分布式光伏智慧运维平台的设计与研究

李建元，王自伟，张家铭，刘新锋，魏庆伟，马学菊

（1.中国移动通信集团山东有限公司，山东 济南 250002；2.山东建筑大学，山东 济南 250101）

0 引 言

随着国家政策的支持，鼓励绿色新能源建设，分布式光伏发电得到了快速发展，光伏电站数量及装机容量越来越庞大，地理分布越来越广。各种维护工作量巨大，对运维的要求越来越高，投入的人力和物力越来越多，但实际的运维效果并不理想。分布式光伏出现设备故障问题时往往不能及时发现，造成发电量减少。即使通过电话联系维修人员，但由于路途问题，维修人员不能很快赶到现场进行故障维修，导致多天不发电，收益减少。另外，发电效率逐渐降低，对用户来说经常无法察觉。

本研究以分布式光伏发电站为对象设计的智慧运维平台，采用“线上智能分析、线下检修反馈”的智能运维模式，实现了现场数据的采集、发电量预测、电站故障缺陷在线诊断、告警运维信息推送以及自动判断运维状态等功能。为运维企业提供全周期、多方位、准确且低成本的监管服务，为户提供便捷的质量监督、发电收益查询，进而提高运维效率，降低运维成本。

1 平台设计流程

建立光伏运维诊断指标体系库，设计统计数据指标，建立大数据模型，形成基于K-Means 的电站聚类分组、组内平均发电量、基于长短期记忆（Long Short Term Memory，LSTM）深度长短神经网络的预测发电量、基于区域自适应变权重的标杆发电量、组串电流离散率等统计数据指标[1]。创建线上线下交互式的智能运维模式，基于智能手机、无线传感形成多数据源的运维信息库，将电站评价、智能诊断结果和运维建议实时推送到最终用户、专业运维人员，实现线上智能分析，线下检修反馈，并将运维结果反馈至线上，形成运维闭环，持续优化诊断效果。闭环式智慧运维模式如图1 所示。

图1 闭环式智慧运维模式

2 系统总体设计

2.1 分布式光伏O2O 运维平台的整体架构设计

分布式光伏线上对线下（Online to Offline，O2O）智慧运维平台的整体架构设计从下至上包含“端、管、云、用”4 层，如图2 所示。“端”包含生产设备和数据传输单元（Data Transfer Unit，DTU）等边缘计算设备，实现对光伏、逆变等监控对象的实时监测与控制；“管”端基于5G 技术实现视频信息、告警信息、状态信息、测量信息的上传下达；“云”端包含云计算、智能分析、数据仓库，有效支撑上层应用；“用”端实现了能源总览、智能调控、智能运维等业务应用。

图2 分布式光伏O2O 智慧运维平台的架构

2.2 大数据实时计算模块总体设计

2.2.1 总体架构设计

总体架构分为数据层、服务层以及应用层3 层。其中数据层数据主要由基础数据库、物联网采集服务推送、人工输入（决策树可视化配置）实现。服务层中采用Kafka 作为消息队列；采用Redis 作为缓存数据库；采用Prometheus+Grafana 作为服务监控工具；采用Slf4+Log4j2+Logstash+Elasticsearch+Kibina 作为日志处理分析工具；采用Gooflow 作为前端流程设计工具，利用分布式计算对资源进行管理[2]。此外，基于Flink 实现持久化服务、实时计算服务、批量存盘服务、决策树可视化配置服务以及故障诊断服务等业务应用服务[3]。

2.2.2 业务流程设计

应用服务的数据主要来自Kafka 数据消息和定时消息，其中Kafka 数据消息来自通信服务模块的推送，基于Flink 持久化服务订阅该数据消息分别存储到基础表、清洗表、Redis 中；定时消息的数据来源来自定时消息生成服务，基于Flink 的批量存盘、实时计算、故障诊断服务订阅该定时消息，根据5 min、1 h、24 h 信号执行相关服务，其中故障诊断服务的决策树来自决策树可视化配置服务，并将诊断结果存储到诊断表，将告警消息推送到Kafka。

3 系统主要模块实现

总体架构采用SpringBoot 微服务框架，底层通过逆变器、变压器以及交流柜进行数据采集。另外，人工智能方面，使用了卷积神经网络、长短神经网络以及决策树进行故障诊断和发电量预测。在商业智能（Business Intelligence，BI）可视化方面，采用jTopo构建组态监控模块，方便远程监控电站，同时采用了ECharts 进行发电量的实时展示与分析。

3.1 通信服务模块

基于Netty 框架搭建物联网通信平台，支持Modbus/IEC104 等工业通信协议，采集物联网设备无线传输的数据，进行解析存储，并将数据推送到Kafka 消息队列[4-6]。基于Layui+WebSocket 框架搭建数据监测平台，实时展示当前系统的运行状态及数据。

3.2 监控分析模块

在应用所在服务器上安装node_exporter（用于服务器信息监控）、cAdvisor（用于容器信息监控）、kafka_exporter(用于kafka 服务信息监控）、redis_exporter(用于Redis 服务信息监控）、mysql_exporter（用于Mysql 服务信息监控）；在Prometheus上配置export 的地址，便可以将服务器及应用的信息发送到Prometheus，Granfana 将采集的信息配置成图表，能够实时监控服务器、容器、Kafka、Redis 以及MySQL 的相关情况。

3.3 发电量预测模块

首先将天气按日照时长分为春秋、夏和冬季，然后根据辐照度、气温、湿度以及辐照时长计算出相似日，将相似日数据作为IPSO-Elman 的输入进行了预测。基于相似日的短期电价区间预测中根据星期属性、前日最高负荷、最低负荷、最高负荷日和日平均负荷计算出相似日，并利用FCM-GPR 模型进行电价预测[7]。在以往研究的基础上，本文同样考虑相似气象日发电量相似的假设，以天气、湿度、温度计算出相似日，使用相似日的数据作为LSTM 的输入来预测发电量。

4 分布式光伏O2O 智慧运维平台的性能测试

对Kafka 的数据接收性能、持久化Redis 性能、持久化基础表性能、持久化清洗表性能进行了测试，在Flink 环境下，将Kafka 集群的数据消息Topic 作为数据源，发送到Redis。测试结果显示，数据批量存盘、清洗、计算服务运行服务正常，数据存取时间和数据量成线性增加，在数据高并发情况下平台运行平稳。测试结果如表1 所示。

表1 服务测试结果

5 结 论

光伏发电是我国重要的战略性新兴产业，大力推进光伏发电应用对优化能源结构、保障能源安全、改善生态环境、转变城乡用能方式等方面具有重大意义。本项目研究设计的分布式光伏O2O 智慧运维平台为运维企业提供全周期、多方位、准确且成本低的监管服务，为用户提供便捷的质量监督、发电收益查询，进而提高运维效率，降低运维成本，有利于分布式光伏电站维护人员工作的开展，实现分布式光伏电站的稳定、可靠、经济运行，对于促进我国分布式光伏发电的规模化发展具有极其重要的意义。