依靠攝像頭迅速從人群中提取并鎖定犯罪嫌疑人的影視劇片段大家都不陌生，其背后的“人臉識別”技術不僅減少了人力投入成本還提高了效率，隨著識別技術的逐漸成熟，其應用范圍也越來越廣。

對于光伏電站的業(yè)主來說，如果電站也能進行性能識別，比如從大型電站中快速定位到出現(xiàn)故障的組件或逆變器，通過大數據分析智能評估電站的運營情況，找到影響發(fā)電量的最大因素，并給出具體可執(zhí)行的改善建議，這無疑將大大提高電站運維的效率與價值，獲得更多電站收益。

2018年1月19日，遠景能源阿波羅光伏發(fā)布了一款光伏電站績效分析評估產品-阿波羅Ensight，據了解這是國內首款電站性能評估大數據產品，通過數據分析驅動電站智能運維決策，并集成了遠景美國光伏創(chuàng)新中心多年算法經驗。

他們是行業(yè)極少數擁有全自動化電站損失高精度算法的團隊之一，部分專家曾就職于美國國家可再生能源實驗室、美國SunPower、First Solar等。

擁有監(jiān)控系統(tǒng)，但不會用數據?

中國光伏電站累計裝機逐年上升，目前已經超過130GW，占電力總裝機比重接近10%。迅猛發(fā)展的背后是光伏電站運維服務問題的日益凸顯，這是一個萬億級的市場，如何同時運營好成百上千的電站?

為了對眾多分散的電站進行有效運營，主流光伏電站投資商、業(yè)主幾乎都配置了一套監(jiān)控軟件。然而，監(jiān)控系統(tǒng)傳輸的電站數據可靠嗎?是否能真實反映設備的運行狀況?電站運行的真實情況是怎樣?

監(jiān)控軟件實時接入數據，海量數據如何傳輸、管理并提取?如此龐大的數據很難通過人力的線下分析，準確的找到發(fā)電損失和提高發(fā)電量的機會點。另一方面，由于通訊和設備質量的原因，光伏電站的數據質量存在嚴重問題。

未經過濾的數據會嚴重影響數據分析的效果，給人錯誤的決策，浪費人力物力。經過數次失敗驗證后，由監(jiān)控系統(tǒng)帶來的大數據成了可有可無的管理點綴。

如何用好大數據?在有的人看來，智能監(jiān)控可以用好大數據，然而現(xiàn)階段國內的光伏電站智能運維其準確度、實用性常常為人所詬病。有些相對發(fā)達的智能監(jiān)控系統(tǒng)只能解決海量數據的提取，對數據進行篩選、分析，通過數據識別電站性能、運行狀態(tài)等一系列問題依然無法得到解決。

事實上，對電站數據進行有效分析具有極強的領域門檻，在發(fā)達國家，光伏電站的損失分解一般都是重要實驗室的科學家們持續(xù)研究的課題。在國內，因為這部分人才匱乏，因此也缺乏專業(yè)機構為一線運維人員提供高效的電站損失分解服務。

數據分析驅動精準運維

“傳統(tǒng)線下純人力運維方式沒辦法跟上光伏電站的發(fā)展速度，通過高科技大數據分析技術，可以幫助我們更高效、科學的管理電站。”遠景美國創(chuàng)新中心的算法負責人Pascal Wehrli表示，我們研發(fā)Ensight solar的主要思路是希望通過數據分析評估電站性能，并得到可以改善的建議，幫助業(yè)主或者運維團隊提升發(fā)電量。

傳統(tǒng)監(jiān)控產品僅提供場站層面的KPI，無法識別問題根因，這導致很多問題難以被發(fā)現(xiàn)，也無法評估運維團隊到底做的好不好，因為這些，一些光伏電站已經低性能運行了很多年。

“我們首先從原始數據出發(fā)，通過數據清洗算法，包括損失分析算法、發(fā)電量算法，找到電站可能存在的潛在問題，進行各類損失分析，然后自動匯總，評估結果并給出可改善的運維建議，按照收益損失排序，優(yōu)先處理高損失問題，幫助業(yè)主提升發(fā)電量。其中原始數據，全部采用可以直接獲取的數據。” Pascal Wehrli介紹到。

實操：什么時候清洗電站最劃算?

大數據分析的目的是為了對電站運行情況及性能進行評估，從而識別出問題，給出改善建議并指導運維。在眾多運維問題中，電站清洗維護是一項普遍的問題。

在國內，灰塵對電站有很大影響 ，嚴重的發(fā)電量損失可達30%。如果頻繁清洗，成本就很高，如果降低清洗頻次造成損失比較大，怎么權衡?什么時候需要清洗電站，怎樣清洗最劃算?

首先，灰塵污染與物理環(huán)境息息相關，區(qū)域級灰塵污染分析，不同區(qū)域需要區(qū)別對待。

Pascal 表示：“Ensight會準確量化灰塵損失，僅清洗那些需要清洗的，自動檢測區(qū)域層級的灰塵累積率，考慮灰塵損失及清洗成本，按區(qū)域產生最優(yōu)清洗策略，最大限度地提高投資回報率。”

以一個6兆瓦屋頂分布式電站為例，有兩種安裝傾角，一個低傾角2度、一個高傾角13度，中間有一個煙囪，電站處于一個比較復雜的灰塵污染環(huán)境。

“阿波羅Ensight拿到這個電站運營數據之后，經過數據清洗、自動檢測，并且聚類了每臺逆變器灰塵損失，分析出污染較輕的區(qū)域灰塵損失約為0.3%/天，重污染區(qū)和低傾角區(qū)則達到了兩倍之多，所以針對不同的區(qū)域，Ensight能夠自動檢測出灰塵累積率。

下一步進入灰塵清洗優(yōu)化策略，基于成本效益最大化考慮，采用成本效益分析法，系統(tǒng)給出改善建議：對于低度傾角的區(qū)域，需要每月進行清洗，年度清洗12次，對于高傾角區(qū)域建議年度清洗次數6次，不需要經常清洗，這樣可以降低一部分的清洗成本，另一方面這個數據是基于TMI數據獲取，在獲取電站真實數據之后，會不斷地用真實數據迭代，不斷地迭代這個算法，獲得下次清洗最佳的時間。”Pascal演示道。

還有逆變器停機的問題

作為光伏發(fā)電系統(tǒng)重要組成設備，逆變器的停機對電站發(fā)電量影響非常大，那么，逆變器為什么會停機?停機的原因是什么，停機時長多少?停機會造成多大損失?

阿波羅Ensight自動記錄并識別每一個設備停機事件，包括停機損失、時長等信息，可給出多種圖形化展示其發(fā)展，分析其停機緣由，并允許一鍵導出報表。具體問題具體分析，讓數據說話，從而提升電站發(fā)電量，形成主動運維機制。

據悉，目前阿波羅Ensight已在歐美市場廣泛推廣和使用，此次為首次在國內公開，受到了中廣核、國電投、天合光能、東旭藍天、蘇美達、中康電力、英利投資、阿特斯、晶澳、振華重工等多家光伏電站業(yè)主的關注和興趣，下一步將開始項目試點。