基于数据驱动的光伏阵列故障诊断研究与应用

基于数据驱动的光伏阵列故障诊断研究与应用

论文摘要

中国太阳能资源非常丰富,理论储量达每年17000亿吨标准煤,其开发利用的潜力非常广阔。而光电转换则是最为重要一种开发方向,具有发电成本低、安全无污染等优点。我国已经确定将光伏发电作为一种重要的能源利用方式进行重点开发利用,其装机容量和应用范围不断扩大。由于复杂的生产工艺,恶劣的工作环境,再加上光伏电站建设周期短,方阵设备数量众多等问题,光伏电站发生故障难以避免,大大降低了光伏电站的使用寿命,严重影响了光伏系统的安全、经济运行。因此,准确、有效的智能故障诊断方法对于保证光伏电站的正常运行,提高光伏系统的发电效率具有重要意义。本文依托于华北电力大学10 kwp屋顶光伏实验电站,探索基于数据驱动的光伏阵列智能故障诊断方法。1.根据光伏电池的单二极管等效电路及数学模型,建立光伏电池、组件、阵列的工程用仿真模型。通过对不同工况下光伏系统的输出特性进行仿真,归纳故障条件下光伏阵列电气参数转移规律,提取故障特征向量并建立光伏阵列外部行为特性与故障特征之间的映射关系。2.本文提出一种基于模糊C均值的无监督聚类算法以划分故障样本,并通过外行为特性与故障特征的映射关系对划分结果进行标识。该方法有效解决了目前依赖于人工先验知识筛选故障样本的困难,并进一步做出以下两方面的改进:Ⅰ)数据的标幺化改进。消除了环境参数变化对光伏阵列输出的影响,使的算法能够正确识别故障特征。Ⅱ)基于高斯核函数的改进。减低了计算复杂程度,大大提高了算法的普遍适用性和聚类正确性。3.通过引入光伏输出时间序列,对故障条件下光伏输出的时序特征进行分析,提出基于相似性和偏差性的判断指标,进一步提高故障诊断模型的训练精度。4.基于概率神经网络算法对故障诊断模型进行训练,建立光伏阵列智能故障诊断模型。最后,通过实际数据验证,该方法能有效,准确的对光伏阵列典型故障进行识别和判断。该方法具有较高的工程适用性,能够实现光伏系统的在线的故障诊断,同时极大的降低了系统的建设、维护成本。

论文目录

  • 摘要
  • Abstract
  • 第1章 绪论
  •   1.1 课题背景及研究的目的和意义
  •   1.2 光伏阵列故障诊断相关方法研究现状
  •     1.2.1 基于辅助测量设备的故障诊断
  •     1.2.2 基于数据挖掘的无模型故障诊断
  •     1.2.3 基于智能模型的故障诊断
  •   1.3 本文研究内容
  •   1.4 技术路线
  •   1.5 文章结构
  • 第2章 光伏系统建模及不同条件下的出力特性
  •   2.1 光伏电池的建模
  •   2.2 光伏组件和阵列的建模
  •   2.3 正常条件下光伏阵列的输出特性
  •   2.4 本章小结
  • 第3章 典型故障条件下光伏阵列的出力特性
  •   3.1 短路故障
  •   3.2 开路故障
  •   3.3 异常老化故障
  •   3.4 阴影故障
  •   3.5 本章小结
  • 第4章 样本的无监督聚类
  •   4.1 传统的FCM算法
  •   4.2 FCM算法的标幺化改进
  •     4.2.1 标么化改进方法
  •     4.2.2 标么化改进前后的性能
  •   4.3 基于高斯核函数的算法改进
  •     4.3.1 高斯核函数算法介绍
  •     4.3.2 高斯核函数改进前后的性能
  •   4.4 电气特性与故障特征的映射关系
  •   4.5 本章小结
  • 第5章 基于时间序列的光伏阵列故障诊断
  •   5.1 时间序列的产生
  •   5.2 时序特性分析
  •   5.3 时间序列特征提取方法
  •     5.3.1 时间序列的相似性指标
  •     5.3.2 时间序列的偏差性指标
  •   5.4 故障条件下出力时间序列特征分析
  •     5.4.1 短路故障
  •     5.4.2 开路故障
  •     5.4.3 异常老化故障
  •     5.4.4 阴影遮挡
  •   5.5 本章小结
  • 第6章 概率神经网络故障诊断模型
  •   6.1 算法介绍
  •   6.2 智能诊断模型的训练
  •   6.3 基于概率神经网络的光伏阵列故障诊断
  •     6.3.1 方法的提出
  •     6.3.2 方法验证
  •   6.4 本章小结
  • 第7章 结论与展望
  • 参考文献
  • 攻读硕士学位期间发表的论文及其它成果
  • 致谢
  • 文章来源

    类型: 硕士论文

    作者: 陆灵骍

    导师: 戴松元

    关键词: 光伏阵列,无监督聚类,时序特征,数据驱动,故障诊断

    来源: 华北电力大学(北京)

    年度: 2019

    分类: 基础科学,工程科技Ⅱ辑,信息科技

    专业: 数学,电力工业,自动化技术

    单位: 华北电力大学(北京)

    分类号: TM615;TP18;O211.61

    DOI: 10.27140/d.cnki.ghbbu.2019.001138

    总页数: 63

    文件大小: 5796K

    下载量: 113

    相关论文文献

    • [1].不同光伏阵列间距的实证数据分析和研究[J]. 太阳能 2020(03)
    • [2].计及反射辐射的分布式光伏阵列建模研究[J]. 可再生能源 2020(02)
    • [3].太阳能光伏阵列出力异常的分析和处理[J]. 上海电气技术 2020(03)
    • [4].多场景光伏阵列建模及其仿真研究[J]. 电气传动 2019(02)
    • [5].局部阴影下光伏阵列的建模与仿真分析[J]. 电子世界 2019(09)
    • [6].光伏阵列在阴影条件下输出特性分析[J]. 江汉大学学报(自然科学版) 2018(05)
    • [7].基于MSP430和组态王的光伏阵列模拟器的设计[J]. 电测与仪表 2017(06)
    • [8].一种人机交互式光伏阵列模拟器的设计[J]. 电源技术 2017(09)
    • [9].基于光伏阵列输出特性的研究[J]. 企业技术开发 2015(36)
    • [10].光伏阵列的Matlab/Simulink仿真研究[J]. 空军预警学院学报 2015(01)
    • [11].固定式光伏阵列安装方位角对发电量影响的研究[J]. 电力与能源 2015(05)
    • [12].基于多峰值模型优化的光伏阵列故障研究[J]. 机电信息 2020(03)
    • [13].局部阴影条件下光伏阵列建模方法的研究[J]. 国网技术学院学报 2018(06)
    • [14].光伏阵列简化模型与故障分析[J]. 通信电源技术 2019(06)
    • [15].光伏电站光伏阵列间距计算方法[J]. 农村电工 2018(06)
    • [16].遮阴影响下的光伏阵列结构研究[J]. 电力自动化设备 2011(10)
    • [17].有遮挡的屋面光伏阵列风荷载特性研究[J]. 可再生能源 2019(12)
    • [18].阴影光照条件下光伏阵列的最大功率点跟踪方法[J]. 华侨大学学报(自然科学版) 2020(04)
    • [19].局部阴影情况下不同结构光伏阵列输出特性研究[J]. 太阳能学报 2019(04)
    • [20].阴影遮挡对光伏阵列影响的解决方法[J]. 电源技术 2017(05)
    • [21].复杂光照条件下串联光伏阵列特性研究及最大功率跟踪[J]. 太阳能学报 2017(09)
    • [22].一种光伏阵列接地阻抗的测量方法[J]. 安徽电子信息职业技术学院学报 2017(05)
    • [23].平板光伏阵列间隔处的太阳能利用及评估[J]. 太阳能学报 2015(09)
    • [24].太阳能光伏阵列集电网络规划与优化研究[J]. 太阳能学报 2015(09)
    • [25].基于神经网络的光伏阵列输出与气象关系建模[J]. 江西电力 2015(04)
    • [26].自适应果蝇算法多峰值光伏阵列最大功率点跟踪[J]. 电源学报 2020(03)
    • [27].光伏阵列在局部阴影下的建模与特性分析[J]. 现代电子技术 2019(08)
    • [28].分布式光伏阵列随机干扰识别方法研究[J]. 太阳能学报 2017(11)
    • [29].基于传感器最优布置的光伏阵列阴影诊断与定位[J]. 太阳能学报 2018(02)
    • [30].光伏阵列朝向跟踪获取最大能量的研究[J]. 太阳能学报 2013(03)

    标签:;  ;  ;  ;  ;  

    基于数据驱动的光伏阵列故障诊断研究与应用
    下载Doc文档

    猜你喜欢