17、光伏阵列故障诊断的智能方法

光伏阵列故障诊断的智能方法

1. 引言

太阳能作为一种清洁、取之不尽的能源，近年来越来越受到人们的关注。光伏（PV）系统可直接将太阳能转化为电能。由于光伏系统通常安装在偏远且环境恶劣的地区，因此通过检测和保护技术提高光伏系统的效率和可靠性显得尤为重要。

许多研究人员对光伏系统的故障诊断进行了研究。例如，Peizhen Wang等人提出了基于红外图像分析的诊断方法，该方法利用了正常光伏模块和故障光伏模块之间的温差，红外图像处理和数据融合技术对于光伏阵列的故障诊断是有效且可行的，但需要额外的设备（如红外摄像机），成本较高。Syafaruddin等人提出了一种使用三层前馈神经网络的光伏阵列故障诊断智能方法，开发了多个ANN模型作为诊断工具，并利用控制规则来确定故障位置，但该方法只能找到单串中的短路位置，当多个不同串同时发生故障时则无效。

本文将光伏模块的温度信息与ANN相结合，用于检测光伏阵列中的故障。所使用的ANN为三层前馈神经网络，该方法可以检测光伏阵列中更多类型的故障，且无需其他额外设备。利用最大功率点电压（Vmpp）、最大功率点电流（Impp）和模块温度（T）来分析光伏阵列中的故障，并通过计算机模拟验证了该方法的有效性。

2. 所提系统的配置

所提方法的基本框架如图1所示，该配置由一个3x2的光伏阵列、一个用于使用MPPT算法跟踪最大功率点的升压电路、直流负载、ANN单元和输出显示器组成。

序号	故障类型
0