（四川电力设计咨询有限责任公司四川成都610094）
摘要：近年来，日益凸显的能源危机和环境污染，使得各国都加大了可再生能源的实施与推广，其中，基于太阳能资源的光伏发电技术以其独特的发电特性取得了广泛的发展与应用。为有效区分光伏组件中存在的软、硬性阴影故障，提出一种基于功率预测的光伏组件阴影故障类型判定方法。
关键词：光伏组件；功率预测；模型
在光伏组件运行过程中，根据影响特性可把阴影分成硬性阴影和软性阴影。区别在于前者具有时不变性，而后者具有时变性，其位置、形状、大小随时间变化而变化。软性阴影会造成光伏组件中部分电池片输出功率不匹配，长时间会损坏电池片形成硬性阴影。因此，对阴影类型进行及时甄别，可避免其对组件本身造成的损害，降低功率损失。基于此，提出一种基于功率预测的光伏组件阴影故障类型判定方法。该方法采用EMD方法获取光照强度的趋势项，进一步与光伏组件输出功率的基准值进行比较，有效区分光伏组件软性阴影故障、轻微硬性阴影故障和严重硬性阴影故障。
一、基于EMD方法的光伏组件光照强度分析
1、光伏组件输出功率的影响因素分析。灰色关联度分析是灰色系统分析方法的一种，根据系统内部各因素之间发展态势的相似或相异程度来衡量各个因素之间的关联程度。选取某一段时间内的光伏组件历史输出功率和对应运行气象数据，结合相似日选取方法对天气数据进行分类，分别为：晴天、阴天和雨天。应用GＲA方法对光伏组件输出功率各影响程度进行评估，可得在不同气象类型下光强S、温度T和输出功率P的平均GＲA关联度分析结果如表所示。
结合GＲA关联系数的对应分类标准可知，P与S属于极强相关性，而P与T属于弱相关性。因此，后续研究中仅选取S作为光伏组件阴影故障判断的主要参考量。
2、基于EMD方法的光照强度分解。EMD方法是Hilbert-Huang变换中一种信号分解方法，EMD方法继承小波分析多分辨的优点，同时摒弃小波变换中对小波基的选取与分解尺度的确定。经过EMD方法的处理，原始信号X（t）可表示为包含信号从高到低不同频率段的Ｒ个本征模态函数IMF分量和一个趋势项ＲN（t），即：
采用EMD方法对光照强度的时间序列进行分解，本质是将非平稳光照强度值逐步平稳化的过程，也即获取趋势项ＲN（t）的过程。因此，可忽略EMD方法在使用过程中存在的模态混叠等缺陷。实验过程中，采用TBQ-2辐照度传感器测量光伏组件的共面光照强度，记录下每天6：00-17：30之间光照强度值的变化过程，选取其中典型日全天光照强度值的变化过程，如图所示。
由图可知，上午的光照强度出现较大的抖动，可能因为云层遮挡等突发天气状况引起的，而下午的光照强度呈现相对较好的递减曲线。选取当天7：00-10：00和14：00-15：00这两个时间段内光照强度值，分别采用EMD方法进行多尺度分解，可得光照强度的EMD分解过程，通过EMD方法的逐层分解，滤除外界不定因素带来的影响，得到平滑的趋势项数据。通过对趋势项信息分析可知，尽管实际情况下光照强度值存在较大的波动，在7：00-10：00时间段内，整个区间范围内光照强度值随时间的增长呈上升趋势；在14：00-17：00时间段内，整个区间范围内光照强度值随时间的增长呈现下降趋势，光照强度变化过程均与常识相吻合，符合GM预测对数据单调性的要求。
二、光伏组件阴影故障诊断仿真与实验研究
1、光伏组件阴影诊断策略。由硬性阴影具有时不变性，即被遮挡的面积与被遮挡的位置不变。随着时间t的增加，由已知光照强度与光伏组件输出功率正相关，其k-1到k时刻的最大功率值Pm应呈现增长趋势，该数据变化规律符合IAFSA-GM预测的相关要求。而软性阴影具有时变性，主要是受到建筑物、树木及浮云等遮挡而留下的阴影。随着时间的推移，上述遮挡在光伏组件上形成的阴影面积大小及位置都会发生变化，因而造成光伏组件输出功率Pm的变化不再具有规律性，不满足IAFSA-GM预测的前提条件。
通过IAFSA-GM预测，利用短时的光伏组件最大输出功率历史数据Pn－a、Pn－2、Pn－1、Pn对未来时刻最大功率Pn+1、Pn+2等进行预测。当到达下一时刻，即未来n+1时刻，将测得实际最大功率值与预测数据进行比较。由分析可知，当光伏组件存在硬性阴影故障时，采用IAFSA-GM进行功率预测，其预测模型精度等级均在二级及以上范围内，说明IAFSA-GM方法能够有效判定硬性阴影故障，对求解光伏组件功率损失的严重程度，进一步将硬性阴影故障分为轻微硬性阴影和严重硬性阴影。
2、仿真结果分析
硬性阴影仿真结果分析，据分析，所选为光伏组件TSM-250PC05A型该组件内置旁路二极管。假设仿真模型中的阴影面积为电池片一直被遮挡，根据阴影部分位于不同二极管区域，选取三种不同运行工况，设定被遮挡部分的光照强度值均为100W/m2，仿真所选数据均选用上午的光照强度值如表所示。
表所示为三种硬性阴影工况下，基于IAFSAGM建模所得的仿真结果对比。由表可知，对于硬性阴影下光伏组件的最大输出功率预测，相对平均误差值较小，C和P均符合精度等级一级的要求，说明在硬性阴影下，IAFSA-GM方法对光伏组件最大输出功率具有较高的预测精度。与此同时，根据预设的ΔP值可知，工况一为轻微硬性阴影故障，而工况二、工况三为严重硬性阴影故障，实际中需对其进行及时排查，避免长时间工作在该故障状态下造成光伏组件的永久性损坏。
软性阴影仿真结果分析。根据实际情况，模拟两种不同软性阴影的变化过程阴影遮挡面积固定，从左至右依次对光伏电池片进行遮挡，遮挡的电池片所处支路也由一个旁路二极管扩大到三个，再缩小到一个，直至恢复正常；光伏组件的被遮挡面积先逐步增大后减小的变化过程，显而易见，遮挡的电池片处于不同旁路二极管支路中，光伏组件的最大功率输出更为复杂、波动范围较大。
对硬性、软性阴影下光伏组件的最大输出功率进行预测，采用同样的IAFSA-GM方法得到的功率预测结果出现较大差异。前者的相对误差较小，所建模型的预测精度高，精度等级均在二级以上。反之，软性阴影的模型预测误差很大、预测精度较低，基本在精度等级三级及以下，有16．67%的预测结果甚至连四级指标都不能达到。
通过分析预测模型的相对误差以及参照预测精度检验对照表的不同，可明显地对阴影类型进行判定，获知不同的光伏组件阴影故障。
基于功率预测的光伏组件阴影故障诊断方法，有效区分光伏组件中阴影故障。主要研究成果如下：
（1）基于IAFSA-GM方法对光伏组件的输出功率进行预测，通过预测值与实际值的相对平均误差率和精度等级相关指标来判别阴影类型，仿真和实验结果证明了该方法的有效性和准确性；
（2）结合光伏组件内部等效参数拟合公式的最大输出功率理论值与实测值之间的误差，进一步区分轻微硬性阴影故障和严重硬性阴影故障。所提方法有效区分光伏组件的软性阴影故障、轻微硬性阴影故障和严重硬性阴影故障，对光伏组件的积尘覆盖、热斑等故障起到提前预判的作用，有效降低因功率失配导致光伏组串间的功率损失，同时尽可能避免软性阴影向硬性阴影这一不可逆的转化过程，提高光伏电站整体发电效能。
参考文献：
[1]韩伟，王宏华，陈凌．光伏组件参数拟合及输出特性研究[J]．电力自动化设备，2015，35（9）：07．
[2]郭思琪，袁越，张新松．多时间尺度协调控制的独立微网能量管理策略[J]．电工技术学报，2014，29（2）：1．