航天器光伏電池故障診斷及仿真*

李　潔　張　可

(西安工業(yè)大學電子信息工程學院　西安　710021)

?

航天器光伏電池故障診斷及仿真*

李潔張可

(西安工業(yè)大學電子信息工程學院西安710021)

摘要論文研究了航天器光伏電池故障診斷方法檢測出故障點的問題。用小波變換方法分析光伏電池故障點；對噪聲干擾情況下的故障信號進行消噪處理；結合多種小波基函數(shù)檢測航天器光伏電池突變點；仿真結果表明航天器光伏電池測出的突變點就是航天器光伏電池故障點，證明了該文方法的可行性。

關鍵詞航天器光伏電池; 小波基函數(shù); 信號去噪; 故障診斷

Class NumberTP391

1　引言

航天器光伏電池故障診斷是指光伏電池在運行過程中，受到自然環(huán)境的影響以及自身材料老化、光伏電池不匹配等故障問題對其進行診斷，確認故障點，為后續(xù)維修工作提供便利。光伏電池的故障是無法避免的，因此對光伏電池的故障診斷就十分重要。

文獻[1]在不考慮故障點的情況下，提出對光伏電池故障診斷方法可以利用衛(wèi)星觀察并檢測光伏電池所在位置的天氣情況，將衛(wèi)星檢測出的實際功率與模型預測進行對比，從而判斷電池是否存在故障，該方法只能判斷出航天器光伏電池正常與否，不能夠指出發(fā)生故障的位置。文獻[2]對光伏電池采用電流檢測方法，設計復雜的陣列結構連接方式以實現(xiàn)對光伏電池故障點的定位。此方法雖然實現(xiàn)故障點定位，但其使用的電流傳感器較多并且該陣列結構太過于復雜，在實際應用中難以實現(xiàn)。本文采用小波變換方法進行航天器光伏電池的故障診斷，小波變換能夠克服電流檢測法陣列結構復雜的缺點，應用簡單無需構建陣列結構，同時具有故障點查找迅速、實用性好、成本低等優(yōu)點，具備很高的研究價值。

本文在航天器光伏電池故障診斷中運用了小波變換法對航天器光伏電池電力負載信號進行檢測，測出信號突變點即故障點。然后選用sure閾值模式和sym8細節(jié)系數(shù)進行小波消噪。最后，在航天器光伏電池的故障診斷實例中使用該方法進行了仿真分析，充分體現(xiàn)了該方法的實用性和精準性。

2　航天器光伏電池故障診斷機理

航天器光伏電池結構如圖1所示。它其實是由一個大面積的P-N結，由電子(N)型半導體和空穴(P)型半導體構成。電子型半導體是硅原子與半導體雜質比如磷共同組成共價鍵時，施主原子的位置會有一個不能轉換、固定不變的正離子。空穴型半導體是由半導體中雜質比如硼和硅原子共同組成共價鍵時，由于缺少一個電子故而稱之為空穴。

圖1　航天器光伏電池結構圖

航天器光伏電池工作原理是在光伏特效應基礎上的。當太陽光照在P-N結上，新的空穴-電子對形成。在內電場作用下，光生電子流向N區(qū)，光生空穴流向P區(qū)，當電路接通后就會產生電流。結合圖1可以進一步得出：當能量足夠大的入射光子照進P-N結過渡區(qū)時，電子被激發(fā)變成自由電子。與此同時，形成兩個相反電荷的粒子。受到激發(fā)的電子在內建電場作用下，流到下方N區(qū)；由此類推，空穴在內建電場作用下，流向上方P區(qū)。因此，一個與P-N結內建電場方向相反的光生電動勢和光生電場就會產生。

航天器光伏電池在太陽光照下，EVA結構會發(fā)生變化，吸收紫外線、溫度、氧氣能力下降。光伏電池表面透光率少，光伏電池對光能利用率降低。航天器光伏電池發(fā)生老化現(xiàn)象，通過故障診斷對光伏電池電力負載信號進行檢測，檢測電壓波動幅度范圍是否正常。由小波變換方法進行仿真，找尋突變點。

3　航天器光伏電池故障診斷小波變換方法

航天器光伏電池故障診斷采用小波變換方法，該方法可以確定故障點范圍，為后續(xù)維修工作提供便利。故障診斷模型建立簡單方便，采集光伏電池電力負載信號奇異點以及消除信號噪聲都有很大的優(yōu)勢。為此，本文首先分析小波變換的運算機理。

則稱ψ(t)為基本小波函數(shù)或母小波函數(shù)，母小波函數(shù)還可以通過延時變換和伸縮、平移來展成一系列子小波序列:

ψa,b(t)=|a|-1/2ψ(t-b/a)

對每一個函數(shù)或者信號滿足平方可積空間L2(R)這個條件，并在小波基下展開，則函數(shù)的連續(xù)小波變換(CWT)表達式為

WTf(a,b)=〈f(t),ψa,b(t)〉

小波變換對應的重構公式[5]為

對于f(t)∈L2(R)相對應的離散小波變換(DWT)方程式為

在把連續(xù)小波及連續(xù)小波變換轉變成為離散小波及離散小波變換，二進制離散化后的小波和相應小波變換被稱之為二進制小波或二進制小波[9]變換。

ψm,n(t)=2-m/2ψ(2-mt-nb0)

該表達式為二進小波[6]函數(shù)，其中a和b都做了二進離散。

當b0>0，ψm,n(t),m,n∈Z并不是正交的函數(shù)集，當且僅當b0=1時可得：

ψm,n(t)=2-m/2ψ(2-mt-n)

該表達式為正交函數(shù)系，也就是二進制正交小波函數(shù)系。信號函數(shù)f(t)的二進制正交小波變換的定義為

正交小波變換算法也被稱為Mallat[7]算法。它是將多分辨率分析法[8]引入到小波分析中，創(chuàng)立了Mallat分解算法、Mallat重構算法。

由于小波基[9]與尺度函數(shù)是已知的，列出表達式：

進一步得出

也可以簡化成

其中j=1,2,3,…,N。

C1=HC0,D1=GC0

C2=HC1,D2=GC1

…

Cj=HCj-1,Dj=GCj-1

(1)

式(1)就是Mallat分解算法，相對應的序列Cj,Dj為離散信號f(x)在分辨率2j下的離散逼近與離散細節(jié)。

Mallat算法的信號重構表達式如下

g0,n-2k=〈φ1,0(t),φ0,k(t)〉

g1,n-2k=〈φ1,0(t),φ0,k(t)〉

h0,n-2k=〈φ0,n(t),φ1,k(t)〉

h1,n-2k=〈φ0,n(t),φ1,k(t)〉

(2)

依據(jù)式(2)可以得出ψj,k(t)為多尺度分析的小波函數(shù)，φj,k(t)為尺度函數(shù)。

4　航天器光伏電池故障診斷實例仿真

為了驗證理論分析的正確性，在Matlab軟件平臺對航天器光伏電池進行仿真。其系統(tǒng)參數(shù)設計如下：電網(wǎng)電壓U=220V，振動幅度為100～500之間，將信號分層分解，bior3.7、db10以0.5進行依次分解。小波變換用于光伏電池傳感器故障診斷[10]中進行仿真可以得到光伏電池電力負載信號波形，如圖2所示，光伏電池在2200s之前時間段和3400s之后時間段趨于穩(wěn)定振動幅度小，在2200s～3400s之間振動幅度大，信號不穩(wěn)定產生奇異點即突變點。

圖2　光伏電池電力負載信號波形

圖3　信號細節(jié)圖

光伏電池電力負載信號波形如圖2所示，從圖可以得出當t的范圍在2400～3400之間信號出現(xiàn)異常，這是傳感器故障造成。利用bior3.7小波[11]進行3層分解，得到1～3層細節(jié)信號。時間在2400～3400之間，由于傳感器故障引入了誤差噪聲，由圖3可以看出d1高頻系數(shù)重構圖像要比d2、d3高頻系數(shù)重構圖像更加容易找到故障信號所在位置。

在光伏電池正常運作時，其正常輸出點的采樣信號為蠕變信號。一旦系統(tǒng)發(fā)生故障時，輸出信號會出現(xiàn)突變信號。主要表現(xiàn)在幅度和頻率的突變，從正常到出現(xiàn)故障的一系列采樣序列分析可得。

圖4　光伏電池小波分解層次圖

采用小波分析法來分析檢測信號的突變點。從圖4中可得光伏電池小波分解的層系數(shù)，當t=500時，系統(tǒng)工作出現(xiàn)了異常情況；在t=1000時，系統(tǒng)又恢復了正常。

在測量信號中總是會受到噪聲干擾，則需要考慮降低噪聲對系統(tǒng)的干擾。引入小波消噪法。一般來說，利用小波分析的消噪方法分為三個步驟如下：

1) 對噪聲信號進行正交小波變換計算，確定一個合適小波分解層次和小波基函數(shù)。對信號進行N層小波分解，獲得相應的小波分解系數(shù)。該系數(shù)包括高頻系數(shù)以及低頻系數(shù)。

2) 高頻系數(shù)的閾值量化：選擇一個閾值量化準則，對每一層小波系數(shù)進行閾值量化處理。

3) 小波重構：經(jīng)閾值處理后的小波系數(shù)獲得恢復后的原始信號估計值，依據(jù)小波分解第N層的低頻系數(shù)和處理后的第1層到第N層的高頻系數(shù)，進行尺度信號的小波重構。

對光伏電池進行小波消噪處理如圖5、6所示。

由圖5中可以看出利用sym8和db10進行降噪[12]后基本恢復到原始信號，消噪效果顯著。但與此同時，從圖中可以看到采用閾值消噪后信號特征值比較少，以至于很難非常準確地將原始信號反應出來。從圖6和圖7可以得到db10對信號的5層分解以及從第5層到第1層的低、高頻系數(shù)重構圖。

圖5　原始信號、疊加隨機噪聲、db10和sym8默認閾值降噪后信號圖形

圖6　db10對信號進5層分解

圖7　分解的第5層到第1層的低頻、高頻系數(shù)重構圖

從圖6和圖7中可以看出，db10對信號進行5層分解，然后對第5層到第1層的高頻系數(shù)和低頻系數(shù)進行重構。圖中細節(jié)信號是由白噪聲[13]分解得出的，所需的正弦信號是可以由圖6中的近似信號a5得出，因此獲得的信號就是原始信號波形，這樣就把隱藏在噪聲中的有效信號分離出來。

Matlab軟件[14]中自帶noissin信號函數(shù)以及初始信號，對光伏電池進行小波去噪仿真。在noissin信號函數(shù)上疊加一個隨機噪聲信號得到e,本文采用db10小波和sym8小波對隨機噪聲信號e進行5層分解，選用minimaxi閾值模式和db10作為細節(jié)系數(shù)和選擇sure閾值模式和sym8作為細節(jié)系數(shù)進行對比。噪聲去除后，對初始信號進行分析，將噪聲信號和原始信號分離出來。

5　結語

結合小波變換信號奇異點檢測方法，對航天器光伏電池故障點進行檢測，并通過實例驗證了該方法可行性。通過理論分析，選用db10和bior3.7作為小波基函數(shù)，對航天器光伏電池電力負載信號進行故障點定位，用sym8小波對航天器光伏電池電力負載信號進行消噪處理。仿真結果表明，航天器光伏電池在三種小波基函數(shù)下可以快速準確地定位故障點。仿真驗證了該方法的有效性和可行性。在今后的研究中，此方法具有長遠意義。

參 考 文 獻

[1] 程澤，李兵峰，劉力，等.一種新型結構的光伏陣列故障檢測方法[J].電子測量與儀器學報，2010,24(2):31-136.

CHENG Ze, LI Bingfeng, LIU Li, et al. A novel structure of PV array fault detection method for[J]. Electronic Measurement and Instrumentation,2010,24(2):31-136.

[2] 陳中華，趙敏榮.硅太陽能電池數(shù)學模型的簡化[J].計算機仿真，2006,23(6):239-243.

CHEN Zhonghua, ZHAO Minrong. Mathematical model of silicon solar cell simplified[J]. Computer Simulation,2006,23(6):239-243.

[3] Vetterli M, et al. Wavelet and filter banks: Theory and design[J]. IEEE. SP,1992,40(9):14-38.

[4] 冉啟文，譚立英.小波分析與分數(shù)傅里葉變換及應用[M].北京：國防工業(yè)出版社，2002:12-30.

RAN Qiwen, TAN Liying. Wavelet analysis and fractional Fourier transform and application[M]. Beijing: National Defense Industry Press,2002:12-30.

[5] 程正興.小波分析算法與應用[M].西安：西安交通大學出版社，1998:40-50.

CHENG Zhengxing. Wavelet analysis algorithm and application[M]. Xi’an: Xi’an JiaoTong University press,1998:40-50.

[6] Resenikoff H L. Wavelets and Adaptive Signal Processing[J]. SPIE. Adaptive Processing,1991,1565:370-382.

[7] Mallat S. Multifrequency channel decomposition of images and wavelet models[J]. IEEE ASSP,1989,37:2091-2110.

[8] Young R K. Wavelet Theory and Its Application[J]. Boston Kluwei Academic Publisher,1993:12-20.

[9] Kadambe S, et al. Application of the wavelet transform for pitch detection of speech signals[J]. IEEE IT,1992,38(2):917-924.

[10] 石啟星，田金文，柳健.小波變換及其在信號處理中的應用.遙測遙控[J].1996,17(3):56.

SHI Qixing, TIAN Jinwen, LIU Jian. Wavelet transform and its application in signal processing. Remote control[J]. 1996,17(3):56.

[11] 周小勇，葉銀忠.小波分析技術在故障診斷中的應用[J].上海海運學院學報,2001:9-12.

ZHOU Xiaoyong, YE Yinzhong. Application of wavelet analysis in fault diagnosis[J]. Journal of Shanghai Maritime University,2001,9-12.

[12] 董小剛，秦喜文.信號消噪的小波處理方法及其應用[J].吉林師范大學學報(自然科學版),2003,5(2):14-60.

DONG Xiaogang, QIN Xiwen. Wavelet processing method for signal de-noising and its application[J]. Journal of Jilin Normal University(Natural Science Edition),2003,5(2):14-60.

[13] 劉鯖潔，陳桂明，劉曉方,等.FFT和小波變換信號降噪中的應用[J].數(shù)據(jù)采集與處理，2009,24(10):58-60.

LIU Qingjie, CHEN Guiming, LIU Xiaofang, et al. Application of.FFT and wavelet transform signal denoising in[J]. Data Acquisition and Processing,2009,24(10):58-60.

[14] 胡昌華，李國華,等.基于MATLAB的系統(tǒng)分析與設計，小波分析[M].西安：西安電子科技大學出版社，2004:35-40.

HU Changhua, LI Guohua et al. Analysis and design of system based on wavelet analysis MATLAB[M]. Xi’an: Xi’an Electronic and Science University press,2004:35-40.

收稿日期:2015年10月8日,修回日期:2015年11月28日

基金項目:陜西省國際科技合作重點項目(編號：2015KW-024)資助。

作者簡介:李潔，女，碩士研究生，研究方向：故障診斷、隨機控制、最優(yōu)控制、自適應控制等。張可，男，碩士研究生，研究方向：故障診斷。

中圖分類號TP391

DOI:10.3969/j.issn.1672-9722.2016.04.038

Fault Diagnosis and Simulation of Photovoltaic Battery for Spacecraft

LI JieZHANG Ke

(School of Electronic and Information Engineering, Xi’an Technology University, Xi’an710021)

AbstractThe spacecraft fault diagnosis method of photovoltaic cells is studied to detect the fault point. Wavelet transform method is used to analyze photovoltaic battery point of failure. The noise conditions for fault signal are denoised. Many kinds of wavelet basis function test spacecraft photovoltaic cell mutation point are combined. The simulation results show that the spacecraft is the abrupt change point of the pv cells detect spacecraft photovoltaic battery failure point, proves the feasibility of this method.

Key Wordsspacecraft photovoltaic cell, wavelet base function, signal denoising, fault diagnosis