如何使用数据服务提高光伏发电效能异常检测效率

在国家能源安全及双碳战略大背景下，光伏产业发展迅猛，累计装机容量增长迅速，提高光伏发电效能异常检出效率的需求也随之增多。本文介绍使用物联网平台数据服务提高光伏发电效能异常检测效率的方案。

背景信息

截止2021年，全国光伏发电累计装机容量达到306.56 GW（吉瓦），2022年全国光伏发电累计装机容量新增了87.41 GW：

对比2021年全国的光伏发电累计装机容量增长了28.1%。
对比2021年全国的风电累计装机容量增加了一倍。
对比2021年全国的水电、火电累计新增装机容量，已超过水电、火电累计新增装机容量总和。

分布式光伏发电累计装机容量在全国光伏发电累计装机容量中占比超60%。

随着光伏发电装机规模的逐步增大，同时伴随着国家上网电价的政策补贴消退，行业逐步走向精细化运营，来保障企业利润。运营成本主要是设备的折旧和运维成本，其中运维成本构成比例中，人员成本约占比约50%，测试设备占比约15%。

在一个光伏电站大概25年的生命周期中，运维成本是随着使用年限而增长的。是否可以解决好运维效率，关系到企业效益。

业务描述

从公开资料中发现，国内某头部光伏企业在2016年的某次检测排查中，100万千瓦的光伏电站中约5%没有正常发电，相当于损失了一个5万千瓦光伏电站的发电量。这表明电站体量达到一定规模时，检修或技改可以显著提高发电量。

与此同时，分布式光伏发电特性：多依附于建筑、靠近用户侧、规模小而布局分散。这些特性更加决定了对光伏后期运营维护的需要，不仅关系发电量，更是资产与人身安全的保障。而传统光伏运维基本上是通过人员巡检的方式发现问题，由此带来的不仅是人员成本的问题，还有故障不能及时被发现和解决隐患，进而导致电站长时间带故障运行，大大地降低了设备的寿命，也增加了设备折旧率，而影响到企业利润。

因此，行业内逐步形成共识，基于信息技术、云计算、物联网、大数据技术的在线运维管理系统的出现，会加快运维效率的不断提升，且与传统运维模式相比，人员投入会减少一半左右。

目前的挑战

虽然基于在线运维管理系统带来了效率的提升，但是依旧存在运维人员工作的繁杂。例如发电效能异常监控，目前是通过更多人工逐个电站查看PT波形。以10 MW村级光伏电站举例，电站有200台50 kW组串式逆变器及40000块250 W的光伏组件，按照一个运维人员一天查看100个逆变器发电效能波形，单一个村级电站就需要2天时间，由此可见，整县光伏的运维可能导致电站堆积大量缺陷而无法及时解决。

现有方法

目前市场上有采用电站理论能效值对比法，来检查电站发电效能异常。但是这种方法存在巨大系统维护成本，需要根据组件发电额定功率，组串阵列配置及接收到的辐照度数据，计算理论发电量。

同时，无法有效排除环境因素的干扰，例如一天不同的时段发电量不同，也受天气影响巨大，按照该检测方法无法动态适应各个变化的情况，为运维工作增加了不确定性，并带来运维负担。

解决方案

物联网平台的数据服务提供数据智能功能，可以基于算法动态检测电站发电效能，即通过横向比较和历史比较电站发电PT曲线，来检测出发电效能存在异常的电站。

例如：

如下图所示：光伏发电系统的P-T曲线具有强烈的非线性，在光线充足、电池无故障的情况下，其几何形态近似于一个开口向下的马蹄形抛物线。该抛物线顶点对应的功率即为该日最大输出功率点。
正常状态下P-T曲线：
如下图所示：当出现外界干扰，例如阴雨、遮挡或电池内部故障（例如短路、老化等），其P-T曲线则复杂多变，锯齿增多，显著偏离饱满的马蹄形抛物线。
低发电效能的P-T曲线：

取得的成果

目前算法在美国可再生能源实验室（NREL）公开光伏数据集上做了验证。该数据集提供Alabama州2006年共137个光伏站点的监测数据，数据包含发电功率的时间序列数据，数据每五分钟采样一次。这些数据如下图所示，反应的部分站点P-T曲线接近马蹄形，形态较为饱满，而另外一部分站点则非常曲折，发电效率不高。