并联型单开关管光伏组件优化器的研究与设计

在光伏发电系统中,因局部阴影遮挡造成的特性失配是引起输出功率降低的重要原因。传统方案大多针对组串及组件失配问题,将每个光伏组件的输出经过变换器独立的最大功率跟踪后再串联加以解决,改变了原有系统连接结构。针对小功率分布式光伏发电系统主要遭遇的组件内失配问题,研究了一种不改变原有光伏组件结构的优化方法,并采用单开关的拓扑实现。该方法在光伏组件遇到局部阴影等造成的组件内特性失配时,可以从光伏组件的输出抽取能量,对受遮挡部分进行补偿,使得各个光伏子串的工作状态可调,从而提高这种情况下的总输出功率。该方法属于部分功率变换,且电路拓扑仅采用单个开关管,控制算法简单,电路损耗和成本较低。仿真和样机实验结果表明,该方法能够显著提高局部阴影条件下光伏组件的输出功率。     

基于FCM与高斯隶属度的光伏组件健康状态诊断

随着光伏发电的大规模推广,光伏系统中的故障检测问题成为研究热点。在技术不断革新的同时,能够预测和提前预防光伏系统故障的发生,保证系统的可靠运行,变得尤其重要。文章基于光伏组件的工作情况、组件结构、老化现象以及对应的等效电路模型参数变化,对光伏组件的健康状态进行划分,总结了影响光伏组件亚健康状态的三大指标,分别是透光率、串联电阻以及并联电阻。文章提出了一种模糊算法对光伏组件健康状态进行健康、亚健康、部分阴影与故障状态进行诊断。首先,对归一化处理后的光伏组件样本数据集进行模糊C均值(fuzzy C-means,FCM)聚类得到聚类中心;然后,利用聚类中心与测试样本代入高斯隶属函数对健康状态进行诊断,并通过仿真与实验验证了该方法的可行性,为光伏系统故障预警、老化检测提供参考。     

光伏组件潜在诱导衰减效应的研究

光伏组件的潜在诱导衰减会减少光伏发电系统对外输出的电能,严重情况下使光伏发电系统瘫痪,几乎不对外输出电能。在温度为85℃和85%湿度条件下,对单块光伏组件模拟光伏发电系统中出现的潜在诱导衰减效应,即组件的铝边框和输出端产生1 000 V的电势差。每隔6 h测试一次组件的电致发光(EL)图像和I-V电性能,实验持续时间为48 h。结果表明:该效应会使组件产生漏电,漏电程度随着实验持续的时间而变得严重。运用电容原理解释潜在诱导衰减产生的物理机制,并采用低介电常数的封装材料制作新的光伏组件,能使组件的功率衰减控制在2%以内,完全具有抗潜在诱导衰减的性能。     

光伏阵列故障检测方法综述

基于状态监测的故障诊断方法是提高光伏系统可靠性和安全性的有效实施途径.光伏阵列输出的非线性特性及其易受外界环境干扰的特点,导致传统保护装置难以检测到其直流侧故障.光伏阵列故障不仅会降低发电量、损害光伏组件,严重时甚至会导致大面积火灾.为解决该问题,专家学者们提出了多种光伏阵列故障检测方法,本文就常见的故障检测方法进行概述,首先分析光伏阵列故障检测的研究意义,然后介绍光伏阵列常见的故障类型,最后对常见检测方法的优缺点进行总结.     

智能光伏发电系统故障识别和定位方法研究

对光伏发电系统状态的监测是电站科学运行维护的重要手段,及时准确识别和排除故障是光伏电站收益的保障。环境因素间歇性干扰与组件或逆变器的故障对发电的影响不易识别。为快速、准确地对故障进行识别和定位,保证系统正常工作,提出一种在对光伏发电系统综合发电效率分析的基础上引入地理位置相关性的概念,通过对光伏发电单元位置信息进行相关性分析给出相关因子,实时监测各发电单元综合发电效率,从而实现对智能光伏发电系统故障进行识别和定位的新方法。该故障识别和定位方法便于企业进行及时有效的运行维护,对提高企业收益有很大帮助,适合在光伏企业进行推广使用。     

基于长短期记忆神经网络的光伏阵列故障诊断

目前的故障诊断方法无法精确识别与定位光伏发电系统中光伏阵列的故障,导致光伏发电运维成本增加。为此,本文提出一种基于长短期记忆（LSTM）神经网络的光伏阵列故障诊断模型。在MATLAB/Simulink软件环境下,搭建光伏发电系统仿真模型,采用扰动观测的最大功率点跟踪（MPPT）算法和电网电压闭环控制策略,分析光伏组件断路和遮挡等故障的机理,并对光伏阵列故障状态进行仿真,研究不同故障状态对光伏系统输出特性的影响,进而获取故障特征参数。建立LSTM神经网络故障诊断模型,采集光伏阵列在不同故障条件下的特征参数作为训练样本,对模型进行训练,并与BP神经网络模型进行比较,发现LSTM神经网络模型的测试正确率高于BP神经网络。采用光伏实验平台模拟不同光伏阵列故障,将故障特征参数输入LSTM神经网络故障诊断模型进行诊断,结果表明,LSTM神经网络故障诊断模型能够精确识别和定位光伏阵列故障。     

一种基于卷积神经网络和长短期记忆网络的光伏系统故障辨识方法

随着光伏发电装机容量的不断上升,如何及时检测并解决光伏组件故障和异常,减少组件能量损失,提高光伏系统的发电效率成为一项重要任务.本文通过研究光伏阵列处于不同故障状态下的I-V曲线之间的特征差异性,直接以I-V曲线作为故障诊断的输入量,提出一种融合卷积神经网络(CNN)与长短期记忆(LSTM)网络的光伏系统故障辨识方法....     

一种提高光伏发电系统故障穿越能力的混合型控制策略研究

本文基于不同故障工况下光伏发电系统的输出暂态特性,提出一种混合型控制策略增强其暂态性能及其故障穿越能力。该策略依据故障工况下光伏发电系统并网电压跌落程度,采用Non-MPPT算法调节光伏阵列输出功率,解决光伏发电系统并网逆变器直流过压、交流过流问题;利用磁通耦合限流器抑制光伏发电系统故障冲击电流,并与光伏发电系统输出无功电流相配合,进一步抬高光伏发电系统并网电压。在不对称故障情况下,该控制策略还能降低光伏发电系统并网电压不平衡率,减少其并网逆变器直流侧电压所含二倍频谐波分量,整体提高光伏发电系统故障穿越能力。     

分布式光伏变负荷工况发电功率预测系统设计

对分布式光伏系统变负荷工况发电功率进行准确预测,能避免输出失稳。提出一种基于线空间重构和谱特征提取的分布式光伏系统变负荷工况发电功率预测方法,并结合DSP数字处理器进行预测系统设计。构建光伏系统变负荷工况发电功率的输出时间序列模型,用嵌入式的相空间重构技术进行光伏发电阵变负荷工况发电功率输出负载的异常特征提取,用变负荷工况判断方法进行功率瞬时特征检测,在相空间中提取发电功率时间序列的非线性特征,实现对发电功率时间序列的准确预测。在DSP开发环境下进行发电功率预测系统的优化设计。结果表明,采用该预测系统能有效实现分布式光伏系统变负荷工况发电功率预测,预测精度较高,过程收敛性较好。     

基于BP神经网络的光伏组件在线故障诊断

为了提高光伏系统的发电效率,同时降低人工维护的成本,提出了一种基于BP(back propagation)神经网络的光伏组件在线故障诊断策略;分析了光伏组件短路和异常老化故障的成因,并在Matlab中对光伏组件故障状态下的输出特性进行了仿真研究。根据仿真结果并结合光伏组件的数学模型,总结了光伏组件的故障规律,建立了BP神经网络故障诊断模型及模拟光伏组件各种故障的仿真模型。用该模型采集了适合神经网络训练的样本,并对神经网络诊断模型进行了训练。结合光伏功率优化器,进行了组件在线故障诊断的仿真和实验研究,结果验证了文中方法的正确性、有效性和环境适应性。