基于离散率及偏差率的光伏电站运维管理实践_王飞.pdf

光源与照明 总第 176 期 2023 年 1 月 超越照明99基于离散率及偏差率的光伏电站运维管理实践*王 飞1，曾益民2，姜 鑫1，彭中付11.湖南大唐先一科技有限公司，湖南 长沙 4100102.大唐华银（湖南）新能源有限公司，湖南 长沙 410010摘要：针对光伏电站设备众多隐性故障难以及时发现的现状，文章结合我国湖南地区某 100 MW 光伏电站生产运行实际，总结得到基于离散率及偏差率的光伏电站运维管理方法。在实践经验基础上开发了一套在线设备监测模块，该模块可以快速识别定位低效运行设备，协助值班员及时处理发电设备缺陷，提高运维效率，增加电站发电量。关键词：光伏电站；离散率；偏差率；在线监测；运维管理分类号：TM6150引言光伏电站发电设备众多，布署区域分散，发电设备隐性故障难以及时发现。隐性故障往往不会对整个光伏电站发电产生影响，但是会降低设备发电量，同时隐性故障长期未发现可能会发展成严重故障1。对于光伏电站的设备故障诊断与性能评价，国内外学者进行了大量理论试验研究，主要研究方向有基于多传感器和其他检测设备的故障诊断方法2-3、基于建模仿真的故障识别方法4、基于机器学习的故障诊断方法5。现有的研究在仿真和小范围试验条件下具有较好的效果，但未考虑工程实践中的数据不确定性。文章基于长期的运维管理实践，提出了基于离散率及偏差率的光伏电站运维管理方法，同时依托智慧光伏建设，实现了光伏电站在线设备监测，为电站提质增效提供了重要支撑，为光伏电站智慧管理提出了参考方向。1离散率及偏差率的评价级别离散率（标准差/平均值）以量化的方式反映整个光伏电站的设备健康状态，再以偏差率为指标，可准确找到低效方阵，定位问题设备，是实现光伏发电精益管理的有效途径。文章基于湖南地区某 100 MW漂浮式光伏电站投运一年的实践经验，总结得到电站离散率及偏差率的评价级别。1.1 方阵利用小时离散率针对光伏电站各方阵运行历史数据，每月定期开展 1 次方阵利用小时离散率分析工作，定义出四个评价级别：离散率在 0 1%为优秀；离散率在 1 3%为良好；离散率在 3 5%为合格；离散率大于 5%为不合格。1.2 方阵利用小数偏差率对于各方阵运行水平的评价，采取方阵利用小时数偏差率分析，经 1 年的偏差率分析和总结，得出偏差率评价级别：偏差率在 0 3%为正常情况；偏差率在 3 5%为运行良好；偏差率在 5 10%为运行情况较差；偏差率大于 10%为运行情况差。2光伏电站运维管理实践2021 年，光伏电站开始了基于离散率及偏差率的运维管理实践，对每月电站离散率进行了统计，结果如表 1 所示。表 1方阵利用小时离散率月统计表时间离散率时间离散率1 月0.87%7 月1.00%2 月0.95%8 月1.12%3 月0.82%9 月0.56%4 月0.80%10 月0.66%5 月3.45%11 月1.23%6 月2.96%12 月0.78%由表 1 可见，2021 年 5 月方阵利用小时离散率较大，剔除设备故障等影响后对各方阵发电能力偏差进行了分析，发现主要偏差原因为 1 7 号方阵附近修文章编号：2096-9317（2023）01-0099-03*基金项目：中国大唐集团公司科学技术项目（DTHN-2022-20288）作者简介：王飞，男，硕士，工程师，研究方向为太阳能利用技术及工程实践。超越照明 2023 年 第 1 期 总第 176 期 光源与照明100路，扬尘导致组件积灰严重，积灰损失与失配损失增加，使得部分阵列发电能力降低。针对以上问题，在 6 月，根据厂区附近修路进展情况，对各阵列进行了有计划的分批人工清洗，7 月完成全部阵列清洗，离散率回归良好水平。偏差率散点图如图 1 所示。每月对电站各方阵单位发电能力偏差率进行统计，7 月后各方阵清洁程度相差较小。对 812 月偏差率变化情况进行分析，812 月各阵列利用小时偏差率均低于 3%，电站整体运行情况优良。对各方阵月度偏差率变化梯度进行分析，发现 1 5 号阵列 8 月之后偏差有明显下降趋势，经分析，8 月较往年同期降雨量小，上湖水位大幅下降，低于设计水位，漂浮阵列位置发生偏移，导致靠近岸边部分光伏组件存在遮挡，运维人员对可清理的遮挡物进行了处理，同时联系相关部门启动补水预案。3离散率在线分析应用实践为实现电站设备运行状态的监测，对在线离散率分析进行了探索实践。3.1 离散率分析模块的技术架构处理采集的光伏实时生产数据后，由计算引擎完成模型计算，由告警引擎完成告警推送。基于离散率分析的在线设备监测模块架构如图 2 所示，模块由基础层、支撑服务层、应用层组成。基础层负责采集用于分析的基础底层数据；支撑服务层负责为基础数据清洗、预处理、计算、分析、告警推送提供统一的平台支撑；应用层负责展示数据计算分析结果。3.2 离散率分析模块的设计基于电站管理实践经验，依托光伏电站智慧化应用项目建设，设计基于离散率的在线分析模块，并应用到日常生产监盘工作中。在模块首页展示光伏电站设备总体运行情况，通过矩阵视图展示电站下所有方阵的运行情况，可切换实时监视与统计分析功能。在实时监视中可查看电站实时方阵功率离散率，在离散率高于阈值时指标高亮预警，在每个方阵矩阵视图内展示该方阵实时功率偏差率和方阵下属低效、故障设备数量，点击对应指标可进一步查看低效设备详细运行参数，在页面下方滚动呈现实时异常设备告警信息；在统计分析中可查看到方阵以日、月、年为统计周期的利用小时离散率与利用小时排名情况，可选择任意时间进行查询，并将数据按报表格式导出为 Excel 表格。可在一个页面中直观了解光伏场站所有发电设备的运行情况，大大提高了运行监盘的效率。3.2.1 逆变器离散率分析通过逆变器功率离散率可了解逆变器发电能力差异性，通过离散率与阈值计算可对低效逆变器进行实时监视。在光伏电站监视总览中点击方阵矩阵图表，进入逆变器离散率分析页面，页面展示逆变器实时输入、输出功率及逆变器效率变化趋势，可选择同类逆图 1偏差率散点图设备实时监测设备告警分析计算引擎数据标准化数据清洗告警引擎天气预报光伏场站集控中心应用层支撑服务层基础层离散率统计分析图 2离散率分析模块的技术架构方阵编号方阵编号偏差率/%偏差率/%光源与照明 总第 176 期 2023 年 1 月 超越照明101变器进行对标查看，可选择功率预测曲线进行对比分析。选择统计分析，可根据日、月、年维度，选择具体时间进行查询，查询可展示逆变器输入电量、输出电量、利用小时、利用小时离散率等指标。离散率同时可关联该逆变器及下属汇流箱、组串的故障，停运事件以及对应损失电量，对该逆变器偏差原因进行溯源分析，查看与标杆逆变器的偏差电量及分解其原因，形成分析报告。逆变器统计分析数据与偏差分析报告可按默认格式导出为 Word 文档。3.2.2 汇流箱离散率分析通过逆变器离散率分析页面可跳转到下属汇流箱的离散率分析页面，在实时监视页面中可展示逆变器下所有汇流箱母线电流与支路电压实时趋势，同时分别对母线电流与支路电压进行离散率计算展示。离散率异常时相应指标高亮展示，同时向首页推送异常信息：电压离散率高、电流离散率正常时，推送通信或检测元件异常信息；电压离散率正常、电流离散率异常时，关联汇流箱下属组串实时监测信息，推送通信异常或组串电流异常信息；电压和电流离散率均异常时，结合异常汇流箱实时监测数据，推送通信异常或汇流箱断路故障信息。3.2.3 组串电流离散率分析经汇流箱离散率分析页面可进入汇流箱下属组串离散率分析页面，组串电流离散率分析可分为实时监测和趋势统计分析。实时监测着重对电流为 0 的组串进行监视告警，趋势统计分析倾向于对组串长期低效运行状态的监测预警。组串电流实时监测页面展示逆变器下全部汇流箱下组串电流实时列表、各汇流箱下实时组串离散率，并对电流异常和低效组串按不同颜色进行高亮展示。点击汇流箱可展示汇流箱下组串电流散点图，直观呈现异常组串。为规避早晚组串间相互遮挡影响，以当地日出后3 h 到日落前 3 h 的组串平均电流计算每天的平均组串电流离散率。对平均组串电流离散率趋势进行梯度监测，当离散率上升梯度大于阈值时，对下属组串平均电流进行异常定位并持续跟踪，在组串平均电流持续低效超过 1 周后，推送长期低效预警。4离散率在线分析应用实践4.1 实时在线监盘光伏电站发电设备众多，监盘中常常遇到故障发现不及时的问题，离散率分析模块上线对电站运行监盘效率带来了极大的改善。2022 年 4 月 12 日，运行人员发现离散率分析模块告警提示 1 号方阵 05 号汇流箱 4 号组串电流为 0，同时首页显示该方阵下存在汇流箱处于低效运行状态，逐层查看数据后排除通信异常原因，判断为该组串断路故障。检修人员到达现场排查发现组件直流小线断开，更换第 4 块与第 5 块组件连接的公母头，故障消除。2022 年 6 月 15 日，离散率分析模块自动识别汇流箱电流离散率异常，电压离散率正常，告警提示 17 号方阵 04 号汇流箱通信或组串电流异常，现场核查确认为汇流箱通信故障，更换汇流箱通信面板后恢复。6 月23 日，离散率分析模块自动识别汇流箱电流离散率异常，电压离散率异常，告警提示 26 号逆变器 07 号汇流箱通信异常或断路故障，经现场排查发现该汇流箱内保险烧坏，将该保险盒与保险更换后恢复正常。4.2 隐性故障定位2022 年 8 月 1 日，离散率分析模块推送预警 1 号方阵 01 号汇流箱 3 号组串长期低效运行。现场排查组串接线正常，组件无明显损坏，经与无人机巡检得到的组串红外图像对照发现该组串中存在 2 块组件长条形热斑。经量化分析，组件热斑已严重影响到整个组串发电性能，故对故障组件进行更换，组串发电性能恢复，组串电流离散率降低。5结束语文章根据某光伏电站的运维管理实践，总结出一套基于离散率及偏差率分析的运维管理方法，将该方法应用于在线离散率分析与偏差率分析，大大提高了运行监盘效率，减轻了人为统计工作量。在线分析模块可在一个页面监视电站全部发电设备，可导航到各设备层级分析页面，为故障追因溯源带来极大便利。这是光伏电站智慧化运维管理的一次全新探索，为智慧化光伏企业建设提供了宝贵经验。参考文献l 孙建民,梁凌,李庚达,等.光伏组件故障诊断技术综述J.太阳能,2022,27(2):12-22.2 李光辉.光伏阵列故障检测与诊断方法研究D.西安:长安大学,2020.3 李云桥.基于改进BP神经网络的光伏阵列多传感器故障检测定位方法研究D.西安:西安理工大学,2018.4 韩付昌,陈志聪,吴丽君,等.一种光伏阵列实时状态监测与故障定位系统J.福州大学学报(自然科学版),2018,46(6):799-807.5 崔佳豪,毕利.基于混合神经网络的光伏电量预测模型的研究J.电力系统保护与控制,2021,49(13):142-149.