1 引言

　　隨著社會生產(chǎn)的日益發(fā)展，對能源的需求量在不斷增加，全球范圍內(nèi)的能源危機也日益突出。近年來，太陽能光伏發(fā)電正在逐步由特殊應(yīng)用轉(zhuǎn)向民用、由輔助能源向基礎(chǔ)能源過渡，尤其是光伏并網(wǎng)系統(tǒng)的出現(xiàn)，使太陽能光伏發(fā)電的應(yīng)用前景更加光明。世界能源危機的提前到來，推動光伏發(fā)電在發(fā)達國家開始大規(guī)模使用。光伏（電站）系統(tǒng)的運行一般都是在無人值守的情況下進行的，要對地域上廣泛分散的光伏系統(tǒng)進行監(jiān)測維護是十分困難、繁瑣的，需要大量的人力、物力，因此智能診斷系統(tǒng)應(yīng)用在太陽能噶發(fā)電設(shè)備故障診斷中具有重大意義。

　　2 智能故障診斷技術(shù)及診斷方法

　　目前，智能故障診斷IFD（Intelligent Fault Diagnosis）是基于人工智能理論和方法的一種故障診斷新技術(shù)，被廣泛應(yīng)用于遠程診斷領(lǐng)域。但是由于系統(tǒng)存在復(fù)雜性，非線性、時變性，不確定性和不完全性等，一般無法獲得精確的數(shù)學模型，針對這種系統(tǒng)的故障診斷處理方法，可稱為智能化的診斷技術(shù)。智能化的故障診斷技術(shù)分為信號預(yù)處理方法和故障模式識別診斷方法。德國的P.M.Frank教授將智能故障診斷IFD歸納為如下幾種智能診斷技術(shù)。

　　2.1 基于信號檢測的故障診斷技術(shù)

　　基于信號檢測的故障診斷是根據(jù)檢測所得的故障信號，通過特征提取和故障識別找出故障源。因此，基于信號檢測的故障診斷，其關(guān)鍵在于正確選擇能真正反映設(shè)備運行狀態(tài)的檢測參數(shù)，然后采用小波分析、信息融合等方法進行故障診斷。

　　2.2 基于模型的故障診斷技術(shù)

　　基于模型的鼓掌診斷方法，其核心問題是產(chǎn)生殘差，將殘差作為故障的指示信號。其常用的診斷方法有：參數(shù)辨識法、狀態(tài)估計法、等價空間法等。基于模型的故障診斷方式不但能夠克服專家系統(tǒng)知識的獲取瓶頸。

　　而且能夠診斷未預(yù)測的故障，因此受到了業(yè)界的廣泛關(guān)注。

　　2.3 基于知識的故障診斷技術(shù)

　　此方法不需要對象的精確數(shù)學模型，而是根據(jù)人們長期的實踐經(jīng)驗和大量故障信息而設(shè)計出的一套智能計算機程序。知識有淺知識和深知識之分。目前被廣泛采用的是基于淺知識和深知識相結(jié)合的職能診斷，如模糊專家系統(tǒng)、神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)、故障樹專家系統(tǒng)等。

　　2.4 基于感知行為的故障診斷技術(shù)

　　基于感知行為的故障診斷能感知環(huán)境變化，并且有自識別、自處理及自適應(yīng)能力，被廣泛應(yīng)用于航空航天飛行器、高速列車等重大工程和尖端技術(shù)領(lǐng)域。

　　迄今為止，故障診斷方法已有數(shù)十種之多，典型的智能診斷方法有如下幾種：

　　（1）專家系統(tǒng)專家系統(tǒng)是把領(lǐng)域?qū)＜乙酝\斷的經(jīng)驗歸納成規(guī)則，并運用經(jīng)驗規(guī)則通過推理來進行故障診斷。專家系統(tǒng)由知識庫、數(shù)據(jù)庫、學習機、推理機、解釋器、上下文、征兆獲取和人機交互界面組成。其結(jié)構(gòu)框圖如圖1所示。

?

　　（2）模糊故障診斷方法在系統(tǒng)故障診斷過程中，能測到的是許多信號，通過信號分析得到許多故障征兆，模糊故障診斷是指通過研究故障信號與征兆之間的模糊關(guān)系來判斷系統(tǒng)運行狀態(tài)的方法。

　　（3）神經(jīng)網(wǎng)絡(luò)故障診斷方法基于神經(jīng)網(wǎng)絡(luò)的智能故障診斷研究集中在三方面：一是從模式識別角度應(yīng)用神經(jīng)網(wǎng)絡(luò)作為分類器進行故障診斷；二是從預(yù)測角度應(yīng)用神經(jīng)網(wǎng)絡(luò)作為動態(tài)預(yù)報模型進行故障預(yù)測；三是從知識處理角度建立基于神經(jīng)網(wǎng)絡(luò)的診斷專家系統(tǒng)。

　　（4）模糊-專家故障診斷方法專家系統(tǒng)是一個智能計算機程序，可求解特定領(lǐng)域的問題，而現(xiàn)實中診斷領(lǐng)域存在的經(jīng)驗性專家知識往往具有模糊性，降低了知識表達的準確性，因此可以將模糊數(shù)學知識和專家經(jīng)驗相結(jié)合，引入到專家的模糊知識表示中模糊專家診斷系統(tǒng)主要由知識庫、中間數(shù)據(jù)庫、模糊推理機、人機接口、前端處理程序等部分組成，其結(jié)構(gòu)框圖如圖2所示。

?

　　（5）模糊-神經(jīng)網(wǎng)絡(luò)故障診斷方法神經(jīng)網(wǎng)絡(luò)是從被訓練或受控的系統(tǒng)中抽取信息，而模糊邏輯技術(shù)最常用的是從專家中獲取口頭和語言信息。

　　而模糊系統(tǒng)和神經(jīng)網(wǎng)絡(luò)集成后則可擁有兩方面的優(yōu)點，可具有神經(jīng)網(wǎng)絡(luò)的學習能力，優(yōu)化能力，聯(lián)想記憶能力等。

　　又具有模糊系統(tǒng)類似于人類思維方式的if-then規(guī)則并易于嵌入專家知識。模糊- 神經(jīng)混合診斷系統(tǒng)的典型結(jié)構(gòu)如圖3所示。

?

　　4 太陽能光伏發(fā)電電站智能診斷系統(tǒng)的建立

　　太陽能光伏發(fā)電設(shè)備故障診斷系統(tǒng)的信息變化比較快，不能僅根據(jù)幾個主要特征量就進行診斷，必須充分利用監(jiān)測到的各種診斷信息，將單個傳感器獲取的單維信息融合起來形成多維的信息，這種信息含量比任何一個單維信息的或幾個單維信息簡單相加的信息量都要大的多。多傳感器信息融合充分利用多個傳感器資源，通過多各種傳感器及其觀測信息的合理支配與使用，以各種傳感器在空間和時間上的互補與冗余信息可為故障的檢測和分離提供診斷為依據(jù)，采用某種優(yōu)化準則，產(chǎn)生反映環(huán)境信息特征的一致性解釋和描述。信息融合的目標是基于各種傳感器分別觀測信息，通過對信息的優(yōu)化組合導出更多的有效信息，降低信息的不確定性，將其應(yīng)用到狀態(tài)檢測和故障診斷就能得到更加準確和可靠的信息。目前比較典型的信息融合方法有：加權(quán)平均、卡爾曼濾波器、采用一致傳感器的貝葉斯估計、多貝葉斯、統(tǒng)計決策理論、論證推理、模糊邏輯和產(chǎn)生式規(guī)則等。

　　這些方法雖然能夠有效地利用傳感器，但系統(tǒng)性能過跟依靠傳感器性能，傳感器失效可能導致整個系統(tǒng)性能的破壞。為了適應(yīng)實際問題的需要，對太陽能光伏發(fā)電設(shè)備故障診斷，我們提出并實現(xiàn)如下的診斷信息集成策略：

　　同一部位多傳感器信息的集成。如相距很近的兩個光照強度測點，如果讀數(shù)相差較小，則用平均值代替該處光照強度值；同一截面相距很小的兩個溫度和濕度測點，如果讀數(shù)相差較小可用平均值代替該點溫度濕度值。

　　對于單個太陽能電池板傳感器信息的集成。單個太陽能電池板的電流和電壓值測點，則需要同一傳感器不同時刻的采樣數(shù)據(jù)進行分析。對單個太陽能電池板陣列的電流和電壓值測點，也是需要同一傳感器采集不同時刻的數(shù)據(jù)進行分析。

　　不同的電池板的傳感器信息的集成。太陽能電池板在制造是差別，因此發(fā)電的電量也是不同的，在對太陽能電池板做評估時也應(yīng)該考慮。

　　對于太陽能電池的并網(wǎng)電壓值有關(guān)的診斷信息集成。并網(wǎng)電壓值與太陽能電池板自身因素有關(guān)，如電池板的老化等，因此在診斷時也要加以考慮。

　　5 結(jié)語

　　本文分析了太陽能光伏發(fā)電設(shè)備的常見的故障發(fā)生原因和特征；將基于事例的診斷方法引入太陽能光伏發(fā)電設(shè)備故障診斷，分析了光伏發(fā)電電站監(jiān)測與診斷系統(tǒng)的可靠性、使用性、可擴展性和可維護性能要求；提出了電站分布式監(jiān)測和診斷系統(tǒng)的網(wǎng)絡(luò)結(jié)構(gòu)模型。

?