光伏阵列故障诊断方法综述

摘要：规模光伏阵列在运行中经常受阴影影响，从而使整个光伏发电系统效率下降。归纳了光伏阵列故障形成的原因，分析了目前光伏阵列的故障诊断方法，通过对现有方法优缺点进行总结，可知基于电特性检测故障的诊断方法最具有工程应用潜力，同时提出基于电特性检测方法亟需解决的两个问题。
关键词：光伏阵列；故障诊断；电特性

1 引 言
太阳能是一种资源丰富、分布广泛、环境污染小的理想替代能源，大规模光伏发电是太阳能利用的重要形式。规模光伏阵列在运行过程中，除受自然环境(如云、台风、落叶等)影响外，还存在自身材料老化、光伏电池板不匹配等故障问题。

2 光伏阵列故障形成原因及影响
根据对阵列输出特性的影响，阵列中电池板损坏和阴影影响都可归纳为光伏阵列故障，由光伏电池单体到光伏阵列存在的故障点及故障点随时间变化的分布情况，这些故障对光伏阵列输出特性的影响都可等效为阴影。根据影响特性可将阴影分成硬性和软性阴影两类，如表1所示。软性阴影具有时变性，其形状随时间变化而变化，如云、树木和建筑物等形成的影子；而硬性阴影具有时不变性，即一旦形成就不随时间变化而变化，如电池表面污垢及电池损坏。软性阴影还与部分硬性阴影的形成有因果关系，如在云或树木等形成的软性阴影影响下光伏阵列会形成不匹配。

图1示出存在故障的光伏阵列，其输出特性中存在局部最大功率点，该功率点与阵列全局最大功率点之间存在功率差额。文献对比了多种商用光伏逆变器在阵列故障下的工作情况，结果表明测试逆变器输出功率都出现损失，在严重时功率损失高达70％，若阵列长期运行在局部最大功率点会导致整个系统效率降低。此外，故障存在会造成电池板热斑效应，加速电池板损坏，甚至引起火灾。总之，存在这些故障问题不仅从源头直接或间接地降低了光伏系统的效率，而且缩短了光伏阵列使用寿命，从而增加了发电成本。在规模光伏阵列中，由于电池板数量大，阵列中出现故障电池板的概率也随之增加，因此研究规模光伏阵列故障诊断方法对阵列高效运行及推动光伏产业健康持续发展具有重要的意义和应用价值。

3 光伏阵列故障诊断方法
文献利用电池板热斑效应，在阵列前面架设热成像仪，通过图像处理程序实现在线故障诊断并能实现故障点的定位。
对地电容测量(ECM)一般用于检测传输线中的断点，该方法可根据情况分为比较法和钳形测量法。若有两串电池板，其中一个正常，另一个有故障，则可通过测量有故障的电池串的对地电容和正常电池串的对地电容来判断断点：

式中：x为断点处的电池板数；Cx为有问题的电池板的对地电容；Cd为正常的一串电池板的对地电容；M为单串中的电池板数。
若只有一串电池板，可通过检测正、负极的对地电容通过x=[Cp／(Cn+Cp)]M来判断。Cn，Cp分别为光伏电池板串联后的负极和正极的对地电容。
时域反射法(TDR)是一种类似于雷达的检测方法。输入信号进入传输线，当出现阻抗不匹配时产生反射信号，通过比较输入信号与反射信号来定位故障，如图2所示。当出现故障时，反射波会出现不同的延时和波形的改变，通过改变检测波形能够检测老化(串联电阻的增加)和故障点在光伏阵列中的位置。实验需在黑暗环境下进行，因为白天光照的影响会使阵列阻抗不稳定，而在黑暗的情况下光伏阵列的阻抗特性较稳定。

ECM和TDR均需在系统停止工作情况下检测，难以做到实时监测。文献在不同故障状态下提取多种特征参数，在PSIM仿真环境下，利用事件相关度数学模型对阵列进行故障诊断，该方法需采集多种故障状态及不同环境下光伏电池阵列的输出特性；文献利用卫星观测光伏阵列所在地区的天气情况，将模型预测得到的光伏阵列所能发出的功率与检测得到的实际功率进行比较，来判断阵列是否存在故障，该方法虽能判断阵列是否故障，但不能对故障点定位；文献由统计数据通过智能学习方法诊断出故障点，需要集合整个阵列各故障点下的统计数据如光照强度、温度以及输出功率等；文献以电流检测为手段，通过设计复杂的阵列结构连接方式实现故障电池板定位，该方法需要的电流传感器较多且该阵列结构形式在工程上难以应用；文献采用实时监测外部环境的方法，通过模型计算出阵列的应输出功率，并将其与实际输出功率比较，从而判断阵列是否故障，这种方法难以实现故障点的精确定位；文献采用功率单元补偿的方法，即当光伏电池板因故障不能发出功率时，用功率单元弥补损失的功率。但这里仅考虑了电池板串联情况，实际中光伏阵列是串并联结合的，因此该方法具有一定的局限性；文献通过改变阵列结构