1、2023.7电脑编程技巧与维护光伏组串是光伏发电系统的出力单元，其出力质量直接影响光伏系统的发电效率与健康状态。由于光伏发电设备需常年在强光照的户外工作，外界环境通常较为恶劣，故工作组件及组串常出现短路、老化等不良工况1。在正常运行中，当前辐照值的强弱是影响光伏系统输出的直接影响因素，温度与光伏组串的表面积灰情况对系统输出也会造成一定的影响，目前对于光伏系统工作状态的检测多集中于对组件及阵列的故障检测。文献2改进了单阶段多框检测模型（SSD），改善了样本处理方式，提高了定位故障组件的准确率；文献3采用电压、电流定位法与电池参数模型相结合的方式，判断阵列中存在热斑的位置与故障程度。上述文献将研究
2、重点集中在故障检测中，但评估光伏系统出力情况时，不仅只有故障组件会影响到功率输出，当下的辐照度、温度及组串是否存在遮阴等非故障因素都将影响最终的输出情况。文献4组件在I-V曲线特性的基础上提出使用S-V曲线特性，并采用积分面积对应到阴影遮挡比例，在线检测组件的遮阴程度。考虑到整体评估的实用性及快捷性，将对光伏组串在不同工况下的运行情况进行分析，通过对其短路电流、开路电压及最大功率下的电流电压的特征进行进行比较，结合辐照值、温度、是否积灰等外部条件，确定光伏组串，以工况健康状态的评估指标，基于组合赋权的方法对各评估指标赋权，通过云模型评估方法对光伏组串的健康状态进行评估，评估结果有助于系统日常维
3、护与选择健康光伏组串响应电网负荷要求。1构建评价指标体系光伏系统的输出状态情况主要受太阳辐照值强弱的影响，另外输出功率也会因工作环境与发电设备的自身情况而变化，如环境温度与输出功率呈反比，板面积灰对光伏输出的影响较大5。参照文献查阅与行业技术标准确定出评价体系结构，选择一级指标3项将影响因素化分为环境、巡视、出力3类，并对一级指标内容进行分析，细化分出9项二级指标，各级评价指标的关系如图1所示。1.1确定指标权重权重能描述不同指标相对于某一特性的重要程度，目前使用组合赋权确定各评价指标的权重是常用的方法，组合赋权法按一定的方式将主观赋权法与客观赋权法得到的权重结合起来得到最终的各指标权重，此方
4、法兼顾了主观性与客观性，避免了单一赋权方法中存在的片面性。1.1.1 基于 AHP 的主观权重确定主观权重的确定采用层次分析法（AHP），所得权重结果主要基于专家对指标重要程度的判定，是一种主观赋权方法，其主要计算步骤为如下。（1）构造判断矩阵。针对光伏组串工作状况评价体系，分别构造各层次的判断矩阵，通过AHP法可得到包含m个评价指标、n个专家的判断矩阵A=（aij）mn，得到最大特征值max后，根据公式（1）求解出对应的作者简介：陈佳凝（1994），女，硕士，研究方向为光伏能源研究与故障识别。基于组合赋权与云模型的光伏组串工作状况评价陈佳凝，刘越，孙乐乐（新疆工程学院，乌鲁木齐830000）
5、摘要：针对缺少评价光伏组串工作状况的方法的现状，提出使用组合赋权与云模型的方式对不同工作状况下的光伏组串进行工况评估。考虑光伏电站的外界环境及运行条件，选取 9 个评价指标建立光伏组串工作状况评价体系，其中使用层次分析法和熵权法相结合的方式进行组合赋权，有效避免了指标单一方法赋权的片面性，最后应用云模型对组串的不同工况进行等级评估，仿真结果表明，研究方法能够有效地评价光伏组串的工作状况。关键词：光伏组串；层次分析法；熵权法；云模型；仿真图1各级评价指标的关系光伏组串工作状况评价指标体系环境因素指标X1巡视因素指标X2出力因素指标X3太阳辐射X11X12X21X22X23X24X31X32X33
6、环境温度存在积灰存在遮阴存在外壳破裂存在局部过温输出功率直流侧输出电压直流侧输出电流62DOI:10.16184/prg.2023.07.0062023.7电脑编程技巧与维护特征向量v。Annv=max（1）（2）计算各指标权重。通过公式（2）计算各指标权重，其中为vi为max的对应元素。（2）（3）通过一致性检验。AHP方法使用时需要验证得出权重的一致性，若不通过需调整判断矩阵，直至算出的权重通过一致性验证，计算方法如公式（3）、公式（4）所示，n为判断矩阵的阶数，当CI0.1时满足一致性要求，R的取值对应文献6中设置。（3）（4）1.1.2 基于熵值法的客观权重确定熵值法能够量化评价指标包
7、含的信息，通过各指标的熵值进一步计算得到对应的权重。熵值法是一种客观赋权的方法，该方法侧重于数据集信息的挖掘，能更好展现数据特点，有效避免主观因素的影响，计算方式如公式（5）、公式（6）所示：（1）对判断矩阵进行无纲量化处理后，计算：P=（pij）mn，pij为第i个评估目标中第j个评价指标的比重。（5）（2）计算各评价指标的熵值Ej：（6）（3）计算各评价指标的熵值权重：（7）1.2确定组合权重组合赋权的常见方法有线性加权法及乘法合成法等方法7，线性加权法基于分配指标权重系数的方式赋权，缺少理论依据，在此采用乘法合成法，其将主观与客观权重相乘后将结果归一化得出最终各指标的权值Wi。计算方法如
8、公式（8）所示：（8）2基于云模型的组串健康状态评价云模型是一种能实现定性与定量概念相互转化的模型，其基于概率理论与模糊集合理论提出，能够解决评价光伏组串的综合状态时具有的不确定性和模糊性的问题，使定性指标评价具有良好的适应性8。2.1计算云模型参数正态云模型可由期望Ex、熵En、超熵He 3个数字特征表示，并具有普适性。Ex是云模型的分布中心，表示评价指标的等级划分；En表示评价指标的不确定性，体现在各等级边界的模糊交叉程度；He能够度量En不确定性程度。正态云数字特征（Ex，En，He）的计算公式如公式（9）公式（11）所示：（9）（10）（11）其中，Cmax、Cmin分别为评价等级的上
9、、下临界值；s为常数，据实际情况与专业知识取得。2.2量化评估等级以光伏组串的工作状态为评价事件，将其评价等级分为“健康”“良好”“注意”“故障”4个等级，使用正态云模型理论建立评价模型，主要构建步骤如下。（1）通过前述基于AHP-熵权法的组合赋权方法为各评价指标赋权，依据实际光伏组串的工作状态将制定其工况划分等级。（2）根据公式（9）公式（11）得到各评价指标的云模型数字特征。（3）应用评价指标的云模型数字特征计算各指标在各等级下的隶属度，如公式（12）所示：（12）（4）结合步骤（1）得到的指标权重，计算出光伏组串工作状况的综合隶属度，如公式（13）：（13）（5）通过公式（14）基于综合
10、隶属度计算出等级特征值K，将评估结果定量化，得到组串工作状态对应的等级。公式（14）中的m为评价体系的划分等级总数，m=4。（14）3仿真案例验证为验证评价模型对光伏组串工作状态评价结果的合理性与有效性，通过MATLAB/Simulink构建光伏组串仿真模型，基于实际现场数据加入不同的影响因素，得到如表1所示中光伏组串在相同光照与温度条件下，健康、存在局部阴影、组件老化、短路故障及开路故障5种常见工况下的仿真数据。使用提出的评价模型，评估表1中各类工况下组串工作状态所对应的等级，对比评估结果与对应组串工况的工作状况是否一致。632023.7电脑编程技巧与维护工况隶属度等级特征值评估等级健康良好
11、注意故障健康0.24440.02490.00000.00001.09健康存在局部阴影0.01350.19680.00000.18872.96注意组件老化0.00780.15890.00000.18063.1注意短路故障0.00420.03750.02160.20573.66故障开路故障0.00050.02640.00120.13663.62故障3.1确定评价标准根据光伏系统工作状态的实际情况，结合专家意见与运行经验将光伏工作状态的综合评价效果划分为4个等级，分别为“健康”“良好”“注意”“故障”，各评价指标的等级范围，如表2所示。3.2评价指标云数字特征与基准云如表2中各评级指标的等级划分边界
12、作为对应指标的为Cmin、Cmax，使用公式（9）（11）计算各指标的云数字特征值。进一步得到9个评价指标对应的基准云，如图2所示为输出功率基准云，其余指标的生成方式一致，不再赘述。3.3计算组合权重使用AHP法和熵权法计算得到各指标的主观权重和客观权重，根据公式（8）乘法合成法得到最终的组合权重，计算出各评级指标的组合权重值，如表3所示。3.4评价结果表1中列出了健康及不良工况下的仿真数据，根据云数字特征值和各指标组合权重，通过公式（12）公式（14）得到不同情况下的光伏组串工作状态的评估结果，如表4所示。如图3所示为局部阴影工况评估结果云图。等级特征值划分为4个等级，分别对应到“健康”“良
13、好”“注意”“故障”组串的工作状态，通过工作指标/模拟工况健康存在局部阴影组件老化短路故障开路故障X11800800800800800X122525252525X2100.020.080.020.02X2200.500.00.0X2300.020.80.20.12X2400.10.50.70.1X3120931749.7182516700X32379.3379.3335298236.3X336.55.36.46.50表1光伏组串在常见工况下的仿真数据指标健康良好注意故障X111200-850850-200200-100100-0X120-1010-3030-3535-40X210.05-00.
14、1-0.050.2-0.11-0.2X220.05-00.1-0.050.2-0.11-0.2X230.05-00.1-0.050.2-0.11-0.2X240.05-00.1-0.050.2-0.11-0.2X311-0.90.9-0.80.8-0.70.7-0X321-0.90.9-0.80.8-0.70.7-0X331-0.80.8-0.60.6-0.10.1-0表2各评价指标的等级范围图2输出功率基准云指标AHP权重熵权值组合赋权X110.1050.25460.2177X120.15090.04040.0677X210.11780.02530.0481X220.12250.01910.
15、0446X230.12250.04120.0613X240.1330.07780.0914X310.08140.26620.2206X320.08340.16770.1469X330.08350.10570.1002表3组合权重值表4光伏组串工作状态的评估结果图3局部阴影工况评估结果云图10.90.80.70.60.50.40.30.20.10输出功率（相对值）隶属度故障注意良好 健康00.10.20.30.40.50.60.70.80.9110.90.80.70.60.50.40.30.20.10隶属度健康良好注意故障1234(下转第74页)642023.7电脑编程技巧与维护状态评价模型得出
16、的结果符合实际仿真工况的状态，比如组串在阴影工况下工作时，模型将其评价为“注意”，而运行中存在短路故障的工况时，模型评价为“故障”，符合实际运行中的评价标准。图3中，局部阴影工况通过评价模型评估，将其等级划分在“注意”等级范围，进一步证明了构建的评估模型的合理性与准确性。4结语（1）根据光伏电站日常工作特性与影响工作状态的实际情况，选取了环境因素、巡视因素与出力因素3个级指标，在此基础上继续划分了9个级指标，从而构建了基于光伏组串健康状态的评价指标体系。（2）基于AHP-熵权法的组合赋权方法与云模型评价方法，针对评估光伏组串实时工作状态的问题构建了评价模型。通过组合赋权确定最优权重，运用云模型对工作状态进行评价，避免人为因素的主观性与常用隶属度方式的模糊性问题，进一步保障评价结果的精准性。（3）最后使用仿真模型模拟不同工况下的光伏组串输出情况，并使用方法评价各工况下的组串工作状态，所得结果与仿真工况相同，验证了评价模型的有效性。参考文献1王喜炜,白建波,宋昊,等.光伏组件加速老化试验可靠性及其寿命分布研究J.可再生能源,2017,35(5):675-680.2姜萍,王天亮,栾艳军.基于
