[發明專利]基于光伏組件故障率分析的光伏陣列運行維護方法

在審

• 申請號: 201711390973.0
• 申請日: 2017-12-21
• 公開（公告）號: CN108122049A
• 公開（公告）日: 2018-06-05
• 發明（設計）人: 王風雷
• 申請（專利權）人: 鄆城金河熱電有限責任公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/00;G06Q50/06
• 代理公司: 北京科億知識產權代理事務所(普通合伙) 11350
• 代理人: 湯東鳳

1.一種基于光伏組件故障率分析的光伏陣列運行維護方法，其特征在于：包括以下步驟：

步驟1：建立光伏陣列的多狀態模型，所述光伏陣列包括1個以上發電單元，各發電單元包括m個光伏組件，m≥1；所述光伏組件處于故障停運和正常運行兩種狀態中的一種；

將光伏陣列的整體正常運行率作為狀態劃分依據，對光伏陣列的運行狀態進行多狀態劃分，建立了n狀態模型進行模擬，該n狀態模型的狀態空間為E＝{1，2，…，n}，m為一個發電單元內組件串的數量，n＝m-1。

步驟2：削減光伏陣列的運行狀態：根據光伏陣列的整體正常運行率，建立N狀態光伏陣列的運行狀態集，E＝{1，2，…，N}，N≤n；

步驟3：根據光伏陣列的運行狀態集E、決策集A_i＝{(m，τ_i)}、狀態恢復概率采取動作A_i后平均轉移時間T(i，A_i)、代價函數C(i，A_i)、準則函數V(i)，建立半馬爾科夫決策過程；

決策集A_i＝{(m，τ_i)}由維護方式和檢測間隔組成，維護方式m＝{0，1，2}＝{繼續運行、維修、更換}，檢測間隔τ_i為距下一次檢測的時間間隔；狀態恢復概率為采取動作m后，狀態i恢復到狀態j的概率；

采取動作A_i后平均轉移時間T(i，A_i)計算如下：

T ( i , A i ) = t j c + Σ j p i j m = 0 · t j m = 0 t j c + t ‾ f + Σ j p i j m = 1 · t j m = 1 t ‾ t r + t j c + t ‾ r + Σ j p i j m = 2 · t j m = 2 - - - ( 6 ) ]]>

式中，t_jc為檢測的待機時間；t_j為自然運行條件下狀態j的平均逗留時間；是執行維護和更換動作時的平均動作時間；為替換組件的平均備貨期；

代價函數C(i，A_i)表示一周期內處于狀態i采取恢復動作A_i到下一決策點的總費用，包含檢測成本、維護成本、組件更換成本和因維護和更換帶來的停機損失：

C ( i , A i ) = c j c + c l o s s · t j c m = 0 c j c + c f + c l o s s · ( t j c + t ‾ f ) m = 1 c j c + c r + c l o s s · ( t ‾ t r + t j c + t ‾ r ) m = 2 - - - ( 7 ) ]]>

式中，c_jc為單次檢測成本；c_loss為單位時間停機損失；c_f為維修費用；c_r為組件更換費用；

準則函數V(i)表示從狀態i出發的無限時段折扣費用：

V ( i ) = m i n { C ( i , A i ) + ξ T ( i , A i ) / 365 Σ j p i j m · V ( j ) } - - - ( 8 ) ]]>

式中：ξ是年折扣因子，ξ∈(0，1)；為從狀態i(i＝1，2，…，N)出發一次轉移的期望報酬；

步驟4：選定初始維護策略，計算初始維護策略下的采取動作A_i后平均轉移時間T(i，A_i)和代價函數C(i，A_i)，采用反向動態編程算法求取準則函數，通過“策略迭代”和“求值計算”求滿足所有狀態的構成新的維護策略，確定最優維護策略。

2.根據權利要求1所述的，其特征在于：所述步驟2采用向后場景削減技術來對光伏陣列的運行狀態進行劃分削減，由以下步驟組成：

步驟1-1：模擬光伏陣列中各組件的運行情況，統計得到一個光伏陣列運行狀態的概率分布函數F(x)；

步驟1-2：計算過程中的場景數n^*初始化為n^*＝n；光伏陣列的各運行狀態的概率初始化為：

P i = 1 n - - - ( 1 ) ]]>

場景信息η_i根據相應運行狀態的概率值進行逆運算F^-1(x)得到，即：

η_i＝F^-1(i·p_i)，(i＝1，2，…，n) (2)

其中，η_i表示第i場景對應的處于正常運行狀態的光伏組件所占比例；

步驟1-3：計算任意2個場景i，j，1≤i≤j≤n^*的場景信息η_i和η_j之間的Kantorovich距離：

d_k(η_i，η_j)＝|η_i-η_j| (3)

步驟1-4：計算場景削減依據P_KDs：

P_KDs＝min{P_KDi|1≤i≤n^*} (4)

其中P_KDi＝min{d_k(η_i，η_j)}·p_i；

步驟1-5：削減場景：對于每一個P_KDi＝P_KDs的場景i，更新場景j的概率為p_j＝p_j+p_i，并將場景i的場景信息η_i從運行場景中刪除；

步驟1-6：更新場景個數n^*＝n^*-n_i,其中n_i為削減掉的場景數，判斷是否滿足n^*＝N，如果是，結束迭代；否則轉入步驟1-3。