基于数据扩充的光伏组件故障诊断方法

尹春杰，宋彦螟，肖发达，隋 涛，李鹏飞，王亚男

（1.山东建筑大学 信息与电气工程学院，山东济南 250101；2.青岛供电公司，山东 青岛 266000）

0 引言

近年来，随着太阳能光伏发电技术的逐步成熟，其在全球范围内的应用规模也越来越大。据国际能源署2020年统计，中国太阳能光伏装机容量在2019 年底上升到30.1GW，与此同时，全球光伏发电总量也达到720TWh，并有望在2030 年增加到3 300TWh。光伏发电技术将成为继水力和风力发电技术之后的第三大可再生电力技术。光伏发电组件是整个光伏发电系统的核心部分，但其长年露天放置，运行环境恶劣，发生故障或性能降低的机率较高。因此，实现光伏组件性能参数的在线精确监测及故障诊断对于保证光伏发电系统的安全、高效运行至关重要［1-2］。

目前，光伏组件故障的传统诊断方法可分为在线诊断（红外图像法和多传感器法）与离线诊断（对地电容测量法和时域反射分析法）两种，但这些方法的应用都存在着各种限制条件。随着研究的不断深入，智能化诊断方法中的神经网络逐渐成为该领域的研究热点［3-4］。如文献［5-8］利用组件的各种参数进行故障研究；文献［9-13］将神经网络作为故障诊断的技术手段；文献［14-16］均涉及到白噪声扩充，但其应用白噪声的目的与本文将白噪声仅用于数据扩充的目的不同。本文通过比较组件参数的相关性，最终选定光伏组件的输出参数（输出电压、输出电流）与影响光伏发电组件的外界因素（太阳辐照度、表面温度）作……