太阳能光伏发电设备的常见的故障发生原因及诊断研究

摘要：  本文分析了太阳能光伏发电设备的常见的故障发生原因和特征;将基于事例的诊断方法引入太阳能光伏发电设备故障诊断，分析了光伏发电电站监测与诊断系统的可靠性、使用性、可扩展性和可维护性能要求;提出了电站分布式监测和诊断系统的网络结构模型。

关键字：  能源危机，  故障诊断，  信号检测，  航空航天飞行器

1 引言

随着社会生产的日益发展，对能源的需求量在不断增加，全球范围内的能源危机也日益突出。近年来，太阳能光伏发电正在逐步由特殊应用转向民用、由辅助能源向基础能源过渡，尤其是光伏并网系统的出现，使太阳能光伏发电的应用前景更加光明。世界能源危机的提前到来，推动光伏发电在发达国家开始大规模使用。光伏(电站)系统的运行一般都是在无人值守的情况下进行的，要对地域上广泛分散的光伏系统进行监测维护是十分困难、繁琐的，需要大量的人力、物力，因此智能诊断系统应用在太阳能噶发电设备故障诊断中具有重大意义。

2 智能故障诊断技术及诊断方法

目前，智能故障诊断IFD(Intelligent Fault Diagnosis)是基于人工智能理论和方法的一种故障诊断新技术，被广泛应用于远程诊断领域。但是由于系统存在复杂性，非线性、时变性，不确定性和不完全性等，一般无法获得精确的数学模型，针对这种系统的故障诊断处理方法，可称为智能化的诊断技术。智能化的故障诊断技术分为信号预处理方法和故障模式识别诊断方法。德国的P.M.Frank教授将智能故障诊断IFD归纳为如下几种智能诊断技术。

2.1 基于信号检测的故障诊断技术

基于信号检测的故障诊断是根据检测所得的故障信号，通过特征提取和故障识别找出故障源。因此，基于信号检测的故障诊断，其关键在于正确选择能真正反映设备运行状态的检测参数，然后采用小波分析、信息融合等方法进行故障诊断。

2.2 基于模型的故障诊断技术

基于模型的鼓掌诊断方法，其核心问题是产生残差，将残差作为故障的指示信号。其常用的诊断方法有：参数辨识法、状态估计法、等价空间法等。基于模型的故障诊断方式不但能够克服专家系统知识的获取瓶颈。

而且能够诊断未预测的故障，因此受到了业界的广泛关注。

2.3 基于知识的故障诊断技术

此方法不需要对象的精确数学模型，而是根据人们长期的实践经验和大量故障信息而设计出的一套智能计算机程序。知识有浅知识和深知识之分。目前被广泛采用的是基于浅知识和深知识相结合的职能诊断，如模糊专家系统、神经网络专家系统、故障树专家系统等。

2.4 基于感知行为的故障诊断技术

基于感知行为的故障诊断能感知环境变化，并且有自识别、自处理及自适应能力，被广泛应用于航空航天飞行器、高速列车等重大工程和尖端技术领域。

迄今为止，故障诊断方法已有数十种之多，典型的智能诊断方法有如下几种：

(1)专家系统专家系统是把领域专家以往诊断的经验归纳成规则，并运用经验规则通过推理来进行故障诊断。专家系统由知识库、数据库、学习机、推理机、解释器、上下文、征兆获取和人机交互界面组成。其结构框图如图1所示。

(2)模糊故障诊断方法在系统故障诊断过程中，能测到的是许多信号，通过信号分析得到许多故障征兆，模糊故障诊断是指通过研究故障信号与征兆之间的模糊关系来判断系统运行状态的方法。

(3)神经网络故障诊断方法基于神经网络的智能故障诊断研究集中在三方面：一是从模式识别角度应用神经网络作为分类器进行故障诊断;二是从预测角度应用神经网络作为动态预报模型进行故障预测;三是从知识处理角度建立基于神经网络的诊断专家系统。

(4)模糊-专家故障诊断方法专家系统是一个智能计算机程序，可求解特定领域的问题，而现实中诊断领域存在的经验性专家知识往往具有模糊性，降低了知识表达的准确性，因此可以将模糊数学知识和专家经验相结合，引入到专家的模糊知识表示中模糊专家诊断系统主要由知识库、中间数据库、模糊推理机、人机接口、前端处理程序等部分组成，其结构框图如图2所示。

(5)模糊-神经网络故障诊断方法神经网络是从被训练或受控的系统中抽取信息，而模糊逻辑技术最常用的是从专家中获取口头和语言信息。

而模糊系统和神经网络集成后则可拥有两方面的优点，可具有神经网络的学习能力，优化能力，联想记忆能力等。

又具有模糊系统类似于人类思维方式的if-then规则并易于嵌入专家知识。模糊- 神经混合诊断系统的典型结构如图3所示。

4 太阳能光伏发电电站智能诊断系统的建立

太阳能光伏发电设备故障诊断系统的信息变化比较快，不能仅根据几个主要特征量就进行诊断，必须充分利用监测到的各种诊断信息，将单个传感器获取的单维信息融合起来形成多维的信息，这种信息含量比任何一个单维信息的或几个单维信息简单相加的信息量都要大的多。多传感器信息融合充分利用多个传感器资源，通过多各种传感器及其观测信息的合理支配与使用，以各种传感器在空间和时间上的互补与冗余信息可为故障的检测和分离提供诊断为依据，采用某种优化准则，产生反映环境信息特征的一致性解释和描述。信息融合的目标是基于各种传感器分别观测信息，通过对信息的优化组合导出更多的有效信息，降低信息的不确定性，将其应用到状态检测和故障诊断就能得到更加准确和可靠的信息。目前比较典型的信息融合方法有：加权平均、卡尔曼滤波器、采用一致传感器的贝叶斯估计、多贝叶斯、统计决策理论、论证推理、模糊逻辑和产生式规则等。

这些方法虽然能够有效地利用传感器，但系统性能过跟依靠传感器性能，传感器失效可能导致整个系统性能的破坏。为了适应实际问题的需要，对太阳能光伏发电设备故障诊断，我们提出并实现如下的诊断信息集成策略：

同一部位多传感器信息的集成。如相距很近的两个光照强度测点，如果读数相差较小，则用平均值代替该处光照强度值;同一截面相距很小的两个温度和湿度测点，如果读数相差较小可用平均值代替该点温度湿度值。

对于单个太阳能电池板传感器信息的集成。单个太阳能电池板的电流和电压值测点，则需要同一传感器不同时刻的采样数据进行分析。对单个太阳能电池板阵列的电流和电压值测点，也是需要同一传感器采集不同时刻的数据进行分析。

不同的电池板的传感器信息的集成。太阳能电池板在制造是差别，因此发电的电量也是不同的，在对太阳能电池板做评估时也应该考虑。

对于太阳能电池的并网电压值有关的诊断信息集成。并网电压值与太阳能电池板自身因素有关，如电池板的老化等，因此在诊断时也要加以考虑。

5 结语

本文分析了太阳能光伏发电设备的常见的故障发生原因和特征;将基于事例的诊断方法引入太阳能光伏发电设备故障诊断，分析了光伏发电电站监测与诊断系统的可靠性、使用性、可扩展性和可维护性能要求;提出了电站分布式监测和诊断系统的网络结构模型。