河海大學陳凌等：基于數據融合的光伏組件故障診斷

2017-06-28 07:20:56 大云網　點擊量：評論 (0)

【熱點專題論文】河海大學陳凌等：基于數據融合的光伏組件故障診斷

研究背景

由于光伏發電系統中光伏組件所占投資比重最大，一旦其發生運行故障，直接危害是損壞
組件本身，降低發電效率；間接危害則是造成整個光伏發電系統不能正常運行或對電網造
成影響，進而釀成重大經濟損失。

解決的問題

目前，針對光伏組件的故障診斷技術已展開相關研究，基于不同的側重點，大致可將光伏組
件故障診斷技術分為：電氣參數測量法、數學模型分析法、智能算法檢測法、紅外圖像分析
法和監控系統法等。但由于外界環境的復雜多變，光伏組件呈現故障起因復雜性和故障類型
多樣性，現有的故障診斷技術和方法難以適應光伏組件故障診斷的需要。因此，光伏組件故
障診斷的難點在于提取光伏組件的故障特征，并進行分析，進而準確判斷其故障類型。

重點內容及創新點

對光伏組件短路、Rs異常老化和Rsh異常老化等故障成因進行分析，在MATLAB中對各故障
狀態下輸出特性進行仿真研究，總結其故障規律；基于IAFSA-RBFNN算法和RVM算法分別
對光伏組件的內部等效參數和外特性電氣參數建立4種故障診斷模型，用于光伏組件的初步
故障診斷；針對D-S證據理論在處理沖突證據時存在的不足，提出一種基于改進證據相似度
的證據合成規則，對來自IAFSA-RBFNN和RVM的輸出診斷結果進行決策級融合，進一步提
高光伏組件故障診斷結果的可信度。

結論

本文提出了一種基于改進證據相似度的光伏組件故障診斷數據融合模型，實現對光伏組件正
常、短路故障、Rs異常老化故障和Rsh異常老化故障的有效診斷。主要研究成果如下：

1）對各故障狀態下光伏組件的輸出特性進行仿真研究，總結其對應的故障規律，為光伏組
件的故障診斷提供故障特征信息。

2）針對傳統D-S合成規則在處理沖突證據時易出現悖論的缺陷，提出一種基于改進證據相
似度的證據合成規則。

3）基于IAFSA-RBFNN算法和RVM算法所得光伏組件故障診斷初步結果，并將上述結果作
為改進證據相似度的數據融合模型的BPA函數值，并進行決策級融合，實驗結果進一步證明
了上述方法的有效性和正確性。

后續研究

本文僅從光伏組件自身輸出特性提取故障信息，但在實際光伏發電系統中，后級變換器的輸出
特性中也含有光伏組件的故障信息，后續應進一步完善光伏組件的故障診斷方法。