浅谈大数据采集与光伏发电故障诊断

王刚 秦英炜

摘   要：所谓的光伏发电技术，其实是一种利用半导体材料的光产生的伏特效应而将光能直接转变为电能的一种发电技术。相对于水力发电、发电技术来说，这种技术的发电过程更加简单，不仅没有机械转动部件，而且也不会消耗燃料，所以不会产生污染。但是，在实际情况中，由于光伏组件在应用的过程中很有可能出现故障问题，而故障问题的出现，也会影响到整个发电系统的正常运行，因此需要进行诊断。在本文中，就对此进行了探究。

关键词：大数据采集  光伏发电  故障诊断

中图分类号：TP311                                 文献标识码：A                        文章编号：1674-098X（2019）11（b）-0009-02

近些年来，光伏发电已经开始受到了人们的广泛重视。由于这一发电技术的操作简单，而且洁净无污染，所以也得到了十分广泛的应用。但是，由于光伏发电系统中的光伏组件寿命是存在限制的，所以在运行了一定时间之后，这一组件也很容易出现老化、热斑等问题，从而导致整个发电系统出现故障问题。在光伏产业大力发展的背景下，光伏发电故障诊断工作也变得更加重要。而大数据采集技术在这方面也具有着重要意义。

1  关于光伏发电的主要优势

1.1 清洁环保

从本质上来说，光伏发电其实是太阳能有效利用的一种重要形式，是一种借助太阳能电池来将光能转化为电能的发电方式。在这一发电技术不断进步的背景下，光伏发电也有望成为最具发展前景的发电技术之一。这种发电技术的原理十分先进，直接将光子转化成电子，没有中间过程和机械运动，所以发电的形式也比较直接，具有清洁、环保的特点。

1.2 能源具有无限分布的特性

从本质上来说，太阳能源其实是一种可再生能源，会随着新一天的到来而重新产生。因此，太阳能源其实是无限的。与此同时，阳光照射还具有广泛性。在各个国家，各个地区，都会受到太阳的照耀，唯一不同的就是阳光照射的时间和强度不一样。因此，从这个角度来看，太阳能源分布是十分广泛的，不会受到地区、气候等方面的影响。

1.3 操作简单

光伏发电技术是利用光伏发电系统来进行发电的，主要是借助半导体材料的光产生伏特效应来将光能直接转变为电能。这种发电技术的操作十分简单，不会涉及到机械转动部件，也不会消耗燃料。

2  关于大数据采集技术在光伏发电中的应用优势

2.1 可以帮助发电站达到最佳的运行状态，从而获得更大的发电量

在光伏发电站的运转过程中，其所具有的质量通常会取决于两个方面的因素，其一是某特定电站的能量获得值和潜在能量可得值之比，其二是电站的利用率。因此，从这个角度来看，要想有效地优化电站的产量，那么就必须要准确地检测到电站的实际能量获得值，并且精准地预估到可以获得的太阳能值。在这个时候，就需要用到数据采集器和可视化工具。借助这一先进的技术，就可以根据实时采集的数据来分析光伏发电系统的运行状态。之后，相关的運维人员就可以通过远程监控系统来完成设备性能检测、问题排查和修复等工作，从而有效地提高发电效率和整个系统的回报率。

2.2 可以实现统一、在线管理，减少运维成本

从实际情况来看，传统的线下运维工作模式，是无法即时获得光伏发电站和相关部件的实际工作状态的。一旦某些方面出现问题，只能派遣工作人员深入到现场进行排查。这种方式会耗费大量的人力和物力，从而增加运维成本。而借助于大数据采集技术，借助数据采集装置，那么相关的运维人员就能够通过相关的监控系统来同时对多个发电站进行实时监控，并且通过远程控制的方式来实现在线排查故障，紧急情况则立即外派人员深入到现场抢修，这种方式不仅可以提高工作效率，而且还可以有效地降低运维成本。

2.3 可以提高需求数据的可视化

从光伏产业链的角度来进行分析，在这一行业中，其实并不是仅仅只有运维人员需要掌握到电站的监控数据。而且，作为上游的设备商，也可以通过相关的监控平台来了解到有关设备的更加详细的情况。另外，投资方也可以利用这些数据来分析交易决策，安装商可以通过数据信息来响应客户等。而这一切，通过大数据采集技术，借助数据采集器和远程管理平台，就可以让虚拟的数据可视化，并且实现设备的智能化。

3  关于在现代社会中常见的光伏发电故障诊断方法

3.1 利用红外图像的方式来进行诊断

从本质上来说，光伏组件的使用寿命是有限的，平均使用年限大约在20～30年，但是由于应用环境或者是制造工艺等原因，光伏组件在使用了一定年限之后就会出现问题，引发系统故障。在日常维护中，若是可以提前了解到故障的类型和准确定位故障点，那么就可以在最短的时间内维护故障。在实际情况中，基于红外图像的故障诊断方法是十分常见的。在使用过程中，通过人工观测或者是图像处理和分析，就可以提取到光伏组件的热斑现象故障区域及区域的特征信息，以此来对光伏模板的工作状态进行分析和定位。这种方法的使用原理很简单，是一种非接触式的故障检测方式，所以不会影响到光伏阵列结构。但是这种方法的成本却比较高，而且精确度不高。

3.2 借助BP神经网络来进行故障诊断

从本质上来说，光伏发电系统的状态信息，其实主要是通过发电设备的工作状态来进行反映的。当发电设备的某一处出现故障的时候，相应的发电状态也就会发生改变，从而导致太阳能阵列输出的电压和电网电压发生改变。通过这一特点，合理地借助BP神经网络模型用于故障模式的识别，便可以有效地诊断光伏发电故障。在光伏发电系统中，BP神经网络的应用主要分为五个步骤：其一，采集信号样本，并且对信号样本进行检测和分析。其二，为检测的对象进行编码。一般来说，当设备发生故障之后，便无法正常运行。其三，设计合理的网络。其四，对采集数据进行规范化的处理，并且用于训练神经网络当中，以此来确定神经元之间的权重。其五，根据网络输出来确定对象类别。在诊断故障的过程中，这种方法具有着良好的稳定性，而且不仅可以检测到已经发生过的故障，也可以检测到没有发生过的故障。

3.3 采用故障树的方法来进行故障诊断

在实际情况中，则可以针对光伏发电系统的故障情况进行分析，然后建立起相应的故障树。之后再通过定性分析来得到光伏系统的最小割集。通过所得到的最小割集，就可以确定光伏发电系统中所有可能出现的故障组合。之后，再采用定量分析来得判断故障概率，并且建立故障诊断的最优排序。这种方法可以很好地满足故障诊断的要求，诊断效果比较好，但是专业性要求却比较高。

4  结语

总而言之，在社会经济大力发展的过程中，人们的生活水平也在不断提升。如今，在人们的日常生活中和各个行业的生产中，对于电能的依赖性也变得更大。在现代社会中，除了水力发电、火力发电等常见的发电方式之外，光伏发电也已经得到了广泛的应用。这种发电方式不仅操作简单，而且还不会消耗燃料，不会对环境产生破坏。但是，由于光伏组件的应用容易产生故障，所以还需要采取有效方法来进行故障诊断，确保光伏发电系统的稳定运行。

参考文献

[1] 吴建明，杨培宏，张继红.基于物联网的光伏发电系统故障诊断设计[J].可再生能源，2019，37（1）：65-70.

[2] 唐珂.神经网络在光伏发电系统故障诊断中的应用[J].中国设备工程，2018（15）：93-94.

[3] 俞玮捷，刘光宇.基于BP神经网络的光伏系统故障诊断方法[J].杭州电子科技大学学报：自然科学版，2018，38（4）：52-57，89.