张晓鹏，张兴忠

（1.国网山西省电力公司大同供电公司，山西 大同037008；2.太原理工大学，山西 晋中030600）

0 引言

近年来，随着单晶硅提取成本的降低以及逆变器效率的升高，光伏发电度电成本不断下降，已能接近于平价上网[1]。然而，光伏组件的生命周期较长，光伏阵列使用过程中的故障不可忽视。及时诊断光伏阵列故障，对提高发电收益、降低运维成本具有实际意义[2]，[3]。

车彬等[4]，[5]通过K均值聚类并改进径向基神经网络（RBF）进行光伏组件故障诊断，但基于MATLAB平台，没有很好的实时检测效能。刘恒[6]通过仿真和实验模拟得到光伏组件在不同失配情况下输出的I-V曲线，利用I-V曲线阶梯特征判别故障类型。李光辉等[7]，[8]利用光伏阵列输出参数（电压、电流），应用半监督机器学习算法分析光伏阵列工作点状态，识别故障类型。宋文海[9]在传统光伏阵列串并联（SP）结构基础上，设置传感器分布区域，将光伏阵列串并联结构改为TCT结构进行检测，该方法可以及时检测故障，但应用成本较高，难以实现规模化应用。

本文依据所建立的光伏阵列仿真模型，通过模拟不同故障I-V曲线，提取重点故障特征，依据改进的支持向量机（SVM）核函数和惩罚因子进行训练，最终获取故障诊断结果。

1 仿真分析

本文10 kW光伏阵列按照串并联结构10×4进行布置，并基于MATLAB/Simulink模块建立光伏阵列仿真模型，模拟典型故障条件下的I-V，PV曲线，通过总结并提取故障特征进行建模。光伏阵列故障主要包括阴影遮挡、短路、断路、黄化、老化等，这些故障特征表现为阵列I-V曲线阶梯、P-V曲线多峰问题；……