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。