← 返回实验室

AI光伏组串失配诊断:电流离散率与阴影定位

光伏电站的发电损失往往不是单点故障,而是组串级失配的累积:组件衰减不一致、局部遮挡、接插件接触不良,都会先体现在组串电流的细微偏差上。能源AI实验室做了一次小实验:不改动现场硬件,只取逆变器与组串级监测的5分钟粒度电流、电压,配合同期辐照与背板温度,为每个组串建立「同工况可比基线」——按辐照区间、温度区间、时段分箱后,用同箱内同朝向组串的电流中位数做归一化,得到离散率与相对偏差两个指标。

要点
· 进展:在某分布式屋顶电站(约2MW、340个组串)连续三个月数据上,方法筛出长期偏离基线的组串,人工复核确认11处异常:7处为组件遮挡与污渍,3处为接插件接触不良,1处为组串配置录入错误。相较固定阈值报警,日均无效提示从20余条降至3条以内。
· 下一步:把随太阳方位移动的「移动式偏差」与固定式偏差区分开,用于区分阴影遮挡与硬件异常;并接入清洗与检修工单形成闭环,用返修结果反向标注,检验定位准确率。

管住离散率未必能立刻多发几度电,但能让运维知道该爬上哪块屋顶。

评论

更多研究动态

查看全部实验室 →