一種光伏電站的性能預報及故障報警方法
2023-09-22 08:09:40 1
專利名稱:一種光伏電站的性能預報及故障報警方法
技術領域:
本發明涉及一種光伏電站的性能預報及故障報警方法,屬於先進能源技術中的太陽能光伏發電技術領域。
背景技術:
由於傳統能源資源的日益枯竭以及當今社會對電能質量要求的提高,環保、靈活的光伏發電已經被世界各國所重視,太陽能光伏發電已成為目前最有前景的綠色能源利用方式之一。但光伏發電系統的輸出受到太陽輻射強度、環境、操作條件、天氣等因素的影響, 其發電性能是一個非平穩的隨機過程;同時,由於各光伏電站使用的光伏電池種類及其安裝位置隨機性也很大,光伏發電系統相對於大電網來說將是一個不可控源,使得能量生產與需求之間的平衡難以保證,隨時會對大電網造成衝擊,從而造成巨大的損失。因此,需要加強對光伏陣列發電性能預測的研究,預先獲得光伏發電系統的發電量、發電功率、發電效率等性能曲線,從而協調電力系統制定發電計劃,減小光伏發電的隨機性對電力系統造成的影響。此外,光伏陣列由於損壞、汙蝕、老化或人為破壞等原因造成的故障,會導致光伏陣列工作異常及性能曲線的畸變等,大大降低了發電效率,因此,及時的監測和糾正這些異常和故障對於光伏系統的性能保證、可靠性和安全性都很必要。由於基於實驗室標準測試環境(STC,即太陽能輻照度為1000W.m_2,電池溫度為 25°C,大氣質量為1.5t)測得的數據不能如實的反映實際環境下的性能指標,不能滿足用戶對光伏系統可靠性、運行成本等的真實需求。而且我國在光伏發電建設及電站設計方面的經驗較少,可靠的實測數據和積累的實際經驗十分匱乏,設計過程中僅局限於理論計算和有限的經驗,導致電站建設成後整個壽命周期內的實際發電量、組件或設備故障率、運行和維護成本難以估算,同時低水平技術開發容易造成資源浪費。光伏電站的設計和建設,通過預計算來確定電站的容量、預計發電水平、電池陣列的安裝、上網電量等指標,在沒有數據參考的情況下,通過有效的模型來估算系統容量和性能,顯得尤為重要。由於光伏系統的功率、發電量等性能取決於眾多參數,傳統的方法是通過現有的模型,利用氣象預報來從其導出局部化的預報,進而獲得在光伏模塊平面中的光照的預報,最終獲得基於預定義效率估計系統的功率、電力產量等,但是整個過程中得到的數據存在較大的誤差,不能給出準確和令人滿意的結果。另外,國內已提出針對光伏陣列的故障檢測方法,如中國發明專利申請「大型光伏陣列的故障診斷方法」,其申請號為CN 101893678A,該發明的技術方案是將若干電池板先並聯連接形成一層,然後再串聯連接形成串接的若干層,設第一層與電池板直接相連的電流傳感器連接的電池板數據為Ltl,則通過第一層可能產生的最大電流為LtlXIm, Im為電池板在正常條件下可能產生的最大電流,若已知了工作條件,則要將Im改為在此種情況下的工作電流,通過各層傳感器的電流最大值用作判斷是否產生誤差的基準值,檢測出Ltl個電池板中是否有故障產生。但是該發明僅能預報電池陣列的故障情況,並不能預報逆變器等其他光伏器件的故障情況;而且通過上述方法測得的數據的精度有限,數據的準確性不高; 最後,該發明需要很多電壓傳感器和電流傳感器等設備,增加了系統成本。
發明內容
本發明的目的在於,提供一種光伏電站的性能預報及故障報警方法,它可以提高光伏電站性能預報的準確性,實現最大限度的利用太陽能資源及減少用電成本,而且它還可以為光伏電站的故障診斷提供模型分析及專家知識的支持,進而提高故障診斷的準確性;另外本發明不但能夠用於運行中光伏電站的性能預報與故障報警,還能用於新系統的設計。為解決上述技術問題,本發明通過如下的技術方案一種光伏電站的性能預報及故障報警方法,包括以下步驟a,設置光伏電站的狀態,所述的狀態包括設計新的光伏電站或運行中的光伏電站;b,根據光伏電站的實際位置及季節和日期,設置光伏電站的工作模式,具體包括 設置季節和工作時段信息;C,通過讀取資料庫相應區域的標籤數據判斷該資料庫中是否具有採集到的歷史數據或實時數據,所述的採集到的歷史數據或實時數據包括總輻射度、溫度、風速、逆變器直流輸入電壓、逆變器直流輸入電流、直流輸入功率、逆變器交流輸出功率(有功);d,若a中光伏電站的狀態為設計新的光伏電站並且c為否定的,則通過經驗模型與C02減排評估模型進行光伏電站的性能預測,若a中光伏電站的狀態為設計新的光伏電站並且c為肯定的,則通過數據驅動性能模型與C02減排評估模型進行光伏電站的性能預測,所述的光伏電站的性能包括發電功率隨時間的變化曲線(P_t曲線)、累計發電量、發電效率、逆變器最大跟蹤效率及C02減排量;e,若a中光伏電站的狀態為運行中的光伏電站並且c是肯定的,則通過數據驅動性能模型或多項式回歸模型與C02減排評估模型進行光伏電站的性能預測,若a中光伏電站的狀態為運行中的光伏電站並且c是否定的,則通過經驗模型與C02減排評估模型進行光伏電站的性能預測;f,通過氣象站、檢測儀表、匯流箱和逆變器的輸出量檢測及計算光伏電站的實際性能,並將該實際性能與預測性能進行比較,如果其差值超過預定的範圍或不滿足預定的指標要求,則進行故障報警,將數據及結果進行輸出顯示;g,若光伏電站的性能預測值與實際值的均方根誤差和相關係數大於設定的參考值,則通過Kalman濾波方法對所採用的模型進行在線修正並轉至c,否則直接轉至e。上述方法中,相比較來說,數據驅動性能模型由於其所涉及的各種因素比較全面, 又結合實際採集的數據進行計算,精度相對較高,但涉及到的計算量比較大,需要的參數或數據比較多,比較適合正在運行中的系統性能預報,也可以用於新系統的設計;經驗模型涉及到的參數比較少,也比較容易得到,計算量不大,但精度相對較低,比較適合新系統設計估算;而多項式回歸模型需要實時測量的數據,其精度可以通過在線模型修正來保證,比較適用於正在運行中的系統性能預報。通過系統狀態、用戶需求等情況來優選合適的性能預報模型。
上述方法中,通過經驗模型預測光伏電站的性能需要電壓、電流溫度係數,這些數據可以從生產廠家獲取;另外還需要標準測試條件下的開路電壓、短路電流、最大功率電壓和最大功率電流,這些數據可以在實驗室進行測試得到,也可以從生產廠家獲取;通過數據驅動性能模型預測光伏電站的性能需要室外測量數據、標準測試數據、生產廠家數據及經驗數據,其中所需的室外測量數據包括實時採集到的數據,如總輻射度、溫度、風速、逆變器直流輸入電壓、逆變器直流輸入電流、直流輸入功率、逆變器交流輸出功率(有功)等,當天地理信息數據,如經緯度、海拔等,本地衛星氣象預報數據和歷史數據,經驗數據是指經過測試驗證過的經驗數據及參數;通過多項式回歸模型預測光伏電站的性能需要實時採集到的數據包括測量的電池組件的溫度及對應的總的太陽入射照度。前述的光伏電站的性能預報及故障報警方法中,步驟c所述的實時數據通過串口或OPC採集。前述的光伏電站的性能預報及故障報警方法中,步驟e還包括在通過數據驅動性能模型或多項式回歸模型進行光伏電站的性能預測前,對數據進行數據預處理,所述的數據預處理包括數據格式標準化及剔除極限誤差,從而可以進一步提高數據預報及故障報警的準確性。前述的光伏電站的性能預報及故障報警方法中,所述的剔除極限誤差通過以下步驟實現a.計算數據分布的偏度係數設原始數據被分成η組,各組的變量值分別為Xl,x2, X3,......,I,各組變量值出現的次數分別為f2, f3,......,fn,其中
ν Σ(χ! - ^fi_Y^xJi偏態細數aZi = iz^~—平均數入^V+A/"2+……+ Χ產=^
Σ^A+Ji + ……+/ ^fi
r -—標準差σ= -若 & = 1,則
Σ^σ =當α =0時,分布對稱;當α >0時,表示正偏離差值較大,可以判斷為正偏或右偏;當α 3 σ,則將該值剔除當α乒0時如果Xi >11。且\ > 3o+ka · σ (其中,k為可調係數,它的數值在0. 5 1之間),則將該值剔除;如果Xi 3 σ -k α · σ (k為可調係數0. 5 1之間),則將該值剔除;其中,M。為一組數據中出現次數最多的變量值。前述的光伏電站的性能預報及故障報警方法中,步驟g所述的通過Kalman濾波方
6法對所採用的模型進行在線修正,具體包括以下步驟a.計算均方根誤差和相關係數,其中&和&分別代表預測值和測量值均方根誤差:
權利要求
1.一種光伏電站的性能預報及故障報警方法,其特徵在於,包括以下步驟a,設置光伏電站的狀態,所述的狀態包括設計新的光伏電站或運行中的光伏電站;b,根據光伏電站的實際位置及季節和日期,設置光伏電站的工作模式,具體包括設置季節和工作時段信息;c,通過讀取資料庫相應區域的標籤數據判斷該資料庫中是否具有採集到的歷史數據或實時數據,所述的採集到的歷史數據或實時數據包括總輻射度、溫度、風速、逆變器直流輸入電壓、逆變器直流輸入電流、直流輸入功率、逆變器交流輸出功率(有功);d,若a中光伏電站的狀態為設計新的光伏電站並且c為否定的,則通過經驗模型與C02減排評估模型進行光伏電站的性能預測,若a中光伏電站的狀態為設計新的光伏電站並且c為肯定的,則通過數據驅動性能模型與C02減排評估模型進行光伏電站的性能預測,所述的光伏電站的性能包括發電功率隨時間的變化曲線(p-t曲線)、累計發電量、發電效率、逆變器最大跟蹤效率及C02減排量;e,若a中光伏電站的狀態為運行中的光伏電站並且c是肯定的,則通過數據驅動性能模型或多項式回歸模型與C02減排評估模型進行光伏電站的性能預測,若a中光伏電站的狀態為運行中的光伏電站並且c是否定的,則通過經驗模型與C02減排評估模型進行光伏電站的性能預測;f,通過氣象站、檢測儀表、匯流箱和逆變器的輸出量檢測及計算光伏電站的實際性能,並將該實際性能與預測性能進行比較,如果其差值超過預定的範圍或不滿足預定的指標要求,則進行故障報警,將數據及結果進行輸出顯示;g,若光伏電站的性能預測值與實際值的均方根誤差和相關係數大於設定的參考值,則通過Kalman濾波方法對所採用的模型進行在線修正並轉至c,否則直接轉至e。
2.根據權利要求1所述的光伏電站的性能預報及故障報警方法,其特徵在於,步驟c中所述的實時數據通過串口或OPC採集。
3.根據權利要求2所述的光伏電站的性能預報及故障報警方法,其特徵在於,步驟e還包括在通過數據驅動性能模型或多項式回歸模型進行光伏電站的性能預測前,對數據進行數據預處理,所述的數據預處理包括數據格式標準化及剔除極限誤差。
4.根據權利要求3所述的光伏電站的性能預報及故障報警方法,其特徵在於,所述的剔除極限誤差通過以下步驟實現a.計算數據分布的偏度係數設原始數據被分成η組,各組的變量值分別為Xl,x2,x3,......,I,各組變量值出現的次數分別為f2, f3,......,fn,其中
5.根據權利要求4所述的光伏電站的性能預報及故障報警方法,其特徵在於,步驟g所述的通過Kalman濾波方法對所採用的模型進行在線修正,具體包括以下步驟a.計算均方根誤差和相關係數;b.將計算的均方根誤差和相關係數分別與設定的參考值進行比較,如果大於設定的參考值,則通過Kalman濾波方法進行偏差移除,修正所採用的模型。
6.根據權利要求1所述的光伏電站的性能預報及故障報警方法,其特徵在於,步驟f中所述的進行故障報警,將數據及結果進行輸出顯示具體包括若光伏電站的實際性能與預測性能的差值超過預定的範圍或不滿足預定的指標要求,則與故障模型庫中的故障類型進行匹配,如果存在相應的故障類型,則輸出故障報警信息,進行可視化顯示;如果不存在相應的故障類型,則產生新的故障類型,存入臨時故障模型庫,由專家或技術人員確認後存入正式的故障模型庫。
7.根據權利要求1所述的光伏電站的性能預報及故障報警方法,其特徵在於,步驟d中所述的C02減排評估模型通過光伏系統C02潛力PM的計算方法獲得。
8.根據權利要求7所述的光伏電站的性能預報及故障報警方法,其特徵在於,所述的光伏系統C02潛力PM的計算公式為PM= (HtXP0XPEXN-2525) XMF式中Ht為傾斜方陣面上全年接收到的太陽總輻照量,單位是kWh/ (m2 ·年);P0為光伏系統額定功率,單位是kW ;Pe為系統綜合效率;N為壽命周期年數;MF為C02排放指數,單位是kg/KWh ;其中,根據不同種類燃料所發電能或根據發電平均耗煤量來計算所述的C02排放指
全文摘要
本發明公開了一種光伏電站的性能預報及故障報警方法,包括a.設置電站的狀態;b.設置電站的工作模式;c.判斷是否具有需要的實時數據或歷史數據;d.若a狀態為設計新光伏電站,且c為否定的,則通過經驗模型預測電站的性能,若c為肯定的,則通過數據驅動性能模型預測電站的性能;e.若a為運行中的光伏電站並且c是肯定的,則通過數據驅動性能模型或多項式回歸模型預測電站的性能,若c是否定的,則通過經驗模型預測電站的性能;f.對比實際性能與預測性能,進行故障報警;g.通過Kalman濾波方法對模型進行在線修正並轉至c,否則直接轉至e。本發明最大限度利用太陽能資源和減少用電成本;提高了性能預報及故障診斷的準確性。
文檔編號G05B13/04GK102566435SQ20121003633
公開日2012年7月11日 申請日期2012年2月17日 優先權日2012年2月17日
發明者於立業, 王麗娜, 薛向榮, 趙永麗 申請人:冶金自動化研究設計院