复杂安装条件下大型光伏电站中光伏面板的故障检测方案
系统与控制
2021-05-20 v1 系统与控制
摘要
光伏（PV）系统中的故障若未被快速检测和纠正，会严重影响整个光伏电站的效率、发电量及安全性。因此，光伏阵列的故障诊断对于提升光伏电站的可靠性、效率、产能与安全性不可或缺。与传统的阈值方法和人工智能（AI）机器学习方法不同，本文提出了一种基于高斯混合模型（GMM）的创新故障检测方法。该方法结合了 GMM 在建模光伏组件随机功率输出方面的优越性，以及 Sandia 光伏阵列性能模型（SPAM）的灵活性与简洁性，以准确检测性能低下组件。首先，提出用 GMM 表示不同光伏组件功率输出的概率分布函数（PDF），并通过期望最大化算法获得其参数集。其次，基于 SPAM 推导了突出倾角和方位角影响的光伏组件输出功率简化显式表达式。然后，构建了与朝向无关的向量 C，以消除由不同方位角和倾角引起的功率输出概率分布差异。生成了捕捉各光伏组件 C 的概率密度差异的 Jensen-Shannon（JS）散度，并用作故障指标。利用原始 SPAM 获取的仿真数据评估所提方法的性能。结果表明该方法成功检测了光伏系统中的故障。本工作特别适用于具有不同安装参数（如方位角和倾角）的光伏组件，且不需要使用辐照度或温度传感器。
引用
@article{arxiv.2105.08943,
title = {A fault detection scheme for PV panels in large scale PV stations with complex installation conditions},
author = {Qianni Cao and Chen Shen and Mengshuo Jia},
journal= {arXiv preprint arXiv:2105.08943},
year = {2021}
}