研究目的
基于主成分分析（PCA）方法，利用实际电气测量数据（I-V曲线），为光伏阴影故障提供一种简单、稳健且低成本的故障检测与分类（FDC）方案。
研究成果
基于主成分分析（PCA）的方法仅需电气测量数据而无需额外硬件，就能有效检测并分类光伏阴影故障，分类成功率超过97%。该方法对环境变化具有鲁棒性且成本效益高，证明了其在光伏系统诊断中的可行性。
研究不足
该方法适用于离线单块光伏组件；扩展至更大规模光伏系统及实时应用可能需要进一步验证。环境变化（如辐照度改变）可能影响性能，但归一化处理可缓解此问题。本研究仅关注阴影故障，未涉及其他类型的光伏故障。
1：实验设计与方法选择：
本研究采用数据驱动方法，利用主成分分析（PCA）进行故障检测与分类。从健康状态和阴影条件下的I-V曲线提取特征，并通过PCA实现数据表征与分类。
2：样本选择与数据来源：
实验数据采集自250Wp光伏组件（FL60-250MBP），涵盖健康状态及四种阴影配置。每种工况下测量101个I-V曲线样本，各条件重复测量三次。
3：实验设备与材料清单：
光伏组件（FL60-250MBP）、可编程直流电子负载（Chroma 63600）、标准电池（SOLEMS RG100）、四线制Pt100探头、数据采集系统（NI）、搭载LABVIEW软件的计算机、用于遮光的求生毯。
4：0）、标准电池（SOLEMS RG100）、四线制Pt100探头、数据采集系统（NI）、搭载LABVIEW软件的计算机、用于遮光的求生毯。 实验流程与操作规范：
4. 实验流程与操作规范：通过电子负载在线获取I-V曲线。使用求生毯覆盖光伏电池单元实施阴影处理。在不同辐照度与温度条件下采集数据，并通过重复测量确保冗余性。
5：数据分析方法：
提取并归一化特征参数（电压、电流、功率、效率）。对数据矩阵应用PCA分析，通过混淆矩阵和欧氏距离指标评估分类准确率。
独家科研数据包，助您复现前沿成果，加速创新突破
获取完整内容-
Programmable DC Electronic Load
63600
Chroma
Used to acquire I-V curves by applying a variable load to the PV module, providing 101 data points from open-circuit voltage to short-circuit current.
-
Reference Cell
RG100
SOLEMS
Measures solar irradiance captured by the PV module area.
-
Pt100 Probe
4-wire
Measures the temperature of the PV module, bonded on the back face.
-
Data Acquisition System
NI
Used for data acquisition and transfer to a computer for supervision and visualization.
-
Software
LABVIEW
Used for supervision, data visualization, and analysis of the experimental data.
-
PV Module
FL60-250MBP
The photovoltaic module under test, with specifications including 250 Wp maximum power, 60 monocrystalline silicon cells, and three bypass diodes.
-
登录查看剩余4件设备及参数对照表
查看全部
