(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210921824.7 (22)申请日 2022.08.02 (71)申请人 西安热工 研究院有限公司 地址 710003 陕西省西安市碑林区兴庆路 136号 (72)发明人 朱尤省　谢小军　赵勇　童博　 张都　韩斌　 (74)专利代理 机构 苏州国诚专利代理有限公司 32293 专利代理师 王会 (51)Int.Cl. G06Q 10/00(2012.01) G06Q 10/06(2012.01) G06Q 50/06(2012.01) G06F 16/215(2019.01)H02S 50/10(2014.01) (54)发明名称 基于多维度、 多参量数值分析的光伏组串故 障诊断方法 (57)摘要 本发明公开基于多维度、 多参量数值分析的 光伏组串故障诊断方法， 包括以下步骤： 获取光 伏组串的电压UDC、 电流IDC、 组件温度数据Tmodel以 及对应的气象数据； 对数据进行数据清洗， 获得 有效数据； 对有效数据进行计算， 获得光伏组串 的状态指标， 同时将光伏组串的状态指标存入历 史数据中； 结合光伏组串状态指标数据和历史数 据对状态指标进行多维度、 多参量数值分析， 计 算光伏组串的故障特征指标； 建立故障诊断模 型； 对光伏组串进行故障诊断。 本发明利用光伏 电站电量数据、 气象数据、 历史分析结果数据制 定多故障类型的分析方法， 在不增加成本的前提 下， 可即时、 高效、 准确的判断和预测光伏组串的 故障， 为光伏电站的提质增效提供有力的支持。 权利要求书5页 说明书16页 附图13页 CN 115293372 A 2022.11.04 CN 115293372 A 1.基于多维度、 多参量数值分析的光伏组串故障诊断方法， 其特征在于， 包括以下步 骤： S01： 获取光伏组串的电压UDC、 电流IDC、 组件温度数据Tmodel以及对应的气象数据； S02： 对步骤S01 获取的数据进行 数据清洗， 获得有效数据； S03： 对清洗后的有效数据进行计算， 获得光伏组串的状态指标， 同时将光伏组串 的状 态指标存 入历史数据中； S04： 结合光伏组串状态指标数据和历史数据对状态指标进行多维度、 多参量数值分 析， 提取光伏组串的故障特 征； S05： 建立故障诊断模型； S06： 根据步骤S04所 得指标及步骤S0 5所得故障诊断模型， 对光伏组串 进行故障诊断。 2.根据权利要求1所述的基于多维度、 多参量数值分析的光伏组串故障诊断方法， 其特 征在于， 步骤S01中， 所述光伏组串的电压UDC、 电流IDC、 组件温度数据Tmodel以及气象数据为 一个完整天数据， 所述气象数据包括与光伏组串电压UDC、 电流IDC、 组件温度数据Tmodel对应 的辐照度Ir和环境温度数据Ttemp。 3.根据权利要求1所述的基于多维度、 多参量数值分析的光伏组串故障诊断方法， 其特 征在于， 步骤S02中， 对步骤S01 获取的数据进行 数据清洗， 获得有效数据的步骤具体包括： S02‑01： 按制定的日照时间区间截取一整天数据中有日照时的数据， 获得日照数据片 段Dday； S02‑02： 根据逆变器的运行状态， 获取光伏组串所接入 的逆变器的并网时刻和脱网时 刻， 若逆变器一日内多次启停， 则记录多次启停时刻， 分别记为tload‑k、 tunload‑k， k＝{1、 2、 3、…}； S02‑03： 根据逆变器的第一次开机 时间tload‑1和最后一次关机 时间tunload‑k， 从Dday数据 中截取并 网后的有效数据， 记为Dgrid； S02‑04： 对Dgrid中的电压数据UDC进行清洗； S02‑05： 对Dgrid中的电流数据IDC进行清洗； S02‑06： 对Dgrid中的环境温度数据Ttemp进行清洗； S02‑07： 对Dgrid中的组件温度数据Tmodel进行清洗； S02‑08： 对Dgrid中的辐照度数据Ir进行清洗 。 4.根据权利要求3所述的基于多维度、 多参量数值分析的光伏组串故障诊断方法， 其特 征在于， 步骤S02 ‑04中， 对Dgrid中的电压数据UDC进行清洗的规则为： 按时间顺序对电压UDC进行扫描， 若UDC<0或UDC>nVoc， n为光伏组串内的组件数量， Voc为 单块组件的开路电压， 则将UDC的时刻记录到集合Utinvalid， 记为Utinvalid＝{ut1， ut2，…， utN}； 若uti+1‑uti>τ， τ为数据颗粒度， 根据实际数据采集及计算机技术任务量确定， 则UDC (uti)＝(UDC(uti‑1)+UDC(uti+1))/2， 若uti+1‑uti＝τ， 则继续往后判断， 直至utj–uti+m>τ， 则此 区间的UDC(uti)＝(UDC(uti‑1)+UDC(utj))/2。 5.根据权利要求3所述的基于多维度、 多参量数值分析的光伏组串故障诊断方法， 其特 征在于， 步骤S02 ‑05中， 对Dgrid中的电流数据IDC进行清洗的规则为： 按时间顺序对电流IDC进行扫描， 若IDC<0或IDC>1.2Isc， Isc为单块组件的短路电流， 则 将IDC的时刻记录到集合Itinvalid， 记为Itinvalid＝{it1， it2，…， itN}； 若iti+1‑iti>τ， 则IDC权　利　要　求　书 1/5 页 2 CN 115293372 A 2(iti)＝(IDC(iti‑1)+IDC(iti+1))/2， 若itn+1‑itn＝τ， 则继续往后判断， 直至itj‑iti+m>τ， 则此 区间的IDC(iti)＝(IDC(itj)+IDC(iti‑1))/2。 6.根据权利要求3所述的基于多维度、 多参量数值分析的光伏组串故障诊断方法， 其特 征在于， 步骤S02 ‑06中， 对Dgrid中的环境温度数据Ttemp进行清洗的规则为： 获取光伏电站所在地理位置过去30年最低气温和最高气温， 分别 记为Ttemp‑L、 Ttemp‑H， 获 取当天气象数据中的最第 气温和最高气温， 分别记为Ttemp‑l、 Ttemp‑h； 清洗规则的最低温和最 高温分别计算为Ttemp‑lowest＝MIN(Ttemp‑L， Ttemp‑l)、 Ttemp‑hightest＝MAX(Ttemp‑H， Ttemp‑h)， 为避免 区域性温差导致有效数据被滤 除， 采用系数k＝1.1对清洗规则进行放大； Ttemp数据系列中 温度变化量δTtmp＝Ttempi‑Ttempi‑1， 若δTtmp>5℃， 则将Ttempi的时刻记录到集合Ttinvalid， 记为 Ttinvalid＝{t1， t2，…， tN}； 若ti+1‑ti>τ， 则Ttemp(ti)＝(Ttemp(ti‑1)+Ttemp(ti+1))/2， 若ti+1‑ti＝ τ， 则继续往后判断， 直至tj‑ti+m>τ， 则此区间的Ttempi(ti)＝(Ttemp(ti‑1)+Ttemp(tj))/2， j＝ {1,2、…i‑1}。 7.根据权利要求3所述的基于多维度、 多参量数值分析的光伏组串故障诊断方法， 其特 征在于， 步骤S02 ‑07中， 对Dgrid中的组件温度数据Tmodel进行清洗的规则为： 按时间顺序对Tmodel进行扫描： 对于第一个数据点， 若|Tmodel1‑Ttemp|>5℃， 则Tmodel1＝ Ttemp， 否则依次计算Tmodel数据系列中温度变化量δTmodel＝|Tmodeli‑Tmodeli‑1|， 若δTmodel>5℃， 则将Tmodeli的时刻记录到集合tmodelinvalid， 记为tmodelinvalid＝{t1， t2，…， tN}； 若ti+1‑ti>τ， 则 Tmodel(ti)＝(Tmodel(ti‑1)+Tmodel(ti+1))/2， 否则继续完后判断， 直至tj‑ti+m>τ， 则此区间的 Tmodel(ti)＝(Tmodel(tj)+Tmodel(ti‑1))/2。 8.根据权利要求3所述的基于多维度、 多参量数值分析的光伏组串故障诊断方法， 其特 征在于， 步骤S02 ‑08中， 对Dgrid中的辐照度数据Ir进行清洗的规则为： 按时间顺序对Ir进行扫描： 若Ir<0或Ir>1500， 则将Ir对应的时刻记录到集合Irinvalid中， 记为Itinvalid＝{Itt1,Itt2,…Ittn}； 若Ir(ti+1)‑IR(ti)>τ， 则Ir(Iti)＝(Ir(Iti‑1)+Ir(Iti+1))/ 2， 否则继续往后判断， 直至Itj‑Iti+m>τ， 则此区间的Ir(Iti)＝(Ir(Itj)+Ir(Iti‑1))/2。 9.根据权利要求1所述的基于多维度、 多参量数值分析的光伏组串故障诊断方法， 其特 征在于， 步骤S03中， 所述光伏组串的状态指标包括光伏组串发电量、 逆变器或汇流箱接入 的所有组串的离散率、 组串电流与辐照度的跟随度以及组串标准状态下 的功率， 所述光伏 组串的状态指标的获取步骤 包括： S03‑01： 利用步骤S02中获得的有效电压UDC和有效电流 IDC计算光伏组串发电量 W： S03‑02： 计算逆变器或汇流箱接入的所有组串电流各数据点的离散率， 获得各逆变器 或汇流箱的组串的离 散率Div， Div＝{di， i∈N*}： 其中， S为某个数据点所有组串电