光伏电站电气火灾监控预警系统研究

来源:用户上传      作者:

　　摘  要：目前光伏发电在我国发展势头十分迅猛，但暴露的安全问题也不容忽视，基于光伏发电现实生产需求，以及国家标准对于光伏发电并网的监控要求，设计了此光伏电站电气火灾监控预警系统。系统分为监控层、传输层、应用层，结合Zigbee、4G技术等技术，旨在实现光伏发电本地控制、远程数据呈现以及远程控制等功能。系统结合光伏电池建模，提出了一套全面的监控策略，为提升光伏发电安全效能提供高效解决方案。
　　关键词：光伏发电;监控预警;安全;工控机;Zigbee
　　中图分类号：TM615        文献标志码：A         文章编号：2095-2945（2020）23-0098-04
　　Abstract： In recent years， the development of photovoltaic power generation in China is very fast， but the exposed safety problems can not be ignored. Based on the actual production needs of photovoltaic power generation， as well as the requirements of national standard for photovoltaic power grid monitoring， the photovoltaic power plant electrical fire monitoring and warning system is designed. The system is divided into monitoring layer， transmission layer and application layer. Combined with Zigbee， 4G and other technologies， the system aims to realize local control of photovoltaic power generation， remote data presentation and remote control. Combined with photovoltaic cell modeling， a set of comprehensive monitoring strategy is proposed to provide an efficient solution for improving the safety and efficiency of photovoltaic power generation.
　　Keywords： photovoltaic power generation; monitoring and early warning; safety; industrial computer; Zigbee
　　引言
　　近年来，我国光伏发电持续快速发展。截止2019年5月装机总容量超过2.043亿千瓦[1]，技术水平不断提升，成本显著降低，开发建设质量和消纳利用明显改善，在部分地区实现了家庭分布式光伏并入电网，为建设清洁低碳、安全高效能源体系发挥了重要作用。然而，光伏发电带来的安全问题非常严峻。夏季温度过高、太阳辐射强度过大等环境因素，以及光伏板隐裂等自身安全问题，都会导致光伏电池过热甚至烧毁，引发串组光伏板大面积火灾。
　　目前光伏电站监控系统采用的通信技术主要有IEEE802.15.4标准的Zigbee通信组网技术、工业RS485总线以及4G技术[2]。Zigbee技术反应时间短，功耗低，但传输距离有较大限制，适合于光伏电站本地数据呈现与本地控制的功能要求;工业总线实时性好，但铺设成本高，对于偏远的光伏电站监控是不可实现的;4G技术可靠性高，适合远程数据传输。
　　根据GB/T31366-2015（《光伏发电站监控系统技术要求》），该标准规定了适用于光伏发电并网监控装置和系统的相关要求。通过查阅资料[3]，我国光伏发电系统最主要起火部件为光伏板，其火灾数量达到光伏发电火灾总量的42%，笔者基于该标准设计此光伏电站电气火灾监控预警系统，主要针对光伏板进行监控保护，实现光伏发电实时数据远程呈现、远程预警与远程控制，以确保光伏发电生产单位安全性。
　　1 系统总体设计
　　光伏电站大多分布偏远，发电现场天气环境多变，不利于精密电子仪器工作;而监控预警系统要求控制设备可靠性要求高、设备安装运营成本较低。根据设备安装运营的地点，本系统分为监控层、传输层、应用层三个层级。监控层主要实现现场数据采集与上传功能，并且根据反馈信号控制光伏板通断，其设备一般考虑安装在户外光伏发电现场;传输层作为系统核心部分，其作用在于完成数据接收、处理和发送，其设备应考虑安装在光伏电站室内;应用层是基于4G面向系統管理者和用户的层级，其系统管理PC端和终端APP不受地域条件的限制。
　　（1）监控层。该层配置的监控设备主要包括安装在各个光伏板上的信号采集单元和与光伏板相连的继电器开关模块。信号采集单元包括安装在光伏板上的各类传感器（DS18b20温度传感器、GY-30数字光强度传感器）和与光伏板相连的电气测量装置（IM1253功率测量模块），用以实时采集光伏板的实时参数并上传至传输层。监控层根据传输层指令通过继电器开关控制光伏板工作状态。
　　（2）传输层。该层级以工控机为核心，用以处理监控层的信号;工控机通过Zigbee模块和监控层相连，和应用层设备通过4G相连。
　　（3）应用层。应用层包括PC端的系统管理端，以及APP用户服务端。PC端是系统管理者用以监控系统工作状态及网络维护;用户通过APP用户服务端查看光伏板工作状态，接受报警信息，并控制光伏板工作状态。 　　2 监控层设计
　　2.1 监控层总体设计
　　监控层主要实现现场数据采集与控制功能，具体包括传感器模块、功率计量模块以及继电器开关模块。传感器模块和功率测量模块获取实时参数，通过Zigbee模块与传输层设备连接;Zigbee模块和继电器开关控制信号输入管脚相连，用以控制光伏板工作状态。
　　2.2 传感器
　　2.2.1 DS18b20温度传感器
　　温度传感器采用DS18B20传感器。这是一种单总线数字式温度传感器，体积小，抗干扰能力强，成本低，精度高，便于维修与更换，适应于户外长时间使用。只需将DS18B20传感器的输出管脚与Zigbee主板输入管脚相连即可。
　　2.2.2 GY-30数字光强度传感器
　　GY-30数字光强度传感器采用ROHM原装BH1750FVI芯片，可检测的光照度范围为0-65535lx，接近于视觉灵敏度的分光特性可对广泛的亮度进行高精度测定[4]。传感器内置16bitAD转换器，直接数字输出，无需模数转换。
　　2.3 功率测量模块
　　2.3.1 设备选型
　　本系统采用INA225数字功率监视器来测量光伏板瞬时输出功率。INA226具有I2CTM或SMBUS兼容接口。该器件可实现电流值和功率值的直接读取。待测电压范围为0-60V，最高失调电压为10μV，最大增益误差为0.1%[5]，并且可以通过选择采样电阻Rm大小调整电流测量量程以及大电流时的线性度。
　　2.3.2 采样电阻选择
　　根据原理图，INA225数字功率监视器电流测量的量程以及大电流时的线性度主要由采样电阻Rm决定，因此需要根据光伏板设备的额定工况电压、电流选择合适大小的采样电阻阻值。根据资料显示[6]，我国工业用单个光伏板功率在120w-200w，以200w光伏板为例，选用采样电阻阻值为2mΩ情况下，待测电流范围为0-40A，在电流小于30A时线性度良好[7]，适合高精度大电流范围检测。
　　3 传输层设计
　　3.1 传输层总体设计
　　传输层在系统中起到数据接受、存储、处理及转发的作用，其软硬件设计的可靠性往往关系整个系统的运行效果。因此传输层以工业级设备工控机为核心，工控机通过Zigbee模块建立与信号采集模块之间的实时通信，并通过运用4G技术与应用层互联。
　　3.2 Zigbee互联模块
　　本系统采用Zigbee模块实现信号采集模块与工控机的互联。Zigbee技术能较好地应用于短距离和低速率下的无线通信，主要用于距离短、功耗低且传输速率不高的各种电子设备之间进行数据传输以及典型的有周期性数据、间歇性数据和低反应时间数据传输的应用。
　　本系统采用树状式的Zigbee组网拓补结构，拓补结构如图4所示。
　　配置ZigBee协调器，作為网络各节点信息的汇聚点，负责组建、维护和管理网络。ZigBee协调器有较强的通信能力、处理能力和发射能力，能够把数据发送至远程控制端。工控机作为终端节点，与协调器直接相连。考虑到光伏电站生产实际，生产现场光伏板数量较大，相应地，以信号采集单元数量也较大，将其直接与Zigbee协调器连接不利于分区、分层管理，因此需配置部分Zigbee节点作为路由器，将信号处理单元通过路由器连接到协调器。
　　3.3 工控机
　　本系统采用以N2805为CPU的双核双线的工业控制计算机（IPC），IPC机是基于PC总线的微型工业电脑，采用底板+CPU卡结构，具有很强的输入输出功能，支持通电自动开、网络唤醒、长时间运行、自动故障诊断，相较于普通微型计算机稳定性与可靠性有较大提升[8]。同时，工控机耐受烟雾、高温、风沙等环境，最高正常工作温度可达60℃，适合应用于光伏发电生产现场。其软件设计流程如图5所示。
　　4 应用层设计
　　工控机与远程终端通过4G实现远程通信。通过UartAssist子程序将Zigbee串行通信模块的数据报文解析，并用数据库调用程序存储在Oracle数据库中。工控机访问数据库，将所得数据送入后台进行数据处理与分析，完成后发送给终端APP。对于终端而言，一方面实时数据、历史数据等信息在终端呈现;另一方面，终端可以发出控制指令，同理，控制指令反馈给工控机，工控机通过Zigbee模块向继电器开关发送指令，实现远程控制要求。
　　5 系统监控策略及实现效果
　　本系统的监控策略包括远程用户控制与本地控制。用户基于远程数据呈现，可以远程精准控制异常工作的光伏板与汇流箱的连接通断;系统本地控制通过工控机软件设计中的运算判断子程序实现，在满足条件时切断光伏电池与逆变器的连接，可以脱离4G网络运作。
　　本地控制通过测量光照强度Ei和实时功率Pi，通过模型判断光伏板是否工作在合适状态，并给出安全的工作范围。
　　查询文献可得到光伏电池每个模块的输出电流I和输出电压V之间的数学关系[9]
　　 在系统中不可避免地存在测量误差、随机误差，使得测得的光照强度Ei和输出功率Pi与真实值有偏离。以额定功率为300W的光伏板为例，引入随机扰动的思想，得到置信度为0.95的双侧置信区间S，如图6所示。其意义为：在图中S区域内工作状态称为安全运作状态。
　　基于上述的光伏电池建模结果，系统本地控制功能实现的自动控制光伏板与发电系统断开的条件，为以下两个判据有至少一个成立：（1）工作温度超过额定工况温度;
　　（2）光伏电池工作点离开安全工作区一定时间？驻t。
　　通过查阅文献[10-11]，光伏电池故障时，继电器开关控制光伏电池与汇流设备会产生电弧，对电网及其他光伏组件产生冲击电流。因此需要设置继电器开关延时断开，在汇流装置中设置保护措施。同样，不可避免地，本地控制系统存在Zigbee组网通信延时，继电器开关机械延时。延时切断期间光伏电池会有额外温升，可能导致光伏板老化甚至引起火灾。因此系统通过有效切除率这一指标来定量描述系统的监控预警效果。 　　有效切除率：光伏组件达到最高耐温前有效切除光伏组件与电网连接的概率。选用？驻t为5s时的实验状况下，能最大程度地保证光伏电池发电量，对于由太阳辐射强度与环境温度等外部环境条件的变化而导致的光伏电池过热的问题，本地控制的有效切除率可以达到95.6%;对于由光伏板质量不合格、隐裂等问题引起的光伏电池发热问题，有效切除率最低可以达到60%。
　　6 结束语
　　本文通过光伏发电理论分析的基础上，针对光伏电站分布偏远等特点，提出了一种基于Zigbee技术和4G技术的系统化光伏电站电气火灾监控预警系统。主要完成了以下工作：（1）提出了一套层级化设计的监控预警系统设计方案，并对系统中各个层级的设备选型与连接方式作了详细介绍。（2）设计了一套基于光伏电池建模的监控策略，从工作温度、安全运作区间等角度精确判断光伏板工作状态，设计了远程控制与本地控制两种控制方式。（3）运用4G技术实现用户远程数据查看与控制功能。
　　光伏發电电气火灾防控是一项需要不同行业协作，共同参与治理的系统性工程。本监控预警系统主要作为一种成本不高、预测性强、容易实施的技术性手段，主要针对光伏板进行参数检测、远程预警与控制。本系统选用的设备大多为工业级设备，可适应不同气候环境要求，适合应用于光伏发电现场。随着光伏发电在我国进一步普及，以及“安全生产”工业生产原则的进一步落地，此系统在解决并网光伏发电安全性问题领域，必将展示出其独特的优越性。
　　参考文献：
　　[1]上海中经视野企业管理咨询公司.中国光伏发电产业发展前景展望报告[R].
　　[2]吴志锋，舒杰，崔琼，等.光伏发电系统智能监管平台技术[J].电源技术，2019，43（03）：490-494.
　　[3]缪进荣.太阳能光伏电站监控系统的研究与实现[D].北京交通大学，2012.
　　[4]陈征，王忠义，欧阳祖熙.光电池光强测量数字传感器设计[J].控制工程，2010，17（S3）：173-175.
　　[5]王雪.光伏监控中的故障诊断方法及应用[D].杭州电子科技大学，2017.
　　[6]杨凌帆，刘倩，张雨金，等.基于光伏发电影响因素分析的集成建模及预测应用[J].中国计量大学学报，2019，30（02）：158-165.
　　[7]GB/T31366-2015.光伏发电站监控系统技术要求[S].
　　[8]周小杰.光伏并网控制系统研究[D].上海大学，2014.
　　[9]郑义斌.光伏发电系统最大功率跟踪与并网控制方法[D].西南交通大学，2016.
　　[10]陈昌松.光伏监控系统发电预测及能量管理的研究[D].华中科技大学，2007.
　　[11]lvaro Huerta Herraiz，Alberto Pliego Marugán，Fausto Pedro García Márquez. Photovoltaic plant condition monitoring using thermal images analysis by convolutional neural network-based structure[J]. Renewable Energy，2020，153.
　　[12]张丽，陈硕翼.光伏发电并网技术发展现状与趋势[J].科技中国，2020（02）：18-21.
转载注明来源:https://www.xzbu.com/1/view-15292907.htm