基于电流时间序列的光伏故障在线监测系统

陈国灯 林培杰 赖云锋 程树英 陈志聪



基于电流时间序列的光伏故障在线监测系统

陈国灯 林培杰 赖云锋 程树英 陈志聪

（福州大学物理与信息工程学院微纳器件与太阳能电池研究所，福州 350116）

光伏阵列由于长期工作在恶劣的自然环境中，难免会发生各种故障，有必要对光伏阵列进行故障在线监测。因此本文基于DSP设计了一种在线监测系统，并采用一种基于电流时间序列的光伏阵列故障检测方法。该方法首先定义了一个时间序列滑动窗口（time series sliding window, TSSW），然后计算滑动窗口内每一个点相对应的局部离群因子（local outlier factor, LOF）。一旦出现的连续离群点数超过设定的阈值，就可判断该组串出现故障。实验结果表明，提出的故障检测方法能够对光伏阵列短路、局部阴影和开路故障组串进行检测，同时系统也能够对光伏电站直流侧的电流、电压以及温度和辐照度进行实时监测。

光伏阵列；故障检测；时间序列；局部离群因子

开发新型的可再生能源已经成为了全世界关注的焦点，太阳能作为一种清洁的、永不枯竭的新型绿色能源正得到迅速的推广应用[1]。但是光伏组件在长期工作中，难免会发生各种故障，这些故障的产生会降低电站的发电效率，严重时甚至发生火灾，危害社会财产安全[2]。因此，如果对光伏发电阵列在运行状态中出现的故障能够及时地检测、定位并进一步告警，就能减少光伏系统因不正常运行而导致的能量损失，降低故障扩散的可能，避免安全事故的发生，从而提高光伏系统生命周期内的安全性及投入产出[3]。

部分学者提出了一些光伏阵列故障检测与定位的方法[4-5]。文献[6-7]提出了红外图像检测方法，该方法能够对光伏阵列的老化、短路和开路进行检测和准确定位，但是需要高精度的红外摄像头，同时红外图像易受外界干扰，影响检测精度。文献[8]提出了一种CTCT型光伏阵列连接方式，并以检测电流为手段实现故障电池板定位，但需要的传感器较多且CTCT型连接方式的光伏阵列在实际中难以应用。文献[9]提出了基于异常值统计的故障检测和定位方法，包括3-Sigma Rule、Hampel Identifier和Boxplot Outlier。文献[10]则提出了采用局部离群因子（local outlier factor, LOF）算法进行检测和定位，然而这些方法不适用于小型光伏阵列和组串式光伏电站。

一般情况下，光照度在短期内的变化趋于线性，因此每个组串的电流在短期内也将趋于线性。然而，当出现故障时，组串电流在时间序列上将会发生明显变化。由于光照度、温度等外界环境变换范围广泛等因素，难以采用简单的阈值判断方法对电流变化进行检测。基于此，本文结合LOF算法和滑动窗口提出一种基于电流时间序列的故障检测和定位方法，进而设计出一套光伏故障在线监测系统。该系统可适用于组串式和串并联式光伏发电系统。

1 系统整体设计方案

1.1 监测系统的构成

本文设计的光伏故障在线监测系统主要由光伏阵列、汇流箱、并网逆变器、公用电网和光伏电站监测中心组成。本系统使用Matlab设计了一个上位机，并通过ZigBee通信方式进行系统调试，如图1所示。

图1 系统框架

1.2 监测系统工作原理

光伏阵列在光照下会产生电流和电压，然后通过一个汇流箱连接至逆变器，最后通过逆变器并入到公用电网中。本系统汇流箱里集成了一个光伏数据采集系统，对光伏电站的阵列电压、各组串电流、光照度以及温度进行采集，通过DSP处理器进行AD转换采集光伏电站的各项信息，在DSP中对各组串电流分别进行电流时间序列LOF的计算，实现对光伏电站常见的短路、局部阴影和开路三种故障对应的组串进行检测和定位。最后，将光伏电站的各项实时数据和各组串的检测结果通过ZigBee传送到上位机。

2 硬件电路设计

在本系统中，硬件电路主要实现各组串电流、光伏阵列电压、温度以及光照度的采集。串并联结构的光伏阵列是由个组件串联成组件串，然后由个组件串并联形成。由于市电的地不能与光伏阵列的地相接，否则将会损坏逆变器、DSP控制器等设备，因此本系统选用隔离型的霍尔电压传感器LV25-P对其电压进行采集，具体的采样电路如图2所示。

图2 电压采样电路

LV25-P型电压传感器主要是根据原副线圈电流比来实现的，该传感器原边与副边的电流比为 1∶2.5。传感器在输入电流为10mA左右时，测量的精度最高，而光伏阵列的开路电压为129V，故在传感器的原边接上一个13kW的精密电阻。因为传感器原边内部带有一个250W的电阻，所以光伏阵列电压PV与电路输出电压out的关系为

光伏阵列的各组串电流则是通过厚施公司生产的型号为HBC-06LSP电流传感器进行采集的，该传感器是一种穿孔式的电流传感器，具体的电流采样电路如图3所示。该传感器的输出电压与电流的关系为

式中，p为测量的电流，pn为电流传感器的量程。

图3 电流采样电路

由于DSP的最大采集电压为3V，所以在电流传感器的输出端加上一个50kW和100kW的精密电阻进行分压，采样的电压和实际电流关系为

温度测量是通过将PT100温度传感器紧贴在光伏阵列中心光伏组件背面，然后通过一个温度变送器将温度信息转换成电压进行采集的。辐照度通过将一个照度传感器安置在与光伏阵列相同的倾斜面，将照度信息转换成电压进行采集。

3 DSP程序设计

3.1 程序总体设计

由于运行LOF算法需要使用到大量的四则运算和浮点运算，DSP处理器则刚好具备强大的运算功能，因此选用TI公司生产的TMS320F28335处理器作为主控制器。本系统中DSP主要实现对光伏电站各项数据的采集、进行电流时间序列LOF检测方法运算对故障检测和定位以及将组串状态、检测结果和数据发送给PC端。

DSP程序的具体执行步骤为：启动定时器，周期设置为1s，使用处理器的ADC模块采集各个传感器的输出电压值，然后得出光伏组串电流、电压以及温照度。AD采集中每秒转换100个数据，通过每10个取平均值的方法进行滤波处理。然后系统调用时间序列LOF进行故障检测以及定位，因为系统要检测的只是发生故障那一小段时间的突变，所以检测方法中只要出现连续5个离群点就判断为故障，此后组串的状态将不再改变。最后系统将各组串电流、阵列电压、温度和辐照度以及各组串的工作状态通过ZigBee发送的电脑上位机端。具体的DSP工作流程如图4所示。

图4 DSP程序流程

3.2 故障检测方法

本文采用的是一种基于电流时间序列（current time series, CTS）的故障检测方法[11]。首先，定义了一个包含个组串电流点的时间序列滑动窗口（time series sliding window, TSSW）。然后，采用LOF离群点检测算法计算窗口内每个点的LOF，再取以10为底的对数，通过设置一个阈值来判断，如果高于，就判断为离群点，然后窗口沿着时间轴向前滑动。如果在窗口内出现连续个离群点，就可以判断为故障。本文提出的故障检测流程如图5所示。其中滑动窗口大小=20，连续离群点阈值=5，离群点判断阈值=1.3，LOF检测算法中的=10，这些参数应根据实际情况作出改变。

图5 故障检测流程图

4 上位机设计

本系统还利用Matlab的GUIDE设计了一个上位机，以便对光伏发电系统的各个参数和状态进行显示。该上位机主要包括了串口通信、实时数据以及故障检测方法运行结果。实时数据主要包括各组串电流、光伏阵列的总电流、阵列电压、阵列功率以及温照度信息，故障检测结果则包括当前窗口的运行结果图和组串的当前状态设计的主界面，如图6所示。

5 实验结果

5.1 实验平台

在一个大小为1.8kW的光伏发电系统上对在线监测系统以及故障检测方法进行验证，如图7所示。

图6 上位机界面

整个系统包括光伏发电阵列、汇流箱、光伏并网逆变器、硬件电路、DSP28335控制器以及一台个人PC。光伏发电阵列由3个组串并联构成，其中每个组串由6个光伏组件串联而成。组件采用漳州国绿太阳能有限公司生产的GL-M100型号太阳能电池，在标准测试情况下，开路电压为21.5V，短路电流为6A，输出功率为100W。逆变器为江苏固德威电源科技有限公司生产GW2500-NS光伏并网逆变器，直流电压和MPPT电压范围均为80～450V，最大直流输入电流为18A。

图7 实验平台

5.2 系统验证

本系统将针对光伏阵列常见的短路、局部阴影和开路3种常见的故障进行验证。首先是短路故障，短路故障是指组串内一个或多个组件的意外短路[12]。本文是将组串内的一个组件短路，因为这种情况故障最不明显，最不容易被检测。短路情况下的实验结果如图8所示。从图8可以看出，系统可以对光伏电站的各项数据进行监测显示，组串1的电流也明显小于其他组串。图8中还包括了3个组串当前窗口的故障检测结果图，其中直线代表判断离群点的阈值，点线的点则代表窗口内每个点的log10()值。图8中组串1检测窗口的电流值和log10()见表1。从表1和图8都可以看出，组串1出现连续5个离群点被判断为故障，其余组串则是正常。由此可见，本系统能够实现对短路故障的在线检测。

图8 短路故障下的系统验证

表1 短路故障下的实验数据

局部阴影故障指的是光伏阵列受到建筑物、树木、灰尘等污染物造成光照不均匀[13]的情况。本文采用亚克力板将光伏组串的其中一个组件遮挡来模拟局部阴影故障，此时的局部阴影故障最不明显，也最不容易被检测，得到局部阴影情况下的实验结果如图9所示。图9中组串1检测窗口的电流值和log10()见表2。从图9和表2均可以看出，组串1的时间序列LOF出现连续5个离群点，同时组串1被判断为故障，因此本系统可以实现对局部阴影故障的检测。

图9 局部阴影故障下的系统验证

表2 局部阴影故障下的log10(LOF)

开路故障指的是正常导通路线的意外断开[14]。本文将光伏阵列一个组串的中间断开，得到开路下的实验结果如图10所示。图10中组串1检测窗口的电流值和log10()见表3。从表3和图10可以看出组串1的电流几乎为0，同时组串1的时间序列LOF结果出现了连续5个离群点并被判定为故障。因此，本文的系统同样适用于开路故障的检测。

图10 开路故障下的系统验证

表3 开路故障下的log10(LOF)

6 结论

本文设计了一个光伏阵列在线监测系统，系统能够对光伏阵列的工作状态和各个工作参数进行实时监测；结合电流时间序列和LOF算法，系统能够对故障组串进行检测和定位。基于一套1.8kW的实验室发电系统进行实验验证。实验结果证明，该系统能够对光伏阵列短路、局部阴影和开路故障进行实时检测和定位。

今后的工作展望：①DSP具有丰富的扩展接口，后续将使用2G/3G/4G网卡将光伏数据通过互联网发送到云端服务平台，如在阿里云或腾讯云上搭建光伏电站运维平台，从而实现分布式光伏信息化管理；②针对大型光伏电站组串较多的情况下，可通过ZigBee或LoRa技术将每串的光伏数据汇总到采集终端。

[1] 贾科, 顾晨杰, 毕天姝, 等. 大型光伏电站汇集系统的故障特性及其线路保护[J]. 电工技术学报, 2017, 32(9): 189-198.

[2] 陈沛华, 赵会茹, 李娜娜. 分布式光伏电源并网影响与应对措施[J]. 电气技术, 2015, 16(1): 125-127.

[3] 徐瑞东, 陈昊, 胡义华, 等. 基于高斯过程的光伏阵列故障定位[J]. 电工技术学报, 2013, 28(6): 249-256.

[4] Tsanakas J A, Ha L, Buerhop C. Faults and infrared thermographic diagnosis in operating c-Si photovoltaic modules: A review of research and future challenges[J]. Renewable and Sustainable Energy Reviews, 2016, 62: 695-709.

[5] 胡义华, 邓焰, 何湘宁. 光伏阵列故障诊断方法综述[J]. 电力电子技术, 2013, 47(3): 21-23.

[6] Tsanakas J A, Ha L, Buerhop C. Faults and infrared thermographic diagnosis in operating c-Si photovoltaic modules: A review of research and future challenges[J]. Renewable and Sustainable Energy Reviews, 2016, 62: 695-709.

[7] 王培珍, 郑诗程. 基于红外图像的太阳能光伏阵列故障分析[J]. 太阳能学报, 2010, 31(2): 197-202.

[8] 程泽, 李兵峰, 刘力, 等. 一种新型结构的光伏阵列故障检测方法[J]. 电子测量与仪器学报, 2010, 24(2): 131-136.

[9] Zhao Y, Lehman B, Ball R, et al. Outlier detection rules for fault detection in solar photovoltaic arrays[C]//Applied Power Electronics Conference and Exposition, 2013: 2913-2920.

[10] Zhao Ye, Balboni F, Arnaud T, et al. Fault experiments in a Commercial-Scale PV laboratory and fault detection using local outlier factor[C]//2014 IEEE 40th Photovoltaic Specialist Conference (PVSC), 2014: 3398- 3403.

[11] Chen G D, Lin P J, Lai Y F, et al. Fault location for photovoltaic array based on time series change detection in sliding window[C]//Applied Energy Symposium and Forum: Renewable Energy Integration with Mini/Microgrid. Tianjin, China, 18-20 OCT, 2017.

[12] Zhao Ye, De Palma J F, Mosesian J, et al. Line-Line fault analysis and protection challenges in solar photovoltaic arrays[J]. IEEE Transactions on Industrial Electronics, 2013, 60(9): 3784-3795.

[13] 卢喆, 郑松. 局部阴影条件下光伏阵列建模方法研究[J]. 电气技术, 2016, 17(9): 17-20, 29.

[14] 丁坤, 冯莉, 王祥, 等. 小型光伏系统故障诊断方法研究[J]. 电网与清洁能源, 2015, 31(5): 74-78.

Fault online monitoring system of photovoltaic based on current time series

Chen Guodeng Lin Peijie Lai Yunfeng Cheng Shuying Chen Zhicong

(Institute of Micro-Nano Devices and Solar Cells, College of Physics and Information Engineering, Fuzhou University, Fuzhou 350116)

Various faults inevitably occur in photovoltaic (PV) array due to the harsh external working environment. Therefore, detecting the faults and theirs locations is essential for the PV array. Therefore, this paper designed a PV online monitoring system based on DSP and adopted a method for detecting the faults based on time series of PV string current. In the fault detection method, a time series sliding window (TSSW) is adopted. The local outlier factor (LOF) of each current point in the TSSW is calculated. Once a number of LOFs are continuously detected to exceed the threshold value, the PV string can be judged as fault. The experiment results show that the proposed method can detect short circuit fault, open circuit fault and partial shadow fault. And the system can also monitor the current, voltage, irradiance and temperature of PV generation in real time.

photovoltaic array; fault detection; current time series; local outlier factor

2017-12-27

陈国灯（1992-），男，福建省三明市人，硕士研究生，主要从事嵌入式系统和光伏发电故障工作。

国家自然科学基金（61574038、61601127、51508105）、福建省自然科学基金（2015J01249）

福建省科技厅项目（2015H0021、2015J05124、2016H6012、2016H0016）

福建省教育厅项目（JAT160073）、福建省经信委行业关键共性技术项目（83016006、830020）