背景
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。截止2021年，全国光伏发电累计装机306.56GW，2022年新增装机容量87.41 GW，同比增长28.1%，同时较风电新增多出一倍，超过水电、火电的新增装机总和。行业还保持高速中，特别是分布式光伏在光伏装机量占比超60%。
随着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。而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
公开资料表示国内top1光伏企业在2016年的某次检测排查中发现，100万千瓦的光伏电站中约有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，检修或技改可显著提高发电量。
与此同时，分布式光伏多依附于建筑，靠近用户侧，规模小而布局分散，这些特性更加决定了其对后期运营维护的需要，不仅关系发电量，更是资产与人生安全的保障。而传统光伏运维基本上是通过人员巡检的方式来发现问题，带来的不仅是人员成本的问题，还有就是故障不能及时被发现和解决，电站长时间带故障运行，大大地降低了寿命，也增加了设备折旧率而影响了企业毛利润。
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，加快了运维效率的不断提升，较传统运维模式的人员投入减少一半左右。
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，比如发电效能异常监控，目前更多人工逐个电站查看PT波形。拿一个10MW村级光伏电站举例，电站有200台50kW组串式逆变器及40000块250w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，可想而知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。
现有做法
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，比如一天不同的时段发电量不同，也天气影响巨大，按照该检测方法无法动态适应各个变化的情况，增加了运维工作的不确定性，带来了运维工作的负担。
我们的方案
我们的方案是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电站。
从图一可以看出，光伏发电系统的P-T特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极大输出功率点。当出现外界干扰，如阴雨、遮挡，或电池内部故障，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，如图二所示。
图一 正常状态下P-T曲线 图二 低发电效能的P-T曲线
取得的成果
目前算法在美国国家可再生能源实验室(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。这些数据如图三所示，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。
图三 Alabama州部分光伏站点的P-T曲线
通过算法获得的发电效能极优的一批站点如下左图所示，而效能极差的一批站点如下右图所示。
图四 检测结果展示
由图四所示，算法能够有效区分发电状态良好的站点和效能较差的站点，综合测算准确率达85%以上。对于实际工况，我们的实践为部署算法模型并进行按日调度，每日输入所有受监控站点的P-T曲线数据，输出可疑的低效站点，并触发相应的运维告警。这将极大的缓解人工肉眼进行逐个筛查所带来的运维压力，提高运维的效率和质量。
业务价值
还是拿刚才的10MW村级光伏电站举例，有智能算法的协作，基于85%准确率和召回率算，假设200个逆变器有10个发电效能异常，算法将上报10~12个左右的可能异常的逆变器。运维人员优先关注这部分逆变器，可以大大提高运维效率和问题解决速度。
相关链接
产品免费使用（可以领取企业实力1个月）：https://free.aliyun.com/?product=9602820&spm=5176.28055625.J_5831864660.8.6ee6154aqJejSH&scm=20140722.M_9553144.P_154.MO_1802-ID_9553144-MID_9553144-CID_20080-ST_7663-V_1
