光伏阵列直流系统绝缘的测试方法

光伏阵列由于安装过程中的各种原因会导致直流回路的绝缘不好,如果光伏阵列汇入汇流箱里任意一进线回路有接地现象就会导致整个汇流箱出线绝缘不良,本文通过对一个项目案例进行实测分析验证,阐述了一种利用万用表就可以简单测试直流绝缘的方法。     

直流母线接地绝缘检测方法研究

直流电源作为二次控制回路和继电保护装置的供电系统,其故障可能引起一次系统的误动作,从而导致重大电力事故的发生。分析了现有的直流母线绝缘监测方法的优点和缺点,基于不平衡电桥原理设计了一种直流母线绝缘综合监测方法,以避免传统方法带来的监测死区,准确检测出了直流母线故障点位置。     

基于改进BP神经网络的光伏阵列多传感器故障检测定位方法

光伏阵列由数量庞大的光伏组件构成,使得在发生故障时难以精确定位故障位置。针对这一难题,该文提出一种基于改进BP神经网络的光伏阵列多传感器故障检测定位方法,该方法将传感器分成若干个检测单元,在检测故障时,先将故障定位到检测单元;然后利用改进BP神经网络对检测单元内部的故障特征值与故障位置间的映射关系进行学习,从而实现光伏阵列故障点的检测与定位;最后提出一种新的非硬性故障判据。经过Matlab仿真测试,论证该方法的有效性及优异性。     

光伏系统直流串联故障电弧检测方法

故障电弧是光伏系统电气火灾事故的常见原因,研究可靠的光伏系统直流故障电弧检测方法对保障系统运行和人身安全有重要意义。首先搭建了光伏系统直流故障电弧实验平台,采集了故障电弧典型电信号;接着对其进行了稳定性分析、时变性分析、相关性分析和随机性分析,并以特征显著、计算量小、抗干扰强为比选条件,选取欧拉特征作为故障电弧检测的最优特征;然后构建了故障电弧检测算法,算法以多阈值判断体系为核心发掘故障电弧差异于系统暂态过程的特征模式;最后,将算法硬件实现后在系统中再进行实验测试。结果表明,所提出的算法对不同光伏系统工作点和电弧产生方式条件下的故障电弧均可在0.5 s内实现正确检测。     

改进的固定支架光伏阵列最佳倾角确定方法

基于一个固定支架光伏阵列,倾角不同其发电量也不同,传统的计算方法仅根据太阳辐射量来确定最佳倾角。然而,支架倾角不同,项目相应的占地、基础、支架投资等也会发生变化。文章以一个气象站观测的实际数据为基础,介绍了以项目占地、基础和支架的投资等综合进行技术经济评价,来确定支架最佳倾角的方法。     

直流交联聚乙烯电缆绝缘状态检测方法研究

随着新能源发电并网的发展,直流交联聚乙烯(XLPE)电缆的应用越来越广泛,但如何有效检测运行中直流电缆的运行状态以及对其状态的评价等仍是难题。通过搭建直流XLPE电缆局部放电和泄漏电流检测试验平台,在XLPE电缆半导电层残留缺陷模型基础上,研究了不同电压幅值与电压极性下局部放电和泄漏电流的特征。试验结果表明:局部放电和泄漏电流均可检测到电缆缺陷,其中局部放电在负极性电压作用下并且电压较高时更容易检测到电缆缺陷,泄漏电流在正极性电压作用下的特征变化明显,当外施电压低于额定电压时也可测得明显的变化量,有利于运行电缆的状态检测与评估。最后提出了运行条件下直流电缆状态利用泄漏电流进行带电检测的可行性,对提升直流XLPE电缆状态检测能力具有重要价值。     

直流交联聚乙烯电缆绝缘状态检测方法研究

随着新能源发电并网的发展,直流交联聚乙烯(XLPE)电缆的应用越来越广泛,但如何有效检测运行中直流电缆的运行状态以及对其状态的评价等仍是难题。通过搭建直流XLPE电缆局部放电和泄漏电流检测试验平台,在XLPE电缆半导电层残留缺陷模型基础上,研究了不同电压幅值与电压极性下局部放电和泄漏电流的特征。试验结果表明:局部放电和泄漏电流均可检测到电缆缺陷,其中局部放电在负极性电压作用下并且电压较高时更容易检测到电缆缺陷,泄漏电流在正极性电压作用下的特征变化明显,当外施电压低于额定电压时也可测得明显的变化量,有利于运行电缆的状态检测与评估。最后提出了运行条件下直流电缆状态利用泄漏电流进行带电检测的可行性,对提升直流XLPE电缆状态检测能力具有重要价值。     

基于红外热图像处理的光伏阵列热斑检测方法

利用红外热图像来检测热斑时,由于红外热图像具有较大的随机噪声和非均匀性干扰,传统的图像处理方法效果不佳。该文提出一种基于灰度直方图的B样条最小二乘拟合的处理方法,能够抑制红外图像噪声,提高检测热斑的准确率。实验结果表明该方法对处理含有大量噪声的光伏阵列的红外图像较有意义,从而高效便捷地检测出热斑故障。     

光伏系统直流电弧故障检测方法对比研究

光伏系统中存在着大量的接口和导线,一旦接口松动就很容易发生电弧。根据接口位置的不同,电弧分成串联电弧和并联电弧,且由于光伏板大量的串并联连接,同一种类型电弧因发生位置不同产生电弧噪声差异性,导致电弧检测误判和漏判,给工程应用带来经济损失或火灾风险。该文采集了多种电弧情况下直流母线处的电弧噪声信号,得到了对应故障电弧的特征,分别从时域、频域以及时频域这3方面对实验得到的电弧信号进行研究分析,从而实现故障电弧的对比分析研究。实验结果证明时域检测能实现串联电弧的识别,但对并联电弧的检测有局限性;频域方法不受其他因素的干扰,准确度高,但缺乏时间尺度,不够全面;时频域检测方法的精确度高,电弧类型和发生位置对结果影响不大,更适合于故障电弧的全面分析与识别。     

光伏发电系统直流串联故障电弧检测方法研究

根据光伏阵列不同阴影下的伏安（U-I）输出特性,分析光伏发电系统直流串联故障电弧产生机理,通过搭建故障电弧实验平台分析直流故障电弧的信号特性,进而提出一种基于Volterra级数的串联直流故障电弧检测方法。该方法先对电流信号进行相空间重构,然后在重构的相空间内建立Volterra级数模型以提取时域核特征,并采用狮群算法（LSO）优化的核限学习机（KELM）辨识故障电弧。实验结果表明：该方法能准确检测光伏阵列正常运行与阴影状态下的强直流故障电弧,还能检测微弱直流电弧。     

基于改进混沌粒子群算法的光伏阵列建模方法研究

准确地建立光伏阵列模型对光伏电站性能分析具有十分重要的意义.由于传统光伏阵列建模方法具有模型参数计算困难、计算结果精度低、对铭牌参数依赖性高等不足,导致传统光伏阵列模型具有适应性差等.文章从实测数据出发,提出了一种基于改进混沌粒子群算法的光伏阵列建模方法.模拟结果表明,相比于传统的建模方法,基于改进混沌粒子群算法的光伏...     

基于KPCA-ISSA-KELM的光伏阵列故障诊断方法

为提高光伏阵列故障诊断的精度,提出一种基于核主成分分析（KPCA）和改进麻雀搜索算法（ISSA）优化核极限学习机（KELM）的光伏故障诊断方法。利用KPCA降维提取故障数据的非线性特征,减少外界条件产生的冗余数据,有效提高复杂故障识别准确率。通过融入Levy飞行和自适应权重t对麻雀搜索算法进行改进,并利用ISSA对KELM中的核参数γ和正则化系数C进行优化,建立了基于KPCA-ISSA-KELM的光伏阵列故障诊断模型。实验结果表明,经ISSA优化KELM的光伏阵列故障诊断模型与其他光伏阵列诊断模型相比,在故障诊断精度上达到97%,验证了该模型的准确性和有效性。     

直流系统绝缘监测装置的改进研究

直流系统绝缘监测装置对电力系统的安全稳定运行起着十分重要的作用.通过对直流系统绝缘监测原理优缺点的分析,提出了一种平衡电桥与开关电阻相结合的新型直流系统绝缘监测装置设计方案,设计母线电压检测电路和支路漏电流采集模块分别监测母线和支路的绝缘状态.采用STM32系列单片机作为主控MCU和采集MCU,建立了一种分散式模块化的多控制器绝缘监测结构.同时对直流系统绝缘监测装置的软硬件部分进行了详细的设计,并研制成样机,在多种接地状态下验证了装置接地电阻测量、支路定位和故障报警的准确性.     

一种新型光伏阵列多传感器故障检测定位方法

多传感器法用于光伏阵列故障检测中,有利于降低光伏电站成本,提高工作效率。针对大规模光伏阵列,提出了一种全局分块逐步逼近法来实现光伏组件故障检测和定位。对M×N光伏阵列模块化处理分成B×C区域,并进行编号;在对光伏阵列模块化处理的基础上,统计分析各阵列块的电压数据,求出每块平均值,并与区域内各数据进行相对误差(故障权因子)计算,通过评价电压波动来判断光伏组件是否存在故障。基于Matlab实现了全局分块逐步逼近的算法,对100×100的大矩阵进行仿真实验,仿真结果表明,故障准确率随着故障权因子的增大而减小,同时也会随着区域维度的增加而降低。     

基于可见光和红外热图像融合的光伏阵列热斑检测方法

利用红外热图像来检测光伏阵列的热斑时,由于复杂环境的干扰(例如阳光反射),红外热图像会显示错误的热斑而导致虚警,传统的图像处理方法对此效果不佳。该文提出一种基于可见光和红外热图像融合的热斑检测方法,能消除错误的热斑虚警,提高检测热斑的准确率。实验结果表明:该方法对复杂环境干扰下的运行中光伏阵列较有意义,从而高效便捷地检测出热斑故障。     

基于可见光和红外热图像融合的光伏阵列热斑检测方法

利用红外热图像来检测光伏阵列的热斑时,由于复杂环境的干扰(例如阳光反射),红外热图像会显示错误的热斑而导致虚警,传统的图像处理方法对此效果不佳。该文提出一种基于可见光和红外热图像融合的热斑检测方法,能消除错误的热斑虚警,提高检测热斑的准确率。实验结果表明:该方法对复杂环境干扰下的运行中光伏阵列较有意义,从而高效便捷地检测出热斑故障。     

光伏阵列故障检测中的无人机红外图像拼接

红外遥感图像可用来检测光伏组件的异常发热,为获得大视野的地面信息需要图像拼接技术,该文提出一种基于快速鲁棒特征检测(speeded-up robust features,SURF)算子的红外光伏图像自动拼接算法。基于K-d树(Kdimension tree)算法的匹配结果,结合匹配对的坐标信息提出一种优化算法,减少了随机抽样一致(random sample consensus,RANSAC)算法的迭代次数,并采用最佳缝合线算法进行图像融合;然后优化平移变换模型、修正旋转序列的角度,基于待拼接图像和模板之间的重叠区域自动修正拼接参数。实现从图像序列到全景图的全自动拼接流程。试验表明,该方法使RANSAC算法的迭代次数平均减少93.26%,处理时间平均减少86.21%。在没有无人机位置和飞行方向的少参数条件下,基本消除了光伏组件的几何相似性导致的误匹配和累计误差。     

一种基于BOA-SAE-EELM的光伏阵列故障诊断方法

光伏阵列非线性输出的特性以及最大功率点跟踪算法,会影响光伏阵列保护设备的工作.为了正确辨识光伏阵列的运行状态,本研究提出一种基于贝叶斯优化算法(BOA)、堆栈自动编码器(SAE)以及集成极限学习机(EELM)相结合的故障诊断方法.首先,将光伏阵列的时序波形进行标准化处理;接着,使用SAE对标准化后的时序波形进行特征自动...     

基于XGBoost算法的光伏阵列故障诊断方法研究

针对光伏阵列故障频发,且无法及时有效在线对故障类型进行识别的问题,提出了一种基于极度梯度提升(XGBoost)算法对光伏阵列进行故障诊断的方法。首先,基于Matlab Simulink仿真技术,建立光伏阵列仿真模型,针对正常、开路、短路、老化、阴影遮挡5种光伏阵列运行状态进行仿真,获取500例有效数据;其次,分析仿真数据特征变量之间的共线性关系,提取有效的特征变量作为模型的特征变量输入;然后,基于特征变量构建XGBoost故障诊断模型,并根据10折交叉验证方法优化超参数;最后,依据模型性能度量指标对XGBoost故障诊断模型的诊断结果进行评价,并分析模型特征变量的重要性。研究结果表明：基于XGBoost算法的光伏阵列故障诊断方法能简单、高效、实时在线对样本数据进行故障诊断,可应用于光伏阵列典型故障类型的有效识别。该故障诊断方法可为光伏电站现场运维人员提供技术支持,未来将在大型光伏电站,使用更大范围的实时数据开展使用和验证工作。     

基于数据挖掘的光伏阵列发电预测方法研究

提出一种综合使用前向选择(forward selection,FS)和K-means聚类以及径向基函数(radical basis function,RBF)神经网络的光伏发电功率预测方法。模型以每小时的气象因素作为输入量,首先采用前向选择法对原始多维输入量进行约减,在降低维数的基础上减小各个变量间的耦合现象。再通过K-means聚类方法对样本进行聚类,继而对各类数据建立不同的RBF预测模型,避免单神经网络的过拟合问题。实验结果表明,相比于传统的神经网络预测模型,该文使用的模型输入变量更少,预测精度更高。