韓付昌， 陳志聰， 吳麗君， 俞金玲， 林培杰， 程樹(shù)英, 吳勇標(biāo)

(福州大學(xué)物理與信息工程學(xué)院， 微納器件與太陽(yáng)能電池研究所， 福建 福州 350116)

0 引言

為解決日益嚴(yán)峻的能源短缺和環(huán)境問(wèn)題，并網(wǎng)光伏發(fā)電技術(shù)得到迅速發(fā)展. 光伏系統(tǒng)沒(méi)有移動(dòng)部件， 維護(hù)成本較低， 但它們長(zhǎng)時(shí)間暴露在復(fù)雜的戶(hù)外環(huán)境下， 經(jīng)受各種惡劣環(huán)境因素的影響， 會(huì)導(dǎo)致各種各樣的故障. 這些故障不僅會(huì)造成功率損失，影響發(fā)電效率，還會(huì)縮短組件的使用壽命， 嚴(yán)重時(shí)局部的過(guò)熱甚至?xí)l(fā)火災(zāi)， 給光伏電站帶來(lái)不可估量的損失. 傳統(tǒng)光伏系統(tǒng)的日常維護(hù)主要依靠人工定期檢查，費(fèi)時(shí)費(fèi)力，人工成本昂貴. 因此，尋找一種光伏陣列實(shí)時(shí)監(jiān)測(cè)并快速準(zhǔn)確地檢測(cè)、 定位故障光伏組串的新方法是十分必要的.

近年來(lái)，國(guó)內(nèi)外很多學(xué)者對(duì)光伏陣列的狀態(tài)監(jiān)測(cè)和故障定位進(jìn)行了相關(guān)研究. 在狀態(tài)監(jiān)測(cè)方面： 常規(guī)監(jiān)測(cè)系統(tǒng)使用數(shù)據(jù)記錄器或微控制器來(lái)測(cè)量和獲取信號(hào)， 但以高采樣率進(jìn)行數(shù)據(jù)采集時(shí)， 串行端口的數(shù)

據(jù)傳輸是有限的，并且難以實(shí)現(xiàn)對(duì)程序的修改. 基于NI數(shù)據(jù)采集卡和LabVIEW軟件[4-5]的狀態(tài)監(jiān)測(cè)系統(tǒng)可實(shí)現(xiàn)大多數(shù)的測(cè)量任務(wù),能夠監(jiān)控電流、 電壓、 功率等參數(shù)及變化情況. 但也存在一些不足,如LabVIEW軟件不擅長(zhǎng)大數(shù)據(jù)處理任務(wù)，無(wú)法實(shí)現(xiàn)底層操作等. 相比LabVIEW軟件， Matlab以其大量穩(wěn)定可靠的算法庫(kù)、強(qiáng)大的科學(xué)計(jì)算功能、 編程效率高等特點(diǎn)已成為數(shù)學(xué)計(jì)算工具方面事實(shí)上的標(biāo)準(zhǔn). 本研究將電氣數(shù)據(jù)監(jiān)測(cè)、故障定位等功能集成到統(tǒng)一的Matlab平臺(tái)， 實(shí)現(xiàn)一體化管理. 在故障定位方面：高斯過(guò)程回歸分析法可實(shí)現(xiàn)故障定位， 但環(huán)境適應(yīng)性差，只適用于小規(guī)模的故障檢測(cè). 紅外圖像檢測(cè)法利用組件溫差特性實(shí)現(xiàn)故障定位， 但檢測(cè)精度不夠高，實(shí)時(shí)性較差，設(shè)備費(fèi)用昂貴. 多傳感器法通過(guò)分析光伏電氣特性數(shù)據(jù)實(shí)現(xiàn)故障定位，但是所用傳感器數(shù)量較多、 故障定位精度較差、 容易受外界環(huán)境因素影響、 難以在大規(guī)模光伏陣列中推廣. 對(duì)地電容測(cè)量法和時(shí)域反射分析法[10]都需要離線(xiàn)操作，效率較低，適用范圍較小，只適用于串聯(lián)光伏電路， 對(duì)測(cè)量設(shè)備的精度要求很高. 文[11]通過(guò)分析組件位置信息實(shí)現(xiàn)故障定位，但其故障識(shí)別方法要選取精確的限定值. 文[12]采用離散小波變換分析接地故障位置，但小波變換系數(shù)的冗余度較大. 文[13]將故障陣列的IV曲線(xiàn)分為高壓故障診斷和低壓故障診斷兩部分，但在大規(guī)模光伏陣列中難以推廣. 機(jī)器學(xué)習(xí)算法也被提出用于光伏系統(tǒng)的故障檢測(cè)：如決策樹(shù)模型[14]、人工神經(jīng)網(wǎng)絡(luò)[15]、 極限學(xué)習(xí)機(jī)[16]、 基于圖的半監(jiān)督學(xué)習(xí)模型[17]等. 然而這些方法計(jì)算復(fù)雜性高，可能需要長(zhǎng)時(shí)間的訓(xùn)練過(guò)程(如幾天甚至幾周)， 而且訓(xùn)練模型只適用于特定的光伏系統(tǒng)， 應(yīng)用范圍較小.

1 系統(tǒng)組成

光伏陣列、 電路開(kāi)關(guān)、 匯流箱、 并網(wǎng)逆變器、 電源、 數(shù)據(jù)采集卡、 Matlab上位機(jī)、 電壓電流傳感電路構(gòu)成了該光伏陣列實(shí)時(shí)電氣數(shù)據(jù)監(jiān)測(cè)和故障定位系統(tǒng)， 如圖1所示.

圖1 光伏陣列實(shí)時(shí)狀態(tài)監(jiān)測(cè)與故障定位系統(tǒng)Fig.1 Real-time status monitoring and fault location system for photovoltaic arrays

本研究光伏陣列采用了18塊型號(hào)為GL-M100太陽(yáng)能組件， 分成3個(gè)組串， 每個(gè)組串采用6塊組件串聯(lián)， 組成6×3的串并聯(lián)連接方式. 逆變器采用的型號(hào)為GW2000-NS， 供電電源采用型號(hào)為QJ-3003SⅡ的直流穩(wěn)壓電源， 數(shù)據(jù)采集卡選用Measurement Computing公司的高速多功能USB-1608G， 采樣硬件電路采用隔離型的LV-25P霍爾電壓傳感器和HBC-LSP電流傳感器進(jìn)行光伏陣列的電壓和各個(gè)組串電流的檢測(cè). 光伏組件(STC條件下)具體參數(shù)如下：P峰值=100 W，Umpp=17.5 V，Impp=5.71 A，Voc=21.5 V，Isc=6.03 A.

2 Matlab上位機(jī)

圖2 Matlab上位機(jī)數(shù)據(jù)管理中心Fig.2 Matlab data management center in PC

通過(guò)Matlab/GUI設(shè)計(jì)了如圖2所示的上位機(jī)數(shù)據(jù)管理中心， 主要用于數(shù)據(jù)采集卡的采樣方式設(shè)定、 量程選擇、 單位轉(zhuǎn)換、 采樣率設(shè)定、 模式設(shè)定、 通道使能設(shè)置等， 以及讀取系統(tǒng)時(shí)間、 導(dǎo)入MySQL、 故障檢測(cè)定位、 顯示和處理數(shù)據(jù). 用戶(hù)在統(tǒng)一的Matlab平臺(tái)進(jìn)行多種功能的選擇和設(shè)定， 實(shí)現(xiàn)對(duì)光伏發(fā)電陣列的一體化管理.

為保證數(shù)據(jù)采集的實(shí)時(shí)性和完整性， 設(shè)計(jì)了連續(xù)采集功能. 另一方面， 為盡量減少采樣數(shù)據(jù)量， 避免過(guò)量采樣數(shù)據(jù)給系統(tǒng)造成的不必要負(fù)擔(dān)， 設(shè)計(jì)了間歇采集功能， 并且采集占空比可調(diào)， 擴(kuò)展性強(qiáng)(例如， 間歇采集的觸發(fā)周期可設(shè)置為氣象站采集器的記錄間隔， 實(shí)現(xiàn)與氣象信息的同步采集). 采集卡在間歇期間完全停止運(yùn)行， 使其在運(yùn)行時(shí)功耗大為降低. 兩種采樣方式可隨用戶(hù)需要進(jìn)行選擇.

在一些監(jiān)測(cè)場(chǎng)所， 需要狀態(tài)監(jiān)測(cè)系統(tǒng)在無(wú)人監(jiān)管的情況下自動(dòng)定時(shí)監(jiān)測(cè)某一時(shí)間段中的特定數(shù)據(jù). 因此, 上位機(jī)數(shù)據(jù)管理中心設(shè)置了自動(dòng)定時(shí)采集功能， 在設(shè)置采樣參數(shù)后進(jìn)入自動(dòng)運(yùn)行模式， 實(shí)現(xiàn)對(duì)多路光伏組串狀態(tài)的自動(dòng)定時(shí)監(jiān)測(cè)， 而且定時(shí)時(shí)間可隨需要調(diào)整， 允許實(shí)時(shí)快速檢測(cè)而無(wú)需人為干預(yù)， 系統(tǒng)采用免費(fèi)的 MySQL數(shù)據(jù)庫(kù)作為后臺(tái)支撐， 實(shí)現(xiàn)自動(dòng)存儲(chǔ)、 修改、 導(dǎo)出、 打印等多種功能. 開(kāi)發(fā)的系統(tǒng)在將來(lái)有望實(shí)現(xiàn)便攜式， 可用于戶(hù)外電站實(shí)時(shí)狀態(tài)監(jiān)測(cè). 例如將故障定位算法移植到嵌入式開(kāi)發(fā)平臺(tái)， 并嵌入到匯流箱， 實(shí)現(xiàn)智能匯流箱的設(shè)計(jì)； 利用ZigBee等無(wú)線(xiàn)通信技術(shù)實(shí)現(xiàn)智能匯流箱與PC端的信息傳輸； 將故障定位算法移植到組串式并網(wǎng)逆變器中， 與最大功率點(diǎn)跟蹤(MPPT)算法進(jìn)行融合等.

3 離群值簡(jiǎn)介與故障定位

3.1 離群值簡(jiǎn)介

離群值通常被定義為數(shù)據(jù)集中與眾不同的數(shù)據(jù). 對(duì)一個(gè)數(shù)據(jù)集{xi},i=0, 1, 2, …,n, 有一個(gè)參考值x0, 變化的尺度ζ, 閾值參數(shù)α. 如果xi滿(mǎn)足式(1)條件時(shí)， 統(tǒng)計(jì)異常規(guī)則將xi判為離群值.

xi-x0>αζ(1)

離群點(diǎn)檢測(cè)規(guī)則的上下限分別為x0+αζ,x0-αζ. 對(duì)于光伏應(yīng)用， 假設(shè)光伏組串在相似的環(huán)境條件下具有相同的輸出電流， 如果某串電流明顯偏離其他正常組串電流， 則表現(xiàn)不佳的光伏組串可被視為故障組串. 將組串電流作為測(cè)量參數(shù)來(lái)實(shí)現(xiàn)故障定位是非常方便的， 因?yàn)槊總€(gè)組串共享相同的陣列電壓， 而它們的電流可以不同[18]. 因此， 一些基于組串電流的故障檢測(cè)算法或技術(shù)被提出， 如： 局部離群因子(LOF)[18]，t檢驗(yàn)統(tǒng)計(jì)分析并行檢測(cè)算法[19]， 基于組串電流的元啟發(fā)式優(yōu)化技術(shù)[20]等. 本研究基于組串電流特征， 采用一種“閾值法-Hampel辨識(shí)法”相結(jié)合的光伏陣列離群值檢測(cè)算法進(jìn)行故障檢測(cè)與定位， 是一種可選的方案. 若光伏陣列中組串的數(shù)量為n， 如果一個(gè)光伏組串出現(xiàn)故障， 則遭受的異常污染率等于1/n， 離群值檢測(cè)的成功在很大程度上取決于數(shù)據(jù)遭受的異常污染水平. 值得注意的是， 若組串處于不同日照條件、 不同平面情形或陣列出現(xiàn)大規(guī)模故障等， 那么在某種程度上就會(huì)增加故障檢測(cè)的復(fù)雜性， 從而影響診斷的準(zhǔn)確率. 這時(shí)， 需綜合考慮環(huán)境溫度、 組件溫度、 輻照度、 風(fēng)力等環(huán)境因素的影響， 結(jié)合相同環(huán)境下的參考板電氣特性數(shù)據(jù)， 采用信息融合與模糊推理等方法， 實(shí)現(xiàn)故障的檢測(cè)與定位.

3.2 故障定位算法

本實(shí)驗(yàn)中光伏組串?dāng)?shù)量為3， 在光伏組串污染水平非常高(如33.3%)的情況下， 想要比較準(zhǔn)確地檢測(cè)出故障組串， 必須選用對(duì)離群值有較高容納度的離群值檢測(cè)算法.

初中音樂(lè)課堂教學(xué)普遍存在著課時(shí)缺乏的現(xiàn)象，一般在進(jìn)行相關(guān)教學(xué)的過(guò)程中，一周只有一節(jié)課程屬于音樂(lè)課程。且在很多時(shí)候的很多地方，學(xué)校整體形成的思維模式就是音樂(lè)課程是一門(mén)附屬課程，不屬于主課范疇。這種認(rèn)知也導(dǎo)致很多地方的音樂(lè)課程長(zhǎng)時(shí)間被語(yǔ)文、數(shù)學(xué)、英語(yǔ)這類(lèi)主要課程所霸占，導(dǎo)致學(xué)生對(duì)整體音樂(lè)課程的認(rèn)知停留在存在與不存在之間，這種情況普遍存在于全國(guó)各地學(xué)校的教學(xué)中。

(2)

但是3-Sigma規(guī)則很有可能在實(shí)踐中表現(xiàn)不佳， 因?yàn)楫?dāng)樣本量很小時(shí)， 異常值的存在會(huì)使方差估計(jì)變大， 只有極少離群值被檢測(cè). 因此， 當(dāng)使用均值作為參考指標(biāo)時(shí)， 必須考慮以下三個(gè)問(wèn)題. 首先， 它假設(shè)分布是正態(tài)的(包括異常值)； 其次， 均值和標(biāo)準(zhǔn)差極易受到異常值的影響； 第三， 這種方法不太可能在小樣本中檢測(cè)出離群值[21]. 3-Sigma規(guī)則在異常污染水平大于10%時(shí)可能失效[22].

箱線(xiàn)圖法使用四分位箱線(xiàn)圖， 利用下四分位數(shù)(Q1， 25%)， 中位數(shù)(或Q2， 50%)， 上四分位數(shù)(Q3， 75%)， 四分位距(IQR =Q3-Q1). 箱線(xiàn)圖離群值規(guī)則可以表示為：

xi>Q3+1.5IQR∪xi

箱線(xiàn)圖法根據(jù)實(shí)測(cè)數(shù)據(jù)進(jìn)行離群值分析處理， 以四分位數(shù)和四分位距為基礎(chǔ)， 具有較強(qiáng)的魯棒性. 與3-Sigma規(guī)則不同的是， 箱線(xiàn)圖的數(shù)據(jù)不必服從某種特定的概率分布， 但當(dāng)數(shù)據(jù)遭受的異常污染水平大于25%時(shí)， 箱線(xiàn)圖法可能會(huì)失效[22].

(4)

樣本中值就像均值一樣， 是一種衡量集中趨勢(shì)的指標(biāo)， 但它提供了一種優(yōu)勢(shì)， 即對(duì)存在的異常值非常不敏感[21]. 更重要的是， 中位數(shù)的崩潰污染率為50%， 即有50%的數(shù)據(jù)受到污染時(shí)， 也能得到可靠的解， 這意味著它可以抵抗高達(dá)50%的異常值.

Hampel辨識(shí)法具有最低的異常值敏感性， 可以抵抗高達(dá)50%的異常值， 理論上可以檢測(cè)出離群值. 但實(shí)際上， Hampel辨識(shí)法在正常情況下可能會(huì)觸發(fā)虛假警報(bào)[18]. 由于組件封裝工藝不良、 組件功率偏差等原因， 不同的光伏組串電氣性能不可能絕對(duì)一致， 不同的組串間必然存在輸出電流偏差， 在方差很小的情況下， 導(dǎo)致一個(gè)更嚴(yán)格的離群值檢測(cè)規(guī)則. 因此通過(guò)Hampel辨識(shí)法求出的上下限區(qū)間外的可疑異常點(diǎn)中可能會(huì)存在正常數(shù)據(jù)點(diǎn)， 從而出現(xiàn)虛警的情況. 為解決這個(gè)問(wèn)題， 一種方法是放大Hampel的上下限， 但是潛在的缺點(diǎn)是可能會(huì)丟失異常值. 由于組串參數(shù)的合理值只能在一個(gè)特定的范圍內(nèi)， 如果其輸出的結(jié)果不在這個(gè)范圍內(nèi)， 那肯定是離群值. 因此， 選取并確定一個(gè)合適的組串電流離散率閾值來(lái)對(duì)可疑異常點(diǎn)進(jìn)行最終判決. 離散率通過(guò)組串電流的標(biāo)準(zhǔn)差與組串電流平均值的比值計(jì)算， 離散率越低， 說(shuō)明各路組串發(fā)電性能越集中一致性越好. 根據(jù)光伏電站生產(chǎn)運(yùn)維指標(biāo)和文[23]研究， 若組串電流離散率取值范圍在0～5%以?xún)?nèi)， 說(shuō)明光伏陣列各個(gè)組串運(yùn)行穩(wěn)定； 若組串電流離散率取值在5%～10%以?xún)?nèi)， 說(shuō)明光伏陣列各個(gè)組串運(yùn)行情況良好； 若組串電流離散率取值在10%～20%以?xún)?nèi)， 說(shuō)明光伏陣列運(yùn)行情況有待提高； 若組串電流離散率超過(guò)20%， 說(shuō)明光伏陣列運(yùn)行情況較差， 影響電站發(fā)電量， 必須進(jìn)行整改. 本研究離散率閾值確定為5%， 以此對(duì)出現(xiàn)虛假警報(bào)的可疑異常值進(jìn)行最終判決， 若其電流離散率超過(guò)所規(guī)定的閾值5%， 則認(rèn)為是離群值， 算法流程圖如圖3所示.

圖3 算法流程圖Fig.3 Algorithm flowchart

采用“閾值法-Hampel辨識(shí)法”相結(jié)合的離群值檢測(cè)算法， 在Hampel辨識(shí)法檢測(cè)的基礎(chǔ)上結(jié)合閾值， 利用閾值法判定最終的異常點(diǎn).

4 實(shí)驗(yàn)搭建與結(jié)果分析

4.1 故障創(chuàng)建

光伏并網(wǎng)運(yùn)行中， 常見(jiàn)的故障包括線(xiàn)線(xiàn)故障、 接地故障和失配故障(例如開(kāi)路故障、 部分陰影、 老化故障)[24]. 線(xiàn)線(xiàn)故障是光伏陣列中具有不同電位的兩個(gè)點(diǎn)之間的偶然短路. 接地故障主要由于電纜的絕緣層損壞， 導(dǎo)致光伏陣列中某些組件的連接線(xiàn)與支架相連. 失配故障發(fā)生在部分組件與其他組件在電氣參數(shù)上產(chǎn)生較大的不一致. 在這些故障中， 本研究重點(diǎn)創(chuàng)建了線(xiàn)線(xiàn)故障和失配故障， 因?yàn)閭鹘y(tǒng)保護(hù)裝置更難檢測(cè)它們. 創(chuàng)建的具體故障包括： 組串級(jí)線(xiàn)線(xiàn)故障， 即組串中短路組件的數(shù)量為1塊和2塊； 陣列級(jí)線(xiàn)線(xiàn)故障， 即短接不同組串中電勢(shì)差為1塊和2塊組件工作電壓的電位點(diǎn)； 老化故障， 即組串老化4歐和陣列老化4歐； 陰影故障， 即組串中陰影組件的數(shù)量為1塊和2塊； 開(kāi)路故障， 即斷開(kāi)某一組串中組件間的連接線(xiàn). 故障創(chuàng)建的原理圖如圖4所示.

圖4 光伏陣列故障原理圖Fig.4 Photovoltaic array fault schematic diagram

4.2 實(shí)測(cè)結(jié)果分析

實(shí)驗(yàn)選取在晴天的不同時(shí)段進(jìn)行， 數(shù)據(jù)采樣率選擇1 kHz， 采樣方式選擇連續(xù)采集， 以較好地完成低通濾波、 抑制工頻干擾、 提高信號(hào)保真度. 基于實(shí)驗(yàn)室光伏并網(wǎng)發(fā)電平臺(tái)上的故障模擬， 記錄每種工況的組串電流和檢測(cè)條件， 其中組串電流分別以I1,I2,I3表示， 檢測(cè)條件包括： 輻照度(G)， 組件溫度(θ1)， 檢測(cè)時(shí)刻(t)， 環(huán)境溫度(θ2). 為詳細(xì)直觀(guān)地判斷是否發(fā)生故障， 將檢測(cè)條件、 組串電流I1～I(xiàn)3以及Hampel辨識(shí)法所求得的上限電流(Iupper)和下限電流(Ilower)都顯示于同一圖中.

4.2.1 正常

圖5 實(shí)驗(yàn)結(jié)果： 正常運(yùn)行Fig.5 Experimental results: normal operation

4.2.2 線(xiàn)線(xiàn)故障

為更好地觀(guān)察故障發(fā)生前后的電流變化情形， 線(xiàn)線(xiàn)故障通過(guò)使用可控開(kāi)關(guān)使不同電位點(diǎn)在特定時(shí)刻短路實(shí)現(xiàn), 實(shí)驗(yàn)結(jié)果如圖6所示. 其中圖6(a)和(b)為組串級(jí)線(xiàn)線(xiàn)一塊和兩塊組件， 圖6(c)和(d)為陣列級(jí)線(xiàn)線(xiàn)一塊和兩塊組件. 不難發(fā)現(xiàn)， 組串級(jí)線(xiàn)線(xiàn)一塊和陣列級(jí)線(xiàn)線(xiàn)一塊故障發(fā)生后， 故障組串的電流迅速低于Hampel辨識(shí)法的下限電流并且減小至某個(gè)大于零的最低值， 同時(shí)在MPPT作用下， 電流值逐漸上升并到達(dá)一個(gè)新的穩(wěn)定值， 這個(gè)穩(wěn)定值未超過(guò)Hampel辨識(shí)法的下限電流值， 僅憑借Hampel辨識(shí)法便可迅速實(shí)現(xiàn)其故障檢測(cè)與定位. 而組串級(jí)線(xiàn)線(xiàn)兩塊和陣列級(jí)線(xiàn)線(xiàn)兩塊故障發(fā)生時(shí)， 故障組串的電流迅速低于Hampel辨識(shí)法的下限電流并出現(xiàn)較大的反向電流， 這種反向電流會(huì)對(duì)組串中的其它組件造成極大損壞， 同時(shí)在MPPT作用下達(dá)到一個(gè)新的穩(wěn)定值， 而Hampel辨識(shí)法由于具有較低的異常值敏感性， 其上下限電流完全不受其影響， 產(chǎn)生的新穩(wěn)定值仍低于Hampel辨識(shí)法下限電流， 因此Hampel辨識(shí)法成功判斷光伏陣列是否出現(xiàn)故障并迅速準(zhǔn)確地定位故障組件.

圖6 線(xiàn)線(xiàn)故障的實(shí)驗(yàn)結(jié)果Fig.6 Line-line faults of experimental results

4.2.3 失配故障

失配故障如圖7所示. 其中圖7(a)開(kāi)路故障通過(guò)使用可控開(kāi)關(guān)使光伏組串的組件連接線(xiàn)在特定時(shí)刻斷開(kāi)實(shí)現(xiàn)； 圖7(b)和7(c)陰影故障通過(guò)使用半透明的亞克力板在特定時(shí)刻遮擋組件實(shí)現(xiàn)； 圖7(d)和7(e) 老化故障通過(guò)使用可控開(kāi)關(guān)和大功率鋁殼電阻使光伏組串或光伏陣列的輸出端在特定時(shí)刻串聯(lián)接入阻值為4 W的大功率鋁殼電阻實(shí)現(xiàn).

開(kāi)路故障以及陰影兩塊故障發(fā)生后， 如圖7所示， 故障組串電流迅速低于Hampel辨識(shí)法的下限電流并且減小至零或接近于零， 可以被Hampel辨識(shí)法檢測(cè)到， 而其它正常組串電流基本不變； 陰影一塊故障和組串老化故障發(fā)生后， 故障組串電流迅速低于Hampel辨識(shí)法的下限電流并通過(guò)MPPT達(dá)到新的穩(wěn)定值， 可以被Hampel辨識(shí)法檢測(cè)到， 但是陰影故障發(fā)生前， 由于Hampel辨識(shí)法上限電流的敏感性， 正常組串電流值超出Hampel辨識(shí)法的上限電流， 導(dǎo)致虛假警報(bào)； 陣列老化故障發(fā)生后， 所有組串電流迅速減小并通過(guò)MPPT達(dá)到新的穩(wěn)定值， 但由于Hampel辨識(shí)法下限電流的敏感性， 正常組串電流值低于Hampel辨識(shí)法的下限電流， 導(dǎo)致虛假警報(bào).

將離散率閾值確定為5%， 以此對(duì)出現(xiàn)虛假警報(bào)的陰影一塊故障和陣列老化故障進(jìn)行最終判決. 陰影一塊故障發(fā)生前， 如圖8所示， 其組串電流離散率未超過(guò)閾值5%， 閾值法最終將其判定為正常狀態(tài)， 這一點(diǎn)與實(shí)際工況相吻合； 同時(shí)陰影一塊故障發(fā)生后， 故障組串是低效的， 并且這種狀態(tài)都不會(huì)改變， 其電流曲線(xiàn)將明顯偏離正常曲線(xiàn)， 組串電流一致性較差， 光伏陣列整體運(yùn)行情況有待改善， 這時(shí)其組串電流離散率超過(guò)閾值5%， 直至故障被清除. 而陣列老化故障發(fā)生后， 其組串電流離散率未超過(guò)閾值5%， 這是因?yàn)楦鹘M串具有相同程度的老化模擬， 電流一致性較好， 閾值法最終將其判定為陣列老化. 因此， 在Hampel辨識(shí)法檢測(cè)的基礎(chǔ)上結(jié)合閾值， 利用閾值法判定最終的可疑異常故障， 有效避免了故障誤判.

圖8 閾值分析Fig.8 Threshold method analysis

5 結(jié)語(yǔ)

為及時(shí)發(fā)現(xiàn)光伏陣列中的潛在性故障和保證發(fā)電系統(tǒng)安全、 穩(wěn)定運(yùn)行， 開(kāi)發(fā)了一種可以定時(shí)啟動(dòng)的光伏陣列實(shí)時(shí)狀態(tài)監(jiān)測(cè)和故障定位系統(tǒng). 該系統(tǒng)將連續(xù)采集、 間歇采集、 自動(dòng)定時(shí)采集、 故障檢測(cè)與定位、 數(shù)據(jù)庫(kù)等多種功能集成到統(tǒng)一的Matlab平臺(tái)， 采用“閾值法-Hampel辨識(shí)法”相結(jié)合的離群值檢測(cè)算法實(shí)現(xiàn)故障檢測(cè)與定位， 允許實(shí)時(shí)快速檢測(cè)而無(wú)需人為干預(yù)， 有望實(shí)現(xiàn)便攜式， 可用于戶(hù)外電站實(shí)時(shí)狀態(tài)監(jiān)測(cè)， 從而實(shí)現(xiàn)對(duì)光伏發(fā)電陣列的一體化管理. 大量的現(xiàn)場(chǎng)實(shí)測(cè)分析結(jié)果表明此方法具有很好的檢測(cè)效果， 可以更有效地利用正常組串的信息實(shí)現(xiàn)故障組串定位. 但由于光伏陣列受環(huán)境因素影響很大， 若組串處于不同日照條件、 不同平面情形或陣列出現(xiàn)大規(guī)模故障等， 那么在某種程度上就會(huì)增加故障檢測(cè)的復(fù)雜性， 進(jìn)一步的工作是綜合考慮輻照度、 環(huán)境溫度、 組件溫度等環(huán)境因素， 采用信息融合等機(jī)器學(xué)習(xí)算法進(jìn)行故障檢測(cè)定位， 并對(duì)這些故障進(jìn)行細(xì)化分類(lèi)， 進(jìn)而實(shí)現(xiàn)故障類(lèi)型的診斷.