论文部分内容阅读
摘 要：国内光伏电站当前为抢高电价而重建设、轻管理，上下游厂商为降低成本而重数量、轻质量的思想导致了光伏电站生产管理能力不足、运维方法不科学，使得光伏电站实际发电效率达不到设计值，企业发电利润得不到可靠保障。本文简要讨论了通过对光伏电站的运营数据进行科学统计和分析，深入挖掘电站发电潜力，提高电站发电量，使得电站收益真正达到设计要求。本文还简单介绍了我公司红原电站应用数据分析在运维活动中，使得电站从各方阵发电能力差异较大，逐渐改善并达到设计目标的例子。
关键词：数据分析；光伏电站；运维管理
正如所有的产品一样，光伏电站在长达25年的寿命周期中，组件效率、电器元件性能会逐步降低，发电量随之逐年递减，除去这些自然老化的因素之外，还有组件、逆变器质量问题，线路布局、灰尘、串并联损失、线缆损失等多种因素。因此，光伏电站必须要有科学合理可行的运维管理方法和手段，保证电站在正常衰减外的平稳运行。
1 主要思路和做法
解决上述问题，要做到有的放矢地进行运维工作，提高运维效率，就需要通过相应手段快速准确的发现光场异常、定位异常。这个手段就是数据分析，将数据分析应用到运维活动中并作为一个重要组成部分，通过对光场设备的运行状态监控数据的统计分析，判断问题所在位置，结合现场检查发现问题原因，进而找到处理办法。
数据分析的基础当然是要有数据粒度足够的、覆盖范围足够的反映光场运行状态的数据。数据粒度方面来说，数据粒度越细，能够更真实全面的反应系统的运行状态。现在光伏电站光场数據基本采集到逆变器，即数据粒度能够达到逆变器级，有的采用智能汇流箱或者组串式逆变器的电站，数据粒度能够达到组串级别。目前我公司红原花海20MW光伏电站和若尔盖卓坤30MW光伏电站，采用的36kW组串式逆变器，光场运行状态参数的可以细化到每一个光伏组串，记录有时间、逆变器状态、发电量、输入功率、有功功率、无功功率、电网各相/线电压相电流、各光伏组串输入电压电流等34个数据字段，时间分辨率为5min，每个逆变器每天产生9792（288×34）个数据项。数据覆盖范围来说，除了光伏组串运行状态、逆变器运行状态、箱变运行状态等常规数据外，环境监测站（包括太阳辐射观测设备）的各气象数据也必须记录，特别是光伏组件敏感的环境因素：太阳辐射，环境温度或者组件背板温度，风速风向，这些气象数据是判断光场发电能力是否处于正常状态的重要输入参数。
原始数据冗余繁多，且单纯的原始数据没有分析的意义。因此，原始数据收集以后要经过筛选和处理，初步统计出需要的数据。如我红原电站的逆变器记录的原始数据有9792项/天，但最重要最具有实际意义的是功率数据、时间数据、发电量数据、组串电流电压等；气象站数据中主要需要的是太阳辐射数据、环境温度数据、风速风向等。从原始数据中筛选初步统计出需要的数据后，下一步就是对数据进行处理和计算，成为具备可比性的数据。如气象站测得的水平面太阳辐照度、水平面散射辐照度、法向直接辐照度，经过处理和计算得到光伏组件阵列面实际接收的辐照度和曝辐量、通过实测光伏阵列输出功率数据，计算得到光伏方阵实际系统效率、归一化系统效率，将各个方阵的的发电量归一化处理为标准等价发电时数等等。
在得到了上述的数据后，就可以用于分析电站的实际发电能力情况。通过归一化处理后的发电时数，可以横向比较电站各个方阵的运行情况；通过系统效率可以纵向比较方阵的发电能力是否达到设计要求。在找到发电量能力落后的方阵后，就可以进一步仔细分析该方阵的原始数据，并且运维人员可以有重点的关注和检查方阵的各个设备和环节，从而找到其发电量能力落后的原因并消除。
另外，由于光伏电站会产生大量的运行数据，上述数据收集、分类统计、处理计算和分析过程，必须要采用计算机软件进行或辅助处理。现在市场有很多供应商提出了所谓的“智能光伏解决方案”，但基本上其“智能”程度仅仅是做到将原始数据收集存储，少部分有一些简单的统计，没有处理计算，难以达到运维真正需要的程度。有的“智能光伏”解决方案考虑到了一些对原始数据的处理计算，但非常粗犷，如我公司使用的某厂商的智能光伏监控平台，根本不符合我电站跟踪式光伏和聚光光伏的实际情况，所谓的“智能”数据根本不具备参考价值。究其根本，主要是因为这些“智能光伏解决方案”供应商光伏发电知识和实际电站运营经验的欠缺，不清楚电站用户的需求，而大多数光伏电站用户也不重视科学运营，提不出自己清晰的需要。
2 效果和经验
我公司红原电站通过对电站运营数据的分析，发现了电站各方阵发电能力的差异，C7系统发电能力最好与最差方阵相比，等效满发时数高约9.4%，发电能力最好方阵与全部方阵平均水平相比，等效满发时数高约4.1%；T0系统发电能力最好与最差方阵相比，等效满发时数高约8.8%，发电能力最好方阵与全部方阵平均水平相比，等效满发时数高约4.6%。数据分析团队对各方阵详细数据的分析，为现场运维人员提供了针对性的巡检建议，使得运维人员高效精确的找到了造成方阵发电能力差异较大的原因，并及时快速定位问题所在，逐步提高电站的各个方阵的发电能力。现在，红原电站并网已有8个月，T0方阵光场平均效率达到14.03%，C7方阵光场平均效率达到18.76%。
3 自评意见
通过对红原光伏电站大量的运营数据进行科学的分类统计、处理计算并分析，掌握电站实际运行情况，快速定位缺陷点，提高运维效率，避免电站“亚健康”状态运行，挖掘潜在发电能力，使得红原电站T0方阵光场平均效率达到14.03%、C7方阵光场平均效率达到18.76%的设计要求。
参考文献
[1]刘宇航.基于主成分分析的故障监测方法及其应用研究[D].华东理工大学，2012.
[2]张翔.分布式集群监控平台的故障监测和管理[D].北京邮电大学，2015.
关键词：数据分析；光伏电站；运维管理
正如所有的产品一样，光伏电站在长达25年的寿命周期中，组件效率、电器元件性能会逐步降低，发电量随之逐年递减，除去这些自然老化的因素之外，还有组件、逆变器质量问题，线路布局、灰尘、串并联损失、线缆损失等多种因素。因此，光伏电站必须要有科学合理可行的运维管理方法和手段，保证电站在正常衰减外的平稳运行。
1 主要思路和做法
解决上述问题，要做到有的放矢地进行运维工作，提高运维效率，就需要通过相应手段快速准确的发现光场异常、定位异常。这个手段就是数据分析，将数据分析应用到运维活动中并作为一个重要组成部分，通过对光场设备的运行状态监控数据的统计分析，判断问题所在位置，结合现场检查发现问题原因，进而找到处理办法。
数据分析的基础当然是要有数据粒度足够的、覆盖范围足够的反映光场运行状态的数据。数据粒度方面来说，数据粒度越细，能够更真实全面的反应系统的运行状态。现在光伏电站光场数據基本采集到逆变器，即数据粒度能够达到逆变器级，有的采用智能汇流箱或者组串式逆变器的电站，数据粒度能够达到组串级别。目前我公司红原花海20MW光伏电站和若尔盖卓坤30MW光伏电站，采用的36kW组串式逆变器，光场运行状态参数的可以细化到每一个光伏组串，记录有时间、逆变器状态、发电量、输入功率、有功功率、无功功率、电网各相/线电压相电流、各光伏组串输入电压电流等34个数据字段，时间分辨率为5min，每个逆变器每天产生9792（288×34）个数据项。数据覆盖范围来说，除了光伏组串运行状态、逆变器运行状态、箱变运行状态等常规数据外，环境监测站（包括太阳辐射观测设备）的各气象数据也必须记录，特别是光伏组件敏感的环境因素：太阳辐射，环境温度或者组件背板温度，风速风向，这些气象数据是判断光场发电能力是否处于正常状态的重要输入参数。
原始数据冗余繁多，且单纯的原始数据没有分析的意义。因此，原始数据收集以后要经过筛选和处理，初步统计出需要的数据。如我红原电站的逆变器记录的原始数据有9792项/天，但最重要最具有实际意义的是功率数据、时间数据、发电量数据、组串电流电压等；气象站数据中主要需要的是太阳辐射数据、环境温度数据、风速风向等。从原始数据中筛选初步统计出需要的数据后，下一步就是对数据进行处理和计算，成为具备可比性的数据。如气象站测得的水平面太阳辐照度、水平面散射辐照度、法向直接辐照度，经过处理和计算得到光伏组件阵列面实际接收的辐照度和曝辐量、通过实测光伏阵列输出功率数据，计算得到光伏方阵实际系统效率、归一化系统效率，将各个方阵的的发电量归一化处理为标准等价发电时数等等。
在得到了上述的数据后，就可以用于分析电站的实际发电能力情况。通过归一化处理后的发电时数，可以横向比较电站各个方阵的运行情况；通过系统效率可以纵向比较方阵的发电能力是否达到设计要求。在找到发电量能力落后的方阵后，就可以进一步仔细分析该方阵的原始数据，并且运维人员可以有重点的关注和检查方阵的各个设备和环节，从而找到其发电量能力落后的原因并消除。
另外，由于光伏电站会产生大量的运行数据，上述数据收集、分类统计、处理计算和分析过程，必须要采用计算机软件进行或辅助处理。现在市场有很多供应商提出了所谓的“智能光伏解决方案”，但基本上其“智能”程度仅仅是做到将原始数据收集存储，少部分有一些简单的统计，没有处理计算，难以达到运维真正需要的程度。有的“智能光伏”解决方案考虑到了一些对原始数据的处理计算，但非常粗犷，如我公司使用的某厂商的智能光伏监控平台，根本不符合我电站跟踪式光伏和聚光光伏的实际情况，所谓的“智能”数据根本不具备参考价值。究其根本，主要是因为这些“智能光伏解决方案”供应商光伏发电知识和实际电站运营经验的欠缺，不清楚电站用户的需求，而大多数光伏电站用户也不重视科学运营，提不出自己清晰的需要。
2 效果和经验
我公司红原电站通过对电站运营数据的分析，发现了电站各方阵发电能力的差异，C7系统发电能力最好与最差方阵相比，等效满发时数高约9.4%，发电能力最好方阵与全部方阵平均水平相比，等效满发时数高约4.1%；T0系统发电能力最好与最差方阵相比，等效满发时数高约8.8%，发电能力最好方阵与全部方阵平均水平相比，等效满发时数高约4.6%。数据分析团队对各方阵详细数据的分析，为现场运维人员提供了针对性的巡检建议，使得运维人员高效精确的找到了造成方阵发电能力差异较大的原因，并及时快速定位问题所在，逐步提高电站的各个方阵的发电能力。现在，红原电站并网已有8个月，T0方阵光场平均效率达到14.03%，C7方阵光场平均效率达到18.76%。
3 自评意见
通过对红原光伏电站大量的运营数据进行科学的分类统计、处理计算并分析，掌握电站实际运行情况，快速定位缺陷点，提高运维效率，避免电站“亚健康”状态运行，挖掘潜在发电能力，使得红原电站T0方阵光场平均效率达到14.03%、C7方阵光场平均效率达到18.76%的设计要求。
参考文献
[1]刘宇航.基于主成分分析的故障监测方法及其应用研究[D].华东理工大学，2012.
[2]张翔.分布式集群监控平台的故障监测和管理[D].北京邮电大学，2015.