终检评审通过 创新训练 470动力与电气工程 新能源技术市级

随着光伏电站规模的不断增加，光伏电站亟需一种能够及时、精确、在线对光伏阵列潜藏故障进行诊断的运维系统。本项目主要围绕光伏阵列在线故障诊断、健康度评价等应用技术开展研究。 本系统综合考虑传热学物理约束、统计学方法和机器学习方法，采用多模型并行的方法，有效提高系统的可靠性、鲁棒性和精确度。本系统共包括四个模型：设计温度预测模型以提供可靠组件温度，为后续算法开发提供可靠温度凭据；设计功率预测模型以满足新能源并网功率预测的要求，并建立健康度量化评价模型，对光伏阵列状态进行评价；采用基于历史数据的多元高斯分布模型以对光伏阵列进行初步且可靠的二分类评价；设计基于Transformer模型的神经网络模型以对故障进行多分类判断。为了对系统模型进行训练，自主搭建试验台进行实验研究和故障数据采集。同步收集故障光伏组件的各项物理参数，构成训练数据集。考虑故障光伏组件有限性，基于对故障组件I-V特性曲线的原理分析，设计故障复现实验以补充数据集，从而提高系统精确度。同时设计可视化界面进行用户交互，直观呈现运行参数、健康度评价和故障诊断等结果。