 在光照不均勻、光伏電池板被遮蔽、光伏電池板本身質(zhì)量不合格或者電池板安裝使用不當(dāng) 等情況下，光伏電池會(huì)出現(xiàn)熱斑效應(yīng)，即不再作為電源向外輸出功率，而是成為負(fù)載消耗其 他未被遮蔽的光伏電池產(chǎn)生的功率，此時(shí)系統(tǒng)的發(fā)電效率會(huì)急劇下降，嚴(yán)重時(shí)被遮蔽的光 伏電池會(huì)由于過熱而燒毀，從而使系統(tǒng)可靠性降低。熱斑效應(yīng)嚴(yán)重影響了光伏電池板的使 用安全和壽命，熱斑測(cè)試也由此成為認(rèn)證測(cè)試過程中的一項(xiàng)重要試驗(yàn)，并且通過率非常低。
[0004] 為了避免上述問題，通常采用在每一光伏電池的兩端并聯(lián)一個(gè)旁路二極管，當(dāng)光 伏電池未被遮蔽時(shí)該光伏電池正常工作，旁路二級(jí)管不導(dǎo)通；當(dāng)光伏電池被遮蔽時(shí)，光伏電 池兩端電壓的極性會(huì)與正常工作時(shí)相反，旁路二極管導(dǎo)通，從而保護(hù)該光伏電池，防止被遮 蔽的光伏電池由于過熱而燒毀。這種方法雖然可以保護(hù)被遮蔽的光伏電池，一定程度上延 長(zhǎng)光伏電池板的壽命，但仍然使得整個(gè)光伏發(fā)電系統(tǒng)在遮光情況下發(fā)電效率下降，并且解 決不了根本的問題。
[0005] 為了檢測(cè)光伏電池板熱斑效應(yīng)，目前常用的方法是基于紅外圖像分析。發(fā)生熱斑 現(xiàn)象的光伏電池單體表面溫度與正常工作的光伏電池單體表面溫度差異十分明顯，導(dǎo)致 兩者產(chǎn)生的紅外圖像差異也是十分明顯，通過對(duì)紅外圖像的處理與分析，可以提取可能的 熱斑現(xiàn)象故障區(qū)域及區(qū)域的特征信息，從而能夠?qū)崿F(xiàn)對(duì)光伏電池單體工作狀態(tài)正常與否 進(jìn)行識(shí)別。然而此種方法存在一些缺陷：a.不能區(qū)分溫度相差不明顯的狀態(tài)，檢測(cè)精度與 準(zhǔn)確度不高；b.不能在光伏電池板將要出現(xiàn)熱斑效應(yīng)時(shí)，及時(shí)地檢測(cè)到該故障，實(shí)時(shí)性差 且不易實(shí)現(xiàn)在線故障分析和報(bào)警等等。在目前階段，此方法的檢測(cè)精度和效率相對(duì)較低。

【發(fā)明內(nèi)容】

[0006] 本發(fā)明的目的是提供一種電-圖模型的光伏熱斑效應(yīng)檢測(cè)方法，進(jìn)一步提高檢測(cè) 光伏熱斑效應(yīng)的精度與準(zhǔn)確度。
[0007] 本發(fā)明提供的一種電-圖模型的光伏熱斑效應(yīng)檢測(cè)方法，包括以下步驟：
[0008] Sl:采集光伏電池板輸出的電信號(hào)（電壓信號(hào)、電流信號(hào)）以及紅外熱像圖；
[0009] S2 :觀察分析紅外熱像圖信息并對(duì)光伏電池板熱斑效應(yīng)做出初步判斷；
[0010] S3:輸入電-圖模型；
[0011] S4:輸出故障值Y;
[0012] S5 :將所得Y值與給定的故障閾值比較；
[0013] S6 :對(duì)光伏電池板熱斑效應(yīng)進(jìn)行準(zhǔn)確檢測(cè)，并且給出熱斑效應(yīng)的輕重度以及電池 板中出現(xiàn)熱斑個(gè)數(shù)；
[0014] 進(jìn)一步，所述步驟S3中的電-圖模型通過以下步驟來構(gòu)建：
[0015] S31 :通過I-V分析儀采集光伏電池板正常運(yùn)行狀態(tài)下的輸出電壓信號(hào)和負(fù)載電 流f目號(hào)；
[0016] S32 :用紅外熱像儀采集光伏電池板正常運(yùn)行狀態(tài)下的紅外熱像圖；
[0017] S33 :運(yùn)用一種新的紅外圖像分割算法，即首先用粒子群算法確定最佳分割閾值， 然后用脈沖神經(jīng)網(wǎng)絡(luò)算法對(duì)紅外圖像進(jìn)行分割，從而可以得到分割后的光伏電池板的紅外 熱像圖；
[0018] S34 :利用紅外圖像分析儀可以得到整個(gè)光伏電池板的最高溫度值T;
[0019] S35:將光伏電池板正常工作情況下測(cè)得的值與光伏電池板出現(xiàn)熱斑效應(yīng)時(shí)測(cè)得 的n組值進(jìn)行比較分析，并且根據(jù)專家經(jīng)驗(yàn)構(gòu)建電-圖模型：
[0020] Y=aUn/U+0In/I+myTn/T
[0021] 其中，Y為輸出的故障值，U和I分別表不正常工作時(shí)光伏電池板輸出的電壓有效 值和電流有效值，Un和In分別表示通常情況下光伏電池板輸出的電壓有效值和電流有效 值，Tn表示整個(gè)光伏電池板的最高溫度值，a表示輸出電壓信號(hào)所占輸出故障值的經(jīng)驗(yàn)權(quán) 重，e表示負(fù)載電流信號(hào)所占輸出故障值的經(jīng)驗(yàn)權(quán)重，Y表示紅外熱像圖信號(hào)所占輸出故 障值的經(jīng)驗(yàn)權(quán)重，m表示所檢測(cè)的光伏電池板中出現(xiàn)熱斑的個(gè)數(shù)，其中0 <m<N+。
[0022] 進(jìn)一步，所述S33中的一種新型的紅外圖像分割算法包括以下具體步驟：
[0023]S331 :首先通過粒子群算法確定最佳分割閾值。標(biāo)準(zhǔn)的PSO算法公式中，具有對(duì)上 次個(gè)體極值點(diǎn)和全局極值點(diǎn)記憶的粒子定義為給定D維的適應(yīng)度函數(shù)空間的一個(gè)可能解。 在迭代過程中，每個(gè)粒子均會(huì)調(diào)整其在每一維空間的速度，計(jì)算出其新的位置。因?yàn)槊總€(gè)粒 子更新是相對(duì)獨(dú)立的，且維數(shù)只與適應(yīng)度函數(shù)的解空間有關(guān)，所以，可以用下面的公式表示 每個(gè)粒子其一維空間的運(yùn)動(dòng)情況：
[0024] V,, =coV, +a' (p'f -xf)+af (pf - Xf) ⑴
[0025] xt+1 =Xt+vt+1 (2)
[0026] 其中a丨=cv丨，=c2r2，ri，r2?u(0, 1)，歷,》丨,afeIl，Vt表示粒子在第t次迭 代時(shí)的速度，Xt表示粒子第t次迭代時(shí)的位置，W表示粒子在t次迭代過程中目前的個(gè)體極 值點(diǎn)，#表示種群在t次迭代過程中目前的全局極值點(diǎn)，《 稱為慣性權(quán)重，常量cdPc2稱為加速度因子。通常設(shè)置速度的上邊界V_和下邊界Vmin，防 止粒子遠(yuǎn)離搜索空間。
[0027] 根據(jù)光伏電池板物理特性，將物理特性中的重要成分作為粒子群算法的輸入，同 時(shí)將物理結(jié)構(gòu)特性方程作為適應(yīng)度函數(shù)，從而輸出分割的最佳閾值。
[0028]S332 :利用脈沖神經(jīng)網(wǎng)絡(luò)算法對(duì)紅外圖像進(jìn)行分