一种基于照度测量以及神经网络的光伏离网电站故障检测装置
文献发布时间:2023-06-19 10:22:47
技术领域
本发明涉及基于环境照度测量的光伏并网电站故障类型检测装置,属于太阳能光伏发电技术领域。
背景技术
随着新能源应用的迫切需要,太阳能光伏发电的规模的不断扩大,光伏发电的运营、维护、管理等各个环节迫切需要智能转型升级以提高效率降低成本。因此需要实时准确地了解每一片光伏电池板的工作状态。目前的虽然有一些监测方法,但是都不能正确判断光伏组件的运行状态。如,专利申请号2020203163891《一种组件级的光伏电站故障检测系统》所公开的技术方法。由于光伏组件的工作状态受照度影响极大,仅仅检测输出端电压不能准确判断光伏组件的运行状态的好坏。不能确定故障的类型,不能满足大规模光伏电站的运营维护要求,本技术就是为了解决这一问题而设计的。
发明内容
针对上述现有技术存在的不足,本发明提供一种基于照度测量以及神经网络的光伏离网电站故障检测装置,其特征在于包括:光伏阵列、蓄电池组、控制器、照度测量仪、直流负载构成。
光伏阵列由多个光伏组件串联构成;
蓄电池组由多个蓄电池串联或并联构成;
控制器包括采样模块、开关转换模块、控制模块、通信模块;
采样模块包括光伏阵列端采样模块、蓄电池端采样模块;光伏阵列的输出端与光伏阵列端采样模块的输入端连接;蓄电池组的输出端与蓄电池端采样模块的输入端连接。
采样模块的输出端与控制模块的输入端连接,控制模块的输出端与开关转换模块的输入端连接,控制模块的输出端与通信模块的输入端连接。
光伏阵列端采样模块包括光伏阵列端电压采样模块、光伏阵列端电流采样模块,用于采集光伏阵列端的电压和电流值;蓄电池端采样模块包括蓄电池端电压采样模块、蓄电池端电流采样模块,用于采集蓄电池端的电压和电流值。
光伏阵列的输出端与开关转换模块的输入端连接,蓄电池组的输出端与开关转换模块的输入端连接,直流负载的输出端与开关转换模块的输入端连接。
照度测量仪的输出端与控制模块的输入端连接。
开关转换模块包括充电PWM开关电路、放电开关电路。
通信模块用于将当前系统状态以及故障检测结果传出。
控制模块用于控制光伏阵列给蓄电池组的供电时间、光伏阵列给直流负载的供电时间、以及蓄电池组给负载的放电时间等。
控制模块根据蓄电池组的电流和电压值,检测出蓄电池组是否出现故障。
本发明的一种基于照度测量以及神经网络的光伏离网电站故障检测装置,控制模块根据当前的时间、照度测量仪输出的照度值、光伏阵列的电流和电压值,采用BP神经网络的方法,检测出光伏阵列是否出现热斑、隐裂、遮挡等故障,步骤如下:
步骤1获取BP神经网络学习样本
选择阳光充足的天气,将早上6点到晚间6点的时间段进行整点划分,分别选择光伏组件正常运行、出现阴影遮挡、出现热斑或隐裂三种情况下,设
步骤2采用BP神经网络进行学习
1)选定输入和输出样本;
将时间
输入样本为:
2)选定初权值
3)重复下述过程,输入全部样本,直到收敛;
(1)输入样本
(2)计算输出层误差:
(3)计算局部梯度
(4)修正输出层权值:
(5)修正隐层权值:
(6)输入新的样本
步骤3获取当前的照度值、电压值、电流值
读取照度测量仪的照度值;通过光伏阵列端电压采样模块获取电压值
步骤4采用BP神经网络进行检测
将当前的时间
本发明有益之处在于可以实现对离网光伏发电系统进行更准确的判断故障点智能化运行提供有利的条件。
附图1 是一种基于照度测量以及神经网络的光伏离网电站故障检测装置结构示意图。
附图2是神经网络结合照度计算权值的流程图。
附图3是根据权值判断故障类型的流程图。
具体实施方式
如附图1一种基于照度测量以及神经网络的光伏离网电站故障检测装置,其特征在于包括:光伏阵列、蓄电池组、控制器、照度测量仪、直流负载构成。
光伏阵列由多个光伏组件串联构成;
蓄电池组由多个蓄电池串联或并联构成;
控制器包括采样模块、开关转换模块、控制模块、通信模块。
采样模块包括光伏阵列端采样模块、蓄电池端采样模块;光伏阵列的输出端与光伏阵列端采样模块的输入端连接;蓄电池组的输出端与蓄电池端采样模块的输入端连接。
采样模块的输出端与控制模块的输入端连接,控制模块的输出端与开关转换模块的输入端连接,控制模块的输出端与通信模块的输入端连接。
光伏阵列端采样模块包括光伏阵列端电压采样模块、光伏阵列端电流采样模块,用于采集光伏阵列端的电压和电流值;蓄电池端采样模块包括蓄电池端电压采样模块、蓄电池端电流采样模块,用于采集蓄电池端的电压和电流值。
光伏阵列的输出端与开关转换模块的输入端连接,蓄电池组的输出端与开关转换模块的输入端连接,直流负载的输出端与开关转换模块的输入端连接;
照度测量仪的输出端与控制模块的输入端连接;
开关转换模块包括充电PWM开关电路、放电开关电路。
通信模块用于将当前系统状态以及故障检测结果传出。
控制模块用于控制光伏阵列给蓄电池组的供电时间、光伏阵列给直流负载的供电时间、以及蓄电池组给负载的放电时间等。
控制模块根据蓄电池组的电流和电压值,检测出蓄电池组是否出现故障。
如附图2和附图3,一种基于照度测量以及神经网络的光伏离网电站故障检测装置,控制模块根据当前的时间、照度测量仪输出的照度值、光伏阵列的电流和电压值,采用BP神经网络的方法,检测出光伏阵列是否出现热斑、隐裂、遮挡等故障,步骤如下:
步骤1获取BP神经网络学习样本
选择阳光充足的天气,将早上6点到晚间6点的时间段进行整点划分,分别选择光伏组件正常运行、出现阴影遮挡、出现热斑或隐裂三种情况下,设
步骤2采用BP神经网络进行学习
1)选定输入和输出样本;
将时间
输入样本为:
2)选定初权值
3)重复下述过程,输入全部样本,直到收敛;
(1)输入样本
(2)计算输出层误差:
(3)计算局部梯度
(4)修正输出层权值:
(5)修正隐层权值:
(6)输入新的样本
步骤3获取当前的照度值、电压值、电流值
读取照度测量仪的照度值;通过光伏阵列端电压采样模块获取电压值
步骤4采用BP神经网络进行检测
将当前的时间
本实施实例没有详细叙述的部件、工艺及字母均属本行业的公知部件和常用手段及常识,这里不一一叙述。
- 一种基于照度测量以及神经网络的光伏离网电站故障检测装置
- 光伏离网电站的神经网络故障检测装置