[發明專利]一種太陽能電池板故障診斷方法及系統

有效

• 申請號: 202110884211.6
• 申請日: 2021-08-03
• 公開（公告）號: CN113326667B
• 公開（公告）日: 2021-12-10
• 發明（設計）人: 鄧蜀云;李建勇
• 申請（專利權）人: 深圳格瑞特新能源有限公司
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06K9/62;G06N3/04;G06N3/08;H02S50/10
• 代理公司: 深圳市優一知識產權代理事務所(普通合伙) 44522
• 代理人: 宣士艷

本發明提供了一種太陽能電池板故障診斷方法及系統，可以遠程、大規模、定時為用戶診斷出太陽能電池板的故障，從而方便給出專業的修復建議，同時，充分利用數據，使用數據編程可以減少代碼量，為今后該功能維護和迭代提供便利，還可以得到不同故障之間的概率，提供今后拓展其他功能的可能，且模型訓練好就可以在服務器、瀏覽器或硬件RAM上部署，移植方便，同時還可以精確控制故障的閾值，在訓練時可以通過調節參數不斷地提高對故障的準確率；通過深入地挖掘故障Ⅳ數據和故障的關系，使用RNN神經網絡自適應性學習數據中的特征，提高了模型對數據中異常的魯棒性。

技術領域

本發明涉及太陽能電池技術領域，特別涉及一種太陽能電池板故障診斷方法及系統。

背景技術

隨著太陽能光伏并網發電的迅速發展，規模化的太陽能光伏并網發電是未來的發展趨勢，大型或特大型的光伏并網電站將會越來越多，太陽能發電主要分為屋頂和大規模的地面電站，地面電站又以荒漠電站居多，且絕大多數為無人值守或少人值守。作為光伏發電系統的核心，光伏面板是一種必須長期處在室外環境下的發電裝置。空氣中的灰塵落在光伏組件表面，會導致組件接受的陽光減少；熱斑損壞不易被發現；大風、積雪導致的組件倒塌，不容易被及時發現；這些都導致發電量減少，影響經濟效益，為了排除這些影響又需要投入大量的運維成本。對光伏陣列在各種復雜環境下的特性電壓、電流數據的采集、建模、參數提取、參數分析歸類是快速故障檢測、保障光伏發電系統安全、評估系統性能、改進太陽能電池制造工藝的基礎。

使用I-V曲線作為診斷的方法可以容易地提取一些簡單的光伏陣列電氣參數（包括開路電壓（Voc），短路電流（Isc），最大功率點電壓（Vmpp）和電流（Impp）以及填充因子（f）等等），結合測量的溫度和光照度，確實可以很方便地檢查出光伏陣列的運行狀態。然而對于光伏陣列性能更詳細地評估以及更深層次、更便捷性的光伏陣列故障診斷，效果并不明顯，除了這些簡單電氣參數以外，還需要光伏內部模型參數，而目前市場上的光伏組件往往沒有提供這些內部參數。因此，傳統Ⅳ故障診斷模型參數提取的方法主要局限于近似解析法和數值求解法。近似解析法利用微分求導，在不同程度假設和簡化模型的前提下，分析處理I-V特性方程，進而近似求出模型的未知參數值。盡管方法容易理解，計算不難，但其計算精度很大程度上受I-V特性曲線部分關鍵點的影響，若關鍵點的采樣數值有微小變化，模型參數則出現很大偏差。數值求解法利用數值算法對所有實測電壓電流數據進行擬合，參數提取的精度相對穩定并且有了一定的提高，但仍受限于所選擇的數值算法，存在著收斂性不確定，計算量較大等缺點。

發明內容

本發明的目的是提供一種太陽能電池板故障診斷方法及系統，以解決現有的太陽能電池板故障診斷方法計算量大、偏差大的問題。

本發明提供了一種太陽能電池板故障診斷方法，包括：從采集器定時獲取故障IV數據并處理成預設數據結構，在標記元數據后儲存至第一數據集合；收集各個太陽能電池板的所述故障IV數據，并分析獲得各個所述故障IV數據的特征；分析第一數據集合中的數據，以將第一數據集合中的數據分成正常數據、異常數據以及故障數據，并將所有的所述異常數據存儲至第二數據集合，將所有的所述正常數據和所有的所述故障數據存儲至第三數據集合；通過所述故障IV數據的特征對所述第三數據集合的數據進行標注；構建神經網絡模型，使用第二數據集合和第三數據集合內的數據訓練異常數據過濾模型；構建時序循環神經網絡模型，使用第三數據集合內的數據訓練故障診斷模型；使用計算機編程語言調用所述異常數據過濾模型和所述故障診斷模型，以獲得診斷結果。

上述太陽能電池板故障診斷方法，可以遠程、大規模、定時為用戶診斷出太陽能電池板的故障，從而方便給出專業的修復建議，同時，充分利用數據，使用數據編程可以減少代碼量，為今后該功能維護和迭代提供便利，還可以得到不同故障之間的概率，提供今后拓展其他功能的可能，且模型訓練好就可以在服務器、瀏覽器或硬件RAM上部署，移植方便，同時還可以精確控制故障的閾值，在訓練時可以通過調節參數不斷地提高對故障的準確率；通過深入地挖掘故障Ⅳ數據和故障的關系，使用RNN神經網絡自適應性學習數據中的特征，提高了模型對數據中異常的魯棒性。