Automated detection and analysis of faulty operating conditions at photovoltaic power plants

Abstract

Achieving the ambitious climate goals, set by the Paris Agreement on December 12, 2015, is inevitable for mitigating negative effects of anthropogenic climate change. A key role thereby plays the transition of the energy sector towards renewable energy sources. Consequently, the demand for power plants producing green energy, especially for huge photovoltaic (PV) power plants with installed power of several hundred Megawatt, increased tremendously in the last few years. Operating these PV power plants in an efficient and economical way requires reliable performance monitoring systems that are able to detect and analyze faulty operating conditions. Based on these needs, the aim of this master thesis was to develop and test an efficient and reliable fault detection and analysis algorithm. Therefore, a digital twin using the one-diode-model was calculated to simulate fault-free operating conditions of a PV array. The actual I-V-curves of PV power plants at maximum power point tracker (MPPT) levels were then analyzed in a further step. Following this principle, the algorithm can be applied for detecting different faults, like partial shading, short circuit faults or open circuit faults, on the direct current(DC) side of a PV power plant. Since full I-V-curve scans may not necessarily be provided by all inverters within a huge PV power plant portfolio, the developed fault detection and analysis algorithm is also applicable by only using operational maximum power point (MPP) data. A validation process carried out during this thesis, using data of pre-determined shading scenarios acquired by a field experiment, confirmed the reliability and potential of the developed algorithm. The simulation model of the digital twin was thereby proven to be capable of approximating the actual I-V-curves of fault-free operating strings. This substantial accuracy yielded false−positive rates of the fault detection algorithm below 0.05%. Furthermore, even small partial shading scenarios, like shading only one halfmodule of an entire string, could reliably be detected by the fault detection algorithm. Moreover, the algorithm could alsobe applied to estimate the current reduction and number of bypassed modules during faulty operating conditions. All in all, the developed fault detection and analysis algorithm can significantly improve performance monitoring and troubleshooting procedures, contributing to reduced operation and maintenance costs of huge PV power plants. Indeed,the potential of this algorithm for future applications could be proven throughout this thesis. Nevertheless, further validation and calibration steps are necessary before deploying the algorithm for routine performance monitoring.

Das Erreichen der ambitionierten Klimaziele des Pariser Abkommens vom 12. Dezember 2015 ist unausweichlich, um die negativen Folgen des anthropogenen Klimawandels zu verringern. Dabei spielt die Transformation des Energiesektors hin zur Nutzung erneuerbarer Energiequellen eine Schlüsselrolle. Dies führte in den letzten Jahren zu einem stark erhöhten Bedarf an nachhaltigen Kraftwerken und dabei insbesondere zu einem gesteigerten Interesse an großen Photovoltaik (PV)-Parks mit installierten Leistungen von mehreren hundert Megawatt. Der Betrieb dieser großen PV-Anlagen erfordert ein zuverlässiges Betriebsüberwachungssystem, welches dazu in der Lage ist fehlerhafte Betriebszustände zu detektieren und zu analysieren. Aufbauend auf diese Anforderungen war das Ziel dieser Masterarbeit einen effizienten und zuverlässigen Fehlerdetektions- und Analysealgorithmus zu entwickeln und zu testen. Dabei diente ein digitaler Zwilling, welcher durch das Ein-Dioden-Modell verwirklicht wurde, als Simulationsgrundlage für die Berechnung von fehlerfreien Betriebszuständen eines Kraftwerksabschnittes. Nachfolgend wurden tatsächliche I-V-Kennlinien einer PV-Anlage auf Maximum Power Point Tracker (MPPT) Ebene analysiert. Entsprechend dieses Prinzips kann der Algorithmus verwendet werden, um verschiedene Fehler, wie zum Beispiel partielle Verschattungen, Kurzschlussfehler oder Leerlaufzustände, auf der Gleichspannungsseite der PV-Anlage zu detektieren. Da nicht alle Wechselrichter eines großen PV-Portfolios gesamte I-V-Kurvenscans zur Verfügung stellen, bietet der Algorithmus auch die Möglichkeit die Fehlererkennung und -analyse unter der Verwendung von nur Maximum Power Point (MPP) Daten durchzuführen. Ein Validierungsverfahren, welches im Zuge dieser Arbeit durchgeführt wurde und auf Daten von vordefinierten Verschattungssituationen beruhte, welche während eines Feldexperimentes gesammelt wurden, bestätigte die Zuverlässigkeit und das Potential des entwickelten Algorithmus. Das Simulationsmodell des digitalen Zwillings war dabei in der Lage I-V-Kennlinien von fehlerfreien Betriebszuständen angemessen nachzubilden. Die hohe Genauigkeit führte zu false−positive rates des Detektionsalgorithmus von unter 0.05%. Des Weiteren konnten sogar kleine Verschattungssituationen, wie die Verschattung eines einzelnen Halbmoduls eines gesamten PV-Strings, zuverlässig detektiert werden. Darüber hinaus konnte der Algorithmus auch dazu verwendet werden die Stromreduktion und die Anzahl der überbrückten Module während fehlerhafter Betriebszustände abzuschätzen. Alles in allem kann der entwickelte Fehlererkennungs- und Analysealgorithmus dazu beitragen Betriebsüberwachungs- und Fehlerdiagnoseprozesse signifikant zu verbessern und dadurch seinen Beitrag zur Reduktion der Betriebskosten von großen PV-Parks leisten. Das Potential des Algorithmus für zukünftige Anwendungen konnte in dieser Arbeit durchaus gezeigt werden. Nichtsdestotrotz sind noch weitere Validierungs- und Kalibrierungsschritte erforderlich, bevor der Algorithmus in der routinemäßigen Betriebsüberwachung eingesetzt werden kann.