光伏电站在线监测及故障诊断系统设计

周盛龙 常梦星 杨鹤松 张晓萱 李绍庚

（华能新能源股份有限公司云南分公司）

0 引言

光伏电站的建设和运营已成为能源领域的重要发展方向，光伏发电在电力行业中的地位日益凸显。然而，光伏电站的运行过程中仍存在诸多问题，如设备故障、效率低下等，其设备的状态和运行环境也直接影响到电站的效率和稳定性［1-2］。所以对光伏电站进行在线监测及故障诊断成为了保证其稳定运行的关键手段。传统的定期检查和维修方式往往无法及时发现和解决设备故障，从而给电站的运营带来不利影响。因此，采用在线监测及故障诊断系统对光伏电站进行实时监控和故障诊断显得尤为重要［3］。本文将探讨光伏电站在线监测及故障诊断系统的设计，旨在为提高光伏电站的运营效率和稳定性提供技术支持和参考。

1 光伏电站在线监测及故障诊断系统硬件设计

光伏电站在线监测及故障诊断系统需要的设备包括数据采集器、传感器、摄像头和通信模块等。

数据采集器：选择杭州习知科技有限公司的XZDSC-1型数据采集器，该设备能够采集光伏电站各设备的运行状态和环境参数，如温度、湿度、光照强度等，并实时传输数据到监控中心或移动设备上［4］。设备参数设置包括数据采集频率、数据传输速率等。

传感器：选择北京恒星时育科技有限公司的HXTS-1型温度传感器和HX-HS-1型湿度传感器，分别用于监测电池板的温度和环境湿度。设备参数设置包括测量范围、精度等，需要根据具体需要进行设定。

摄像头：选择大华股份的DH-CVTF16型网络摄像头，用于拍摄和记录光伏电站的现场情况。设备参数设置包括分辨率、帧率等。

通信模块：选择华为的ME909s-256型LTE通信模块，该模块能够将采集到的数据和视频信息传输到监控中心或移动设备上，实现数据的远程监控和管理［5］。设备参数设置包括通信速率、传输距离等。

这些设备在光伏电站在线监测及故障诊断系统中发挥着不同的作用。数据采集器负责收集和分析数据，传感器监测设备的运行状态和环境参数，摄像头拍摄和记录现场情况，通信模块实现数据的远程传输和监控［6］。通过对这些设备的合理选择和参数设置，可以实现对光伏电站的全面监测和管理，提高电站的运行效率和安全性。

2 光伏电站在线监测及故障诊断系统软件设计

在确定硬件设备后，进行光伏电站在线监测及故障诊断系统软件设计。

2.1 预处理光伏发电工作数据

对逆变器及传感设备进行通信数据采集时，采集的数据是未经任何加工的原始信号，这些信号包括电流信号，电压信号，温度信号，辐照度信号，风速及风向信号。因此，在采集到原始数据后，需要进行数据预处理。

数据预处理的目的是去除无关数据、重复数据和错误数据，在收集到的数据中，有时会存在缺失值，需要对缺失值进行填充。而在处理异常值时，通过统计方法进行修正异常值或删除含有异常值的数据记录。同时在数据集中，有时会存在重复的数据记录。本文根据固定时间段内出现的次数选择删除重复值或合并重复值。通过对采集到的数据进行处理，此时得到了更加准确和可靠的数据集。但在光伏电站中，传感器器件还会受到环境的影响，采集到的发电数据中含有大量的近似高斯白噪声，因此本文需要选用低通高斯滤波器对光伏发电功率数据进行滤波处理，去除原始发电功率信号中的随机噪声干扰，具体表达式如（1）所示。

式中，Qgf为滤波后的光伏发电功率信号，Wx为以x为中心，大小为M（M为奇数）的领域，i为该领域内的采样间隔步数，Wd为高斯滤波器的加权系数，O为原始光伏发电功率信号。

通过上述步骤实现对光伏发电工作数据的处理，为后续的在线监测和故障诊断提供有力的支持。

2.2 设计数据计算分析在线监测模块

通过对工作数据的预处理，得到有关光伏电站的理想数据。此时按照输出项的需求，还需对光电器件的照度、温度、光伏阵列的输出电压和电流以及逆变器输出的功率进行归类和计算。

（1）光伏阵列的转换效率：

式中，Pаrrеy为光伏阵列的实时发电量；PT1为光伏阵列的理论发电量，在理论发电量公式中，是光伏方阵测试时间间隔（Δt）内，基准状态下实际有效发电时间。

光伏组件由于受到辐照度和温度的影响，在实际计算理论发电量的时候，应对辐照度和温度因素进行修正。光伏阵列的转换效率可以根据Δt的不同设置，分别得到：

实时发电效率：Δt＝最小取样周期；日发电效率：Δt＝每天累计发电时间；月发电效率：Δt＝每月累计发电时间。

（2）逆变器转换效率

在给定的测试期间TM内，逆变器AC端所输出的功率和其直流侧的功率之比。

式中，PAC(t)为逆变器的逆变电源在AC端口的瞬时输出功率；PDC(t)为逆变器在直流端的瞬时输入功率。根据当地的气象条件，对逆变器的加权效率进行了权重划分。

根据上述表达式以及现有的光伏发电系统标准，将数据转换成了光伏发电系统运营指标。通过整合数据内容，结合电站规定指标，将输出的各项指标与历史数据进行实时比较，实现光伏电站的在线监测。

2.3 建立故障诊断模型

当监测到电站存在故障后，为维护光伏电站运行状态，需要进一步判断故障类型。影响光伏电站稳定运行的故障包括通信故障、设备故障和限电故障，针对这三类故障，本文建立了一种基于实际发电功率信号分析的故障诊断模型，模型表述如下。首先为了分析故障频域特征，对实际功率信号进行离散傅里叶变换处理。

式中，P[m]是离散傅里叶变换结果分量，N为采样点数，m为频率间隔步数，n为时域采样步数。离散傅里叶变换结果中，m取0时，频率分量为逆变器实际功率数据的低频分量；m取N/2时，频率分量为逆变器实际功率数据的高频分量。利用帕塞瓦尔定理对低频振幅和高频振幅进行归一化，从而消除时域幅值的影响。归一化的低高频振幅如下所示：

式中，L(P)为归一化的信号低频振幅，P[0]|是逆变器实际功率数据的低频振幅；H(P)为归一化的信号高频振幅，为逆变器实际功率数据的高频振幅。结合归一化的高低频振幅及各类型故障的频域特征，得出：

表1 故障分类规则库

依据表1的分类规则库，区分故障类型特征，实现故障诊断模型的建立。

2.4 设定诊断参数实现故障诊断

根据所选的诊断模型，在充分考虑本地气象条件的情况下，设定相应的模型参数。首先设定输出电流参数，具体表达式如（7）所示：

式中，Iout表示根据天气预报推算出的输出电流；I表示当前电流数据；T2表示利用天气预报资料推测的下一温度点；T1表示所获取的当前温度；G2表示基于天气预报信息推断的下一次辐照值；G1表示目前获取的辐照值。

由当前元件输出的电流推断出元件所在的温度区间，并能对随后发生的故障进行诊断，需要注意的是，在设定诊断参数时，考虑光伏电站的实际情况和设备特性，选择合适的参数阈值。通过上述操作，进行诊断参数设定实现故障诊断。

3 系统测试

3.1 测试准备

选取某地一座2.5MW分布式光伏电站A、一座5MW地面光伏电站B、一座l0MW地面光伏电站C作为数据源。电站都有小型气象站测量辐照度、温度、风速、蒸发量、降水量数据，三座光伏电站分别有6、21、63个逆变器。收集一个月发电数据，数据采样时间为10min。部分光伏电站故障数据如表2所示。

表2 光伏电站运行数据

在这个表格中，记录了光伏电站中不同设备的故障信息。通过分析这些数据，可以了解光伏电站运行过程中出现的各种问题，同时，还可以根据这些数据来评估在线监测及故障诊断系统的准确性和可靠性。

为了合理评估各类故障，本文选择各类故障的影响发电小时数作为故障程度，当监测到电站存在故障，向岭回归模型输入预测发电功率，输出预测等效发电小时数。计算预测等效发电小时数与实际发电量差的绝对值，得到故障影响等效发电小时数来评价故障程度。由于不同故障对于电站稳定运行的影响程度不同，对电站整体进行故障诊断时，对三种故障类型及其程度进行加权求和得到电站故障程度指标S：

式中，ws为第S类故障的加权系数；s=1，2，3；t=1，…，q；Yt s表示s类第t个故障。基于上述内容，开展实验。

3.2 测试结果与分析

利用光伏电站A全站6台逆变器的数据为例进行故障监测。采用四分位数法获得故障监测阈值，并用训练集进行修正。图1为本文系统对故障逆变器一段时间内的在线监测结果。

图1 光伏电站故障逆变器的监测结果

根据图1可知，逆变器故障监测特征与故障监测阈值相比波动性强且差距过大，据此本文系统监测到该逆变器为故障逆变器，监测效果优异。

接着验证本文系统的故障诊断效果，根据电站故障程度指标，将电站故障程度S与实际运行时的故障程度相对比，数值越接近表示与实际情况越相符，诊断效果越好。故障诊断结果如表3所示。

表3 电站故障诊断结果

分析结果表明，由于设备故障和限电故障，A站的运行状况比其他站差，需要对A电站加强发电设备维护。电站C运行状态一般，通信状态不稳定，需加强维护、检修通信电缆。电站B运行状态良好，对通信设备和发电设备定期检修维护即可保证电站运行稳定。并且该诊断结果与电站实际运行报告基本一致，验证了本文系统故障诊断的精确性。

4 结束语

光伏电站在线监测及故障诊断系统设计是保障光伏电站稳定运行的重要环节。本文从光伏电站的实际情况出发，设计了一套在线监测及故障诊断系统。该系统能够对光伏电站的主要设备和运行状态进行实时监测，及时发现并诊断故障，为维修人员提供准确的故障信息，缩短维修时间，提高维修效率，具有广泛的应用前景。