分布式光伏的发电损失往往不是逆变器整机故障，而是若干组串的渐进式失配——积灰、遮挡、接线松动、组件老化，单看发电量曲线很难区分。能源AI实验室本阶段的工作，是把逆变器的组串级I-V扫描数据用起来，做损失归因。
做法上不追求端到端黑箱：先用辐照度与背板温度把I-V曲线归一化到标准工况，提取短路电流、开路电压、填充因子及曲线膝点形态；再由一个轻量分类模型区分遮挡、失配、热斑倾向和传感器异常四类。现场用红外热像与钳形表抽查做复核，模型输出只作为派工线索，不作结论。
阶段性进展：
- 在3个屋顶与地面站点、约600个组串的离线回测中，遮挡与失配两类的召回率约0.9，误报主要来自早晚低辐照时段的归一化误差，已加入辐照阈值门限过滤；
- 热斑倾向的判别仍不稳定，必须依赖红外复核，暂不单独触发工单。
下一步计划把扫描频率从人工触发改为每日一次自动执行，并接入清洗与巡检工单系统，回看模型提示与实际处理结果的对应关系，再决定是否扩展到组串级功率预测。
评论