数据驱动的光伏智慧运维解决方案

数据驱动的光伏智慧运维解决方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？1

2

3

4

5

6

7

8

910

11

12数据来源：NREL/TP-5200-57991April201395%90%85%80%75%70%PR

光伏电站运营痛点三：l

灰尘对发电影响究竟有多少？l

什么时候应该清洗？l

全部清洗还是局部清洗？l

如何评估每一次的清洗收益？ POWER＋托管运维特点快速响应，三级服务保障体系管理闭环、业务可跟踪可考核数据互联、电站监管出售可及组串缺陷智能定位灰尘污染智能评估设备效率智能诊断智

能高

效安

全

透

明

运行数据透明运维过程透明故障缺陷透明人员安全运行安全资产安全 POWER＋托管运维服务内容power

i专业检测评估

专业组件清洁与除草智能工单系统

高效专业故障处置

远程集中实时监控

远程智能故障诊断大数据分析、预警

标准化运行管理

线下线上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通过标准化运维流程、固化丏家经验、备品备件等资源合理调度，逐步实现无人（少人）值守，提高运维效率和质量优化资产管理基亍数据驱动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

智慧运维解决方案业务价值目标预防性维护可视化分析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。 POWER+的用户价值机器自我诊断可视化分析自动优化物联网连接Internet

of

Things云平台人工智能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

核心技术人工智能

ArtificialIntelligence大数据分析

BigDataCloud

PlatformPOWER+大数据平台多屏展现大屏展现3D可视化业务展现服务资产

管理

系统

EAM边缘计算服务数据接入服务智慧

运维

系统

AOM业务分析服务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机器学习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

圈年influx

db数据处理服务设备及系统

智慧运维系统框架数据接入传感器数据管理、业务洞察及预测设备管理业务展现设备连接和管理应用DB文件协议适配器传输网关脚本引擎

不断的迭代和自我学习优化的机器学习平台数据接入n低成本n高可靠n免维护

n安全n符合电网规范移动APPn方便应用n

随时了解电站的设备

运行情况n智能工单n标准化运维流程智能算法n精准的组串故障诊断n灰尘影响分析n清洗收益评估n预测性维护

产品优势智能APP

智能语音劣手个人中心电站监控

待办事项实时告警已办事项智能运维

个人信息绩效分析系统自定义智能报表运营决策分析KPI指标分析运维绩效分析运维监控系统电站实时监控告警实时监控3D可视化智能预警系统低效组串诊断灰尘预警及清洗评价基础信息管理电站信息维护资产管理

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

常见的组件问题建筑物遮挡表面破损杂草遮挡灰尘热斑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data-driven缺点：●

需要大量的标签数据●

需要已知故障的类型●

准确率不高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●

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？●

如何减少成本？●

如何检测尽可能多的故障？传统的诊断方法●

数据清洗○处理采集错误的数据

数据预处理和清洗5S实时——1min均值——1min滤波○

去除噪音

数据分析：空间特性先局部，再全局27

数据分析：时间特性

不同天气下的检测结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%。

故障分类效果1

2

3

4

5

6

7

8

910

11

12

利用CPR来对电站进行评估数据来源：NREL/TP-5200-57991April201395%90%85%80%75%70%PR

CPRn

逆变器PR和CPR分析n

汇流箱PR和CPR分析n

组串PR和CPR分析n

逆变器损耗分析n

逆变器直流侧电流分析n

汇流箱电流分析n

设备绩效排行榜n

理论发电量分析n

实际发电量分析n

损失电量分析n

购网电量分析n

等效小时数分析n

设备发电量排名(逆变

器、汇流箱、组串)n

设备可利用率分析n

设备故障时间分析n

设备故障概率分析n

多级电压对比分析n

设备电流异常分析n

设备功率散点分析n

设备功率与辐射分析n

辐照指标分析n

年度资源指标分析n

月度资源指标分析

电站指标分析性能指标电量指标资源指标运行指标能耗指标运维指标

第一代灰尘评价方法2929

28252424182221

20

18109

99

9

9101141312129

9109

5

113131314121111101052139.69101010111111121213131375212122222

2

3844455567

777776777777778888882764

5

50010111121213131

2

22

3334445555666677778881213.66%192041天24%55

灰尘对发电量影响的量化分析

日偏差

累计偏差

辐射1.1-3.31日灰尘影响01

10-1-

-11-05

01-09

01-13

01-17

01-21

01-25

01-29

02-02

02-06

02-10

02-14

02-18

02-22

02-26

03-01

03-05

03-09

03-13

03-17

03-21

03-2503-29800060004000200003022.5157.50

2726212121347676

78

96%天1413128974888965

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本次清洗15天内的总收益为:489,135Kwh

科学的评价每次清洗收益107.552.50清洗收益01评估场站发电量灰尘影响03评估时间序列的发电量灰尘影响05计算清洗收益07制定更加经济、合

理、高效的组件清洗方案02评估单设备(逆变器)发电量灰尘影响04计算发电损失与清洗成本06确定最佳清洗时间清洗前后设备

效率对比分析清洗记录维护清洗收益分析灰尘影响分析

灰尘影响及评价闭环管理04030102

历史研究成果l

Fault

PrognosisofWindTurbineGeneratorUsingSCADA

Data.In2016

NorthAmerican

PowerSymposium(NAPS2016).

(SCI收录)l

DerivingCustomer

Privacyfrom

Randomly

PerturbedSmart

Metering

Data.In

IEEE

16th

InternationalConferenceon

Industrial

Informatics(INDIN2018)

.(SCI收录)l

AnAlgorithmic

MethodforTampering-Proofand

Privacy-PreservingSmart

Metering.In

IEEE

16th

InternationalConferenceon

Industrial

Informatics(INDIN2018)

.(SCI收录)l

Fault

Predictionand

DiagnosisofWindTurbineGeneratorsUsingSCADA

Data.Energies,10(8),

1210.2017.(SCI收录，

IF：2.262

，

中科院分区：三区)l

Hierarchicalcontextawareanomalydiagnosis

in

large-scale

PVsystems

usingSCADAdata.

In

IEEE

15th

InternationalConferenceon

Industrial

Informatics(INDIN2017)

.(SCI收录)l

Faultdiagnosisandclassification

in

photovoltaicsystems

usingSCADAdata,2017

InternationalConferenceonSensing,

Diagnostics,

Prognostics,andControl

(SDPC'17)

(SCI收录)l

Automatic

multi-sensordataqualitycheckingandeventdetection

for

environmental

sensing,

2017AGU

Fall

meeting,2017.(Poster)l

HierarchicalAnomaly

Detectionand

MultimodalAnomalyClassification

in

Large-ScaleSolarSystems.

Under

review.Submittedto

IEEETrans.OnSustainable

Energy.(SCI收录，

IF：4.909)l

AutomaticSoilingLossunder

Non-uniform

EnvironmentalConditions

in

Photovoltaic

Systems.Under

review.Submittedto

IEEEJournalof

Photovoltaic.(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500万人民币发电量2.87%总辐照度13.81%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

应用案例——低效组串分析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项目上半年准确定位电量损失182处，准确率超过90%灰尘遮挡热斑损坏

线上：智能工单系统完全自主研发的智能工单系统，实现了电站业主、线上运维专家、线下运维工程师的信息互联与共享，综合故障诊断内容、

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系统目标实现数字规范化、标准化的巡检流程，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。系统功能实现数字规范化、标准化的巡检流程，安全提示

，保证运维人员安全。任务提示

，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。工程师流程设备

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。•

告警触发•

预警触发•

业务分析触

发•

月度巡检•

季度巡检•

半年巡检

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。

智慧运维系统周期性巡检一次性检修功能特点

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