在現代社會中，新能源的使用已經成為一種綠色又便捷的能源來源渠道了。而其中太陽能是一種資源豐富、分布廣泛、環境污染小的理想替代能源，大規模光伏發電是太陽能利用的重要形式。但規模光伏陣列在運行過程中，除受自然環境(如云、臺風、落葉等)影響外，還存在自身材料老化、光伏電池板不匹配等故障問題。

光伏陣列故障形成原因及影響

根據對陣列輸出特性的影響，陣列中電池板損壞和陰影影響都可歸納為光伏陣列故障，由光伏電池單體到光伏陣列存在的故障點及故障點隨時間變化的分布情況，這些故障對光伏陣列輸出特性的影響都可等效為陰影。根據影響特性可將陰影分成硬性和軟性陰影兩類，如表1所示。軟性陰影具有時變性，其形狀隨時間變化而變化，如云、樹木和建筑物等形成的影子;而硬性陰影具有時不變性，即一旦形成就不隨時間變化而變化，如電池表面污垢及電池損壞。軟性陰影還與部分硬性陰影的形成有因果關系，如在云或樹木等形成的軟性陰影影響下光伏陣列會形成不匹配。

圖1示出存在故障的光伏陣列，其輸出特性中存在局部最大功率點，該功率點與陣列全局最大功率點之間存在功率差額。文獻對比了多種商用光伏逆變器在陣列故障下的工作情況，結果表明測試逆變器輸出功率都出現損失，在嚴重時功率損失高達70%，若陣列長期運行在局部最大功率點會導致整個系統效率降低。此外，故障存在會造成電池板熱斑效應，加速電池板損壞，甚至引起火災。總之，存在這些故障問題不僅從源頭直接或間接地降低了光伏系統的效率，而且縮短了光伏陣列使用壽命，從而增加了發電成本。在規模光伏陣列中，由于電池板數量大，陣列中出現故障電池板的概率也隨之增加，因此研究規模光伏陣列故障診斷方法對陣列高效運行及推動光伏產業健康持續發展具有重要的意義和應用價值。

光伏陣列故障診斷方法

文獻利用電池板熱斑效應，在陣列前面架設熱成像儀，通過圖像處理程序實現在線故障診斷并能實現故障點的定位。

對地電容測量(ECM)一般用于檢測傳輸線中的斷點，該方法可根據情況分為比較法和鉗形測量法。若有兩串電池板，其中一個正常，另一個有故障，則可通過測量有故障的電池串的對地電容和正常電池串的對地電容來判斷斷點：

式中：x為斷點處的電池板數;Cx為有問題的電池板的對地電容;Cd為正常的一串電池板的對地電容;M為單串中的電池板數。

若只有一串電池板，可通過檢測正、負極的對地電容通過x=[Cp/(Cn+Cp)]M來判斷。Cn，Cp分別為光伏電池板串聯后的負極和正極的對地電容。

時域反射法(TDR)是一種類似于雷達的檢測方法。輸入信號進入傳輸線，當出現阻抗不匹配時產生反射信號，通過比較輸入信號與反射信號來定位故障，如圖2所示。當出現故障時，反射波會出現不同的延時和波形的改變，通過改變檢測波形能夠檢測老化(串聯電阻的增加)和故障點在光伏陣列中的位置。實驗需在黑暗環境下進行，因為白天光照的影響會使陣列阻抗不穩定，而在黑暗的情況下光伏陣列的阻抗特性較穩定。

ECM和TDR均需在系統停止工作情況下檢測，難以做到實時監測。文獻在不同故障狀態下提取多種特征參數，在PSIM仿真環境下，利用事件相關度數學模型對陣列進行故障診斷，該方法需采集多種故障狀態及不同環境下光伏電池陣列的輸出特性;文獻利用衛星觀測光伏陣列所在地區的天氣情況，將模型預測得到的光伏陣列所能發出的功率與檢測得到的實際功率進行比較，來判斷陣列是否存在故障，該方法雖能判斷陣列是否故障，但不能對故障點定位;文獻由統計數據通過智能學習方法診斷出故障點，需要集合整個陣列各故障點下的統計數據如光照強度、溫度以及輸出功率等;文獻以電流檢測為手段，通過設計復雜的陣列結構連接方式實現故障電池板定位，該方法需要的電流傳感器較多且該陣列結構形式在工程上難以應用;文獻采用實時監測外部環境的方法，通過模型計算出陣列的應輸出功率，并將其與實際輸出功率比較，從而判斷陣列是否故障，這種方法難以實現故障點的精確定位;文獻采用功率單元補償的方法，即當光伏電池板因故障不能發出功率時，用功率單元彌補損失的功率。但這里僅考慮了電池板串聯情況，實際中光伏陣列是串并聯結合的，因此該方法具有一定的局限性;文獻通過改變陣列結構來減小陰影對陣列輸出特性影響，該方法在使用過程中需加入大量的開關，因而在規模光伏陣列中難以推廣;文獻利用3層人工神經網絡的方法實現故障點定位，但該方法需要陣列大量的工作數據為神經網絡提供訓練且主要針對電池板短路故障。文獻針對光伏組串結構，提出通過擾動工作電流來檢測各電池板工作電壓的方法，從而實現單支路光伏故障診斷。文獻初步研究了小型光伏陣列故障診斷方法及傳感器放置策略。表2分別給出上述方法在不間斷運行、故障診斷和工程適用性這3方面的不足，其中紅外檢測法、ECM，TDR、智能算法、功率對比法均存在難以克服的困難，基于電特性檢測方法研究則較少，若能突破診斷方法及傳感器數量這兩個技術瓶頸則可兼具三方面潛力。