2024光伏电站逆变器IV智能诊断技术方案_第1页
2024光伏电站逆变器IV智能诊断技术方案_第2页
2024光伏电站逆变器IV智能诊断技术方案_第3页
2024光伏电站逆变器IV智能诊断技术方案_第4页
2024光伏电站逆变器IV智能诊断技术方案_第5页
已阅读5页,还剩4页未读 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

光伏电站逆变器IV智能诊断技术方案目录TOC\o"1-3"\h\u320201.1.智能I-V诊断系统 4185731.1.1.技术原理 5123251.1.2.实现功能方案 6238071.1.3.故障定位与导航 798521.1.4.缺陷处理与指导 7105181.1.5.I-V故障分析模型 8205141.1.6.IV与无人机融合诊断 9智能I-V诊断系统智能I-V诊断系统是基于大数据的I-V诊断算法,通过故障精准定位,实现光伏阵列、汇流箱、逆变器等核心关键设备的诊断。系统提取逆变器、汇流箱、光伏支路异常条件下的特征,建立故障诊断模型,并以机器学习为依托,结合大数据挖掘机AI识别算法,来确认光伏组串的故障类型,实时分析诊断逆变器、汇流箱、光伏支路发电异常,快速筛查出低效运行设备,从而辅助管理者有计划地执行巡检和消缺工作,提升巡检和消缺工作效率。实现光伏电站组串设备的实时诊断,支持报警设备故障详情分析,判断故障类型、给出故障原因分析和处理建议。图72光伏组件I-U曲线图技术原理电站应用场景,光伏组串的伏安特性与经典单二级管模型类似,电流/电压之间关系,可采用如下经典公式表示:上述公式中,各关键点性能参数解释如下:I:光伏组串工作电流;ILIo:二极管反向饱和电流;n:二极管理想因子;V:光伏组串工作电压;Rs:光伏组串串联电阻;q:单电子电量;k:玻尔兹曼常数;T:热力学温度智能IV诊断功能特性的迭代及演进,以光伏电站中海量光伏组串数据为基础,结合经典二级管模型,深入学习光伏组串在电站应用场景中可能的故障失效模式,针对光伏组串不同的失效模式,建立对应的故障识别及诊断模型,并实现故障识别模型的迭代升级;逆变器将采集的IV曲线上报给管理系统的IV故障识别算法模块,IV算法模块以当前故障识别模型,判断组串是否存在故障。图73组件I-V诊断模型随着新能源光伏电站迅猛发展,光伏电站光伏组件和逆变器安装数量越来越庞大,光伏电站的运行实际过程中,主要的故障是组件和逆变器的故障。本软件通过实时生产过程大数据分析功能,结合光伏组件U/I特性、智能模型建立和逆变器自身功能,实现光伏组件和逆变器的智能故障诊断功能,并通过专家故障处理指导系统,实现新能源光伏电站关键设备的智能故障诊断功能。可通过实践现场验证的方式修正故障预警诊断模型,提高软件准确率。图74光伏组件诊断软件界面技术特点1)大数据学习:通过0.5%的高精度组串级采集,进行大量的数据采集学习。2)AI算法识别故障:通过海量的故障曲线收集,AI算法确保数据识别精准。3)模型训练不断修正:建立故障专家模型库,通过离线训练,修正数据库,越用越聪明。4)运维建议指导:可以定期数据诊断报告,投资收益报告等,协助精准运维。为了确保IV扫描曲线数据的准确性,降低扫描过程中,环境因素的影响,智能IV诊断特性,从逆变器IV曲线采集,到故障算法识别及判定均植入了稳定算法,以提升智能IV算法故障判定的鲁棒性。基于对光伏组串典型IV特性参数的分析,能够识别组串的不同缺陷信息,并用于判断组串是否存在异常。组串中组件存在的某类故障,都会在组串IV曲线上留下特征信号,且不同类型的组件故障在IV曲线上留下的信号不同。通过采用大数据挖掘IV曲线上的特征信号,就能够实现组串故障的精准判断。实现功能方案根据光伏组件I-V特性曲线和大数据分析功能,通过深度数据挖掘功能开展大数据分析,并按照光伏电站现场实际运行的环境要素进行修正,结合厂家制造数据和现场试验测试数据,通过建模分析和预测模型,实现光伏组串的故障分析功能。对于逆变器故障识别,充分利用逆变器实时生产数据和历史数据,结合其实生产控制系统的数据,开展多维数据和全景数据的分析,实现对逆变器主要是性能降低的故障识别。光伏组件的故障预警功能,主要通过组串U/I数据,集合历史数据、同类型组串数据环境数据进行大数据分析功能,同时分析光功率预测系统和制造数据,结合缺陷、试验测试和和红外诊断的综合方式,实现光伏组串的故障预警。图75光伏组件I-V诊断计算过程故障定位与导航实现光伏组件故障预测功能后,通过数据触发和接口联动功能,在虚拟电站电子地图实现报警功能,虚拟电站电子地图通过已预先布置的设备KKS码实现位置识别报警,通过计算报警点与控制中心的位置,规划导航路径,实现导航功能功能。缺陷处理与指导光伏组件运行方式简单,受运行环境有限,出现故障的原因易于分析,按照光伏组件厂家提供的故障处理方案,实现分故障类型的故障处理指导方案。将光伏组件各类故障进行编码整合,故障触发时根据故障编码类型推送缺陷处理指导方案。I-V故障分析模型光伏组件故障智能诊断原理本软件组件故障预警和诊断功能主要采用组件U/I大数据分析挖掘技术,利用历史运行数据,创建组件故障分析模型,实现故障诊断预警和诊断功能,采用基于光伏组件U/I特性曲线、离散率的离群算法实现。通过收集历史数据中检测U/I异常数据信息,并进行属性约简,减小数据处理工作量等,最后通过提取原有故障数据建立故障映射关系,并用来训练神经网络,建立故障诊断模型,用于对采集到实时光伏U/I数据的经过约简后属性进行分类预测,得到预测结果,实现光伏电站实时的故障诊断。光伏组件故障智能诊断原理还结合理论预测值、环境量影响、制造安装等条件影响,综合分析,实现故障智能诊断功能。智能故障报警分析模型的基本思路分析光伏电站组串实际布置在发电方阵位置,选取基本相同组串位置的发电方阵数据做为模型数据对象。包括实时组串数据和历史组串数据,主要依靠同时段和环境模式下的实时数据,历史数据因涉及当时是环境变量与当地数据区别,作为分析模型困难,同时需修正衰减值等。实时数据模型:选择当前1小时时段下,相同外部环境下10个组串U/I实时数据作为对比分析模型,分析某组串U/I数据偏差值超过20%时,实现智能报警功能;如有光伏组件温度数据一并获取实时数据整理:消除异常数据、如U/I值为零,检修状态,组件故障等。历史数据模型:按每小时频率,获取光伏组件U/I一年内历史数据,如有光伏组件温度数据一并获取,删除异常数据和冗余数据;数据整理:模型数据采用U/I进行乘法有功功率计算,除去U/I为零值的异常数据,计算出光伏组件U/I平均值M;实时数据平均值M做为集群数据的基准数据,做为判断和光伏组件U/I值的标准数源;综合考虑光伏组件衰减系数、环境因素、制造安装、日常维护因素等,对基准数源精进行修正;作为修整系数调整,并从历史运行数据中获取。利用修正后的平均值M,增加报警阀值,实现故障智能报警功能;通过光伏电站生产现场实际运行数据和运行状况,完善和修正报警模型;逆变器按本身的故障报警识别,可参考运行指标分析进行图76光伏组件I-V诊断模型(部分)IV与无人机融合诊断通过IV多模态智能诊断与无人机巡检(CV)智能诊断的联动分析,综合两种手段的优势,具备快速巡检、高效诊断、精准定位的特点,实现1+1>

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论