基于快速过采样主成分分析法的光伏阵列故障诊断

针对光伏阵列出现的组件阴影遮挡、短路与断路等故障,提出一种基于快速过采样主成分分析(over-sampling principal component analysis,OS-PCA)算法的光伏阵列故障诊断方法,实现故障检测与故障识别。通过检测各组串电流信号,利用快速OS-PCA算法计算各组串异常度,从而检测出故障串;通过误差补偿对光伏阵列工程模型进行优化,并通过分析故障时阵列工作点状态来识别故障类型。实验表明,该故障诊断方法可有效诊断出多变环境下组件阴影遮挡、短路、断路等故障,此外该方法在计算量以及内存占用上具有较强优势,适用于大型光伏电站的实时监控。     

基于模糊C均值聚类的光伏组件发电量预测

光伏组件发电量预测是光伏系统发电量预测的基础,为此,基于模糊C均值聚类,针对3种典型天气,即晴天、阴天和雨天,结合向量给出了相应天气突变情况的判断方法,根据天气情况选取对应的光伏组件输出功率模型进行组件发电量预测,每次预测间隔为10 min。验证结果表明,优化的光伏组件功率输出模型和发电量预测方法预测精度高,晴天的预测误差为1.1%,阴天为3.76%,雨天为9.2%,复杂天气下为4.22%,验证了所提出的优化的光伏组件输出功率模型和发电量预测方法的有效性,满足功率预测误差要求。