在能源AI实验室近期的一组实验里，我们尝试把光伏电站的组串级电流数据用起来，做失配的早期定位，而不是等发电量明显下滑后再排查。
思路是先用辐照、组件温度和逆变器直流侧电流构造组串离散率指标，只在辐照平稳的时段取样，避免云遮挡造成的假异常；再以同朝向组串的电流中位数作为当日基准，用稳健 z 分数筛出离群组串。对持续偏低的组串，进一步看它的时序形态：每天固定时段出现凹陷，更像结构性遮挡；全天均匀偏低且随辐照增大而差异扩大，更接近脏污或串内失配。
- 进展：在某分布式电站约三千条组串上回溯两个月数据，离散率日指标可在发电量损失达到预警阈值前数日给出提示，其中固定时段凹陷类样本的识别一致性较好，阴雨日误报偏多，已通过辐照平稳性筛选压低。
- 下一步：把失配程度折算成发电量损失，与清洗和检修成本一起排序，输出可派工的优先级清单；同时补充组件衰减与串并联结构的先验，减少对纯统计阈值的依赖。
该方法目前仍属阶段性的工程探索，结论受电站朝向分布和数据质量影响，后续将在更多站点上验证稳定性。
评论