光伏電站在線監測及故障診斷系統設計

周盛龍 常夢星 楊鶴松 張曉萱 李紹庚

（華能新能源股份有限公司云南分公司）

0 引言

光伏電站的建設和運營已成為能源領域的重要發展方向，光伏發電在電力行業中的地位日益凸顯。然而，光伏電站的運行過程中仍存在諸多問題，如設備故障、效率低下等，其設備的狀態和運行環境也直接影響到電站的效率和穩定性［1-2］。所以對光伏電站進行在線監測及故障診斷成為了保證其穩定運行的關鍵手段。傳統的定期檢查和維修方式往往無法及時發現和解決設備故障，從而給電站的運營帶來不利影響。因此，采用在線監測及故障診斷系統對光伏電站進行實時監控和故障診斷顯得尤為重要［3］。本文將探討光伏電站在線監測及故障診斷系統的設計，旨在為提高光伏電站的運營效率和穩定性提供技術支持和參考。

1 光伏電站在線監測及故障診斷系統硬件設計

光伏電站在線監測及故障診斷系統需要的設備包括數據采集器、傳感器、攝像頭和通信模塊等。

數據采集器：選擇杭州習知科技有限公司的XZDSC-1型數據采集器，該設備能夠采集光伏電站各設備的運行狀態和環境參數，如溫度、濕度、光照強度等，并實時傳輸數據到監控中心或移動設備上［4］。設備參數設置包括數據采集頻率、數據傳輸速率等。

傳感器：選擇北京恒星時育科技有限公司的HXTS-1型溫度傳感器和HX-HS-1型濕度傳感器，分別用于監測電池板的溫度和環境濕度。設備參數設置包括測量范圍、精度等，需要根據具體需要進行設定。

攝像頭：選擇大華股份的DH-CVTF16型網絡攝像頭，用于拍攝和記錄光伏電站的現場情況。設備參數設置包括分辨率、幀率等。

通信模塊：選擇華為的ME909s-256型LTE通信模塊，該模塊能夠將采集到的數據和視頻信息傳輸到監控中心或移動設備上，實現數據的遠程監控和管理［5］。設備參數設置包括通信速率、傳輸距離等。

這些設備在光伏電站在線監測及故障診斷系統中發揮著不同的作用。數據采集器負責收集和分析數據，傳感器監測設備的運行狀態和環境參數，攝像頭拍攝和記錄現場情況，通信模塊實現數據的遠程傳輸和監控［6］。通過對這些設備的合理選擇和參數設置，可以實現對光伏電站的全面監測和管理，提高電站的運行效率和安全性。

2 光伏電站在線監測及故障診斷系統軟件設計

在確定硬件設備后，進行光伏電站在線監測及故障診斷系統軟件設計。

2.1 預處理光伏發電工作數據

對逆變器及傳感設備進行通信數據采集時，采集的數據是未經任何加工的原始信號，這些信號包括電流信號，電壓信號，溫度信號，輻照度信號，風速及風向信號。因此，在采集到原始數據后，需要進行數據預處理。

數據預處理的目的是去除無關數據、重復數據和錯誤數據，在收集到的數據中，有時會存在缺失值，需要對缺失值進行填充。而在處理異常值時，通過統計方法進行修正異常值或刪除含有異常值的數據記錄。同時在數據集中，有時會存在重復的數據記錄。本文根據固定時間段內出現的次數選擇刪除重復值或合并重復值。通過對采集到的數據進行處理，此時得到了更加準確和可靠的數據集。但在光伏電站中，傳感器器件還會受到環境的影響，采集到的發電數據中含有大量的近似高斯白噪聲，因此本文需要選用低通高斯濾波器對光伏發電功率數據進行濾波處理，去除原始發電功率信號中的隨機噪聲干擾，具體表達式如（1）所示。

式中，Qgf為濾波后的光伏發電功率信號，Wx為以x為中心，大小為M（M為奇數）的領域，i為該領域內的采樣間隔步數，Wd為高斯濾波器的加權系數，O為原始光伏發電功率信號。

通過上述步驟實現對光伏發電工作數據的處理，為后續的在線監測和故障診斷提供有力的支持。

2.2 設計數據計算分析在線監測模塊

通過對工作數據的預處理，得到有關光伏電站的理想數據。此時按照輸出項的需求，還需對光電器件的照度、溫度、光伏陣列的輸出電壓和電流以及逆變器輸出的功率進行歸類和計算。

（1）光伏陣列的轉換效率：

式中，Pаrrеy為光伏陣列的實時發電量；PT1為光伏陣列的理論發電量，在理論發電量公式中，是光伏方陣測試時間間隔（Δt）內，基準狀態下實際有效發電時間。

光伏組件由于受到輻照度和溫度的影響，在實際計算理論發電量的時候，應對輻照度和溫度因素進行修正。光伏陣列的轉換效率可以根據Δt的不同設置，分別得到：

實時發電效率：Δt＝最小取樣周期；日發電效率：Δt＝每天累計發電時間；月發電效率：Δt＝每月累計發電時間。

（2）逆變器轉換效率

在給定的測試期間TM內，逆變器AC端所輸出的功率和其直流側的功率之比。

式中，PAC(t)為逆變器的逆變電源在AC端口的瞬時輸出功率；PDC(t)為逆變器在直流端的瞬時輸入功率。根據當地的氣象條件，對逆變器的加權效率進行了權重劃分。

根據上述表達式以及現有的光伏發電系統標準，將數據轉換成了光伏發電系統運營指標。通過整合數據內容，結合電站規定指標，將輸出的各項指標與歷史數據進行實時比較，實現光伏電站的在線監測。

2.3 建立故障診斷模型

當監測到電站存在故障后，為維護光伏電站運行狀態，需要進一步判斷故障類型。影響光伏電站穩定運行的故障包括通信故障、設備故障和限電故障，針對這三類故障，本文建立了一種基于實際發電功率信號分析的故障診斷模型，模型表述如下。首先為了分析故障頻域特征，對實際功率信號進行離散傅里葉變換處理。

式中，P[m]是離散傅里葉變換結果分量，N為采樣點數，m為頻率間隔步數，n為時域采樣步數。離散傅里葉變換結果中，m取0時，頻率分量為逆變器實際功率數據的低頻分量；m取N/2時，頻率分量為逆變器實際功率數據的高頻分量。利用帕塞瓦爾定理對低頻振幅和高頻振幅進行歸一化，從而消除時域幅值的影響。歸一化的低高頻振幅如下所示：

式中，L(P)為歸一化的信號低頻振幅，P[0]|是逆變器實際功率數據的低頻振幅；H(P)為歸一化的信號高頻振幅，為逆變器實際功率數據的高頻振幅。結合歸一化的高低頻振幅及各類型故障的頻域特征，得出：

表1 故障分類規則庫

依據表1的分類規則庫，區分故障類型特征，實現故障診斷模型的建立。

2.4 設定診斷參數實現故障診斷

根據所選的診斷模型，在充分考慮本地氣象條件的情況下，設定相應的模型參數。首先設定輸出電流參數，具體表達式如（7）所示：

式中，Iout表示根據天氣預報推算出的輸出電流；I表示當前電流數據；T2表示利用天氣預報資料推測的下一溫度點；T1表示所獲取的當前溫度；G2表示基于天氣預報信息推斷的下一次輻照值；G1表示目前獲取的輻照值。

由當前元件輸出的電流推斷出元件所在的溫度區間，并能對隨后發生的故障進行診斷，需要注意的是，在設定診斷參數時，考慮光伏電站的實際情況和設備特性，選擇合適的參數閾值。通過上述操作，進行診斷參數設定實現故障診斷。

3 系統測試

3.1 測試準備

選取某地一座2.5MW分布式光伏電站A、一座5MW地面光伏電站B、一座l0MW地面光伏電站C作為數據源。電站都有小型氣象站測量輻照度、溫度、風速、蒸發量、降水量數據，三座光伏電站分別有6、21、63個逆變器。收集一個月發電數據，數據采樣時間為10min。部分光伏電站故障數據如表2所示。

表2 光伏電站運行數據

在這個表格中，記錄了光伏電站中不同設備的故障信息。通過分析這些數據，可以了解光伏電站運行過程中出現的各種問題，同時，還可以根據這些數據來評估在線監測及故障診斷系統的準確性和可靠性。

為了合理評估各類故障，本文選擇各類故障的影響發電小時數作為故障程度，當監測到電站存在故障，向嶺回歸模型輸入預測發電功率，輸出預測等效發電小時數。計算預測等效發電小時數與實際發電量差的絕對值，得到故障影響等效發電小時數來評價故障程度。由于不同故障對于電站穩定運行的影響程度不同，對電站整體進行故障診斷時，對三種故障類型及其程度進行加權求和得到電站故障程度指標S：

式中，ws為第S類故障的加權系數；s=1，2，3；t=1，…，q；Yt s表示s類第t個故障?；谏鲜鰞热?，開展實驗。

3.2 測試結果與分析

利用光伏電站A全站6臺逆變器的數據為例進行故障監測。采用四分位數法獲得故障監測閾值，并用訓練集進行修正。圖1為本文系統對故障逆變器一段時間內的在線監測結果。

圖1 光伏電站故障逆變器的監測結果

根據圖1可知，逆變器故障監測特征與故障監測閾值相比波動性強且差距過大，據此本文系統監測到該逆變器為故障逆變器，監測效果優異。

接著驗證本文系統的故障診斷效果，根據電站故障程度指標，將電站故障程度S與實際運行時的故障程度相對比，數值越接近表示與實際情況越相符，診斷效果越好。故障診斷結果如表3所示。

表3 電站故障診斷結果

分析結果表明，由于設備故障和限電故障，A站的運行狀況比其他站差，需要對A電站加強發電設備維護。電站C運行狀態一般，通信狀態不穩定，需加強維護、檢修通信電纜。電站B運行狀態良好，對通信設備和發電設備定期檢修維護即可保證電站運行穩定。并且該診斷結果與電站實際運行報告基本一致，驗證了本文系統故障診斷的精確性。

4 結束語

光伏電站在線監測及故障診斷系統設計是保障光伏電站穩定運行的重要環節。本文從光伏電站的實際情況出發，設計了一套在線監測及故障診斷系統。該系統能夠對光伏電站的主要設備和運行狀態進行實時監測，及時發現并診斷故障，為維修人員提供準確的故障信息，縮短維修時間，提高維修效率，具有廣泛的應用前景。