本發明涉及基于格拉布斯準則及離群點檢測光伏陣列故障檢測方法，屬于光伏發電技術領域。

背景技術：

近年來，我國光伏產業發展迅猛，截止到2015年，累計光伏裝機容量達到43GW，躍居光伏裝機容量世界第一位，并且最近光伏產品有著向小型化，家用化的趨勢發展。光伏發電系統的發電性能與輻照度、溫度有著很大的關聯性，由于室外的光伏產品經常處于高溫的曝曬，雨水侵蝕，運行環境惡劣，從而導致光伏產品的出現運行故障比較常見。因此對光伏電站的智能檢測與維護越來越成為一個比較現實的問題，為提高光伏產品的運維便捷性，各類光伏產品的智能故障診斷的方法應運而生。

光伏組件的常見運行故障有陰影遮擋，組件老化，組件旁路，短路，熱斑，系統故障，也包括隱裂，脫膠等。由于光伏產品受輻照度、溫度的影響很大，一般的方法對早期的故障很難檢測到，從國外文獻上可知，目前常采用神經網絡、模糊算法等知識判別故障類型，然而對于神經網絡，是需要給有故障的特征數據進行訓練的，而對光伏產品何時出現故障的定義不盡相同，且很難檢測到早期故障，因此神經網絡的方法有著不確定性，只能檢測到比較嚴重的故障。如何實時檢測到光伏產品的故障，尤其是早期故障顯得比較重要。

技術實現要素：

本發明的目的在于利用基于格拉布斯準則及離群點檢測光伏陣列故障檢測方法來實時檢測光伏組件的故障，尤其是早期故障，以解決現階段我國人工判別故障出現的時間點的不準確性，隨機性，不經濟性的問題。

為了解決上述技術問題，本發明提供基于格拉布斯準則及離群點檢測光伏陣列故障檢測方法，包括以下步驟：

步驟A：實時獲取光伏陣列各組串的輸出特征參數(電流、電壓)和光伏陣列的氣象參數(輻照、溫度)，每5秒采集一次；

步驟B：建立光伏陣列仿真模型，將所述步驟A中采集的輻照、溫度帶入到光伏陣列仿真模型獲得參考電流、電壓；

步驟C：由實際電流與參考電流做差，并將光伏陣列各組串的差值組合成一個陣列，應用格拉布斯準則檢測出異常數據點，并記錄異常數據的故障特征值為1，否則為0；

步驟D：將上述電流差值每隔20秒按照順序組合一次形成一個一維數組，應用離群點算法獲得各個電流差值的離群因子值LOF，最后將LOF因子按時間分配給各個組串。

步驟E：最后根據所述步驟C與D的結果綜合判斷是否出現故障。

上述步驟B具體包括以下步驟：

B1)建立光伏電池5參數模型。

B2)基于MATLAB中simulink工具箱構建光伏陣列的仿真模型。

上述步驟C中應用格拉布斯準則檢測出異常數據點，并記錄異常數據的故障特征值為1，否則為0；對電流差值一維數組，首先按照式(1)對各個電流差值求均值，再按照式(2)求得電流一維數組的標準差；最后按照式(3)求得格拉布斯值Gi，并將Gi與Glim值相比較，若Gi>Glim，則故障特征值為1，否則為0；

表1 95％置信度下的格拉布斯準則參考表

其中，xi表示電流差值一維數組中第i個元素的電流差值，表示電流差值一維數組中的平均電流差值，S表示電流一維數組的標準差，Gi表示格拉布斯值，Glim表示95％置信度下的格拉布斯值，n表示電流一維組數中個元素個數。

比如，如果該光伏陣列有六個組串，則電流一維數組有6個元素，則對應的n為6，在0.95置信概率下，查表1獲得的Glim為1.822。

上述步驟D中離群點檢測的具體方法為：

首先每隔20秒將前4個5秒的電流差值數據取出，按照時間進行排序，形成一個一維數組，然后，對這個一維數組應用如下算法獲得最終的LOF值。

設數據集I∈Rn×m，其中n為電流一維組數中個元素個數，m為變量數；

定義k距離為各觀察對象距離其最近的觀察對象之間的距離，觀察對象p的k距離dk(p)：

dk(p)＝d(p,o) (4)

其中，o為數據集I中與p鄰近的k個觀察對象最近的一個觀察點；

定義p觀察對象的k距離領域Nk(p)：

Nk(p)＝{Q∈X/{p}|d(p,Q)＜＝dk(p)} (5)

其中Q為數據集I中的觀察對象；

定義觀察對象p相對于觀察對象o的局部可達距離：

reach-distk(p,o)＝max{dk(p),d(p,o)} (6)

定義觀察對象p的局部可達密度lrdk(p)：

定義觀察對象的局部異常因子LOFk(p)。

上述步驟E中具體方法如下表：

表2最終LOF值表

若故障特征值為0，LOF值大于5，則LOF值取5，若LOF值小于等于5，則LOF值不變；若故障特征值為1，無論LOF值大于還是小于5，LOF值不變。

上述步驟B1的5參數物理模型為：

式中：UPV為組件輸出電壓，IPV為組件輸出電流，Iph為光生電流，Io為反向飽和電流，q為電子電荷(1.602×10-19C)，n'為理想因子，K為波爾茲曼常數(1.38×10-23J/K)，T(K氏溫度)為光伏組件溫度，Rs為等效串聯電阻，Rsh為等效并聯電阻。

本發明的有益效果為：

(1)、本發明利用基于格拉布斯準則及離群點檢測光伏陣列故障檢測方法來實時檢測光伏組件的故障，尤其是早期故障，以解決現階段我國人工判別故障出現的時間點的不準確性，隨機性，不經濟性的問題；

(2)、本發明擺脫了用傳感器檢測故障的方法，運用格拉布斯準則與離群點檢測方法相結合實施對光伏陣列的實時監控與故障檢測，有效地解決復雜天氣條件下的故障檢測，能夠盡可能的降低誤檢率，具有較高的時效性和較好的經濟性。

(3)、此外，還可以同時解決神經網絡所需要的歷史數據搜集，選取的困難。

附圖說明

圖1為本發明的流程圖；

圖2為4串組件的實時電流；

圖3為格拉布斯準則檢測結果；

圖4為離群點檢測結果；

圖5為綜合檢測結果。

具體實施方式

為使本發明實現的技術手段、創作特征、達成目的與功效易于明白了解，下面結合具體實施方式，進一步闡述本發明。

如圖1所示的本發明的流程圖，本發明的光伏組件故障診斷方法，包括以下步驟：

步驟A：實時獲取光伏陣列各組串的輸出特征參數(電流、電壓)和光伏陣列的氣象參數(輻照、溫度)，每5秒采集一次；

步驟B：建立光伏陣列仿真模型，將步驟A中所采集的輻照、溫度帶入到光伏陣列仿真模型獲得參考電流、電壓；具體為：

B1)建立光伏電池5參數模型。

B2)基于MATLAB中simulink工具箱構建光伏陣列的仿真模型。

步驟C：由實際電流與參考電流做差，并將光伏陣列各組串的差值組合成一個陣列，應用格拉布斯準則檢測出異常數據點，并記錄異常數據的故障特征值為1，否則為0；對電流差值一維數組，首先按照式(1)對各個電流值求均值，再按照式(2)求得電流一維數組的標準差；最后按照式(3)求得格拉布斯值Gi，并將Gi與表中的對應的Glim值相比較，若Gi>Glim，則故障特征值為1，否則為0；

表1 95％置信度下的格拉布斯準則參考表

其中，xi表示電流差值一維數組中第i個元素的電流差值，表示電流差值一維數組中的平均電流差值，S表示電流一維數組的標準差，Gi表示格拉布斯值，Glim表示95％置信度下的格拉布斯值，n表示電流一維組數中個元素個數。

比如，如果該光伏陣列有六個組串，則電流一維數組有6個元素，則對應的n為6，在0.95置信概率下，查表1獲得的Glim為1.822。

步驟D：將上述電流差值每隔20秒按照順序組合一次形成一個一維數組，應用離群點算法獲得各個電流差值的離群因子值(LOF)，最后將LOF因子按時間分配給各個組串。如圖2所示的4串組件的實時電流，首先每隔20秒將前4個5秒的電流差值數據取出，按照時間進行排序，形成一個一維數組，如前4個5秒的數據為I1＝{0.01,0.1,0.02,0.01}，I2＝{0.01,0.01,0.02,0.01}，I3＝{0.01,0.01,0.01,0.01}，I4＝{0.01,0.6,0.02,0.01}。則新組成的I＝{0.01,0.1,0.02,0.01,0.01,0.01,0.02,0.01,0.01,0.01,0.01,0.01,0.01,0.6,0.02,0.01}。對該一維數組應用如下算法獲得最終的LOF值。

設數據集I∈Rn×m，其中n為電流一維組數中個元素個數，m為變量數。

定義1.k距離——各觀察對象距離其最近的觀察對象之間的距離。觀察對象p的k距離dk(p)：

dk(p)＝d(p,o) (4)

其中o為數據集I中與p鄰近的k個觀察對象最近的的一個觀察點。

定義2.p觀察對象的k距離領域Nk(p)

Nk(p)＝{Q∈X/{p}|d(p,Q)＜＝dk(p)} (5)

其中Q為數據集I中的觀察對象。

定義3.觀察對象p相對于觀察對象o的局部可達距離。

reach-distk(p,o)＝max{dk(p),d(p,o)} (6)

定義4.觀察對象p的局部可達密度lrdk(p)

定義5.觀察對象的局部異常因子LOFk(p)。

步驟E：最后根據步驟C與D的結果綜合判斷是否出現故障。具體步驟見表2：若故障特征值為0，LOF值大于5，則LOF值取5，若LOF值小于等于5，則LOF值不變；若故障特征值為1，無論LOF值大于還是小于5，LOF值不變。

表2最終LOF值表

具體可見圖3-圖5為2017年3月14日故障實驗結果，圖2中橫坐標表示時間，縱坐標表示實時電流；圖3中橫坐標表示時間，縱坐標表示格拉布斯值，signal-fault表示故障信號；圖4中橫坐標表示時間，縱坐標表示離群因子值LOF；圖5中橫坐標表示時間，縱坐標表示離群因子值LOF，threshold為臨界值。

步驟B1中的5參數物理模型為：

式中：UPV為組件輸出電壓，IPV為組件輸出電流，Iph為光生電流，Io為反向飽和電流，q為電子電荷(1.602×10-19C)，n'為理想因子，K為波爾茲曼常數(1.38×10-23J/K)，T(K氏溫度)為光伏組件溫度，Rs為等效串聯電阻，Rsh為等效并聯電阻。

以上顯示和描述了本發明的基本原理和主要特征和本發明的優點。本行業描述的只是說明本發明的原理，在不脫離本發明精神和范圍的前提下，本發明還會有各種變化和改進，這些變化和改進都落入要求保護的本發明范圍內。本發明要求保護范圍由所附的權利要求書及其等效物界定。

總結

以上是生活随笔為你收集整理的matlab格拉布斯准则程序,基于格拉布斯准则及离群点检测光伏阵列故障检测方法与流程...的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。