基于性能退化和非平稳随机过程的光伏阵列健康状态评估方法研究

This project focuses on researching the fundamental problem of “The Health Status Evaluation of Photovoltaic Array”. At first, a model of photovoltaic (PV) array, which can comprehensively describe the performance degradation of PV arrays via model parameters, would be built. Then, the parameter samples are expended based on Bootstrap method. The mechanism of performance degradation and the method of lifetime estimation for PV arrays are studied by applying the theory of Copula function. Aiming at the non-stationary stochastic characteristics of electrical parameters of PV arrays and ambient parameters, the trend term and stochastic term of parameters are identified. The data are processed by applying linear wavelet with lifting scheme or polynomial wavelets respectively according to different sector, and then the data features can be extracted. The Gaussian Mixture Model(GMM) is used to deal with the measured feature samples and referenced feature samples of PV arrays, and obtain the GMM for measurement and reference, respectively. Then the distance discriminant is utilized to compare the deviations between them. At last, a method based on fuzzy mathematics is applied for rating the levels of health status of PV arrays, and realize the evaluation of health status of PV arrays. In this study, the research results of the test platform and the test, improvement and development of PV plants, are utilized adequately. Based on the research of this project, first, the theory fundaments for evaluating the health status of PV array are established; second, this study can provide guidance for the comprehensive processes and optimization of operation and maintenance of PV array, and residual evaluation of PV array.

本项目围绕“光伏阵列健康状态评估”的基础性问题展开研究。先构建模型参数可较全面表征光伏阵列性能退化的光伏阵列模型，而后基于Bootstrap方法扩充参数样本，应用Copula函数理论对光伏阵列性能退化机理和寿命估计方法进行研究。针对光伏阵列电气参数及环境参数的非平稳随机特性，辩识数据的趋势项和随机项，应用线性提升小波和多项式小波方法处理数据，进行分区域特征值提取。应用高斯混合模型处理光伏阵列的实测特征样本和参考特征样本，分别得到实测状态和参考状态的高斯混合模型，通过距离判别法比较二者之间的偏离程度，最后应用模糊数学方法对光伏阵列健康状态等级评级，实现对光伏阵列健康状态的评估。研究过程中充分利用实验平台和光伏电站测试、改进和验证研究结果。通过本项目的研究，一方面为光伏阵列健康状态评估方法奠定一定的理论基础，另一方面也为光伏系统的运行维护全流程优化研究、光伏系统残值评估等提供方法指导。

本项目围绕“光伏阵列健康状态评估”的关键问题开展研究。首先，结合光伏组件退化对输出特性的影响，考虑模型中易受退化影响的光伏组件参数，并简化了光伏组件的双二极管模型，其模型参数可用于表征光伏组件的退化程度，随后提出解析法与花授粉优化算法两种方法求解简化的光伏组件数学模型参数。提出了基于β函数方法建立了针对输出功率的单退化模型和基于Copula函数建立光伏阵列多性能退化参数退化模型。在此基础上，利用光伏组件加速退化测试和户外实证的数据，通过建立BP神经网络预测常应力下光伏组件的失效寿命。其次，针对环境参数的非平稳特性，利用小波分析的方法对环境稳定性进行判断，在环境稳定的情况下再利用ARMA模型对其中的异常数据点去除，而后利用EEMD和VMD算法对光伏阵列非平稳随机信号进行特征提取。在此基础上，项目还提出了利用非平稳随机信号实现光伏阵列故障检测，包括利用Grubbs离群点检测算法和LOF局部离群点因子算法算法等。最后，本项目将PHM中的“健康状态”引入到光伏领域，参考OSA-CBM体系结构，从数据采集、特征值提取、模型优化、性能评估、故障诊断等多个方面展开研究。分别提出了基于马氏距离、高斯混合模型GMM、灰色关联度等健康状态评估方法，将光伏阵列健康状态评估方法分为基于输出功率的健康状态评估和基于输出IV特性曲线的健康状态评估，分析阵列实际输出状态与理论状态的差距，并将差异利用隶属度函数划归到光伏阵列健康、良好、异常、故障四个健康等级中，同时计算各个状态下光伏阵列的健康指数，从而更加直观得对阵列性能进行描述。研究过程中，还研制了光伏阵列健康状态评估实证系统，完成对各项研究内容的实验验证。课题组已完成了项目的研究内容，有效地解决了光伏阵列健康状态评估中的关键性问题。.项目实施期内，培养了硕士研究生10名，发表学术论文26篇，授权发明专利12件，申请发明专利13件，转让发明专利1件，获软件著作权4件，项目部分研究成果在实际工程中得到了应用。