1.一种光伏故障检测特征量提取方法,用于光伏系统的存在短路、完全遮阴、不完全遮阴和异常老化四种状态下的特征量的提取及MPPT最大功率点的求取,其特征在于,包括如下步骤:
S1:通过辅助模型2检测光伏阵列中的电压、电流,构建光伏检测数学模型,所述光伏检测数学模型包括信赖域仿射算法模型、优化扰动观察算法模型和优化电导增量算法模型,所述辅助模型2通过电压表、电流表将光伏阵列中的参数提取出来,并通过滤波得到可用数据Ii、Ui;
S2:建立信赖域防射算法模型和优化扰动观察算法模型,将从辅助模型2中得到的电压值和电流值分别输入信赖域防射算法模型、优化扰动观察算法模型中,分别得到光伏系统的特征参数a、b、c、d以及最大功率值Pi,并将光伏系统的特征参数输入辅助模型1,得到特征量等效电阻Rs、开路电压Voc、最大功率点电流Im和最大功率点电压Vm;
S3:建立优化电导增量算法模型,将从辅助模型2中得到的电压值和电流值分别输入所述信赖域防射算法模型、优化电导增量算法模型中,分别得到光伏系统的特征参数a、b、c、d以及功率值Pi,并将光伏系统的特征参数输入辅助模型1,得到特征量等效电阻Rs、开路电压Voc、最大功率点电流Im和最大功率点电压Vm;
S4:将S2与S3中同一时刻得到MPPT最大功率点、短路电流Isc、开路电压Voc、最大功率点电流Im和最大功率点电压Vm,输出到STC中,在STC中进行数据对比;
S5:设定误差范围,在某一时刻S2与S3中同一时刻得到MPPT最大功率点、短路电流Isc、开路电压Voc、最大功率点电流Im和最大功率点电压Vm在误差范围内,利用以上参数对光伏系统进行控制;若在误差范围外,则再次检测。
2.根据权利要求1所述的光伏故障检测特征量提取方法,其特征在于,所述S2中信赖域放射算法模型为:
1)规定0<μ<η<1,0<Λl<Λu,γ1<1<γ2,计算I‑V曲线构成的函数f(x0)、f(x0)点处的梯度g0、f(x0)的Hessian矩阵H0、矢量函数V0、f(x0)的Hessian矩阵的对称近似矩阵B0;
2)取曲线上的点的横坐标Xk,令Xk+1=Xk+s,并更新计算f(xk+1)以及f(xk+1)点处的梯度gk+1,计算ρk+1,并更新信赖域半径Δk+1,比较f(xk+1)和f(xk)的大小,若f(xk+1)大于f(xk),则进入下一步,否则结束循环,输出特征系数;
3)更新计算Xk+1、f(xk+1)、f(xk+1)点处的梯度gk+1、f(xk+1)的Hessian矩阵Hk+1、矢量函数Vk+1、f(xk+1)处的Hessian矩阵的对称近似矩阵Bk+1,并确定步长S;直至得到f(xk+1)小于f(xk),最终输出特征参数a、b、c、d,便可得到该光伏阵列的特征值。
3.根据权利要求1中所述的光伏故障检测特征量提取方法,其特征在于,步骤S2中的优化扰动观察算法模型为:
其中,Ui、Ii为当前检测电压、电流值,Pi为对应的功率值,Ui‑1、Ii‑1为上一次检测值,Pi‑1为上一次检测的对应的功率值;
假定初始工作点位于最大功率点的左边,通过定步长来搜索,直到Pi‑1>Pi,此时可以确定最大功率点位于当前检测点2K范围内,K为检测步长,此时应改变方向,并缩小步长为K/
2,再次进行搜索,直到再出现Pi‑1>Pi,再次重复上述步骤直至取得MPPT最大功率点。
4.根据权利要求书1中所述的光伏故障检测特征量提取方法,其特征在于,步骤S3中的优化电导增量算法模型求取MPPT最大功率点,此方法为:基于对光伏P‑U曲线及其导数曲线的分析,使用梯度变步长电导增量法求取MPPT点,其公式为:
通过导数|dP/dU|值与选定的界限的比较,来选定步长,以最快得到最大功率点即:其中,A1、A2为光伏电池的输出量的两个阶梯值,N1、N2、N3为A1、A2分成的上中下三个部分的系数值,且N1>N2>N3。
5.根据权利要求1至4任一所述的光伏故障检测特征量提取方法,其特征在于,所述S2、S3中辅助模型1中等效电阻Rs、开路电压Voc、最大功率点电流Im和最大功率点电压Vm计算公式为:
其中,a、b、c、d的系数均由信赖域放射算法求得,a1、a2、a3为a的子系数,b1、b2、b3为b的子系数,c1、c2、c3为c的子系数,d1、d2、d3为d的子系数,Voc.stc、Vm.stc、Im.stc、Rs.stc为采得的开路电压值、最大功率点电压值、最大功率点电流值、以及计算得到的等效电阻值,为误差缩小因子。