一种光伏电站性能分析系统及方法与流程

本发明涉及光伏发电技术领域，更具体的，涉及一种光伏电站性能分析系统及方法。

背景技术：

随着我国光伏产业的高速发展，光伏电站的发电性能受到广泛关注。目前，通常利用系统性能比(pr，performanceratio)分析光伏电站系统中非光电转换单元的整体表现，实现对光伏电站的整体评估。

但是，目前系统性能比的分析对象为光伏电站整体，根据光伏电站系统的最终产能输出与光伏电站系统的参照输出，计算光伏电站整体的系统性能比，只能对光伏电站的发电性能进行整体评估，无法做到细化的低效定位。

技术实现要素：

有鉴于此，本发明提供了一种光伏电站性能分析系统及方法，实现对光伏电站子系统的低效定位。

为了实现上述发明目的，本发明提供的具体技术方案如下：

一种光伏电站性能分析系统，包括：云服务平台以及与所述云服务平台通信连接的至少一个子系统；其中：

所述子系统包括具有边缘计算功能的逆变器，以使所述子系统能够实时计算其所接入的每个光伏组串的满发比；

所述云服务平台用于根据所述子系统所接入的每个光伏组串的满发比，对所述子系统进行性能分析。

可选的，所述子系统的类型包括：第一类和第二类；

第一类子系统中的逆变器为组串式逆变器；

第二类子系统中的逆变器为集中式逆变器。

可选的，所述第一类子系统所接入的光伏组串的满发比为：所接入的光伏组串的直流瞬时功率与额定装机容量的比值。

可选的，所述第二类子系统所接入的光伏组串的满发比为：所接入的光伏组串的直流瞬时电流与其标称的最大功率点电流的比值。

可选的，所述光伏电站性能分析系统还包括与所述子系统相对应的自动投切装置，所述自动投切装置的前端与所述子系统所接入的光伏组串相连，所述自动投切装置的后端与所述子系统的逆变器以及附属设备相连；

所述云服务平台还用于在检测到存在低效的光伏组串的情况下，向该光伏组串对应的所述子系统发送投切指令，使所述子系统中的逆变器控制与其对应的所述投切装置动作。

一种光伏电站性能分析方法，应用于上述实施例所述的光伏电站性能分析系统，所述方法包括：

子系统实时计算其所接入的每个光伏组串的满发比，并将计算得到的满发比发送到云服务平台；

所述云服务平台根据所述子系统所接入的每个光伏组串的满发比，对所述子系统进行性能分析。

可选的，所述子系统的类型包括：第一类和第二类；

第一类子系统中的逆变器为组串式逆变器；

第二类子系统中的逆变器为集中式逆变器。

可选的，当所述光伏电站性能分析系统包括所述第一类子系统时，所述第一类子系统实时计算其所接入的每个光伏组串的满发比，包括：

所述第一类子系统获取其所接入的每个光伏组串的直流瞬时功率；

所述第一类子系统计算其所接入的每个光伏组串的直流瞬时功率与其额定装机容量的比值，得到其所接入的每个光伏组串的满发比。

可选的，当所述光伏电站性能分析系统包括所述第二类子系统时，所述第二类子系统实时计算其所接入的每个光伏组串的满发比，包括：

所述第二类子系统获取其所接入的每个光伏组串的直流瞬时电流；

所述第二类子系统计算其所接入的每个光伏组串的直流瞬时电流与其标称的最大功率点电流的比值，得到其所接入的每个光伏组串的满发比。

可选的，当所述光伏电站性能分析系统包括多个所述第一类子系统时，所述云服务平台根据所述子系统所接入的每个光伏组串的满发比，对所述子系统进行性能分析，包括：

所述云服务平台根据各个所述第一类子系统所接入的每个光伏组串的满发比，确定各个所述第一类子系统的满发比；

所述云服务平台判断同一时刻各个所述第一类子系统的满发比中是否存在离群值；

若存在离群值，所述云服务平台确定该离群值对应的所述第一类子系统存在低效，并根据光伏电站的拓扑结构对存在低效的所述第一类子系统进行定位；

若不存在离群值，所述云服务平台确定所有所述第一类子系统都不存在低效。

可选的，所述方法还包括：

所述云服务平台在检测到存在低效的所述第一类子系统在正午预设时段的满发比小于其他运行时段的满发比，确定所述第一类子系统所接入的光伏组串存在朝向问题；

所述云服务平台在检测到存在低效的所述第一类子系统的满发比在一天中持续小于预设值且满发比随着时间变化，确定所述第一类子系统所接入的光伏组串存在功率限制；

所述云服务平台在检测到存在低效的所述第一类子系统的满发比在一天中持续小于预设值且满发比不随着时间变化时，确定所述第一类子系统所接入的光伏组串存在积尘；

所述云服务平台在检测到存在低效的所述第一类子系统的满发比在一天中的特定时段存在满发比异常，确定所述第一类子系统所接入的光伏组串存在固定遮挡。

可选的，当所述光伏电站性能分析系统包括所述第二类子系统时，所述云服务平台根据所述子系统所接入的每个光伏组串的满发比，对所述子系统进行性能分析，包括：

所述云服务平台根据所述第二类子系统中所有接入光伏组串的满发比绘制满发比k线图，其中，所述满发比k线图的开盘、盘高、盘底和收盘分别对应所述子系统中所有接入光伏组串的满发比的平均数、最大值、最小值和中位数，开盘与收盘之间的涨跌柱为空心时表示中位数大于平均数，开盘与收盘之间的涨跌柱为实心时表示中位数小于平均数；

所述云服务平台根据所述满发比k线图的走势确定所述第二类子系统是否存在低效。

可选的，所述云服务平台根据所述满发比k线图的走势确定所述第二类子系统是否存在低效，包括：

所述云服务平台在检测到所述第二类子系统的所述满发比k线图中存在空心涨跌柱时，确定所述第二类子系统存在低效，并根据光伏电站的拓扑结构对存在低效的所述第二类子系统进行定位；

所述云服务平台在检测到所述第二类子系统在正午预设时段的所述满发比k线图中存在空心涨跌柱时，确定所述第二类子系统所接入的光伏组串存在朝向不一致的问题。

可选的，所述方法还包括：

所述云服务平台分别将每类所述子系统中每个时间戳中满发比最高的光伏组串确定为动态标杆组串；

所述云服务平台通过在每个时间戳分别计算每类所述子系统中所述动态标杆组串与其他光伏组串之间的发电量差值，计算发电量损失量。

可选的，所述方法还包括：

所述云服务平台统计预设分析周期内光伏电站中光伏组件的每小时的积累辐照量、温度、每小时总发电量、每小时系统性能比，关联拟合系统性能比与光伏组件温度之间的对数变化关系，生成温度与系统性能比之间的低效计算模型。

可选的，所述方法还包括：

所述云服务平台在预设分析周期内根据每个所述子系统的等效利用小时数和月度累计辐照，计算每个所述子系统的月度系统性能比；

所述云服务平台对每个所述子系统的月度系统性能比进行升序排序，获取排名后n个子系统，作为低效子系统；

所述云服务平台计算每个所述低效子系统的日级系统性能比，在月度范围内统计所述低效子系统的低效频率；

所述云服务平台根据光伏电站的拓扑结构，对所述低效子系统进行定位。

可选的，所述方法还包括：

所述云服务平台在预设分析周期内统计所述低效子系统的低效频率，并将所述低效子系统的低效事件与环境因素相关联，生成标记有环境因素与所述低效子系统的低效事件对应关系的低效事件概率分布图。

可选的，当所述光伏电站性能分析系统还包括与所述子系统相对应的自动投切装置时，所述方法还包括：

所述云服务平台在检测到存在低效的所述子系统的情况下，向存在低效的所述子系统发送投切指令；

存在低效的所述子系统控制与其对应的所述投切装置动作。

相对于现有技术，本发明的有益效果如下：

本发明公开的一种光伏电站性能分析系统，通过将光伏电站划分为多个子系统，每个子系统利用逆变器的边缘计算能力实时计算其所接入的光伏组串的满发比，并将其发送到云服务平台，使云服务平台根据每个子系统所接入的光伏组串的满发比，实时对每个子系统进行性能分析，定位存在低效的子系统，进而控制低效子系统的投切装置动作。本发明通过“云边结合”在实现云服务平台对子系统进行远程实时性能分析的同时，提高光伏电站性能分析效率。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。

图1为本发明实施例公开的一种光伏电站性能分析系统的结构示意图；

图2为本发明实施例公开的另一种光伏电站性能分析系统的结构示意图；

图3为本发明实施例公开的一种光伏电站性能分析方法的流程示意图；

图4为本发明实施例公开的一种第一类子系统性能分析方法的流程示意图；

图5为本发明实施例公开的一种第一类子系统性能分析方法的流程示意图；

图6为本发明实施例公开的第一类子系统在不同分析时刻的满发比示意图；

图7为本发明实施例公开的一种第二类子系统性能分析方法的流程示意图；

图8为本发明实施例公开的第二类子系统在9:00的满发比k线图示意图；

图9为本发明实施例公开的第二类子系统在12:00的满发比k线图示意图；

图10为本发明实施例公开的第二类子系统在15:00的满发比k线图示意图；

图11为本发明实施例公开的一种生成低效事件概率分布图的方法的流程示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明所公开的一种光伏电站性能分析系统包括：云服务平台以及与云服务平台通信连接的至少一个子系统，光伏电站性能分析系统的结构如图1所示，n≥1，其中，每个子系统包括具有边缘计算功能的逆变器，以使子系统能够实时计算其所接入的每个光伏组串的满发比，云服务平台用于根据子系统所接入的每个光伏组串的满发比，对子系统进行性能分析。

系统性能分析的时间颗粒度可以为年级、月级、日级、小时级、甚至分钟级。

进一步，根据光伏电站的拓扑结构进行子系统分类，子系统的类型包括：第一类和第二类，第一类子系统中的逆变器为组串式逆变器，第二类子系统中的逆变器为集中式逆变器。

发明人通过统计低效子系统的电流离散率，并确定低效子系统的电流离散率与系统性能比之间的关联关系，在此基础上定义满发比，本实施例中满发比表示某一光伏组串或子系统的直流瞬时输出(直流瞬时功率或直流瞬时电流)与该光伏组串或子系统的额定值(实际额定装机容量或最大功率点电流)之间的比值。

具体的，第一类子系统所接入的光伏组串的满发比为：所接入的光伏组串的直流瞬时功率与额定装机容量的比值。第二类子系统所接入的光伏组串的满发比为：所接入的光伏组串的直流瞬时电流与其标称的最大功率点电流的比值。

子系统通过对采集数据进行二次处理，计算满发比，缩减了子系统与云服务平台之间实时传输的数据量，达到降低通讯压力，通过“云边结合”在实现云服务平台对子系统进行远程实时性能分析的同时，提高光伏电站性能分析效率。

进一步，请参阅图2，光伏电站性能分析系统还包括与子系统相对应的自动投切装置，自动投切装置的前端与子系统所接入的光伏组串相连，自动投切装置的后端与子系统的逆变器以及附属设备相连；

云服务平台还用于在检测到存在低效的光伏组串的情况下，向该光伏组串对应的子系统发送投切指令，使子系统中的逆变器控制与其对应的投切装置动作，自动化投切，自动优化光伏电站直流侧连接，使低满发比子系统整合为高满发比系统，优化系统性能，达到光伏电站直流侧阵列的自动化技改优化效果。

基于上述实施例公开的一种光伏电站性能分析系统，本实施例对应公开了一种应用于光伏电站性能分析系统的光伏电站性能分析方法，请参阅图3，该方法包括以下步骤：

s101：子系统实时计算其所接入的每个光伏组串的满发比，并将计算得到的满发比发送到云服务平台；

当光伏电站性能分析系统包括第一类子系统时，第一类子系统实时计算其所接入的每个光伏组串的满发比，包括：

第一类子系统获取其所接入的每个光伏组串的直流瞬时功率；

第一类子系统计算其所接入的每个光伏组串的直流瞬时功率与其额定装机容量的比值，得到其所接入的每个光伏组串的满发比。

当光伏电站性能分析系统包括第二类子系统时，第二类子系统实时计算其所接入的每个光伏组串的满发比，包括：

第二类子系统获取其所接入的每个光伏组串的直流瞬时电流；

第二类子系统计算其所接入的每个光伏组串的直流瞬时电流与其标称的最大功率点电流的比值，得到其所接入的每个光伏组串的满发比。

s102：云服务平台根据子系统所接入的每个光伏组串的满发比，对子系统进行性能分析。

进一步，当光伏电站性能分析系统还包括与子系统相对应的自动投切装置时，请参阅图4，本实施例还公开了一种光伏电站性能分析方法，包括以下步骤：

s201：子系统实时计算其所接入的每个光伏组串的满发比，并将计算得到的满发比发送到云服务平台；

s202：云服务平台根据子系统所接入的每个光伏组串的满发比，对子系统进行性能分析。

s203：云服务平台在检测到存在低效的子系统的情况下，向存在低效的子系统发送投切指令；

s204：存在低效的子系统控制与其对应的投切装置动作。

具体的，当光伏电站性能分析系统包括多个第一类子系统时，请参阅图5，云服务平台根据子系统所接入的每个光伏组串的满发比，对子系统进行性能分析，包括：

s301：云服务平台根据各个第一类子系统所接入的每个光伏组串的满发比，确定各个第一类子系统的满发比；

s302：云服务平台判断同一时刻各个第一类子系统的满发比中是否存在离群值；

若存在离群值，s303：云服务平台确定该离群值对应的第一类子系统存在低效；

s304：云服务平台根据光伏电站的拓扑结构对存在低效的第一类子系统进行定位；

若不存在离群值，s305：云服务平台确定所有第一类子系统都不存在低效。

进一步，一般情况下由于正午时段辐照较强，子系统在正午时段的功率，最高，满发比也随之最高，若云服务平台在检测到存在低效的第一类子系统在正午预设时段的满发比小于其他运行时段的满发比，确定第一类子系统所接入的光伏组串存在朝向问题。

一般情况下由于一天中的辐照数据实时变化，一天中子系统的功率随着时间变化，满发比也随着时间变化，如不存在功率限制，正午时段或其他辐照较强的时段满发比会大于预设值，若云服务平台在检测到存在低效的第一类子系统的满发比在一天中持续小于预设值且满发比随着时间变化，确定第一类子系统所接入的光伏组串存在功率限制，将子系统的满发比限制在预设值范围内。

若子系统中的光伏组串存在积尘，则光伏组串的功率不随着时间变化，且功率较低，子系统的满发比也不随着时间变化且较低。因此，云服务平台在检测到存在低效的第一类子系统的满发比在一天中持续小于预设值且满发比不随着时间变化时，确定第一类子系统所接入的光伏组串存在积尘。

一般情况下，若光伏组串存在固定遮挡，则在一天中的特定时段光伏组串的功率异常，如异常低，子系统的满发比也随之异常。因此云服务平台在检测到存在低效的第一类子系统的满发比在一天中的特定时段存在满发比异常，确定第一类子系统所接入的光伏组串存在固定遮挡。

在具体分析过程中，为了提高分析的准确性，需要最大程度的降低天气条件对分析结果的影响，本实施例使用某光伏电站在2017年2月13日的9:00、12:00和15:00为典型分析时刻，观察当日这三个时刻的各个第一类子系统的满发比。通过观察满发比的一致性，分析各个第一类子系统中的每个光伏组串是否存在低效情况。2月13日某电站各个第一类子系统满发比如图6所示，从上到下三条曲线分别对应着2月13日中午12:00、下午15:00和早上9:00的各第一类子系统的满发比。

图6反映出在9:00和15:00太阳高度角较低的时候，各个子系统之间满发比确实差异较大，怀疑有遮挡问题存在；而在12:00太阳高度角较高时，满发比一致性较好，遮挡状况减轻。并且从图6可以看出在上午9:00有部分第一类子系统显示出明显的低于平均值以及中位数水平的满发比，可以对这些具有代表性的第一类子系统进行进一步分析，确认具体导致子系统低效的原因，如朝向问题、遮挡问题、积尘问题等。

当光伏电站性能分析系统包括多个第二类子系统时，根据第二类子系统需要与直流汇流箱共同完成电能收集的工作特点，因此第二类子系统所接入光伏组串数量远大于第一类子系统。这一情况导致分析第二类子系统时，分析对象数量过大，不利于对比分析，且对于通讯传输的数据量要求高，不利于高密度数据分析，本实施例借鉴在证券行业常用的“股价k线图”进行趋势的图形化呈现，通过绘制子系统的满发比k线图进行性能分析。请参阅图7，云服务平台根据子系统所接入的每个光伏组串的满发比，对子系统进行性能分析，包括：

s401：云服务平台根据第二类子系统中所有接入光伏组串的满发比绘制满发比k线图。

其中，满发比k线图的横轴表示时间，满发比k线图的开盘、盘高、盘底和收盘分别对应子系统中所有接入光伏组串的满发比的平均数、最大值、最小值和中位数，开盘与收盘之间的涨跌柱为空心时表示中位数大于平均数，开盘与收盘之间的涨跌柱为实心时表示中位数小于平均数；

s402：云服务平台根据满发比k线图的走势确定第二类子系统是否存在低效。

在满发比k线图中，当中位数大于平均数，即呈现空心的“涨柱”时，说明低效的光伏组串的极端低值较低，某一汇流箱有光伏组串存在严重的发电能力低下；当中位数小于平均数，即呈现实心的“跌柱”时，说明低效的光伏组串的极端值较少，各光伏组串发电能力较为均衡。并且，可以通过涨跌柱的长短，来判断偏离程度。涨跌柱越长，说明极端值总量越大，某一汇流箱的低效支路总数越多，情况越严重；涨跌柱越短或没有呈现涨跌柱，说明极端情况越轻微。用更为直接的语言来描述，可以阐述为“直线越短、越靠上越好；实心柱越多、越短越好”。

根据满发比k线图的长度，结合时间，可以判断遮挡等异常情况；当正午时段k线仍然偏长且空心柱较多且较长时，可确定该第二类子系统中某一汇流箱所接入的光伏组串有朝向不一致等问题。

类比第一类子系统的分析过程，仍然选取某光伏电站在2017年2月13日的9:00、12:00和15:00为典型分析时刻，绘制当日这三个时刻各个第二类子系统的满发比k线图。9:00的满发比k线图如图8所示，12:00的满发比k线图如图9所示，15:00的满发比如图10所示。

可以看出，在2月13日早上9:00，k线的长度普遍偏长，而且空心柱偏多，说明由于在早晨太阳高度角低的情况下，绝大多数的汇流箱的各条支路的电流并未达到满发，而且各k线的均值和中位数起伏较为明显，说明各个汇流箱的满发程度不均衡，有遮挡情况出现。在2月13日中午12:00，k线的长度普遍偏短，从左侧坐标轴中可以读出绝大多数的汇流箱“满发比”平均值和中位数都接近或超过90％，绝大多数汇流箱的各条支路电流接近满发，而且涨跌柱不明显，说明在中午太阳高度角变大之后，遮挡情况缓解。在图10中显示出了与图8类似的情况，即在15:00太阳高度角变小之后，低效运行情况又重新出现。

进一步，为了计算由于低效导致的发电量损失，本实施例中云服务平台分别将每类子系统中每个时间戳中满发比最高的光伏组串确定为动态标杆组串，也就是说，在每个时间戳都可以确定每类子系统中的动态标杆组串。在此基础上，云服务平台通过在每个时间戳分别计算每类所述子系统中动态标杆组串与其他光伏组串之间的发电量差值，计算发电量损失量，实现对光伏电站发电量损失的动态评估。

进一步，为了提高光伏电站的性能分析效率，本实施例根据预设分析周期，如过去一年的光伏电站中的历史数据，生成低效事件概率分布图，从而实现对低效事件概率分布图中低效频率较高的子系统进行重点监测和分析。

请参阅图11，本实施例公开的生成低效事件概率分布图的方法包括以下步骤：

s501：云服务平台在预设分析周期内根据每个子系统的等效利用小时数和月度累计辐照，计算每个子系统的月度系统性能比。

其中，计算子系统的月度系统性能比的方法可以为传统系统性能比计算方法，还可以根据本实施例公开的低效计算模型进行计算。

云服务平台统计预设分析周期内光伏电站中光伏组件的每小时的积累辐照量、温度、每小时总发电量、每小时系统性能比，关联拟合系统性能比与光伏组件温度之间的对数变化关系，生成温度与系统性能比之间的低效计算模型。

s502：云服务平台对每个子系统的月度系统性能比进行升序排序，获取排名后n个子系统，作为低效子系统。

n可以为5。

s503：云服务平台计算每个低效子系统的日级系统性能比，在月度范围内统计低效子系统的低效频率。

s504：云服务平台根据光伏电站的拓扑结构，对低效子系统进行定位。

s505：云服务平台在预设分析周期内统计低效子系统的低效频率，并将低效子系统的低效事件与环境因素相关联，生成标记有环境因素与低效子系统的低效事件对应关系的低效事件概率分布图。

综上，上述实施例公开光伏电站系统性能分析方法以动态系统性能比(pr)为主线、分层级对光伏电站和子系统的性能进行分析，在时间维度上对系统性能比进行不同时间颗粒度的分析，在分析对象维度上对电站进行子系统级划分细化分析颗粒度。通过“云边结合”在实现云服务平台对子系统进行远程实时性能分析的同时，提高光伏电站性能分析效率。

进一步，根据环境因素(倾斜面太阳能辐照、光伏组件温度)和发电量，关联拟合系统性能比与组件温度之间的对数变化关系，生成温度与系统性能比之间的低效计算模型，用于光伏电站整体低效评估。从而使用历史数据计算评估电站系统内可能出现低效或故障的区域的概率分布情况，并与气象数据相关联，形成有标记数据集，为系统性能分析提供数据支撑。

基于本实施例公开的光伏电站系统性能分析方法实现对光伏电站整体以及子系统层面的性能分析，在检测到存在低效的光伏组串的情况下，通过向该光伏组串对应的子系统发送投切指令，使子系统中的逆变器控制与其对应的投切装置动作，自动化投切，自动优化光伏电站直流侧连接，使低满发比子系统整合为高满发比系统，优化系统性能，达到光伏电站直流侧阵列的自动化技改优化效果。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(ram)、内存、只读存储器(rom)、电可编程rom、电可擦除可编程rom、寄存器、硬盘、可移动磁盘、cd-rom、或技术领域内所公知的任意其它形式的存储介质中。

上述各个实施例之间可任意组合，对所公开的实施例的上述说明，本说明书中各实施例中记载的特征可以相互替换或者组合，使本领域专业技术人员能够实现或使用本申请。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。