目前,太陽能是最具有商業(yè)價值的綠色能源。太陽能相對于其它綠色能源在發(fā)電領(lǐng)域具有很高的竟?fàn)幜�。光伏組件用來完成光電轉(zhuǎn)換,其在運(yùn)行中會出現(xiàn)熱斑與積灰問題。熱斑將導(dǎo)致局部的光伏組件發(fā)電效率下降,進(jìn)一步還會燒毀組件;光伏組件積灰問題將會引起大面積的光伏組件發(fā)電效率降低,造成重大經(jīng)濟(jì)損失。針對上述問題,本文開展了光伏組件熱斑診斷與灰塵量預(yù)測研究,具體研究內(nèi)容如下。首先,針對光伏組件熱斑預(yù)測問題,提出了改進(jìn)隔離森林算法。首先利用灰色關(guān)聯(lián)投影算法選取出相似日,由于熱斑的各個特征量具有不同的離散度與特征特性,提出了改進(jìn)隔離森林算法對熱斑特征量進(jìn)行分析�；疑P(guān)聯(lián)投影法選出相似日的樣本數(shù)據(jù),改進(jìn)隔離森林算法判定各個支路是否出現(xiàn)異常情況,最后評分越大的支路故障的可能性越大。通過隔離森林算法（IF）、局部異常檢測算法（LOF）、改進(jìn)隔離森林算法（AIF）進(jìn)行比較。仿真結(jié)果表明,本文提出的改進(jìn)隔離森林算法的準(zhǔn)確性與穩(wěn)定性能更好。其次,針對光伏組件的熱斑診斷問題,提出了基于灰色關(guān)聯(lián)-熵權(quán)模糊控制算法（Grey correlation-Entropy weight Fuzzy Control,GEFC）。使用灰色關(guān)... 

【文章來源】：上海電機(jī)學(xué)院上海市

【文章頁數(shù)】：95 頁

【學(xué)位級別】：碩士

【部分圖文】：

光伏組件熱斑Fig.1-1Photovoltaiccomponenthotspotphenomenon

上海電機(jī)學(xué)院碩士學(xué)位論文15由圖2-6的仿真圖可知，光伏熱斑的仿真圖可知，在發(fā)生熱斑時，其出現(xiàn)多個峰值功率點(diǎn)，開路電壓下降，短路電流上升。同時，從圖2-7可知，光伏陣列中隨著發(fā)生光伏熱斑的光伏組件增加，則其功率與電流會進(jìn)一步減校所以，在對光伏熱斑進(jìn)行預(yù)測與診斷時，可以通過其輸出功率、電流與電壓等特征量的變化程度來判斷是都出現(xiàn)光伏熱斑。本文的數(shù)據(jù)來源于上海電氣集團(tuán)中央研究院的實驗平臺，通過兩個月的光伏熱斑實驗獲取數(shù)據(jù)來源。實驗具體明細(xì)如下所示：(1)實驗地點(diǎn)：上海電氣中央研究院1號樓樓頂；(2)實驗時間：2018年8月24日~9月7日；(3)實驗對象：2塊光伏組件；圖2-8為光伏組件實驗圖。圖2-8光伏組件實驗圖Fig.2-8Photovoltaicmoduleexperimental8月24日-9月7日，實驗室接入的2塊光伏板，在相同的天氣情況與光伏組件溫度下進(jìn)行實驗，將一塊光伏組件遮擋一組串電池板運(yùn)行，其余的光伏板正常運(yùn)行。其中在8月27-8月29日時，其中兩個光伏組件上的上的電池板塊進(jìn)行遮擋，其余的光伏板正常運(yùn)行。在本次實驗中，通過支路互感器采集了光伏支路的電流、電壓、功率、光伏組件表面溫度等數(shù)據(jù)，將其作為歷史監(jiān)測數(shù)據(jù)，為光伏組件的熱斑預(yù)測數(shù)據(jù)參考。根據(jù)采集后的數(shù)據(jù)進(jìn)行處理后，將采集到的一天的數(shù)據(jù)處理后分別得到的光伏組件正常運(yùn)行與故障運(yùn)行情況下的功率、電壓、電流、光伏組件溫度、電壓與電流比值的曲線圖。圖2-9、圖2-10、圖2-11分別為與提取同一天的功率、電壓、電流下的故障與正常運(yùn)行下的對比圖，光伏組件正常與熱斑現(xiàn)象運(yùn)行情況下功率對比圖。

上海電機(jī)學(xué)院碩士學(xué)位論文19(2)異常數(shù)據(jù)在一些相關(guān)的特征上與正常數(shù)據(jù)有較大的不同。因此，對光伏熱斑的預(yù)測可以通過其其功率、電流、電壓以及組件溫度等數(shù)據(jù)的異常檢測來實現(xiàn)。隔離森林算法針對異常數(shù)據(jù)的檢測有著很好的優(yōu)越性，該方法具有較低的時間復(fù)雜度，計算速度相對快速。因此在處理高維和海量數(shù)據(jù)方面具有快速性，同時在多個數(shù)據(jù)集上能夠取的更好地預(yù)測效果。2.3.1光伏熱斑特性分析根據(jù)2.2.2小節(jié)的仿真與實驗驗證可知，在光伏熱斑出現(xiàn)時，其功率、電壓、電流與溫度等特征量變化敏感程度不同。本文對光伏熱斑的電壓與功率的特征量的特性進(jìn)行了分析。通過對光伏熱斑數(shù)據(jù)是電壓與功率數(shù)據(jù)處理，得到這兩個特征值的概率分布情況如下圖所示。其中，組件的熱斑現(xiàn)象功率的特征數(shù)據(jù)集概率分布如圖2-14所示，組件的熱斑電壓的特征數(shù)據(jù)集概率分布如圖2-15與圖2-16所示。圖2-14光伏熱斑功率異常數(shù)據(jù)與正常數(shù)據(jù)在特征上混合Fig.2-14Photovoltaichotspotpoweranomalydataismixedwithnormal由圖2-14與圖2-15可以看出，不同類別的數(shù)據(jù)在同一個特征上的分布存在差異，即數(shù)據(jù)特征中心存在偏差。利用圖2-14的特征進(jìn)行分類時，可以看出其數(shù)據(jù)特征中心的距離大于圖2-15的特征中心距離，特征中心距離越大，表明此類特征越容易在分類過程中被優(yōu)先區(qū)分。圖分類誤差較小，即該特征的對于劃分正常與異常能力更強(qiáng)。圖2-15與圖2-16分別表示同一特征下的數(shù)據(jù)的不同離散度時在此特征上的分布差異�？梢钥闯鐾惶卣飨聰�(shù)據(jù)分布離散度越高，該特征的對于劃

【參考文獻(xiàn)】：
期刊論文
[1]基于人工蜂群算法優(yōu)化RBF神經(jīng)網(wǎng)絡(luò)的光伏組件故障診斷定位方法[J]. 郝思鵬,吳清,李佳偉,周宇.  供用電. 2019(10)
[2]基于無人機(jī)及機(jī)器視覺的光伏電站“熱斑效應(yīng)”檢測系統(tǒng)研究[J]. 王永強(qiáng).  科技視界. 2019(15)
[3]晶體硅光伏組件的熱斑效應(yīng)詳解[J]. 潘文峰,陸晨,王加鴻,謝英豪,裘幼梓.  太陽能. 2019(01)
[4]基于狀態(tài)監(jiān)測的電池板積灰清洗周期確定與費(fèi)用評估[J]. 趙波,張姝偉,曹生現(xiàn),王恭,許兆鵬,崔立業(yè),李曉剛.  中國電機(jī)工程學(xué)報. 2019(14)
[5]光伏組件的功率衰減與熱斑關(guān)系研究[J]. 劉振波,產(chǎn)兵兵.  電源技術(shù). 2018(08)
[6]各種太陽能發(fā)電技術(shù)研究綜述[J]. 莫一波,楊靈,黃柳燕,徐瓊鷹,陳海峰.  東方電氣評論. 2018(01)
[7]基于提高太陽能發(fā)電效率的研究綜述[J]. 李志紅,李亞運(yùn),崔強(qiáng).  科技創(chuàng)新與應(yīng)用. 2016(02)
[8]灰塵對光伏發(fā)電的影響及組件清洗研究[J]. 孟偉君,樸鐵軍,司德亮,張文華,于俊峰,陳志燕.  太陽能. 2015(02)
[9]基于FOA-Elman神經(jīng)網(wǎng)絡(luò)的光伏電站短期出力預(yù)測模型[J]. 韓偉,王宏華,杜煒.  電測與儀表. 2014(12)
[10]基于輻照計的太陽能光伏電站自動除塵系統(tǒng)研究[J]. 周亞東,王軍,梁棟.  科技通報. 2014(05)

博士論文
[1]水污染動態(tài)預(yù)警監(jiān)測模型構(gòu)建與應(yīng)急處置工程風(fēng)險分析[D]. 史斌.哈爾濱工業(yè)大學(xué) 2018

碩士論文
[1]光伏陣列智能監(jiān)測和故障預(yù)測方法[D]. 段家慧.廣西大學(xué) 2018
[2]局部陰影條件下光伏系統(tǒng)MPPT方法研究[D]. 王慶磊.安徽理工大學(xué) 2018
[3]光伏面板積塵特性及高效除塵方法研究[D]. 馬小龍.浙江工業(yè)大學(xué) 2015
[4]太陽能光伏陣列故障檢測及仿真分析[D]. 唐佳能.華北電力大學(xué) 2012



本文編號：2929481