Chuẩn đoán lỗi trên module quang điện.

Sơ lược

Chẩn đoán lỗi và giám sát tình trạng là điều rất quan trọng để tăng hiệu quả và độ tin cậy của các mô-đun quang điện. Bài viết này xem xét những thách thức và hạn chế liên quan đến chẩn đoán lỗi của mô-đun năng lượng mặt trời. Một phân tích kỹ lưỡng về các lỗi khác nhau gây ra lỗi cho các mô-đun năng lượng mặt trời đã được thảo luận. Sau khi xem xét công việc liên quan, một công cụ giám sát được thiết kế bằng cách sử dụng hệ thống đo nhiệt độ và trí tuệ nhân tạo cho phép phát hiện nhiều loại lỗi khác nhau trong mô-đun PV, đồng thời công cụ được thiết kế nhằm mục đích lọc các điểm bất thường không đáng kể. Bộ phân loại mạng thần kinh (NN) được áp dụng cho các đặc tính truyền ( dữ liệu IV ) của mô-đun PV bị lỗi để chẩn đoán nhằm điều chỉnh mạng perceptron đa lớp (MLP) để xác định loại và vị trí xảy ra lỗi. Kỹ thuật xử lý tín hiệu dựa trên biến đổi sóng con rời rạc (DWT) được sử dụng trong quá trình trích xuất đặc trưng để giảm kích thước đầu vào NN. Thuật toán phát hiện đã phát triển được điều chỉnh để giám sát tự động 24/7. Đối với một tình trạng lỗi nhất định, thời gian phát hiện lỗi trung bình được quan sát là <9 giây, thấp hơn so với công việc đã thực hiện trước đó. Thuật toán được phát triển đạt độ chính xác 100% khi thử nghiệm trên bộ dữ liệu lỗi được xác định trước.

1. GIỚI THIỆU

Trong những năm gần đây, đã có sự tăng trưởng theo cấp số nhân về quang điện trên toàn thế giới. Điều này mang lại nhiều vấn đề liên quan đến chất lượng của hệ thống do một số yếu tố. Thành phần quan trọng nhất trong hệ thống PV là mô-đun quang điện mà việc chẩn đoán đôi khi có thể tương đối khó khăn. Vấn đề chính là tất cả các mô-đun trông rất giống nhau mặc dù chất lượng của chúng hoàn toàn khác nhau. Các khuyết tật trên mô-đun thường không thể nhìn thấy được bằng mắt thường và nguyên nhân của chúng cũng phải được tìm ra bằng các phương pháp đặc biệt. Kết quả là có nhiều cài đặt nhất thiết phải được giám sát thường xuyên. Số liệu thống kê ngày nay mô tả tốc độ suy giảm xếp hạng công suất trong các mô-đun quang điện silicon tinh thể là 0,8%/năm. Bằng cách quan sát những thách thức liên quan đến môđun PV và hoạt động của chúng, công việc có thể được tiến hành nhằm cải thiện độ tin cậy và tuổi thọ của môđun PV. Nói chung, các lỗi quan sát được trong bất kỳ thành phần nào đều được phân thành ba loại là Lỗi sớm, Lỗi nội tại hoặc ngẫu nhiên và Suy thoái. Các lỗi ban đầu được quan sát thấy trong giai đoạn đầu lắp đặt và vận hành môđun PV. Bất kỳ khiếm khuyết hoặc sai sót nào trong môđun PV đều dẫn đến xuống cấp nhanh chóng, ảnh hưởng đến tuổi thọ của môđun. Trong số các lý do lỗi khác nhau, lỗi quang học và lỗi hộp nối thường được quan sát thấy. Các lỗi bên ngoài quan sát được trong hệ thống PV còn được gọi là lỗi giữa vòng đời. Người ta dự đoán rằng 2% mô-đun PV không tuân thủ bảo hành của nhà sản xuất sau một khoảng thời gian hoạt động nhất định. Nhiều nghiên cứu khác nhau mô tả rằng các khiếm khuyết về kết nối và lỗi vỡ kính mô-đun là nguyên nhân chính gây ra các lỗi bên ngoài. David DeGraaff đã trình bày tỷ lệ hỏng hóc tương đối của các thành phần khác nhau của hệ thống PV. Nghiên cứu cho biết tuổi thọ của mô-đun PV sẽ bị ẩn đi bất cứ khi nào xảy ra sự cố an toàn hoặc mất điện. Sự sụt giảm công suất của mô-đun PV thường được xác định trong khoảng từ 80% đến 70% định mức công suất ban đầu của hệ thống. Freire và cộng sự đã xem xét các chế độ suy thoái bằng cách điều tra trên một số mô-đun PV đã hoạt động được 10 năm. Các hư hỏng phổ biến nhất trong mô-đun PV là sự đổi màu của lớp màng, cách ly các bộ phận tế bào do vết nứt và bong tróc. Người ta quan sát thấy rằng những sự cố này dẫn đến tổn thất điện năng trung bình khoảng 10%. Trong quá trình sản xuất mô-đun quang điện thông thường, việc nhà sản xuất không thể kiểm tra các vết nứt và sự kim loại hóa trong tế bào đã giúp thu được kiến ​​thức về cơ chế xuống cấp lâu dài của các mô-đun quang điện ngày nay.Các phần tiếp theo của bài viết đề cập đến các lỗi mô-đun khác nhau, các phương pháp phát hiện lỗi thông thường, những hạn chế của chúng, việc phát triển các kỹ thuật phân loại và phát hiện lỗi đáng tin cậy.

2 PHÂN TÍCH HIỆU QUẢ LỖI

Nói chung, sự cố được giải thích là hiện tượng làm suy giảm khả năng của hệ thống và không thể khắc phục được bằng hoạt động bình thường. Kịch bản tương tự cũng được áp dụng ở đây với các hệ thống PV. Bất kỳ hoạt động bất thường nào xảy ra trong điều kiện hoạt động bình thường của môđun PV đều có liên quan đến bảo hành và được gọi là lỗi môđun PV hoặc lỗi hệ thống. Lỗi sản xuất được coi là nguyên nhân chính gây ra sự mất ổn định về hiệu suất của một số mô-đun. Một số ví dụ về lỗi sản xuất có thể được quan sát thấy ở pin mặt trời đơn tinh thể và đa tinh thể ở dạng vòng vân và các khuyết tật tinh thể vừa phải, tương ứng. Trong các mô-đun silicon tinh thể, hợp chất oxy boron để đạt được công suất được sử dụng. Bất kỳ sự không phù hợp nào về tỷ lệ hợp chất sẽ dẫn đến suy giảm năng lượng do ánh sáng gây ra và được gọi là lỗi của nhà sản xuất do hỏng PV. Do lỗi công nghệ mô-đun, các mô-đun silicon vô định hình dễ bị suy giảm do ánh sáng gây ra tổn thất điện năng 10%-30% trong giai đoạn lắp đặt ban đầu. 9 Sự suy giảm này có thể được phục hồi ở một mức độ nào đó bằng cách áp dụng ủ nhiệt, nhưng nó chỉ được áp dụng trong mùa hè nóng bức và bất kỳ sự thay đổi theo mùa nào cũng sẽ dẫn đến hiệu suất của mô-đun bị suy giảm.

2.1 Lỗi do nguyên nhân bên ngoài

Ngoài các lỗi sản xuất, còn có nhiều lỗi khác rất khó phân loại là lỗi sản xuất hoặc thậm chí vì các lý do khác. Một số lỗi mô-đun do các nguyên nhân bên ngoài là Lỗi vận chuyển, Kẹp, Lỗi cáp, lỗi đầu nối và Lightning. Ảnh hưởng của việc vận chuyển lên các mô-đun PV đã được trích dẫn bởi. Người ta quan sát thấy rằng việc vỡ lớp kính và hư hỏng lớp màng ở một số mô-đun là do va đập và rung trong quá trình vận chuyển. Rõ ràng là lỗi này không liên quan đến lỗi sản xuất và là một trong những nguyên nhân chính bên ngoài gây ra lỗi mô-đun. Hầu hết các sự cố vận chuyển không thể được xác định bằng mắt thường cũng như không thể xác định được bằng cách quan sát mức công suất. Hình ảnh nhiệt kế khóa hoặc hình ảnh điện phát quang có thể phát hiện những hư hỏng như vậy. Trong số các vấn đề lắp đặt liên quan đến mô-đun, việc kẹp là lỗi thường gặp nhất, dẫn đến vỡ kính, chủ yếu đối với các mô-đun PV không khung. Hình  1 mô tả ảnh hưởng của việc kẹp kém trong mô-đun PV. Yixian Lee và cộng sự đã tiến hành phân tích phần tử hữu hạn để quan sát ứng suất mà mô-đun PV phải đối mặt, đặc biệt là trong giai đoạn lắp đặt. Nhiều quan sát khác nhau mô tả rằng thiết kế kẹp có cạnh sắc, kẹp hẹp, định vị không đúng và siết vít quá chặt trên kẹp của mô-đun gây ra ứng suất lên mô-đun PV dẫn đến gãy. Ảnh hưởng của việc Kính vỡ dẫn đến các vấn đề về an toàn điện và giảm hiệu suất trong quá trình hoạt động trong thời gian dài vì sự ăn mòn có thể xảy ra do hơi ẩm xâm nhập qua các vết nứt. Các vết nứt phát triển cũng dẫn đến các điểm nóng, dẫn đến mô-đun quá nóng.

Chi tiết có ở chú thích sau ảnh
Hình 1 : Mô-đun PV bị hỏng do thiết kế kẹp kém

Cáp và đầu nối được liên kết với hệ thống PV để cung cấp kết nối điện cho các mô-đun năng lượng mặt trời và các thành phần khác của hệ thống PV bao gồm Biến tần. Đầu nối là thành phần rất quan trọng và đóng vai trò chính trong việc phát và truyền tải điện an toàn và đáng tin cậy. Trong số các đầu nối khác nhau, đầu nối DC điện áp thấp đã được thảo luận rộng rãi do chúng được sử dụng trong xe điện và trong hệ thống PV. Claudio Ferrara và cộng sự đã đề cập đến các đầu nối và các kim loại khác nhau đi kèm với chúng, chúng có thể bộc lộ các khuyết tật và nguyên nhân gây ăn mòn khi chỉ tiếp xúc với độ ẩm không khí hoặc kết hợp với khí. Xem xét tất cả các tác động và hậu quả, những hạn chế do cáp hoặc đầu nối được sử dụng trong hệ thống PV không được coi là lỗi sản xuất. Lỗi đầu nối thông thường được quan sát thấy trong trường hợp lựa chọn cáp không đúng hoặc kết nối không chính xác giữa mô-đun PV và các bộ phận liên quan đến chúng. Những sự cố này đôi khi gây mất điện toàn bộ trên dây và có thể dẫn đến hồ quang điện và cháy. Zaini và cộng sự đã nghiên cứu tác động của ánh sáng lên hệ thống PV tích hợp lưới với giả định rằng dòng xung sét đánh vào hệ thống PV ở hai điểm khác nhau như trong Hình 2 . Ảnh hưởng của sét đánh vào phía DC tức là tại mô-đun được quan sát thấy dưới dạng một diode rẽ nhánh bị lỗi. Hiệu ứng này có xu hướng là nguyên nhân bên ngoài dẫn đến sự cố mất an toàn sau đó. Các nguyên nhân bên ngoài như vậy chủ yếu dẫn đến các điốt rẽ nhánh hở mạch hoặc hỏng mô-đun do tiếp xúc trực tiếp với sét. Các lỗi khác nhau được quan sát thấy trong một mô-đun do lỗi sản xuất và nguyên nhân bên ngoài đã được thảo luận trong các phần tiếp theo.

Chi tiết có ở chú thích sau ảnh
Hình 2: Dòng xung sét đánh vào các điểm khác nhau

2.2 Lỗi chung trong tất cả các môđun PV

Nhìn chung, hầu hết các dạng hư hỏng và cơ chế xuống cấp được dự đoán trước đều liên quan đến vỡ kính, hỏng hộp nối, lỗi kết nối và tách lớp. Juris Kalejs 17 nêu lên mối lo ngại về độ chắc chắn và độ bền của hộp nối. Nghiên cứu cho biết rằng thiết kế không phù hợp hoặc các hộp nối được mở không đúng cách sẽ xâm nhập vào độ ẩm gây ra sự ăn mòn các kết nối trong hộp nối. Điều này gây ra lỗi hệ thống dây điện dẫn đến hiện tượng hồ quang bên trong. Uichi Itoh và cộng sự 18 đã mô tả những rủi ro tiềm ẩn liên quan đến lỗi hàn trong hộp nối. Các quan sát mô tả hai lỗi khác nhau, đó là hiện tượng rửa trôi bạc (Ag) và mỏi mối hàn. Khi các mối hàn tiếp xúc với các điện cực AG của pin mặt trời, chúng sẽ bị hòa tan với các điện cực hàn (Tin–Chì (Pb–Sn)) và được quan sát dưới dạng hợp chất Ag 3 Sn . Hiệu ứng rửa trôi Ag này tạo ra vết nứt trên bề mặt hàn do sự giãn nở nhiệt dẫn đến đứt kết nối. Hiệu ứng tách lớp xảy ra do ô nhiễm bám dính hoặc do các yếu tố môi trường như trong Hình 5, xâm nhập vào độ ẩm và ăn mòn vào các lớp của mô-đun PV. Lỗi cán màng dẫn đến phản xạ quang học, dẫn đến mất điện sau đó từ các mô-đun. Kleiss và cộng sự đã báo cáo chất lượng và độ tin cậy của mô-đun PV và tuyên bố rằng 90% mô-đun có xu hướng bị phân tách. Zhu và cộng sự đã quan sát nguyên nhân của sự tách lớp và nêu ra các yêu cầu về độ bám dính mà nhà sản xuất phải đáp ứng. Các vấn đề về sự thay đổi nhiệt độ cán màng và vật liệu kết dính được cho là mối quan tâm chính đối với quá trình tách lớp. Tracy và cộng sự đã đề xuất một quy trình thử nghiệm mới ngoài thử nghiệm bóc vỏ thông thường để phát hiện sự phân tách. Hiện tượng phân tách cũng có thể được quan sát thấy trong các mô-đun màng mỏng trong đó oxit dẫn điện trong suốt tách lớp khỏi lớp thủy tinh. Nói chung, sự phân tách có thể được quan sát tương đối với sự trợ giúp của máy đo độ phản xạ. Bằng mắt thường, sự phân tách có thể được xác định bằng cách sử dụng phương pháp đo nhiệt độ khóa, đo nhiệt độ xung, đo nhiệt độ tia X và máy quét siêu âm. Tấm nền quang điện (PV) giúp vận hành an toàn ở điện áp cao và bảo vệ các bộ phận điện tử khỏi tiếp xúc với môi trường trường khắc nghiệt. Tấm nền được sản xuất bằng các vật liệu khác nhau như polyme, thủy tinh và lá kim loại. Hầu hết các tấm nền được sản xuất bằng cấu trúc cán mỏng có độ ổn định cao và polyme chống tia cực tím. Các vật liệu được lựa chọn tùy thuộc vào độ bền cơ học cần thiết, chi phí và khả năng cách điện. Singh và cộng sự đã đề cập đến việc sử dụng kính sau với tấm nền vì cấu trúc mang lại nhiều sức mạnh hơn. Có một số vấn đề nghiêm trọng liên quan đến cấu trúc này vì bất kỳ sự lắp đặt không đúng cách hoặc áp lực cơ học nào cũng sẽ dẫn đến vỡ kính. Bất kể các vấn đề nêu trên, cấu trúc kính/tấm nền có thể cung cấp năng lượng cao hơn 2%-3% khi so sánh với các mô-đun tấm nền tiêu chuẩn. Tang và cộng sự đã trình bày mô-đun PV kính đôi có thể chịu được các điều kiện môi trường khác nhau do tốc độ thấm ẩm “0” và thể hiện độ ổn định và độ tin cậy lâu dài. Một thử nghiệm Lão hóa tổng hợp đã được tiến hành để phân tích hiệu suất và được chứng minh là tốt hơn so với các mô-đun PV tiêu chuẩn.Tấm polyme là vật liệu xây dựng tấm nền được quan sát phổ biến nhất. Chúng có nhiều lớp gây ra hiệu ứng phân tách các bề mặt do ứng suất vật lý và hóa học cao. Ưu điểm duy nhất có thể thấy khi tấm polyme bị hỏng là khi xảy ra hiện tượng tách lớp, nó sẽ không tạo ra vấn đề an toàn ngay lập tức. Sự tách lớp của tấm nền gần hộp nối có xu hướng là một vấn đề lớn vì nó dẫn đến hộp nối không bị giới hạn, dẫn đến việc định vị ứng suất cơ học lên các bộ phận mang điện và làm gãy chúng. Sự đứt gãy này còn dẫn đến lỗi kết nối ở diode rẽ nhánh, điều này còn phức tạp hơn do hình thành hồ quang không được giảm thiểu ở điện áp toàn hệ thống.

2.3 Xem xét các lỗi được tìm thấy trong mô-đun PV dựa trên tấm bán dẫn silicon

Mô-đun PV dựa trên tấm silicon tinh thể chia sẻ thị trường thống trị trong thế giới mô-đun PV do ứng dụng rộng rãi của chúng. Các mô-đun này chiếm 95% thị phần tính đến năm 2017 và là loại pin mặt trời được sử dụng rộng rãi nhất. Mặc dù được ứng dụng và sử dụng rộng rãi, nhưng các mô-đun này vẫn dễ gặp phải các lỗi rất phổ biến như suy giảm điện thế và ánh sáng gây ra cũng như các vết ốc sên. Sự đổi màu của chất đóng gói Ethylene Vinyl Acetate (EVA) ban đầu được quan sát thấy tại các địa điểm lắp đặt ở vùng đồng bằng Carrizo ở California vào khoảng đầu những năm 1990 và được coi là một vấn đề lớn. Chianese và cộng sự 31 đã thảo luận về mô-đun quang điện silicon đơn tinh thể ASI 16-2300 sử dụng chất bao bọc poly vinyl butyral và tấm nền tedlar/nhôm/tedlar. Người ta quan sát thấy rằng các cấu trúc được phát triển đòi hỏi một lớp cách điện chắc chắn giữa tế bào và lá kim loại, điều này gây ra nhiều lo ngại về an toàn. Ngoài khả năng cách điện, lá kim loại còn hoạt động như tụ điện điện áp cao và bất kỳ sự xáo trộn nào đối với sự cách ly điện của bề mặt lá kim loại sẽ tích điện cho lá kim loại ở điện áp hệ thống. Pern đã nghiên cứu các yếu tố khác nhau ảnh hưởng đến tốc độ phân hủy của chất bao bọc polyme EVA bằng cách sử dụng phân tích không xâm lấn. Việc phân tích quan sát hiện trường bị thoái hóa, EVA có màu vàng đến nâu sẫm để hiểu được những thiệt hại về mặt hóa học và vật lý. EVA được chế tạo liên tục với các chất phụ gia như chất liên kết ngang, chất chống oxy hóa, chất hấp thụ tia cực tím, chất ổn định ánh sáng amin cản trở và các thành phần kết dính. Peike và cộng sự đã quan sát thấy rằng các chất phụ gia này hình thành nguyên nhân gốc rễ gây ra sự đổi màu do các tế bào mang màu và chất phát quang có nguồn gốc. Kết quả đổi màu được nhận thấy theo các kiểu khác nhau và được kiểm tra độ phức tạp do sự khuếch tán oxy và axit axetic từ các phản ứng phụ gia. Nguồn gốc của các tế bào nhiễm sắc tạo ra một vòng EVA trong suốt xung quanh các cạnh của tế bào làm từ tấm bán dẫn. Trong một số trường hợp về sự đổi màu của EVA, người ta quan sát thấy rằng một ô trong các mô-đun có màu tối hơn các ô khác. Điều này thường xác định rằng độ nhạy nhiệt độ của tế bào cụ thể lớn hơn các tế bào lân cận do dòng quang thấp hoặc do tế bào được đặt phía trên hộp nối. Sự đổi màu của EVA trong những trường hợp nghiêm trọng tương ứng với sự giòn của EVA và sự ăn mòn đồng thời do oxy hòa tan. Mặc dù hầu hết các lỗi mô-đun đều gây ra lỗi hoàn toàn, sự đổi màu và tách lớp không dẫn đến lỗi mà làm suy giảm chức năng với tốc độ xuống cấp rất chậm ~0,5%/a. Trong quá trình đổi màu nghiêm trọng, người ta quan sát thấy tổng tổn thất ~ 10%, điều này ngụ ý rằng sự đổi màu của EVA là vô lý đối với trường hợp mô-đun silicon bị hỏng hoàn toàn. Dhimish và cộng sự đã xem xét các loại vết nứt tế bào khác nhau cũng như tác động của chúng và đề xuất phương pháp tiếp cận dựa trên phân tích thống kê để xác định chúng. Các quan sát cho thấy có nhiều loại vết nứt khác nhau như vết nứt đa hướng, vết nứt chéo và vết nứt song song và vuông góc với thanh cái. Trong trường hợp có vết nứt trong ô, phần tử có thể không bị ngắt hoàn toàn khỏi ô nhưng phát triển điện trở giữa số chu kỳ có trong mô-đun bị biến dạng và các phần tử ô. Kajari-schroder và cộng sự đã phân tích mức độ nghiêm trọng của các vết nứt và tuyên bố rằng, các vết nứt trong mô-đun quang điện dẫn đến độ ổn định thấp ở công suất đầu ra trong điều kiện lão hóa nhân tạo. Phân tích thử nghiệm được tiến hành trên ô bị nứt trong mô-đun quang điện và kết quả cho thấy rằng 50% hướng vết nứt song song với các vết nứt trên thanh cái được coi là có mức độ nghiêm trọng cao. Sự thay đổi trong quy trình sản xuất mô-đun năng lượng mặt trời cũng dẫn đến các vết nứt tế bào, đặc biệt trong quá trình xâu chuỗi. Các vấn đề liên quan đến vận chuyển và lắp đặt mô-đun quang điện cũng được coi là nguyên nhân chính gây ra các vết nứt tế bào. Meyer và cộng sự đã điều tra các mô-đun quang điện có vết ốc sên được hình thành do các mô-đun bị lỗi để ngoài trời trong vài tháng. Hình ảnh hiển vi chi tiết về sự đổi màu giúp xác định lỗi. Người ta quan sát thấy các vệt ốc sên hầu hết nằm ở rìa tế bào hoặc gần các vết nứt vi mô. Không nhất thiết tất cả các vết nứt vi mô sẽ được phát triển thành các vết ốc sên, nhưng bất cứ khi nào quan sát thấy dấu vết ốc sên trong một mô-đun hoặc ô, một vết nứt vi mô sẽ được tìm thấy ở cùng một vị trí. Ấn tượng quang học của vệt này là do sự đổi màu hơi nâu ở vị trí ngón tay lưới, vết này được in sâu hơn vào lá EVA. Quá trình đổi màu ban đầu do dấu vết của ốc sên không được xác định rõ ràng trong tài liệu. Ấn tượng quang học của các rãnh ốc thay đổi ở các mô-đun khác nhau làm xáo trộn các mảnh tế bào và cạnh tế bào. Sự hình thành các rãnh ốc trong mô-đun được gọi là quá trình suy giảm cơ điện nhưng chưa bao giờ được coi là nguyên nhân trực tiếp gây mất điện. Fairbrother và cộng sự đã mô tả rằng trong dãy PV, 3% mô-đun PV bị cháy ở hai vị trí khác nhau, chiếm 5% diện tích của tấm mặt sau. Trong trường hợp Tấm mặt sau, có hai loại vết cháy được quan sát dựa trên nhiệt độ. Một loại vết cháy quan sát được có khả năng đứt gãy cao do nhiệt độ cao, trong khi các loại vết cháy khác có khả năng đứt gãy thấp với nhiệt độ thấp hơn. Khi quan sát kỹ các vết cháy, chúng cho thấy tổn thương vật lý thông qua các vết xước, vết xước và vết rách. Friere và cộng sự tuyên bố rằng tỷ lệ hư hỏng tương đối của vết cháy trên tế bào là ∼ 10%. Mohamed và cộng sự đã quan sát thấy rằng mức suy giảm công suất trung bình hàng năm của mô-đun PV là 1,5% do các hư hỏng như vết cháy, vết nứt tế bào và sự tách lớp. Người ta mô tả rằng hầu hết các lỗi mô-đun PV không biểu hiện vết cháy rõ ràng nhưng dẫn đến mất điện nghiêm trọng. Pingel và cộng sự đã đề cập rằng Suy thoái tiềm ẩn (PID) xảy ra do hiệu ứng phân cực hoặc do ăn mòn hóa học. Mức độ suy giảm phụ thuộc vào cực tính và mức độ chênh lệch điện thế giữa tế bào PV và Mặt đất. PID cũng chịu trách nhiệm về các vấn đề về độ bền trong mô-đun. Nói chung, PID được quan sát thấy khi điện áp cao buộc các ion natri lan ra khỏi thủy tinh thông qua việc đóng gói và tích tụ trên bề mặt tế bào. Điều này dẫn đến sự tái hợp bề mặt, giảm hệ số lấp đầy và tăng shunt cục bộ. Có hai loại PID, không thể đảo ngược và PID có thể đảo ngược. PID không thể đảo ngược xảy ra do các phản ứng điện hóa dẫn đến ăn mòn điện của oxit dẫn điện trong suốt. PID thuận nghịch còn được gọi là phân cực bề mặt tích tụ điện tích dương trên tế bào PV dẫn đến dòng điện rò rỉ. Tùy thuộc vào cấu hình nối đất của mảng PV mà lượng dòng rò được xác định. Điều này làm suy giảm khả năng phát điện của pin mặt trời. Các trường hợp điển hình cho sự xuất hiện của PID được quan sát ở các cấp độ khác nhau như yếu tố môi trường, yếu tố mô-đun, yếu tố hệ thống và cấp độ tế bào. Những yếu tố này thường phụ thuộc vào nhiệt độ, độ ẩm, điện áp hệ thống, loại vật liệu được sử dụng và chỉ số khúc xạ của tế bào. Cristaldi và các cộng sự tuyên bố rằng sự ăn mòn điện hóa của các chuỗi liên kết của tế bào do chất bao bọc dẫn đến sự xuống cấp của mô-đun PV. Hiện tượng này dẫn đến điện trở nối tiếp cao và điện trở song song thấp của môđun PV. Các tế bào quang điện thường được trang bị các tiếp điểm phía trước và phía sau được kết nối thông qua các thanh cái để cung cấp dòng điện cho mạch ngoài. Bất kỳ hư hỏng nào ở dải ruy băng đều dẫn đến sự giãn nở nhiệt—sự co lại và ứng suất cơ học dẫn đến mất điện đầu ra. Hermanan và Buero mô tả ảnh hưởng của nhiệt độ môi trường và chênh lệch nhiệt độ do dòng điện chạy đến nhiệt độ diode. Từ hoạt động thực tế, người ta biết rằng nhiệt độ của mô-đun cao hơn nhiệt độ môi trường xung quanh khoảng 20°C. Vì các điốt có mặt bên trong hộp nối nên bề mặt mô-đun nằm ngay gần bề mặt mô-đun, duy trì nhiệt độ rất giống nhau. Điều đó có nghĩa là ở trạng thái không tải, diode sẽ có nhiệt độ môi trường + 20°C. Vào những ngày hè trong xanh khoảng 55°C và vào mùa đông khoảng 20°C. Khi nhiệt độ môi trường thấp, dòng điện chạy qua diode sẽ thấp hơn do giá trị điện áp ngưỡng cao hơn. Ngoài ra, sự gia nhiệt do dòng điện chạy qua sẽ bị hạn chế. Khi nhiệt độ môi trường xung quanh cao, giá trị điện áp ngưỡng sẽ giảm và nó sẽ gây ra dòng điện chạy cao hơn và làm nóng thêm một diode rẽ nhánh khác.

2.4 Lỗi trong mô-đun màng mỏng

Để tiết kiệm vật liệu (và do đó tiết kiệm chi phí), các mô-đun PV màng mỏng đã được phát triển. Các mô-đun này, so với các mô-đun tinh thể thông thường, có hiệu suất chuyển đổi thấp hơn. Nhưng điều này được bù đắp bằng giá thấp hơn (sản xuất ít vật chất hơn và thường ít đòi hỏi về công nghệ hơn) và các đặc tính được cải thiện ở mức độ bức xạ thấp. Từ quan điểm của vật liệu và quy trình sản xuất, các mô-đun được phân loại thành các mô-đun CuInSe2 (CIS), Cu (In, Ga) Se2 (CIGS) và CuGaSe2 (CGS), mô-đun CdTe, mô-đun silicon vô định hình và vi mô, v.v. các tế bào màng mỏng như tế bào đa chức năng, tế bào sử dụng cấu trúc nano và tế bào hữu cơ. Quy trình thiết kế cho tất cả các mô-đun nêu trên sẽ khác nhau khi chúng xử lý nhiều hợp chất và chế phẩm. Nhưng bất kể quy trình thiết kế như thế nào, nguyên nhân và kết quả của bất kỳ lỗi nào trên một mô-đun nhất định đều có tác động tiềm ẩn làm suy giảm mô-đun. Một số nguyên nhân và tác động tiềm ẩn đã được quan sát thấy đối với các mô-đun màng mỏng là các đầu nối vi mô được dán keo, các điểm nóng chuyển hướng, vỡ kính phía trước và suy giảm tiếp xúc phía sau. Gần đây, tờ Solar đầu tiên đã xuất bản phần giới thiệu về chủ đề và động học phân hủy thú vị. Tùy thuộc vào các yếu tố liên kết giữa khí hậu và hệ thống, người ta có thể dự kiến ​​mức suy thoái ban đầu là 4% -7% trong 1 đến 3 năm đầu tiên. Các lỗi khác nhau có thể được phát hiện mà không cần sự trợ giúp của bất kỳ thiết bị nào được mô tả trong Bảng  1 :

Bảng 1. Các lỗi trực quan liên quan đến môđun PV 23 , 41
Loại lỗi Mất điện Vấn đề an toàn Lỗi thị giác
Đoản mạch dây mô-đun và điốt <3% tổn thất điện năng Có thể gây ra sự cố cháy nổ hình ảnh
Mảnh tế bào nhiều lớp <3% tổn thất điện năng Hỏa hoạn, điện giật và nguy hiểm về thể chất hình ảnh
Vết nứt tế bào làm hư hại 10% diện tích tế bào Suy giảm tổn thất điện năng bão hòa theo thời gian Không ảnh hưởng đến an toàn hình ảnh
Bong bóng hoặc phân tách Suy giảm tổn thất điện năng theo từng bước theo thời gian Điện giật dẫn đến vấn đề an toàn lớn hình ảnh
Ghi dấu vết ở mặt sau Suy giảm tổn thất điện năng theo từng bước theo thời gian Thất bại có thể gây ra hỏa hoạn, điện giật và nguy hiểm về thể chất hình ảnh
Sự đổi màu của bảng mặt trước do các kết nối kim loại quá nóng Suy giảm tổn thất điện năng theo từng bước theo thời gian Thất bại có thể gây ra hỏa hoạn, điện giật và nguy hiểm về thể chất hình ảnh
Phân tách mô-đun Si đa tinh thể Suy giảm tổn thất điện năng theo từng bước theo thời gian Thất bại có thể gây nguy hiểm về thể chất hình ảnh
Tách mô-đun màng mỏng Suy giảm tổn thất điện năng theo từng bước theo thời gian Thất bại có thể gây nguy hiểm về thể chất hình ảnh
Vỡ kính trong mô-đun màng mỏng Suy giảm tổn thất điện năng theo từng bước theo thời gian Thất bại có thể gây nguy hiểm về thể chất hình ảnh
EVA hóa nâu Suy giảm tổn thất điện năng tuyến tính theo thời gian Không ảnh hưởng đến sự an toàn đối với tình trạng hơi nâu, nhưng khi màu nâu phát triển nhanh hơn có thể gây ra hỏa hoạn hình ảnh
Đường mòn ốc sên Suy giảm tổn thất điện năng tuyến tính theo thời gian Có thể gây ra sự cố cháy nổ hình ảnh
Tách tấm mặt sau Suy giảm tổn thất điện năng tuyến tính theo thời gian Có thể gây ra sự cố cháy nổ hình ảnh

3 PHƯƠNG PHÁP CHẨN ĐOÁN PHỔ BIẾN CỦA TẾ BÀO VÀ MÔ-ĐUN QUANG ĐIỆN

Trong toàn bộ vòng đời của tế bào quang điện, hay chính xác hơn là các mô-đun, cần đánh giá xem các thiết bị PV có các thông số đã khai báo hay không. Trong thời gian sử dụng, tức là thời gian vận hành, không chỉ cần thực hiện chẩn đoán các khuyết tật có thể nhìn thấy mà còn phải thực hiện chẩn đoán phòng ngừa, giúp phát hiện kịp thời các khiếm khuyết có thể xảy ra và từ đó loại bỏ các tổn thất về kinh tế, ví dụ như các vết nứt nhỏ nguy hiểm có thể xảy ra. Có nhiều phương pháp đánh giá các thông số trong giai đoạn vận hành của thiết bị PV, một số phương pháp đã được hỗ trợ theo tiêu chuẩn quốc tế.

3.1 Chẩn đoán bằng bức xạ

3.1.1 Nhiệt kế

Khi đánh giá các thông số thu được thông qua đo điện, cần ngắt kết nối các tế bào và đặc biệt là các mô-đun khỏi phần còn lại của thiết bị và đo chúng riêng biệt, thường là trong phòng thí nghiệm. Trong trường hợp mô-đun PV, phương pháp này có thể khá tốn kém cũng như khá tốn thời gian với các hệ thống lắp đặt khó tiếp cận hơn. Nếu chỉ vì lý do này thì việc sử dụng bất kỳ phương pháp nào, cho phép phát hiện khuyết tật mà không cần tháo gỡ là cần thiết. Đo nhiệt độ là một trong những phương pháp thường được sử dụng trong chẩn đoán lỗi của hệ thống lắp đặt PV. Phương pháp này hoạt động theo nguyên tắc phát hiện bức xạ nhiệt bằng máy dò thích hợp. Các ô trong mô-đun được kết nối nối tiếp. Do đó, khi xem xét trạng thái lý tưởng trong đó tất cả các ô đều giống hệt nhau thì có cùng dòng điện chạy qua chúng trong khi có cùng điện áp, tức là chúng có cùng dòng điện ngắn mạch. Khi dòng điện ngắn mạch chạy qua tất cả các tế bào thì điện áp bằng không. Trong trường hợp một tế bào bị lỗi, tỷ lệ dòng điện và điện áp trong mạch sẽ thay đổi như cho trong. 60 Cho rằng điện áp tổng thể ở trạng thái ngắn mạch phải bằng 0, tế bào bị hỏng sẽ bị phân cực ngược về phía các tế bào khác và điện áp trong đó là tổng điện áp của các tế bào khác theo hướng thuận. Trong trường hợp hoạt động thực tế, các tế bào hoạt động ở mức công suất cao nhất nhưng cơ chế làm nóng các điểm bị hư hỏng là giống hệt nhau. Hiệu ứng này có thể được gây ra bởi khiếm khuyết trong tế bào hoặc do bóng đổ. Để giảm ảnh hưởng này, người ta sử dụng điốt rẽ nhánh. Các điốt này mở trong trường hợp điện áp rơi theo chiều ngược lại vượt quá ngưỡng điện áp B của chúng . Diode rẽ nhánh không được sử dụng cho từng ô riêng lẻ trong các mô-đun thực tế nhưng nó có kết nối song song với một nhóm các ô được kết nối nối tiếp (thường là 20-24 ô). Chức năng của điốt rẽ nhánh cũng được thể hiện rõ ràng từ đường cong IV , nơi sẽ xuất hiện “các bậc thang”, điều này có thể làm phức tạp việc phát hiện MPP, vì khi đó có nhiều hơn một điểm cực trị cục bộ xuất hiện trên đường cong (Hình 3  ) . 

Chi tiết có ở chú thích sau ảnh
Hình 3: Che bóng trên một chuỗi string

Bóng trên một chuỗi mô hình con trong đó bức xạ bị che là khoảng 150 W/m 2 và bức xạ không bị che là khoảng 1000 W/m 2 . Sự phân bố nhiệt độ có thể được phát hiện bằng cách sử dụng thiết bị thích hợp. Việc đọc trường nhiệt từng được thực hiện bằng nhiệt kế (cho dù chúng tiếp xúc hay không tiếp xúc). Ngày nay, máy ảnh nhiệt được sử dụng rộng rãi nhờ giá thành giảm. Việc phát hiện bằng camera nhiệt cho phép phát hiện nhiều loại khuyết tật như được mô tả trong Bảng 2 . Tuy nhiên, nhược điểm là biểu đồ nhiệt không đưa ra đánh giá định lượng về mô-đun được kiểm tra.

Bảng 2. Xác định lỗi dựa trên nhiệt kế trong môđun PV 
Quan sát Chi tiết Lý do thất bại Đặc điểm điện từ Mất điện Vấn đề an toàn
hình ảnh Một số ô của mô-đun ấm hơn các ô khác do sự phân bổ ngẫu nhiên của từng ô riêng lẻ- (mẫu công việc vá lỗi) Các ô được kết nối không chính xác Ngắn mạch mô-đun hoàn chỉnh Mất điện liên tục Có thể xảy ra hỏa hoạn do chập điện
hình ảnh Một mô-đun trong mảng ấm hơn các mô-đun khác Mô-đun mạch hở Mô-đun đầy đủ chức năng và bình thường Được coi là lỗi hệ thống Không ảnh hưởng đến an toàn
hình ảnh Một ô cụ thể trong mô-đun ấm hơn các ô khác Ảnh hưởng của bóng, khiếm khuyết trong tế bào, tế bào bị tách lớp Có thể thấy mất điện, nhưng không cần thiết trong mọi thời điểm xảy ra sự cố này Tổn thất điện năng tăng theo tải cơ học, chu trình nhiệt và độ ẩm Điều kiện khắc nghiệt có thể dẫn đến hỏa hoạn
hình ảnh Một phần cụ thể của ô trong mô-đun ấm hơn các ô khác Điều này có thể là do cell bị hỏng hoặc lỗi kết nối Sức mạnh và yếu tố hình thức giảm đáng kể Tổn thất điện năng tăng theo tải cơ học, chu trình nhiệt Có thể xảy ra hỏa hoạn do sự cố
hình ảnh Phần chuỗi con của mô-đun nóng đáng kể Đoản mạch trong chuỗi tế bào do diode bypass bị lỗi Dòng điện ngắn mạch rất cao và giảm công suất <3% tổn thất điện năng, tuyến tính theo thời gian Điều kiện khắc nghiệt có thể dẫn đến hỏa hoạn

3.1.2 Điện phát quang

Một công cụ chẩn đoán rất hữu ích khác là điện phát quang (EL). Phương pháp này được sử dụng cho các khuyết tật của tế bào và mô-đun như vết nứt (viết tắt thông thường là ELCD—Thử nghiệm phát hiện vết nứt điện phát quang), các khuyết tật công nghệ và đánh giá tính không đồng nhất khác. Vì vậy, nó cũng có thể đóng vai trò đánh giá trực quan các mô-đun. Nó hoạt động theo nguyên tắc phát hiện bức xạ điện phát quang được phát ra bởi các hạt mang điện tái tổ hợp trong quá trình tái hợp bức xạ. Thiết bị phải được đặt ở nơi có độ bức xạ đủ thấp (phòng tối là tốt nhất) và cảm biến phải là loại cảm biến đặc biệt cho phép phát hiện vùng gần IR (bức xạ của mô đun PV có bước sóng khoảng 1 μm). Các cảm biến thường được sử dụng là cảm biến CCD, CMOS hoặc InGaAs được làm mát. Loại thứ ba có ưu điểm là độ nhạy cao hơn nhiều trong vùng bước sóng hữu ích, do đó có thể sử dụng thời gian phơi sáng thấp hơn—trong trường hợp camera CCD, hình ảnh EL tốt mất khoảng 5 phút, trong trường hợp camera InGaAs, chỉ mất một vài mili giây. Mô-đun PV được kết nối với nguồn hiện tại và dòng điện không vượt quá giá trị SC sẽ chạy qua nó. Cường độ bức xạ phát ra phụ thuộc vào dòng điện này và ở mức dòng điện thấp hơn sẽ xảy ra các khuyết tật khác nhau. Những nơi bị ảnh hưởng bởi một số hư hỏng, những nơi có mật độ khuyết tật cao hơn, tương ứng, được coi là những vùng tối trên ảnh EL. Những nơi như vậy không góp phần sản xuất điện. Cường độ bức xạ khi đó là thang đo chức năng của môđun PV. 

3.1.3 Quang phát quang

Phương pháp này được sử dụng để chẩn đoán tế bào PV. Không giống như EL, nó không cần mẫu có hệ thống tiếp xúc, vì kích thích tái hợp bức xạ được kích thích bởi xung ánh sáng mạnh, do đó, phương pháp này có thể được sử dụng giống như quy trình điều khiển trong quá trình sản xuất, ví dụ như có thể rất hữu ích , trong quá trình lắng đọng lớp. Nhược điểm của phương pháp là cần có cảm biến đặc biệt (như trường hợp EL) và thiết bị kích thích bức xạ phức tạp hơn nhiều. 

3.1.4 Sự phát quang của vi sinh vật

Phương pháp này cung cấp thông tin về quần short bên trong cấu trúc. Không giống như phép đo EL, mô-đun trong trường hợp này được kết nối theo hướng ngược lại, nhưng độ phân cực ngược không được vượt quá điện áp đánh thủng của tế bào. Sự phân cực ngược ở những vùng bị ảnh hưởng bởi một số khiếm khuyết gây ra sự xuất hiện của vi sinh vật. Microplasma biểu hiện giống như tiếng ồn hoặc giống như sự phát ra ánh sáng. Sự phát xạ ánh sáng tạo ra các vị trí ánh sáng trong các hình ảnh thu được, điều đó có nghĩa là những hình ảnh này thực chất là nghịch đảo với các hình ảnh phát quang điện. 

3.2 Đo đặc tính tĩnh – đặc tính dòng điện-điện áp

Phương pháp đo đặc tính dòng điện áp ( đường cong IV ), đôi khi còn được gọi là phân tích IV hoặc phép đo điện áp, là phương pháp phổ biến nhất để chẩn đoán tế bào quang điện và mô-đun. Nó cho phép xác định các thông số thành phần PV cơ bản. Phép đo có thể được thực hiện trong phòng thí nghiệm hoặc trực tiếp tại nơi lắp đặt, nhưng nó được sử dụng chủ yếu để đo chính xác trong Điều kiện thử nghiệm tiêu chuẩn được quy định trong các tiêu chuẩn quốc tế như bức xạ G = 1000 W/m 2 và  nhiệt độ tế bào 25°C . Điều này có thể đạt được bằng cách sử dụng bộ mô phỏng năng lượng mặt trời liên tục hoặc bằng bộ mô phỏng năng lượng mặt trời flash. Thông thường, phép đo được thực hiện trong thiết bị mô phỏng năng lượng mặt trời flash—máy thử flash, vì nó ít phức tạp hơn và rẻ hơn nhiều so với mô phỏng năng lượng mặt trời liên tục và thời lượng xung là đủ cho hầu hết các công nghệ. Trong quá trình chiếu xạ thành phần PV, toàn bộ đường cong IV thông qua điều khiển tải điện tử sẽ được đo. Bộ mô phỏng năng lượng mặt trời liên tục chỉ cần thiết trong các trường hợp đặc biệt như mô-đun tập trung hoặc bộ thu nhiệt mặt trời. Đối với phép đo bên ngoài, máy phân tích năng lượng mặt trời thường cho phép kết nối các cảm biến bên ngoài để đo điều kiện môi trường xung quanh cũng được sử dụng. Phần khó khăn nhất là thử nghiệm màng mỏng do hiệu ứng ủ theo mùa và điện dung cao.

3.2.1 Ảnh hưởng theo mùa

Trong quá trình đo các mô-đun màng mỏng, người ta đã sớm nhận thấy rằng hiệu suất và hiệu quả phụ thuộc rất nhiều vào lịch sử hoạt động. Điều đó có nghĩa là trong quá trình hoạt động, mô-đun có MPP là 100 W (theo STC). Sau khi cho vào hộp đựng tối và đo lại thì chỉ đo được 90 W. Người ta nhận thấy rằng nhiệt độ và bức xạ gây ra trạng thái siêu bền của mô-đun PV phải được loại bỏ hoặc tính toán khi đo. Hiệu ứng ủ theo mùa bao gồm hai hiện tượng: hiệu ứng ngâm ánh sáng (LS) và hiệu ứng ủ nhiệt độ (TA). Cái đầu tiên rất nổi tiếng, đặc biệt là từ các mô-đun PV dựa trên silicon vô định hình, nơi xảy ra cái gọi là hiệu ứng Staebler-Wronski. Trong hiệu ứng này, các chất mang bị kích thích về mặt quang học đang phá vỡ các liên kết Si-Si yếu khiến chúng tự do, do đó điều đó có nghĩa là các trung tâm tái hợp sau đó được tạo ra và thời gian tồn tại của chất mang bị giảm xuống. Sự sụt giảm này xảy ra trong vài trăm giờ hoạt động đầu tiên và có thể giảm hiệu suất tới 30%. Để ngăn chặn, hydro được sử dụng và các tế bào song song cũng cho thấy mức độ hiệu ứng LS thấp hơn. Các công nghệ màng mỏng khác cũng thể hiện hành vi tương tự. Trong nhiều thử nghiệm, người ta đã phát hiện ra rằng các mô-đun CdTe PV thường có hiệu suất thiết bị tăng đáng kể trong khoảng từ vài phần trăm đến 10% trong những giờ đầu tiên ngâm ánh sáng. Sự giảm hiệu suất này cũng có thể đạt được bằng cách áp dụng dòng điện phân cực thuận trong điều kiện tối. Nhà sản xuất mô-đun CdTe lớn nhất có phương pháp riêng để đo mô-đun của họ, dựa trên giả định rằng khi mô-đun được đo trong khoảng thời gian từ tháng 4 đến tháng 9, hiệu suất của mô-đun sẽ ổn định nếu được đo trước ngày lưu trữ thứ ba. Ảnh hưởng tích cực của việc hấp thụ ánh sáng cũng có thể được quan sát thấy trong các mô-đun CIGS. Không giống như các mô-đun CdTe, vẫn chưa có lý thuyết thỏa đáng nào giải thích được hiệu ứng này trong các mô-đun CIGS. Ủ nhiệt độ luôn có ảnh hưởng tốt đến hiệu suất của mô-đun màng mỏng. Khi áp dụng nhiệt độ cao hơn, thậm chí hiệu ứng Staebler-Wronski có thể được phục hồi.

3.2.2 Hiệu ứng điện dung

Các mô-đun có điện dung cao hơn, ví dụ như mô-đun màng mỏng, có thể dễ dàng bị đánh giá sai khi đo bằng máy kiểm tra đèn flash. Điều này xảy ra do việc sạc hoặc xả dung lượng. Khi mô-đun được đo từ trạng thái ngắn mạch, giá trị hiệu suất đo được có thể thấp hơn giá trị thực—công suất đã được sạc. Trong quá trình đo ngược—từ trạng thái mạch hở sang trạng thái ngắn mạch, công suất này bị phóng điện và nó có thể gây ra sự gia tăng ảo trong hiệu suất đo được. Nếu không có sự khác biệt rõ ràng giữa chế độ thuận và chế độ nghịch thì thời lượng xung có thể được coi là đủ dài. Có thể loại bỏ ảnh hưởng của thời lượng xung bằng khoảng thời gian xung đủ dài hoặc sử dụng phép đo đa chớp hoặc bằng máy kiểm tra được gọi là “xung lưng rồng” của công ty PASAN, công ty đã phát triển phương pháp đo đặc biệt của mô-đun điện dung cao sử dụng một mô-đun được điều khiển duy nhất 10 xung ms. Người ta quan sát thấy rằng hầu hết các tài liệu về chủ đề đo đường cong IV đều nói rằng điện dung là mối quan tâm chính đối với sự biến dạng trong đặc tính đầu ra của pin mặt trời như trong. Vấn đề với hành vi này là nếu nó được mô hình hóa giống như tụ điện thông thường , nó không hoạt động. Với số lượng tế bào PV lớn hơn, điện dung thu được sẽ thấp hơn, nhưng tình huống ngược lại sẽ xảy ra. Những hiệu ứng này có thể được mô phỏng tương đối dễ dàng bằng SPICE (các thông số của diode có thể được chỉnh sửa để đạt được hoạt động của tế bào PV). Không giống như mô hình diode cổ điển, mô hình diode SPICE bao gồm các hiệu ứng này bằng cách “mượn” tham số Thời gian chuyển tiếp ( TT ) từ lý thuyết của bóng bán dẫn. Nó rất hữu ích, vì điều này giải thích rất nhiều về mối liên hệ với hành vi “lạ” của điện dung bên trong cấu trúc. Trong quá trình chiếu xạ, điện dung trong trường hợp lý tưởng là vô hạn—các điện cực của tụ điện ảo, điều đó có nghĩa là mặt đất của khu vực loại P và N gần nhau vô cùng. Khi đó toàn bộ khu vực chứa đầy các chất mang không cân bằng. Những vật mang này cần một thời gian để rời đi và tạo lại vùng cạn kiệt để khôi phục trạng thái cân bằng trước đó, nếu mô-đun lại được đưa vào bóng tối. Lần này, nó có thể được đặc trưng chỉ bằng tham số thời gian chuyển tiếp, do đó, giá trị kết quả của kết nối nối tiếp của các tụ điện bên trong mô-đun có thể được hình dung giống như kết nối của pin và một số loại điện tích chuyển tiếp. Hiệu ứng tương tự có thể đạt được bằng cách thay đổi các giá trị điện dung, nhưng vấn đề là, điện dung này sau đó cần phải thay đổi cho mỗi lần thay đổi thời lượng xung, khi cần đạt được các giá trị thích hợp. Điều này là do thực tế là điện dung trong trường hợp này không thể được biểu diễn bằng tụ điện đơn giản như đã đề cập ở trên. Các lỗi khác nhau có thể được xác định bằng cách sử dụng độ lệch của IVcác đặc điểm cả ở cấp độ tế bào và cấp độ Mô-đun có thể được quan sát trong Bảng  3 và 4 .

Bảng 3. Phát hiện lỗi tế bào bằng đặc tính IV
Sự thất bại Ruy băng kết nối tế bào bị hỏng Tế bào bị nứt Tế bào ngắn mạch
Mất điện Suy giảm tổn thất điện năng theo từng bước theo thời gian Suy giảm tổn thất điện năng theo từng bước theo thời gian Suy giảm tổn thất điện năng theo từng bước theo thời gian
đặc trưng Vấn đề an toàn Thất bại có thể gây ra hỏa hoạn, điện giật và nguy hiểm về thể chất Không ảnh hưởng đến an toàn Không ảnh hưởng đến an toàn
tối đa
tôi SC hình ảnh
OC hình ảnh
OC hình ảnh
SC hình ảnh
  • F, tình trạng hư hỏng; NF, không có thất bại.
Bảng 4. Phát hiện lỗi mô-đun bằng đặc tính IV
Sự thất bại Diode rẽ nhánh (ngắn mạch) Phân tách Suy thoái gây ra Ăn mòn hàn
đồng nhất không đồng nhất Tiềm năng Ánh sáng
Mất điện Sự suy giảm tổn thất điện năng theo các bước theo thời gian Suy giảm tổn thất điện năng bão hòa theo thời gian Suy giảm tổn thất điện năng bão hòa theo thời gian Suy giảm tổn thất điện năng tuyến tính theo thời gian Sự suy giảm tổn thất điện năng theo từng bước theo thời gian Suy giảm tổn thất điện năng tuyến tính theo thời gian
đặc trưng Vấn đề an toàn Thất bại có thể gây ra hỏa hoạn, điện giật và nguy hiểm vật lý Thất bại có thể gây ra hỏa hoạn, điện giật và nguy hiểm vật lý Thất bại có thể gây ra hỏa hoạn, điện giật và nguy hiểm vật lý Không ảnh hưởng đến an toàn Không ảnh hưởng đến an toàn Không ảnh hưởng đến an toàn
tối đa
tôi SC hình ảnh
OC hình ảnh
OC hình ảnh
SC hình ảnh
  • F, tình trạng lỗi; NF, không có lỗi.

3.2.3 Đo đường cong IV

Một phần rất thú vị của phép đo đặc tính tĩnh là phép đo dòng điện khép kín. Phương pháp này thường được sử dụng để xác định rối loạn trội và nồng độ của nó trong tế bào PV, đặc biệt là tế bào silicon.

Xác định các loại trung tâm tái hợp

Tái hợp bức xạ, tái hợp thông qua các trung tâm tái hợp cục bộ, tái hợp Auger là các quá trình tái hợp có thể xảy ra bên trong tế bào PV. Trong các tế bào silicon có cấu trúc dải gián tiếp, sự tái hợp gây ra bởi các trung tâm tái hợp cục bộ chiếm ưu thế, được gọi là lý thuyết Shockley-Read-Hall. Các trung tâm cục bộ được tạo ra bởi các nguyên tử tạp chất có năng lượng nằm trong khoảng trống của tế bào. Các nguyên tử tạp chất như vậy hoạt động như các trung tâm tái hợp cục bộ, còn gọi là bẫy, bắt giữ các electron được tạo ra trong quá trình chúng di chuyển trở lại dải hóa trị. Trong quá trình di chuyển, các electron này không thể bị kích thích nhiệt trở lại vùng dẫn—ban đầu, chúng kết hợp lại ở tâm cục bộ, sau đó chúng quay trở lại vùng hóa trị, do đó, kết quả là sự tái hợp tăng lên đáng kể. Vì vậy, điều quan trọng là phải biết tính chất, sự tập trung và phân bố của chúng. Một trong những phương pháp có thể đạt được mức năng lượng nhiễu loạn vượt trội và nồng độ của nó là phép đo dòng điện tối.

Quang phổ điện môi

Các thông số AC có thể được đo bằng kỹ thuật miền tần số—Quang phổ điện môi. Quang phổ điện môi được đặc trưng bởi phép đo và phân tích một số hoặc tất cả các chức năng liên quan đến trở kháng của một thiết bị điện tử. Trong quang phổ điện môi, trở kháng phức Z (ω) =  R (ω) +  jX (ω) của thiết bị được đo trực tiếp trong một dải tần số lớn. Một điện áp hoàn toàn hình sin có tần số khác nhau được đặt vào các cực của thiết bị được thử nghiệm và đo độ lệch pha cũng như biên độ của tín hiệu điện áp và dòng điện. Tỷ số giữa điện áp đặt vào và dòng điện tổng được tính toán và điều này cho ra trở kháng Z (ω) của thiết bị được thử nghiệm. Đồ thị của R (ω) và X (ω) trên một mặt phẳng phức tạp, với tần số thay đổi, sẽ cho phổ trở kháng của thiết bị. Trong lĩnh vực quang điện, phương pháp này đã được sử dụng trong nhiều năm, chủ yếu để ước tính các thông số AC như xác định P, nhưng trong việc sử dụng để xác định nồng độ chất cho cũng được trình bày. Để đo lường, máy đo LCR thường được sử dụng.

Sơ đồ Cole-Cole

Nó là biểu diễn đồ họa của X (ω) so với R (ω) của pin mặt trời và nó đưa ra các cung trở kháng từ đó có thể rút ra các tham số AC khác nhau. Việc xây dựng sơ đồ Cole-Cole cho phép đánh giá đơn giản các thông số cũng như chất lượng của tế bào, mô-đun được thử nghiệm tương ứng. Vấn đề đo lường biểu đồ Cole-Cole nằm ở nhiều yếu tố có thể ảnh hưởng đến đường cong thu được. Đường kính vòng tròn Cole-Cole tương ứng với các thông số của tế bào PV cũng như các khía cạnh khác như mức bức xạ và phổ của nó, độ lệch DC, mức tín hiệu kiểm tra và chiều dài cáp. Tham số có vấn đề nhất là điện dung biểu thị điện dung vật lý bên trong cấu trúc, đặc biệt là điện dung không gian của vùng cạn kiệt (điện dung chuyển tiếp T ) và điện dung do dao động của sóng mang thiểu số để đáp ứng với tín hiệu AC (điện dung khuếch tán D ) . Cả hai điện dung đều là một vấn đề tương đối khó khăn vì nó thể hiện sự phụ thuộc mạnh mẽ vào điện áp và mức phun.

4 ĐỀ XUẤT CỘNG ĐỒNG

Chẩn đoán cơ bản của hệ thống PV lớn dựa trên phân tích dữ liệu. Cấu hình thông thường của các hệ thống lớn bao gồm các bộ biến tần chuỗi có công suất trung bình (khoảng 5-10 kW) do các vấn đề về bóng cục bộ do chuyển động của đám mây gây ra. Vấn đề đánh giá dữ liệu nằm ngoài phạm vi công việc này và được mô tả trong nhiều ấn phẩm. Khi phát hiện sự nghi ngờ về thành phần sai, các chuỗi cụ thể sau đó sẽ được đánh giá bằng các phương pháp khác. Nói chung, cặp nhiệt điện được sử dụng để đo nhiệt độ và để đo nhiệt độ của mô-đun PV ở mức pixel, cần có hàng nghìn cặp nhiệt điện. Trong khi đo trạng thái nhiệt ở mức độ phút, cặp nhiệt điện có thể phản đối các đặc tính hoặc tính chất nhiệt. Bằng cách sử dụng camera nhiệt, có thể xác định được dấu hiệu nhiệt bên dưới bất kỳ hệ thống nào. Khi mọi người nghe thấy thuật ngữ hình ảnh nhiệt hoặc hồng ngoại, họ nghĩ đến việc tìm kiếm nhiệt độ xấu hoặc cao trong các mô-đun. Nhưng trên thực tế, hình ảnh nhiệt có thể làm được nhiều hơn thế. Kiểm tra nhiệt kế đã được sử dụng trong hơn 30 năm như một thành phần trong cả chương trình bảo trì phòng ngừa và bảo trì dự đoán. Ưu điểm của hình ảnh nhiệt là nó có thể cung cấp lượng thông tin phong phú giúp cải thiện hiệu quả, năng suất và an toàn. Hình ảnh nhiệt của mô-đun PV có hiện tượng điểm nóng được mô tả trong Hình 4 .Hình ảnh hồng ngoại mô tả các mẫu nhiệt và giá trị nhiệt độ được ghi lại trên một mô-đun có điểm phát sóng. Điều này khái niệm hóa rằng tất cả các vật thể ở trên 0 độ tuyệt đối hoặc 0 độ kelvin đều phát ra bức xạ hồng ngoại. Khi quan sát bằng mắt người, các tín hiệu năng lượng hồng ngoại này không được chú ý và chỉ có thể phát hiện được khi có sự trợ giúp của thiết bị chụp ảnh nhiệt. Thiết bị chụp ảnh nhiệt chuyển đổi hình ảnh hồng ngoại vô hình thành hình ảnh đơn sắc hoặc nhiều màu, thể hiện các mẫu nhiệt rõ ràng trên bề mặt của bảng điều khiển. Bằng cách nhìn vào hình ảnh, có thể nhận ra rằng các màu nhạt hơn, màu trắng, màu vàng tượng trưng cho nhiệt độ ấm hơn và màu xanh lam và đen tượng trưng cho nhiệt độ mát hơn; những điều này giúp chúng tôi xác định phân tích chất lượng của mô-đun. Sử dụng máy ảnh đã hiệu chỉnh, các giá trị nhiệt độ hoặc giá trị bức xạ từ hình ảnh có thể được trích xuất với sự trợ giúp của phân tích lưới. Phân tích lưới được phát triển sẽ chia hình ảnh nhiệt thành các pixel hoặc máy dò, từ đó có thể trích xuất thông tin nhiệt độ.

Chi tiết có ở chú thích sau ảnh
Hình 4: Đo nhiệt độ từ điểm nóng không khí trên mô-đun quang điện

4.1 Làm việc với ảnh nhiệt

Về cơ bản có hai cách để thực hiện phân tích nhiệt: Ngay trên máy ảnh và Dựa trên thông tin. Một số người tìm kiếm những chiếc máy ảnh chụp ảnh nhiệt gần giống như máy quay phim và hoạt động theo những cách tương tự ngoại trừ việc những chiếc máy ảnh nhiệt này có cảm biến nhiệt và cảm biến hình ảnh. Bất cứ khi nào mô-đun được kiểm tra hình ảnh nhiệt, các chức năng như công cụ điểm hoặc công cụ khu vực có thể được áp dụng và thông tin nhiệt độ có thể được trích xuất ngay trên máy ảnh. Nhược điểm của quyền phân tích nhiệt trên máy ảnh là chỉ giới hạn ở các công cụ tại chỗ, công cụ khu vực. Để khắc phục những nhược điểm này, phân tích nhiệt dựa trên thông tin có thể được điều chỉnh. Quy trình này có khả năng thực hiện tất cả các loại phân tích như phân tích điểm, diện tích, đa giác, dạng tự do và phân đoạn. Ưu điểm chính của phân tích nhiệt dựa trên thông tin là nó có thể hoạt động ở cấp độ ma trận và bao quát phần lớn các hệ thống PV. Điều này cũng có thể được thực hiện trong giám sát thời gian thực của nhà máy quang điện và đánh giá dự đoán hiện tượng lão hóa. Để kiểm tra khả năng định lượng biểu đồ nhiệt, nhiều phép đo được thực hiện trên hệ thống thực và trong phòng thí nghiệm. Mô-đun quang điện có lỗi đã được phát hiện và sau đó được kiểm tra bằng thiết bị kiểm tra chớp nhoáng (một thiết bị đo chính xác đường cong IV của mô-đun—thiết lập các thông số trên bảng tên của mô-đun quang điện). Để đáp ứng điều kiện tiêu chuẩn, thời gian kiểm tra flash phải <50 ms. Tất cả các kết quả thu được có thể được tìm thấy trong. Các đặc tính IV thu được có thể được sử dụng để huấn luyện các hệ thống thông minh nhằm phân loại lỗi dựa trên loại, tính chất và ảnh hưởng của lỗi đến công suất đầu ra của hệ thống.

4.2 Phát hiện lỗi dựa trên đặc điểm IV

Trong phần này, kỹ thuật phát hiện lỗi dựa trên Wavelet  được đề xuất nhằm mục đích tìm ra sự kết hợp tối ưu giữa Wavelet mẹ và số mức phân tách Wavelet giúp trích xuất các thuộc tính quan trọng nhất từ ​​tín hiệu, cần thiết cho chẩn đoán lỗi trong hệ thống. mô-đun PV. Hình 5 thể hiện cấu trúc phân cấp của việc lựa chọn các tham số biến đổi wavelet trong đó cần xác định ba tham số chính. Tham số đầu tiên là các hàm wavelet, tham số thứ hai là số mức phân tách, bao gồm các giá trị gần đúng và chi tiết như trong Bảng 5, và tham số thứ ba là loại tín hiệu, bao gồm cả tín hiệu điện áp và/hoặc dòng điện và các tín hiệu của chúng. Các đặc tính cần trích xuất. Nói chung, vị trí lỗi trong môđun PV sẽ được cố gắng chẩn đoán từ dạng sóng điện áp đầu ra của nó vì điện áp đầu ra thường độc lập với tải và tương ứng với các loại và vị trí lỗi.

Chi tiết có ở chú thích sau ảnh
Hình 5: Cấu trúc phân cấp lựa chọn tham số biến đổi wavelet

Bảng 5. Tính chất của họ wavelet
Gia đình Wavelet Hình thức chung Các thành viên Chiều dài bộ lọc
Daubechies dbN db1 – db45 2N
Symlet symN Sym2 – sym31 2N
kiểu tóc coifN coif1 – coif5 6N
trực giao sinh học sinh họcNr. Nd sinh học1.1 – sinh học6.8 Tối đa (2Nr, 2Nd) +2
Meyer rời rạc Dmey 1 102

trong đó N  = thứ tự sóng con, r  = tái thiết và d  = phân rã. Khi đã đạt được các đặc tính cần thiết của tín hiệu tổng hợp, dữ liệu đã huấn luyện sẽ thu được bằng cách phân loại chúng. Trong MATLAB có nhiều hệ thống phân loại khác nhau cung cấp dữ liệu được đào tạo hiệu quả. Trong hệ thống của chúng tôi, Mạng nơ-ron Perceptron đa lớp (MLPNN) được điều chỉnh để phân loại dữ liệu thu được về các lỗi khác nhau của mô-đun PV. MLPNN là một hệ thống kết hợp được sử dụng để huấn luyện bộ dữ liệu nhất định cho nhiều đầu ra nhằm hiển thị loại lỗi. 101 MLPNN xử lý các đặc điểm được trích xuất của dữ liệu thu được từ tín hiệu được lọc và phân tách biến đổi wavelet. Trong MLPNN, dữ liệu được điều chỉnh dưới dạng bảng từ không gian làm việc thu được từ các phép biến đổi wavelet, đo nhiệt độ và kiểm tra flash như trong Hình 6 .

Chi tiết có ở chú thích sau ảnh
Hình 6: Sơ đồ quy trình phát hiện và phân loại lỗi mạng thần kinh wavelet

Bằng cách áp dụng DWT vào điện áp đầu ra của mô-đun PV trong điều kiện hoạt động bình thường và có lỗi, sẽ thu được năng lượng và công suất của tín hiệu. DWT chứa một thư viện mở rộng các hàm cơ bản của wavelet, làm cho phép biến đổi này phù hợp với phân tích nhất thời và do đó cung cấp phổ tần số thời gian ở các độ phân giải khác nhau. Ưu điểm về thời gian tính toán của DWT như trong Bảng 6 , khiến nó có khả năng thích ứng cao hơn. Người ta quan sát thấy rằng đối với các sự cố khác nhau, các tính năng của hệ thống sẽ khác nhau và năng lượng của tín hiệu sẽ cao hơn so với điều kiện bình thường. Những ràng buộc này đối với đầu ra của các mô-đun bị lỗi giúp chúng tôi phát hiện loại lỗi và khoanh vùng nó trong thời gian quy định.

Bảng 6. Thời gian tính toán phân tích biến đổi
Kỹ thuật Biến đổi wavelet cố định Biến đổi wavelet rời rạc Phép biến đổi Hilbert-Huang Biến đổi wavelet liên tục Phân phối Wigner-Ville
Thời gian tính toán (s) 0,1954 0,0049 0,2410 0,2415 0,0807

Phương pháp chẩn đoán và định vị đã phát triển được thực hiện theo ba bước cụ thể là Xác định các đặc điểm của lỗi, trích xuất các đặc điểm và hành động phân loại. Trong quá trình phân loại, mạng nơ-ron được huấn luyện với dữ liệu vận hành của mô-đun quang điện trong các điều kiện làm việc và lỗi khác nhau; ở đó bằng cách chỉ ra chúng bằng mã nhị phân được xác định trước. Các mã nhị phân này có thể được sử dụng cùng với chẩn đoán lỗi thông minh để quan sát loại lỗi và vị trí của nó. Đặc tính đầu ra IV của môđun PV mang các lỗi khác nhau được minh họa trong Hình 7 – 11 . Có thể thấy rằng các tín hiệu không thể được điều chỉnh trực tiếp cho giả thuyết phân loại lỗi do có mối tương quan với nhau. Để phân biệt các tín hiệu này, một kỹ thuật chuyển đổi tín hiệu được điều chỉnh. Bằng cách chọn một trình trích xuất tính năng thích hợp, mạng lưới thần kinh được cung cấp đầy đủ các chi tiết quan trọng trong bộ mẫu để đạt được độ chính xác và hiệu suất cao nhất. Momoh et al đã giải thích các kỹ thuật chuyển đổi tín hiệu khác nhau phù hợp cho việc huấn luyện mạng nơ-ron để chẩn đoán lỗi. Trước khi áp dụng biến đổi wavelet, tín hiệu VI đã được lọc bằng cách áp dụng bộ lọc trung vị (bộ lọc kỹ thuật số phi tuyến) để loại bỏ bất kỳ nhiễu nào có trong tín hiệu. Phân tách sóng con Daubechies 3 cấp (db3) đã được áp dụng để lấy mẫu tín hiệu đầu vào và ghi lại cả thông tin vị trí và tần số. Cấu trúc phân rã đầu ra bao gồm vectơ phân tách wavelet c và vectơ kế toán l, chứa số lượng hệ số theo cấp độ. Hình 12 bên dưới mô tả phân rã sóng con ba cấp của các đặc tính IV của môđun PV ở điều kiện hoạt động bình thường. Khi tín hiệu được lọc và phân tách, để giảm kích thước đặc trưng, ​​các phương pháp trích xuất đặc trưng thường được thực hiện ở mỗi mức phân tách. Nhiều tính năng khác nhau như năng lượng, Shannon-entropy, công suất, Tỷ lệ tín hiệu trên nhiễu, Tổng độ méo hài, phân tích đỉnh, phân tích tần số và phân tích phổ đã được sử dụng làm công cụ trích xuất tính năng.

Chi tiết có ở chú thích sau ảnh
Hình 7: Sự tách lớp của mô-đun PV (trái), Hình ảnh nhiệt của mô-đun PV được tách lớp (Giữa) và đặc điểm VI của lỗi quan sát được (phải)

Sự tách lớp của mô-đun PV (trái), Hình ảnh nhiệt của mô-đun PV được tách lớp (Giữa) và đặc điểm VI của lỗi quan sát được (phải)
Chi tiết có ở chú thích sau ảnh
Hình 8: Các vệt ốc sên trên mô-đun quang điện (trái), Hình ảnh nhiệt của mô-đun quang điện bị lỗi (Giữa) và đặc điểm VI của sự cố quan sát được (phải)

Các vệt ốc sên trên mô-đun quang điện (trái), Hình ảnh nhiệt của mô-đun quang điện bị lỗi (Giữa) và đặc điểm VI của sự cố quan sát được (phải)
Chi tiết có ở chú thích sau ảnh
Hình 9: Diode bypass bị lỗi trong môđun PV (trái), Hình ảnh nhiệt của môđun PV bị lỗi (Giữa) và đặc tính VI của lỗi quan sát được (phải)

Chi tiết có ở chú thích sau ảnh
Hình 10: Các kết nối bị hỏng của môđun PV (trái), hình ảnh nhiệt của các kết nối bị hỏng của môđun PV (Giữa) và đặc điểm VI của lỗi quan sát được (phải)
Chi tiết có ở chú thích sau ảnh
Hình 11: Khả năng suy giảm do lỗi (trái), hình ảnh nhiệt của lỗi (Giữa) và đặc điểm VI của lỗi được quan sát (phải)

Chi tiết có ở chú thích sau ảnh
Hình 12: Các hệ số phân rã wavelet ba cấp

Đánh giá toán học cho các trình trích xuất đối tượng được đưa ra được mô tả như sau:

Năng lượng của tín hiệu E được định nghĩa là:

bình:x-wiley:20500505:media:ese3255:ese3255-math-0001(1)

Trong đó x ( n ) là tín hiệu có đặc tính năng lượng cần được trích xuất.

Tính năng Power của tín hiệu được định nghĩa là:

bình:x-wiley:20500505:media:ese3255:ese3255-math-0002(2)

Thông thường các giới hạn được thực hiện trong một khoảng thời gian vô hạn.

Ngoài sức mạnh và năng lượng của tín hiệu còn có nhiều tính năng khác khác nhau tùy theo tín hiệu. Rõ ràng là mọi tín hiệu đều có xu hướng gặp phải một số nhiễu có thể khiến tín hiệu không thể phát hiện được. Nhiễu này thay đổi tùy theo tín hiệu và do đó cung cấp phạm vi rộng để phân biệt các tín hiệu. Tỷ lệ tín hiệu trên công suất nhiễu được xác định là Tỷ lệ tín hiệu trên tạp âm và được tính từ:

bình:x-wiley:20500505:media:ese3255:ese3255-math-0003(3)

*SNR tính bằng decibel (dB)

bình:x-wiley:20500505:media:ese3255:ese3255-math-0004(4)

Để tính SNR, phải đo bình phương trung bình gốc (RMS) của tiếng ồn. Xem xét tín hiệu được số hóa, RMS có thể được tính bằng cách bình phương từng giá trị của tín hiệu, lấy giá trị trung bình số học của các giá trị bình phương và áp dụng căn bậc hai cho kết quả. Nói chung, RMS của tín hiệu biểu thị “công suất” trung bình của tín hiệu. Để xác định các đặc điểm phổ trong tín hiệu bằng kỹ thuật sóng con, ban đầu tín hiệu được xử lý trước để loại bỏ các thành phần giả và Thực hiện phân tích tần số thời gian dựa trên sóng con để xác định các đặc điểm. Các tần số tức thời liên quan đến chuỗi thời gian được biểu diễn bằng nghiệm số của các tín hiệu thu được, tạo ra sự tiến hóa tần số. Điều này cho phép chúng tôi phân biệt giữa các mô-đun bình thường và bị lỗi. Vì đối với các mô-đun bị lỗi, tần số không đổi và trùng với tần số Fourier, các kênh cộng hưởng được xác định do độ chính xác cao trong việc ấn định tần số. Hơn nữa, sự thay đổi tần số theo thời gian cho phép chúng tôi phát hiện bẫy cộng hưởng tạm thời của các mô-đun bị lỗi và tác động của chúng đến hiệu suất hệ thống. Phân tích Tần số Thời gian, Phân tích Phổ và Biểu đồ Phổ của các đặc tính IV của môđun PV hoạt động trong điều kiện bình thường được mô tả trong Hình 13 .

Chi tiết có ở chú thích sau ảnh
Hình 13: Phân tích tần số thời gian, phân tích phổ và biểu đồ phổ đặc tính VI của môđun PV hoạt động trong điều kiện bình thường

Trích xuất tất cả các tính năng được đề cập cho các tín hiệu khác nhau thu được cho các mô-đun bình thường và bị lỗi, kỹ thuật MLPNN được sử dụng để phân loại chúng, thu được dữ liệu đã được huấn luyện có thể sử dụng để xác định lỗi như trong Hình 14 .

Chi tiết có ở chú thích sau ảnh
Hình 14: Khối biểu diễn cho quy trình thử nghiệm đã phát triển

Các quan sát cho thấy điện áp đầu ra có liên quan đến vị trí sự cố và loại sự cố. Sau khi tất cả các tín hiệu lỗi đã được phân loại, một kỹ thuật thông minh phù hợp như mạng thần kinh sẽ được áp dụng để phân loại các đặc điểm lỗi. Việc áp dụng mạng thần kinh (perceptron đa lớp) đặc biệt để phân loại lỗi như mô tả trong Hình 14 được coi là giải pháp thuận lợi nhất. Ưu điểm khác của mạng nơ-ron là, đối với một nơ-ron đơn lẻ bị hỏng, hiệu suất của mạng bị suy giảm một phần nhưng vẫn có thể quyết định bằng cách sử dụng các nơ-ron còn lại, do đó cung cấp thêm mức độ tự do để giải quyết các vấn đề phi tuyến. Dữ liệu được đào tạo thu được bằng cách phân loại các tính năng được trích xuất được sử dụng để phát hiện lỗi đối với một tập hợp dữ liệu nhất định. Dự đoán lỗi cho tập dữ liệu đã huấn luyện được hiển thị trong Hình 15 .

Chi tiết có ở chú thích sau ảnh
Hình 15: Phát hiện lỗi bằng cách sử dụng dữ liệu được đào tạo của bộ phân loại MLPNN

Ưu điểm chính của thuật toán là độ chính xác phân loại và thời gian cần thiết để phát hiện lỗi. Độ chính xác phân loại ( acc ) của hệ thống phụ thuộc vào các trường hợp dự đoán sai ( pc ) và số ca kiểm thử ( c ) cho bởi (5).

bình:x-wiley:20500505:media:ese3255:ese3255-math-0005(5)
Tổng độ chính xác của một mô hình phân loại C nhất định cho N đường nhỏ được đưa ra bởi (6):

bình:x-wiley:20500505:media:ese3255:ese3255-math-0006(6)

Trong đó f xác định số đường gấp. Thời gian phát hiện lỗi đối với một thuật toán nhất định được xác định là thời gian trôi qua giữa lúc xảy ra lỗi và phân loại lỗi. Thời gian Phát hiện Lỗi trung bình ngắn hơn đáng kể đối với các mô-đun ở trạng thái Cảnh báo, với thời gian Phát hiện Lỗi trung bình là 9 giây.

Thời gian phát hiện lỗi được cho bởi (7):

bình:x-wiley:20500505:media:ese3255:ese3255-math-0007(7)

Ở đâu, FDT là Thời gian phát hiện lỗi, AFT = Thời gian báo động và kiểm tra đèn flash (Thời gian kiểm tra đèn flash phải <50 ms), SPT = Thời gian xử lý tín hiệu và CDT = Thời gian phân loại và quyết định. Thời gian xử lý đặc tính IV (SPT) và phân loại và quyết định (CDT) lần lượt là 3 giây và 5 giây. Thời gian báo động phụ thuộc vào khu vực và số lượng mô-đun PV được lắp đặt trong một khu vực cụ thể. Thời gian phát hiện lỗi trung bình và hiệu quả của các wavelet khác nhau cùng với các bộ phân loại khác nhau được trình bày trong Bảng 7 .

Bảng 7. Độ chính xác của thuật toán Wavelet và phân loại để phát hiện lỗi
Kỹ thuật phân loại Wavelet Tín hiệu Hồ sơ bị phân loại sai Sự chính xác (%) Khoảng tin cậy (%) Thời gian phát hiện lỗi trung bình
MLPNN (đã phát triển) db3 Vôn 0 100 99,00-100 9 giây
Máy vectơ hỗ trợ 108 db3 Vôn 2 98,55 96,55-99,42 25 giây
K-phân loại hàng xóm gần nhất 109 , 110 db3 Hiện hành 7 98,71 97,30-99,40 45 giây
Phân loại cây quyết định 111 db1 Điện áp và dòng điện 126 76,12 70.30-77.80 15 phút

5 NGHIÊN CỨU TRƯỜNG HỢP VÀ NHẬN BIẾT DỊ THƯỜNG

Một nghiên cứu trường hợp liên quan đến ba điều kiện hoạt động khác nhau của mô-đun quang điện được thực hiện tại Phòng thí nghiệm Điện tử công suất tiên tiến của Jamia Millia Islamia-New Delhi, Ấn Độ. Ba mô-đun PV khác nhau, mỗi mô-đun có công suất 250 W (công suất tối đa) được vận hành bình thường (NO – 001b), vận hành có bụi (DM – 010b) và điểm nóng (HM – 100b) đã được thử nghiệm trong các điều kiện thử nghiệm tiêu chuẩn. Hiệu suất của các mô-đun được đánh giá ở nhiệt độ tế bào 25°C với khối lượng không khí AM 1,5 và mức bức xạ 1000 w/m 2 . Các điều kiện thử nghiệm tiêu chuẩn tương ứng với quang phổ ánh sáng mặt trời xảy ra vào một ngày nắng đẹp với mặt trời hướng về phía 37°—nghiêng và góc của mặt trời là khoảng 41,81° so với đường chân trời. Các hình ảnh nhiệt tương ứng với các lỗi và chế độ hoạt động khác nhau của các tấm pin được chụp bằng camera hồng ngoại TiS45 như trong Hình 16 và thu được các Đặc tính IV tương ứng của chúng. Các đặc điểm IV được quan sát được lập bảng để trích xuất các đặc điểm theo quy trình trích xuất đặc điểm được đề xuất. Sau khi quan sát được các tính năng cần thiết, chúng được chia thành ba lớp và được đào tạo bằng cách sử dụng mạng nơ ron perceptron đa lớp như trong Bảng 8 .

Chi tiết có ở chú thích sau ảnh
Hình 16: Bố cục của nghiên cứu trường hợp

Bảng 8. Các tính năng được trích xuất
Số mẫu Tính năng được trích xuất Đầu ra (từ MLP) Trạng thái lỗi
Năng lượng Quyền lực Đỉnh cao Tổng độ méo hài Sự hỗn loạn Tỷ lệ tín hiệu trên nhiễu
1 99,957 142.1571 186.3215 0.155154 0,0899 271.0186 (001)b KHÔNG
514 96.432 136.2468 169.425 0,18435 0,3325 289.0177 (010)b DM
1027 98.356 139.346 154,36 0,2286 0,2488 276.8695 (100)b HM
1539 99,993 147.256 156,25 0,2168 0,2675 274.3597 (100)b HM

Sau khi nhận được tập dữ liệu huấn luyện, nó sẽ được chuyển đổi sang bảng mạch Altera DE2 115 Cyclone IV series FPGA (Mảng cổng lập trình trường) để thử nghiệm thuật toán huấn luyện đã phát triển. Với mục đích thử nghiệm, các đặc điểm của lỗi điểm nóng đã biết mà không có bất kỳ phân loại nào được chuyển qua tập dữ liệu đã huấn luyện và kết quả đầu ra phân loại cuối cùng được quan sát trên màn hình LCD 16 × 2 gắn trên FPGA. Bằng cách điều chỉnh công cụ kiểm tra nhiệt để chẩn đoán lỗi của mô-đun quang điện, nhiều kỹ thuật phân tích và khai thác dữ liệu khác nhau có thể hữu ích trong việc tìm hiểu sự xuống cấp và hỏng hóc của mô-đun. Các phương pháp chẩn đoán thông thường và những hạn chế của chúng đã được xem xét, đồng thời quan sát thấy mối tương quan giữa các phương pháp chẩn đoán thông thường và các phương pháp chẩn đoán ít được sử dụng hơn, dẫn đến việc xác định một phương pháp mới trong chẩn đoán và xác định vị trí lỗi. Bảng 9 mô tả các tham số tóm tắt của các mẫu huấn luyện, xác nhận và thử nghiệm cũng như cấu trúc của kỹ thuật MLPNN. Nói tóm lại, kết quả mô tả độ chính xác đào tạo 100% và độ chính xác kiểm tra và xác thực 99% trong thời gian rất ngắn <9 giây đối với thuật toán đã phát triển.

Bảng 9. Tham số tóm tắt cho mạng MLPN.
Thông số Quy trình phân loại Wavelet-MLPNN
Quá trình đào tạo Quá trình kiểm tra và xác nhận
Số lượng mẫu được sử dụng 1539 462
Cấu trúc mạng 5-12-3 5-12-3
kỷ nguyên 26 26
Số mẫu chưa được phân loại 0 2
Tiêu chí thực hiện Có nghĩa là lỗi bình phương Có nghĩa là lỗi bình phương
Thuật toán huấn luyện Lan truyền ngược gradient liên hợp theo tỷ lệ Lan truyền ngược gradient liên hợp theo tỷ lệ
Độ chính xác phân loại 100% 99%

6 KẾT LUẬN

Công việc được trình bày trong bài viết này nhằm mục đích nghiên cứu các loại lỗi khác nhau trong mô-đun PV và kỹ thuật phát hiện chúng. Một tài liệu đánh giá hiện đại đã được giới thiệu trong đó các loại lỗi trong các mô-đun PV khác nhau đã được quan sát và nêu rõ những ưu điểm cũng như nhược điểm. Người ta đã nhận thấy những hạn chế của các kỹ thuật giám sát tình trạng và chẩn đoán lỗi khác nhau liên quan đến các đặc tính đầu ra và thông số hiệu suất khác nhau của môđun PV. Do đó, công việc được phát triển tập trung vào các kỹ thuật chẩn đoán có khả năng trích xuất các đặc điểm nổi bật có thể phân biệt giữa các loại lỗi khác nhau. Tầm quan trọng của hình ảnh nhiệt và việc sử dụng chúng bằng các kỹ thuật thông minh được phát triển để quan sát và hiểu rõ hơn về các lỗi. Các kỹ thuật xử lý tín hiệu dựa trên biến đổi Wavelet đã được triển khai để phát hiện và trích xuất tính năng trong miền tần số và thời gian. Các đặc trưng được trích xuất được huấn luyện bằng hệ thống mạng nơ-ron để phân loại. Dữ liệu được đào tạo từ thuật toán được phát triển mang lại độ chính xác 100% khi được điều chỉnh để phân loại tình trạng lỗi nhất định. Thời gian phát hiện lỗi trung bình trong điều kiện Cảnh báo được đo là <9 giây, tốt hơn so với tài liệu. Hiệu quả của thuật toán phân loại lỗi đề xuất được xác thực trên cả nền tảng mô phỏng và hệ thống thử nghiệm PV quy mô nhỏ trong điều kiện làm việc thực tế. Từ việc xem xét và nghiên cứu trường hợp, người ta biết rằng thuật toán phân loại lỗi được phát triển rất hiệu quả về mặt đào tạo, xác nhận, kiểm tra và thời gian phát hiện lỗi. Các lỗi có thể bị ẩn trong mảng PV mà không được chú ý cũng có thể được phát hiện bằng thuật toán đã phát triển. Điều này làm cho hệ thống đáng tin cậy hơn. Nghiên cứu điển hình xác minh kết quả mô phỏng và chứng minh rằng thuật toán được phát triển có cơ hội tốt hơn để khắc phục lỗi. Để tiếp tục nghiên cứu này, công việc trong tương lai có thể khám phá các giải pháp bảo vệ lỗi chủ động mới, chẳng hạn như cách khắc phục lỗi một cách chủ động, phản hồi và an toàn. Dựa trên tín hiệu ngắt được tạo ra từ các phương pháp đề xuất, giải pháp bảo vệ lỗi chủ động sẽ tăng hiệu quả, độ tin cậy, an toàn và khả năng miễn nhiễm lỗi của hệ thống. Do đó, việc tích hợp các phương pháp bảo vệ lỗi chủ động với các phương pháp được đề xuất sẽ là một chủ đề nghiên cứu thú vị trong tương lai.

Để lại một bình luận

Email của bạn sẽ không được hiển thị công khai. Các trường bắt buộc được đánh dấu *

 37 Bùi Hữu Nghĩa, Phường An Hải Bắc, Quận Sơn trà, Thành phố Đà Nẵng

 +84 846 39 19 68

 contact@solareye.vn

SolarEye