2024数据驱动的光伏智慧运维解决方案

数据驱劢的光伏智慧运维解决斱案光伏电站运营痛点一：如何做到万里挑一，靶向运维？光伏电站运营痛点二：如何做多个电站之间的对比评价？PR95% 90%85%80% 75% 70%

1 2 3 4 5 6 7 8 9 10 11 12数据来源：NREL/TP-5200-57991April2013光伏电站运营痛点三：灰尘对发电影响究竟有多少？什么时候应该清洗？全部清洗还是局部清洗？如何评估每一次的清洗收益？＋托管运维特点安全透明安全透明高效智能

POWER＋托管运维服务内容大数据分析、预警远程智能故障诊断远程集中实时监控 智能工单系统 线上 线下 标准化运行管理高效专业故障处置 估 专业组件清洁与除草 智慧运维解决方案业务价值目标优化资产管理基亍数据驱劢的设备故障预警和诊断，可最大化资产安全可靠性，通过资产管理系统，实现电站资产全生命周期管理

降低度电成本利用大数据分析，及时准确的预警以及定位缺陷，减少故障停机造成的发电损失，提升发电效率，增加发电量，实现度电成本降低

提升运维管理固化丏家经验、备品逐步实现无人（少人值守，提高运维效率和质量POWER+的用户价值预防性维护可视化分析

机器自我诊断自动优化

可视化分析POWER+让客户以智能的方式理解数据，了解数据反映的设备运行状态、能耗情况、生产力状况等等预防性维护让机器在出现问题之前就分析出可能出现的问题，这样就可以提前采取手段，避免非计划性宕机机器自我诊断让机器自己诊断，找到产生问题的根本原因，同时还能够基于历史维护记录或者维护标准，告诉客户如何解决故障，甚至让机器自己解决问题、自我恢复。自动优化提前采取措施，优化运营，比如节能，在工业领域，对生产线进行节能优化，通过对历史运营数据、工厂排产情况，以及设备配置参数等等的分析，帮助客户提前检测出能耗的异常，并提供降低能耗的措施。核心技术人工智能ArtificialIntelligence物联网连接Internetof物联网连接InternetofThings云平台通过数据驱动的机器学习算法，实现对资产运行的诊断并做出预测，创建优化的运营策略大数据分析对复杂数据进行多维聚合分析产生明晰、可诠释的分析结果，利用数据挖掘对海量数据进行深入挖掘，获得对资产的深入洞察，从而为优化决策提供依据大数据分析BigData

云平台完全基于云计算的技术架构，倡导开放与共享物联网连接以物联网技术为基础，稳定高效的连接一切运营资产以及运营人员，获取完整且准确的信息CloudPlatform设备连接和管理设备连接和管理多屏展现大屏展现3D可视化数据处理服务业务展现服务业务展现时间可利用率分析性能可利用率分析能量可利用率分析故障根本原因分析多屏展现大屏展现3D可视化数据处理服务业务展现服务业务展现时间可利用率分析性能可利用率分析能量可利用率分析故障根本原因分析业务分析服务异常状态检测故障诊断分析故障发生预测能源消耗预测机器学习服务智慧运维系统AOM边缘计算服务传输网关脚本引擎协议适配器设备及系统应用DB文件传感器应用+大数据平台应用+大数据平台数据管理、业务洞察及预测数据接入服务数据接入设备管理资产管理系统EAM不断的迭代和自我学习优化的机器学习平台产品优势数据接入低成本高可靠数据接入低成本高可靠免维护安全符合电网规范智能算法精准的组串故障诊断灰尘影响分析清洗收益评估预测性维护移劢APP斱便应用运行情况智能工单标准化运维流程新能源智慧效能分析系统 智能设计

智慧营维系统

后期评估 基础信息管理

绩效分析系统

智能预警系统

运维监控系统

智能APP

智能语音劣手

个人中心运营决策分析资产管理电站监控电站实时监控低效组串诊断自定义智能报表电站信息维护灰尘预警及清洗评价运营决策分析资产管理电站监控电站实时监控低效组串诊断自定义智能报表电站信息维护

待办事项已办事项智能运维3D可视化KPI指标分析实时告警告警实时监控个人信息智能运维3D可视化KPI指标分析实时告警告警实时监控运维绩效分析运维绩效分析常见的组件问题表面破损

杂草遮挡

建筑物遮挡

热斑

灰尘model-based缺点：额外的传感设备额外的运维成本受限制的使用范围model-based缺点：额外的传感设备额外的运维成本受限制的使用范围如何减少成本？如何检测尽可能多的故障？data-driven缺点：需要已知故障的类型准确率不高如何尽量降低标签库？甚至不需要标签库？如何尽可能提高准确率？以上两种方法都会给光伏系统的运营和维护带来额外的成本，并存在有限的应用范围。这促使了基于SCADA系统的基于无监督的机器学习方法的提出数据预处理和清洗数据清洗处理采集错误的数据去除噪音5S实时——1min均值——1min滤波2727数据分析：空间特性先局部，再全局数据分析：时间特性不同天气下的检测结果故障分类效果用了三种机器学习的方法，bagging，svm，xgboosting。和两种特征提取的方法。分类效果如图。异常分类的准确率达93%。利用CPR来对电站进行评估PR CPR95% 90%85%80% 75% 70%1 2 3 4 5 6 7 8 9 10 11 12数据来源：NREL/TP-5200-57991April2013 电站指标分析资源指标电量指标性能指标运行指标资源指标电量指标性能指标运行指标辐照指标分析年度资源指标分析月度资源指标分析运维指标运维指标能耗指标能耗指标

理论发电量分析实际发电量分析损失电量分析购网电量分析等效小时数分析器、汇流箱、组串)

PR和CPR分析PR和CPR分析组串PR和CPR分析逆变器损耗分析逆变器直流侧电流分析汇流箱电流分析设备绩效排行榜

设备可利用率分析设备故障时间分析设备故障概率分析多级电压对比分析设备电流异常分析设备功率散点分析设备功率与辐射分析 第一代灰尘评价方法灰尘对发电量影响的量化分析55305528

800022.5

41天

272625242422

6000212022120218190181515 1514 14

40001314

27天13.66

131312 12

12 13 1211

121311107.5

99999108

877

99109899

7788

8888

8897

111010

778

89

91010

200067 677777777777 6 67755422233

44

666455566

233

455442333

455

5666220

20000101111211112200050-090-130-170-210-250-290-020-060-100-140-180-220-260-010-050-090-130-170-210-250-29日偏差 累计偏差 辐射1.13.31日灰尘影响基于机器学习的逆变器（组串）级的灰尘影响算法多种灰尘评价方法效果的对比清洗效果评估科学的评价每次清洗收益清洗收益10清洗收益7.552.50本次清洗15天内的总收益为:489,135Kwh灰尘影响分析清洗前后设备效率对比分析01040203灰尘影响分析清洗前后设备效率对比分析01040203清洗收益分析清洗记录维护

01评估场站发电量灰尘影响03评估时间序列的05计算清洗收益07理、高效的组件清洗斱案

02评估单设备(逆变器)发电量灰尘影响04成本06确定最佳清洗时间历史研究成果FaultPrognosisofWindTurbineGeneratorUsingSCADAData.In2016NorthAmericanPowerSymposium(NAPS2016).(SCI收录)DerivingCustomerPrivacyfromRandomlyPerturbedSmartMeteringData.InIEEE16thInternationalConferenceonIndustrialInformatics(INDIN2018).(SCI收录)AnAlgorithmicMethodforTampering-ProofandPrivacy-PreservingSmartMetering.InIEEE16thInternationalConferenceonIndustrialInformatics(INDIN2018).(SCI收录)FaultPredictionandDiagnosisofWindTurbineGeneratorsUsingSCADAData.Energies,10(8),1210.2017.(SCI收录，IF：2.262，中科院分区：三区)Hierarchicalcontextawareanomalydiagnosisinlarge-scalePVsystemsusingSCADAdata.InIEEE15thInternationalConferenceonIndustrialInformatics(INDIN2017)(SCI收录)FaultdiagnosisandclassificationinphotovoltaicsystemsusingSCADAdata,2017InternationalConferenceonSensing,Diagnostics,Prognostics,andControl(SDPC'17)(SCI收录)Automaticmulti-sensordataqualitycheckingandeventdetectionforenvironmentalsensing,2017AGUFallmeeting,2017.(Poster)HierarchicalAnomalyDetectionandMultimodalAnomalyClassificationinLarge-ScaleSolarSystems.Underreview.SubmittedtoIEEETrans.OnSustainableEnergy.(SCI收录，IF：4.909)AutomaticSoiling LossunderNon-uniformEnvironmentalConditionsinPhotovoltaicSystems.Underreview.SubmittedtoIEEEJournalofPhotovoltaic.(SCI收录，IF：3.712，中科院分区：⼆区)应用案例——集控大屏应用案例——清洗模型光伏电站清洗策略及收益模型的应用POWER+的“灰尘影响和清洗评估模型”在山东40兆瓦的光伏项目应用中，以优化、经济的清洗策略实现电站收益的提升

发电量2.87%发电量2.87%总辐照度13.81%光照资源同比去年下降13.81%发电量反而同比上升2.87%电站收益增加500万人民币遮挡灰尘应用案例——低效组串分析遮挡灰尘精准组串级故障定位POWER+智慧光伏运营平台“电量损失和故障定位模型”在于南30MW项目热斑故障属性故障分类故障原因故障个数可恢复热斑故障属性故障分类故障原因故障个数可恢复外部草遮挡，鸟粪26严重灰尘3不可恢复外部建筑物遮挡22内部热斑，隐裂53传感器故障78损坏损坏线上：智能工单系统备品备件情况、工程师经验，智能派发工单，相比传统方式极大的缩短了故障的处理时间工程师设备 流

系统目标形成闭环体系实现运维人员与设备之间的数字化无缝衔接。建立完善的运维数据档案。降低运维成本、延长设备使用寿命。系统功能安全提示，保证运维人员安全。工具提示，保证维护开展顺利。设备管理，及时更新设备配件状态。二维码管理，保证运维工作准确到位。照片记录，方便随时了解设备现状。GPS记录，方便随时了解人员位置。告警触发预警触发告警触发预警触发发月度巡检季度巡检半年巡检功能特点实现数字规范化、标准化巡检流程，安全提示，保证运维人员安全。功能特点实现数字规范化、标准化巡检流程，安全提示，保证运维人员安全。仸务提示，保证运维工作开展及时。工具提示，保证维护开展顺利。设备管理，及时更新设备配件状态。二维码管理，保证运维准确到位。照片记录，斱便随时了解设备现状。GPS周期性巡检一次性检修周期性巡检一次性检修易巡APP线下：三级服务保障体系以全国服务总部、区域服务中心、项目服务现场三级服务保障体系为支撑，优化资源调度，第一时间消除影响电站安全运行以及发电收益的故障、缺陷等，从而实现持续的电站收益提升。 线下：标准化运维管理基于线上的POWER+云平台以及智能工单系统以及多年对电站运营的经验，通过标准化流程实现电站线下的标准化管理，为光伏电站的运行调度、设备管理、日常巡检、检修服务、安全管理等提供标准化的服务，确保光伏电站在运营过程中作业规范、生产安全、管理闭环，显著提升光伏电站的生产效率和运营收益。及维修组件清扫维护及维修组件清扫维护及维修阵列定期测试组件维护