基于时频域联合阈值判定的光伏电站直流故障电弧在线检测系统

摘 要：直流故障电弧是引起光伏电站火灾、造成重大损失的主要原因之一。现已提出多种检测方法对直流故障电弧进行防控，但大部分方法需要通过人工电弧进行验证，缺乏现场实用性和可靠性；且光伏电站现场直流故障电弧的偶发性和检测装置的复杂性，导致真实直流故障电弧的检测验证难以实施。针对该问题，基于时频域联合阈值判定法，搭建了云边协同的光伏电站直流故障电弧在线检测系统，并在光伏电站现场对其检测效果进行了实验验证。验证结果表明：该直流故障电弧在线检测系统可有效检测真实直流故障电弧，但存在42.1%的误判率，现场检测的抗干扰性仍需进一步提高；同时，发现了光伏组件MC4端子在直流故障电弧影响下的失效过程，可为MC4端子直流故障电弧类火灾防控技术的研究提供参考。

关键词：时频域；光伏电站；火灾；直流故障电弧；在线检测；MC4端子

中图分类号：TM615 文献标志码：A

0" 引言

近年来，中国光伏发电装机容量高速增长，截至2023年底，累计装机容量已达610 GW[1-2]，占全球光伏发电装机容量的38.1%，其中分布式光伏装机容量占全国光伏发电装机容量的40%左右。仅2023年，中国新增光伏发电装机容量为216 GW，占全球新增的51.4%。随着光伏发电系统运行时间增长，故障发生率逐年增高，直流故障电弧就是故障因素之一[3-5]。根据国际电工委员会（IEC）的调查，在光伏发电系统自身引发的火灾中，52%是由直流故障电弧引起。因此，现场直流故障电弧的有效检测和识别是防控光伏发电系统火灾事故的关键[6]。

目前，针对故障电弧的检测方法有两大类。

1）基于电弧辐射特性的检测方法。利用电弧的弧光、发热、噪声及电磁辐射等特性进行检测；该类检测方法只适用于配电箱、开关柜等小空间范围内的电弧检测，对大范围、开放空间的光伏发电系统并不适用[7]。

2）基于电弧时域、频域特性的检测方法。时域检测是指利用电弧发生时线路的电流、电压进行检测的方法，例如：通过分析特定时间窗口下电弧的电流变化率[8]，可用于电弧检测识别[9]。频域检测是指基于电流频谱分析的直流故障电弧检测方法，例如：通过比较电弧发生前后信号在高频处的谐波含量变化，可以进行故障检测[10]，为提高检测的抗干扰性，可采用多带宽分析方法处理数据，从而区分故障电弧和正常状态[11]。

时域检测法虽然能够直接反映电弧发生时电流和电压的瞬态变化，但其灵敏度低，检测率低（有时检测不出故障）；相比之下，频域检测能够区分故障电弧类型，但其易受现场工况的干扰，易误判（将无故障判断为故障）。综合两者优缺点，时频域联合分析的检测方法逐渐受到关注[7]，并催生了一系列旨在提升电弧识别率的新方法。文献[12]通过Matlab仿真平台和人工故障电弧的实际采集数据，成功提炼出时频域判定阈值，提出了一种综合判断故障电弧发生的新思路。文献[13]为提高检测方法的抗干扰性，基于小波变换，提炼出3种时域判据和频域判据，并提出1种时频域判据优势互补的混合判据。文献[14]提出了一种结合回路电流振荡和电弧时频域信号的直流串联型电弧检测方法。文献[15]研究了串联型直流电弧在初始阶段的电流变化特征及脉冲-时间谱图特征，据此提出了一种新的故障电弧检测方法，并通过实验验证了此方法的有效性。

上述电弧检测方法大多采用人工故障电弧（由电弧发生装置产生）进行有效性验证，但在光伏发电系统运行时，逆变器的最大功率点跟踪（MPPT）和负载突变都可能引入干扰信号[16]，该类干扰信号造成的误判并未考虑到验证过程中。此外，光伏发电系统中的故障电弧具有偶发性，再加上光伏电站现场环境的复杂性，使在现场部署结构复杂的检测试验系统用于长期监测和捕捉真实电弧的难度较大。因此，目前针对电弧检测方法用于光伏发电系统现场实际故障电弧的验证效果的报道较少。

针对上述问题，本文基于时频域联合阈值判定法，搭建了云边协同的光伏电站直流故障电弧在线检测系统，并通过存在真实直流故障电弧的分布式光伏发电系统上进行验证。

1" 光伏电站直流故障电弧在线检测系统

光伏电站直流故障电弧在线检测系统面临的瓶颈问题主要有：1）光伏电站现场电弧频域信号高频采样率（每通道200 kHz左右）与云端通信带宽（上行5 Mbps）的平衡对接；2）在光伏电站现场安装模块的高度集成化；3）时频域联合阈值的合理设定。

该直流故障电弧在线检测系统采用云边协同构架，由电弧传感矩阵、边缘运算模块和云端平台3部分构成，如图1所示。

1.1" 电弧传感矩阵

每个电弧传感矩阵集成8个电弧传感通道，通过分析特定频段的频谱能量和直流电流的变化规律，推算出直流故障电弧的可能性，并以直流故障电弧概率指数（下文简称为“AF值”）的形式表示。AF值范围为0～100，数值越大，表明存在故障电弧的可能性越大。电弧传感矩阵安装在逆变器或汇流箱的汇流端，采用模块化设计，可通过串联的方式拓展其通道数。

在安装使用前，通过电弧发生装置在光伏电站现场对电弧传感矩阵进行标定，标定结果如表1所示，可以看出：不同长度的电弧AF值分布在75～100之间。

在本文的实际检测中，为提升灵敏度，时频域联合阈值设定为AF值达到50。在此阈值下，现场对人工故障电弧的检测准确率可达99%。

1.2" 边缘运算模块

边缘运算模块安装在光伏电站现场，是数据汇聚和运算中心，其对多个电弧传感矩阵上报的高频数据（100 kHz采样率）进行实时融合、清洗和诊断，并将诊断结果定时上报给云端；现场电弧信号触发阈值时，启用应急通信通道实时上报超阈值数据。

为方便光伏电站现场的快速安装、部署和长时间监测，对电弧传感矩阵和边缘运算模块进行了高度集成，模块外观如图2所示。

1.3" 云端平台

云端平台用于云监控、云存储、云监测和云报警，可实现24 h连续监测，汇聚了多个边缘运算模块上报的各类诊断和检测结果，包括气象数据、灰尘遮挡、实时发电量、实时发电效率、光伏组串的AF值等；通过多源海量数据融合和诊断，并通过网页端、手机端进行监控，紧急情况下启动多终端报警。云端平台界面如图3所示。

2" 现场验证

2.1" 试验光伏电站信息

为了验证所开发的光伏电站直流故障电弧在线检测系统对现场真实直流故障电弧的检测效果，本文选取了两个存在直流故障电弧的分布式光伏电站（分别记为“电站1”“电站2”）进行测试。两个分布式光伏电站的基本信息如表2所示。

在进行现场检测前，初步评估显示两个分布式光伏电站有较高概率存在直流故障电弧。电站1在进行现场检测前1个月发生了火灾，烧毁了1个光伏阵列共计5串光伏组串。火灾事故点位于屋面的塑料采光带区域，具体位置如图4所示。

电站2存在多串异常开路的光伏组串，初步排查发现：其中3串光伏组串的MC4端子已损坏，损坏地点位于光伏阵列的中间，日常运维难以发现，具体如图5所示。

2.2" 光伏电站直流故障电弧在线检测系统的安装

光伏电站直流故障电弧在线检测为便携式，其模块的安装示意图和安装后现场照片如图6所示。

2.3" 电弧数据分析

2.3.1" 电站1

在电站1中，选择与发生火灾区域相邻的光伏阵列作为检测对象，涉及5台逆变器，共计80串光伏组串。数据采集时间持续1周，共计获得数据534291组，包含8548656个直流电流数据、8548656个直流电弧AF值和3861条触发时频域联合阈值的报警数据。电站1现场电弧报警次数统计如表3所示。

对表3数据进行分析，结果显示：在534291组数据中，故障电弧报警次数共计3861次，占比为0.7%。其中，NB05逆变器的占比最高，达到1.3%；2串及以上光伏组串同时报警共1291次，占总数的33.4%。由于现场使用的是组串式逆变器，多路MPPT隔离输入，通常不会出现母线直流故障电弧，因此2串及以上光伏组串同时报警视为误判，并在后续分析中予以剔除。

进一步对2570组单串光伏组串报警的数据进行分析，有7串光伏组串的平均日报警次数明显偏高。现场检查发现了两个潜在的安全隐患：1）MC4端子露天放置在屋顶的塑料采光板上，受阳光直射，温度明显高于周围环境，如图7a所示；2）光伏组串两端MC4端子非光伏组件原装配件，已出现明显老化迹象，颜色与光伏组件原装端子有明显的差异，如图7b所示。

结合现场勘察结果，确定了3串光伏组串（分别为NB05逆变器上的第12、14、16串光伏组串）存在轻微直流故障电弧，表现为金属端子上有轻微灼烧痕迹。这3串光伏组串的总报警次数为1488次，占单串光伏组串报警次数总量的57.9%。

去除掉误判信号后，结合现场确定的3串直流故障电弧光伏组串，得出结论：直流故障电弧检测准确率约为57.9%，存在42.1%的误判率（即错误地将无故障电弧判定为故障电弧，该结果是基于AF值为50的阈值得出）。随后，运维团队对上述光伏组串进行更换，截至到投稿日期，未出现新的火灾事故。

本直流故障电弧在线检测系统所用电弧传感器对人工故障电弧的检测准确率为99%，而对光伏电站现场实际微弱直流故障电弧的检测准备率为57.9%，远低于检测人工故障电弧的准确率。因此，本直流故障电弧在线检测系统对现场真实直流故障电弧检测的抗干扰特性仍需提高。

2.3.2" 电站2

电站2的故障电弧报警次数较多，由于数据量较大且不像电站1呈现出明显的规律，本文未列举细致的统计结果。直接从云端平台截取1个汇流箱的光伏组串AF值统计曲线，如图8所示。

从图8可以看出：该汇流箱中所有光伏组串的AF值同时增大或减小，导致有效的报警信息被大量数据淹没。初步推断，该类干扰的原因有两个：1）集中式逆变器MPPT引入的干扰；2）光伏电站所在工商业建筑内大型生产机械启动引入的干扰。

2.4" 直流故障电弧对MC4端子的影响分析

现场勘察发现，直流故障电弧对MC4端子造成的影响并非是100%导致其被烧毁，而是存在渐变的过程。根据端子的典型外观特征，大致可分为3个阶段：隐患期、发展期和烧毁期，3个阶段在同1个光伏电站会共存。各阶段的特点如下。

1）隐患期。此阶段的MC4端子内部金属前端有黑色灼烧斑点，有比较淡的烧灼痕迹，如图9所示。

2）发展期。此阶段MC4端子的塑料部分已出现发白、脆化和鼓包等现象，有的甚至一触就碎，如图10所示。

3）烧毁期。此阶段表现为电弧产生近3000 ℃高温将MC4端子烧灼，如果靠近可燃物，则易引发火灾，如图11所示。

直流故障电弧对MC4端子影响的阶段性特征，对于早期预防和识别直流故障电弧至关重要。因此，建议未来的研究方向从干扰源特性的深入分析、阈值自动调整机制的开发，以及基于长期监测数据的检测算法优化等方面开展。

3" 结论

本文基于时频域联合阈值判定法，搭建了云边协同的光伏电站直流故障电弧在线检测系统，并在存在真实电弧的分布式光伏电站现场时该系统的检测效果进行了验证。验证结果表明：在时频域联合阈值设定为AF值为50时，该直流故障电弧在线检测系统检测的准确率为57.9%，存在42.1%的误判率，对现场真实直流故障电弧检测的抗干扰性仍需提高。

现场检测发现，直流故障电弧引发的MC4端子故障会经历隐患期、发展期和烧毁期3个阶段，据此对未来研究方向提出建议，以提升直流故障电弧检测的灵敏度和准确率，可为MC4端子直流故障电弧类火灾防控技术的研究提供参考。

[参考文献]

[1] 国家能源局. 2023年光伏发电建设情况[EB/OL]. （2024-02-28）. https：//www.nea.gov.cn/2024-02/28/c_1310765696.htm.

[2] 国家能源局. 国家能源局发布2023年全国电力工业统计数据[EB/OL]. （2024-01-26）. https：//www.nea.gov.cn/2024-01/26/c_1310762246.htm.

[3] 谢小林. 太阳能光伏发电系统直流保护探讨[J]. 太阳能，2013（23）： 42-47.

[4] 施江锋，张雪，李海鹏. 分布式光伏发电系统直流故障电弧保护装置测试和评估技术的研究与探讨[J]. 太阳能，2019（3）： 29-32，42.

[5] 吴春华，闫俊驰，李智华. 光伏系统故障电弧检测技术综述[J]. 电源技术，2014，38（9）： 1768-1770，1776.

[6] 王斯成，王长贵，吴达成，等. 狠抓：质量、安全、成本和能效追求：光伏发电工程收益最大化[J]. 太阳能，2014（2）： 14-26.

[7] 黄宵宵，吴春华，李智华，等. 光伏系统直流电弧故障检测方法对比研究[J]. 太阳能学报，2020，41（8）： 204-214.

[8] 姚秀，汲胜昌，HERRERA L，等. 串联直流电弧特性及其在故障诊断中的应用[J]. 高压电器，2012，48（5）： 6-10.

[9] 张冠英，李长伟，赵远，等.基于周期均值变化率的直流故障电弧检测[J].中国电机工程学报，11（9）：44-47.

[10] 马征，张国钢，柯春俊. 一种基于高频电流频谱分析的故障电弧检测方法[J]. 低压电器，2010（9）：10-12，15.

[11] SEO G S，KIM K A，LEE K C，et al. A new DC arc fault detection method using DC system component modeling and analysis in low frequency range[C]//2015 IEEE Applied Power Electronics Conference and Exposition （APEC），March 15-19，2015，Charlotte. USA：IEEE，2015.

[12] 王先发，顾卫祥. 光伏系统直流侧故障电弧的检测与判别[J]. 电气技术，2019，20（5）：10-13.

[13] 刘晓明，赵洋，曹云东，等. 基于小波变换的交流系统串联电弧故障诊断[J]. 电工技术学报，2014，29（1）：10-17.

[14] CHEN S L，LI X W，XIONG J Y. Series arc fault identification for photovoltaic system based on time-domain and time-frequency-domain analysis[J]. IEEE journal of photovoltaics，2017，7（4）：1105-1114.

[15] ZHU L Y，LI J Y，LIU Y，et al. Initial features of the unintended atmospheric pressure DC arcs and their application on the fault detection[J]. IEEE transactions on plasma science，2017，45（4）：742-748.

[16] 熊庆，陈维江，汲胜昌，等. 低压直流系统故障电弧特性、检测和定位方法研究进展综述[J]. 中国电机工程学报，2020，40（18）：6015-6026.

ONLINE DETECTING SYSTEM FOR DC FAULT ARCS IN PV POWER STATIONS BASED ON TIME-FREQUENCY DOMAIN

JOINT THRESHOLD JUDGMENT

Ding Yefei

（Shanghai SeakyTech Intelligent Technology Co.，Ltd，Shanghai 201199，China）

Abstract：DC fault arc is one of the main causes of fires in PV power stations，leading to significant losses. Multiple detection methods have been proposed to prevent and control DC fault arcs，but most of these methods require verification through artificial arcs，lacking practicality and reliability on-site. The sporadic occurrence of DC fault arcs in PV power stations and the complexity of detection devices make it difficult to implement the detection and verification of real DC fault arcs. In response to this issue，this paper proposes a cloud edge collaborative DC fault arcs online detecting system for PV power stations based on time-frequency domain joint threshold judgment method，and experimentally verifies its detection effect on the PV power station site. The verification results show that the DC fault arc online detecting system can effectively detect real DC fault arcs，but there is a 42.1% misjudgment rate，and the anti-interference ability of on-site detection still needs to be further improved. At the same time，the failure process of PV module MC4 terminals under the influence of DC fault arcs is discovered，which can provide reference for the research of DC fault arc fire prevention and control technology for MC4 terminals.

Keywords：time-frequency domain；PV power stations；fire hazard；DC fault；online arc detecting；MC4 terminal