河海大学陈凌等：基于数据融合的光伏组件故障诊断

2017-06-28 07:20:56 大云网　点击量：评论 (0)

【热点专题论文】河海大学陈凌等：基于数据融合的光伏组件故障诊断

研究背景

由于光伏发电系统中光伏组件所占投资比重最大，一旦其发生运行故障，直接危害是损坏
组件本身，降低发电效率；间接危害则是造成整个光伏发电系统不能正常运行或对电网造
成影响，进而酿成重大经济损失。

解决的问题

目前，针对光伏组件的故障诊断技术已展开相关研究，基于不同的侧重点，大致可将光伏组
件故障诊断技术分为：电气参数测量法、数学模型分析法、智能算法检测法、红外图像分析
法和监控系统法等。但由于外界环境的复杂多变，光伏组件呈现故障起因复杂性和故障类型
多样性，现有的故障诊断技术和方法难以适应光伏组件故障诊断的需要。因此，光伏组件故
障诊断的难点在于提取光伏组件的故障特征，并进行分析，进而准确判断其故障类型。

重点内容及创新点

对光伏组件短路、Rs异常老化和Rsh异常老化等故障成因进行分析，在MATLAB中对各故障
状态下输出特性进行仿真研究，总结其故障规律；基于IAFSA-RBFNN算法和RVM算法分别
对光伏组件的内部等效参数和外特性电气参数建立4种故障诊断模型，用于光伏组件的初步
故障诊断；针对D-S证据理论在处理冲突证据时存在的不足，提出一种基于改进证据相似度
的证据合成规则，对来自IAFSA-RBFNN和RVM的输出诊断结果进行决策级融合，进一步提
高光伏组件故障诊断结果的可信度。

结论

本文提出了一种基于改进证据相似度的光伏组件故障诊断数据融合模型，实现对光伏组件正
常、短路故障、Rs异常老化故障和Rsh异常老化故障的有效诊断。主要研究成果如下：

1）对各故障状态下光伏组件的输出特性进行仿真研究，总结其对应的故障规律，为光伏组
件的故障诊断提供故障特征信息。

2）针对传统D-S合成规则在处理冲突证据时易出现悖论的缺陷，提出一种基于改进证据相
似度的证据合成规则。

3）基于IAFSA-RBFNN算法和RVM算法所得光伏组件故障诊断初步结果，并将上述结果作
为改进证据相似度的数据融合模型的BPA函数值，并进行决策级融合，实验结果进一步证明
了上述方法的有效性和正确性。

后续研究

本文仅从光伏组件自身输出特性提取故障信息，但在实际光伏发电系统中，后级变换器的输出
特性中也含有光伏组件的故障信息，后续应进一步完善光伏组件的故障诊断方法。