基于三参数的光伏组件老化程度诊断

为了对光伏组件老化程度进行有效评估与诊断,提出基于三参数的光伏组件老化指标来定量判断老化程度的方法。依据光伏组件的输出I-V特性,通过一种改进的量子粒子群算法来辨识光伏组件老化三参数,即光生电流、串联电阻与并联电阻;再将辨识参数映射至标况参数;最后使用概率神经网络进行组件老化指标计算,获得老化程度的量化值。仿真和实验表明,该方法可以对不同环境条件下的光伏组件的老化程度进行有效诊断,可以为光伏组件故障预警及寿命预测提供参考。     

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。