摘要：本文主要围绕着光伏的发电系统内部关键部件故障的诊断方法开展深入研究及探讨，望能够为今后相关部件故障诊断的实践工作提供指导性的建议或者参考。
关键词：光伏；发电系统；关键部件；故障；诊断方法
前言：
因系统自身结构、控制方式及特性等多种因素存在着差异性，在不同领域当中所采用故障诊断的方式方法也往往存在着较大的差异性。诊断定义、方法及任务性质等也有差异性存在。对此，本文为进一步了解光伏的发电系统内部关键部件故障的诊断方法，主要以光伏的逆变器、光伏阵列为例，深入研究光伏的发电系统内部关键部件故障的诊断方法，以便于为今后这一方面故障诊断实践工作指明方向。
1、光伏的逆变器故障诊断法
1.1 方法
1.1.1 以统计理论为基础故障诊断法
以统计理论逆变器的特征提取，主要是吧高维电路的参数信号有效投影成为低维矩阵，常用方法包括可分离性的准则、K-L变换、主元分析。用主元分析提取逆变器的特征情况相对较多，有两种常用方法，一种为主元分析直接使用实现特征提取；而另外一种则是通过其余算法的使用提取特征，然后，借助主元分析来降维数据。但是，核心均为计算的标准化之后各项参数矩阵特征值急特征的向量，排序后，一句累积房差的贡献率，将主元确定下来，即为逆变器故障特征的向量。该逆变器的故障特征方面向量维度降低，可将故障诊断基础模型输入变量的维度缩小，将计算量降低，提升模型运行的效率与诊断的精度。
1.1.2 以频谱分析为基础故障诊断法
因逆变器输出的信号呈周期性的变化，可从信号的频谱角度提取特征，一般思想即为把时域逐渐转化至频域，并从频谱当中分析、提取特征，再实现故障的诊断。傅立叶的变换，属于常用的一种方法，构建起8维故障特征的向量。此种方法实际操作较为简单，但操作过程属于全局变换过程，电路参数时域的特性会失去。噪声信号、相电压的信号高频部分会混到一起，如果全部去除掉，则会缺失信号，全部保留后故障分辨力会处于较低状态。因而，以频谱分析为基础故障诊断法，其对于提取逆变器的特征方面有着局限性存在，仍需进一步研究及优化，以便于提升以频谱分析为基础故障诊断法应用的有效性。
1.1.3 以小波分析为基础故障诊断法
小波分析，属于逆变器基本特征提取当中常用方法，此种方法优势即为：有着较强滤除噪声能力，可准确地辨认出故障及噪声；有着频域与时域局部化的特性，即为小波有着数学的显微镜这一特性。逆变器的特征提取期间，常用小波的包分解及小波的多尺度性分解法。以上两种方法在分解过程方面较为接近，但是，小波的包分解法更为精细，所获取故障特征的向量维度高。小波分解法需选定最适宜小波的基函数，以提升扩张函数局部性与特征的提取性能。小波分析，属于三电平逆的逆变器实际特征提取当中最为有效的一种故障诊断法。
1.1.4 以故障的信息量为基础故障诊断法
以故障的信息量为基础故障诊断法，其依据信号不同信息量，可划分成多个测度，即为负熵、互信息、信息熵。因逆变器在正常运行状态下与发生故障问题期间特征的参数之间有差异性存在，可通过故障信息进行变化特征参数的表征，当成发生骨折度量实现故障的检测。小波变换与信息熵两种方法联合应用后，提取开关的电流电路特征，实施故障诊断。因部分的信息参数有着较大计算量，实际获取的难度系数较大，故通过估算或者搜索逼近方法实施计算，当然，此种方法仍处于进一步研究当中。
期刊文章分类查询,尽在期刊图书馆
1.2 算法
合适诊断算法属于逆变器整个故障诊断操作流程核心部分，表示着逆变器基本故障特征的信息及逆变器主要故障类型相互间映射的关系，其实则为模式识别问题，如下列举出了逆变器的故障集中诊断的两种计算分析方法：
1.2.1 模糊推理
模糊推理，现阶段被广泛应用至故障诊断当中，它主要是以隶属度的函数来替代中间过程，对应故障特征及类型，实现对故障的诊断。通过模糊规则替代着逆变器基本故障特征的参数与类型间非线性的映射关系，可促进故障实际诊断效率的提升。通过排序隶属大小，可获取逆变器的第二、三可能会发生的故障类型，可成为故障排除顺序重要参考。但是，因成员函数、规则集确定方面难度系数较高，故障诊断期间还有部分问题应加以优化及改进，对此，此种故障诊断法需要与其余的方法联合应用，以为故障诊断的有效性提供保障。
1.2.2 专家系统
专家系统基本工作原理即为：借助相关专家知识及经验，来完成知识库的构建，此知识库可对逆变器的主电路实际运行状态及故障基本类型关系明确下来。通过知识库推理运行期间所获取特征的信息，便可精准识别该逆变器的电路故障问题。但因事先对于故障基本类型所构建起知识库，以至于难以诊断新出现的或者未曾纳入考虑范围的相关故障问题，知识库实际构建过程极具复杂性，需持续更新优化，以至于此种方法有局限性存在，仍需进一步推敲与研究。
2、故障诊断法
2.1 以电特性的故障诊断检测法
以电特性的故障诊断检测法，需将传感器的数目增加，经阵列间电流、电压相关电路参数的测定分析所获数据，可实现对于光伏阵列方面故障诊断及准确定位。然则，国内对于以电特性的故障诊断检测法方面研究相对较少一些，但因其能够结合智能化诊断算法，可以说，该诊断法属于最具潜力性的一种诊断法。
2.2 功率的对比法
功率的对比法，其主要是通过环境温度、天气等相关参数，构建起光伏阵列发电量的预测基础模型，对比陈列实际参数值，判断可有故障问题出现。此种诊断法虽极易实现，但难以对于故障的电池组件实施故障定位操作，仅可作为辅助性故障诊断的一种方法应用。
2.3 智能化诊断算法
伴随智能化诊断算法兴起及应用分析，极易智能化诊断算法光伏阵列方面故障诊断法相关研究逐渐增多。经神经网络相关智能算法，可获取光伏阵列方面故障数据及故障类型相互间所对应的关系，进而实现故障诊断。然则，光伏阵列当中所获取数据的样本相对较少一些，对该领域当中智能化诊断算法的应用于发展产生限制作用。
2.4 对地的电容及时域反射的诊断法
对地电容故障诊断法，它能够通过对比正常与故障的支路对地电容，对于故障支路开路实施故障检测；时域反射的诊断法，主要是通过注入信号，对反射信号形状与延时实施监测，经对比来实现对于光伏陈列故障诊断。对地的电容及时域反射，这两种故障的诊断方法均有着较强的可操作性，但在系统处于运行状态下无法实施检测，也无线实现在线诊断，仍然有待于进一步优化及改进。
2.5 红外故障诊断检测法
红外故障诊断检测法，属于非接触式一种诊断法，经热成像仪的有效利用可实时化采集到光伏电池图像，借助图像处理算法进行故障诊断及定位操作。但出于较大规模阵列条件之下，需要较多设备数目，且布线相对较难，一次性需投入较大的成本，对后期维护方面要求较高等，可谓是应用难度系数较大，对此，此种故障诊断法应用范围相对较少。
3、结语
综上所述，通过以上分析与论述后我们对于光伏的发电系统内部关键部件故障的诊断方法，均能够有了更加深入的认识及了解。那么，在开展故障问题诊断实践工作期间，不仅要求技术员充分掌握故障诊断的常用方法及优劣势等，还需结合实际的诊断需求及标准，予以科学合理地选用最适宜的故障诊断法，以保证最终故障诊断实施效率及效果。
参考文献：
[1]钟小凤，贺德强. 光伏发电系统故障诊断方法综述[J]. 装备制造技术，2016，25（11）：468-469.
[2]张晓娜. 大规模光伏阵列发电仿真系统及故障诊断技术研究[D]. 江南大学，2016，11（02））298-300.
[3]尹春雨. 光伏组件故障诊断与信息管理系统研究[D].电子科技大学，2017，33（09）：412-414.
论文作者:封禄俊
论文发表刊物:《电力设备》2019年第13期
论文发表时间:2019/11/22
标签：故障诊断论文; 故障论文; 逆变器论文; 方法论文; 特征论文; 光伏论文; 阵列论文; 《电力设备》2019年第13期论文;