分布式光伏系统中经济高效的数据驱动故障检测与诊断方法综述

作者及机构
本综述由Yinyan Liu（悉尼大学综合可持续性分析学院）、Earl Duran（Diagno Energy Pty Ltd）、Anna Bruce（新南威尔士大学光伏与可再生能源工程学院）等来自澳大利亚多所高校及企业的学者合作完成，发表于2025年的《Applied Energy》期刊（卷401，文章编号126636）。

研究背景与目标
随着光伏（PV, Photovoltaic）技术的快速发展和分布式光伏系统的广泛应用，如何通过经济高效的数据驱动方法实现可靠的故障检测与诊断（FDD, Fault Detection and Diagnosis）成为关键挑战。传统方法依赖高成本的图像数据（如红外热成像）或实验室环境的小规模数据集，难以适用于中小型分布式光伏系统。本文旨在提出一种基于时间序列电气参数（如电流、电压、功率）和气象数据的系统性方法论框架，填补工业实践与学术研究间的鸿沟，并为不同数据可用性场景下的算法选择提供指导。

主要内容与观点

1. 光伏系统故障分类方法
   作者提出两种故障分类策略：

   • 按位置分类：分为直流侧（DC-side）与交流侧（AC-side）故障。直流侧故障包括模块退化（degradation）、局部阴影（partial shading, PS）、开路（open circuit, OC）、短路（short circuit, SC）等；交流侧故障则涉及逆变器故障、电网电压频率异常等。
     
   • 按严重性分类：分为软故障（soft faults，如积尘、轻微老化）和硬故障（hard faults，如完全开路、火灾风险高的线路故障）。
     支持依据：通过分析澳大利亚商业光伏系统的真实数据集，作者构建了包含故障严重性等级和维修成本的故障库（fault library），例如直流侧LL（line-to-line）故障的修复成本显著高于交流侧逆变器限幅（clipping）故障。
     

2. 数据可用性与处理方法
   强调低成本时间序列数据的核心地位，包括：

   • 电气参数：直流侧（如阵列电流(I_A)、电压(VA)）、交流侧（如逆变器输出功率(P{AC})）。
     
   • 气象数据：辐照度（GHI, Global Horizontal Irradiance）、环境温度（(T_{amb})）。
     公开数据集短板：目前仅有少数数据集（如PVDAQ、NIST PV数据集）包含标记故障，且故障类型有限。作者推荐使用PVLib、PVsyst等软件模拟理论I-V曲线（电流-电压曲线），作为故障诊断的基准。
     

3. 传统统计与机器学习算法对比

   • 统计方法：基于性能指标（如性能比PR, Performance Ratio）或I-V曲线偏差分析，适合数据标签稀缺的场景。例如，通过比较相邻光伏系统的发电量（P2P算法）可检测异常。
     
   • 机器学习方法：
     
     • 监督学习：支持向量机（SVM）、随机森林（RF）在标记数据充足时表现优异（如诊断SC和OC故障的准确率>90%）。
       
     • 半监督学习：结合少量标记数据与聚类（如K-means）或自编码器（autoencoder），解决实际中标记数据稀缺问题。
       
     • 边缘计算：部署轻量化模型（如轻量级CNN）至树莓派等边缘设备，实现实时故障诊断，降低云计算依赖。
       

4. 关键挑战与未来方向

   • 数据局限性：现有算法多基于仿真或实验室数据，真实场景噪声（如气象波动）影响泛化能力。
     
   • 算法可解释性：黑箱模型（如深度学习）需结合特征工程提升诊断逻辑透明度。
     
   • 标准化数据集：呼吁建立包含多元故障类型的公开数据集，以支持算法横向对比。
     

学术价值与应用意义
本综述为工业界提供了按数据可用性选择算法的决策框架（如无标签数据时采用聚类，少量标签时采用半监督学习），并推动学术界关注低成本数据驱动的FDD研究。提出的故障库和边缘计算方案可直接指导光伏运维（O&M, Operation and Maintenance）实践，降低系统停机时间和维护成本。

亮点与创新
- 方法论创新：首次将算法分类与数据可用性（如标记数据量、电气参数类型）直接关联，形成层次化框架。
- 工业视角故障库：基于真实运维数据量化故障的经济影响，填补了学术研究中故障严重性分析的空白。
- 跨领域融合：结合传统统计方法与前沿机器学习，平衡算法成本与精度，适配分布式光伏的多样化需求。

其他有价值内容
文中对比了12种公开数据集（表1）和20余种算法的适用场景（表4-5），并开源了用于I-V曲线分析的代码库，可作为后续研究的基准工具。