大型清洁能源光伏电站智慧运维模式研究.pdf

2023 年第 9 期2023 年 9 月大型清洁能源光伏电站作为可再生能源的重要组成部分，在全球能源转型和减少碳排放的背景下，扮演着越来越重要的角色。光伏电站的高效稳定运行对于确保可再生能源的可靠供应、降低能源消耗和保护环境具有至关重要的意义。然而，随着光伏电站规模的不断扩大和技术的快速发展，传统的基于规则的运维模式在应对电站故障和优化运维效率方面存在一定的局限性。传统的光伏电站运维模式主要依赖人工干预和经验判断。然而，随着光伏电站规模的扩大和设备复杂性的提升，传统模式已经无法满足对大规模光伏电站的运维需求。人工干预和依赖经验容易导致人为错误和主观判断的偏差，同时也对运维人员的经验水平和技能要求较高。为了解决传统模式存在的问题，智慧运维模式逐渐成为研究的热点和关注的焦点1。智慧运维模式利用先进的技术和算法，借助大数据分析、人工智能和物联网等技术手段，实现对光伏电站的实时监测、故障预测和远程管理。通过运用智能化的算法和模型，可以对光伏电站的运行状态进行精确监测和分析，及时发现设备异常和故障风险，并采取相应措施进行处理。智慧运维模式的引入将极大地提升光伏电站运维的效率和可靠性，降低人力成本和运维风险。1预处理大型清洁能源光伏电站光伏数据在对采集到的光伏数据进行预测之前，对输入特征进行相关性分析是一个重要的步骤。通过计算各个特征与输出功率以及特征之间的相关性系数，可以帮助了解特征之间的关联程度，筛选出对功率输出具有显著影响的特征，计算各个特征与输出功率以及特征之间的相关性系数，如式(1)所示：收稿日期：2023-05-22作者简介：王亚东，1990 年生，男，新疆乌苏人，工程师，主要从事新能源建设安装工程方面的工作。大型清洁能源光伏电站智慧运维模式研究王亚东（华电福新和布克赛尔能源发展有限公司，新疆 乌苏 833300）摘要：基于规则的传统运维模式往往只能依靠人工巡检和事后处理来发现故障袁 缺乏对潜在故障的实时监测和预测能力袁 从而导致预测精度低袁 因此开始探索大型清洁能源光伏电站智慧运维模式遥 通过对大型清洁能源光伏电站光伏数据进行预处理袁 建立清洁能源光伏电站智慧运维模式指标体系袁 并利用直觉模糊层次分析法计算每个指标的权重袁 从而实现最佳光伏电站智慧运维遥 实验结果表明袁 相较于传统运维模式袁 该模式通过借助大数据技术的应用袁 在预测准确性和故障处理效率方面得到了显著的改进袁 并能提供更精确的故障预测和维修决策支持袁 对推动大型清洁能源光伏电站智慧运维模式的发展具有重要的理论和实践意义遥关键词：清洁能源曰 光伏电站曰 智慧运维中图分类号：TM619文献标志码：A文章编号：2095-0802-(2023)09-0035-04Smart Operation and Maintenance Mode for Large-scale Clean EnergyPhotovoltaic Power StationsWANG Yadong(Huadian Fuxin Hoboksar Energy Development Co.,Ltd.,Wusu 833300,Xinjiang,China)Abstract:The traditional rule-based operation and maintenance mode often only relies on manual inspection and post processingto detect faults,lacking real-time monitoring and prediction capabilities for potential faults,resulting in low prediction accuracy.Therefore,people began to explore the smart operation and maintenance mode of large-scale clean energy photovoltaic powerstations.By preprocessing the photovoltaic data of large-scale clean energy photovoltaic power stations,an indicator system for thesmart operation and maintenance mode of clean energy photovoltaic power stations was established,and the weight of eachindicator was calculated using the intuitive fuzzy analytic hierarchy process,in order to achieve the optimal smart operation andmaintenance of photovoltaic power stations.The experimental results show that compared with the traditional operation andmaintenance mode,this mode has significantly improved the prediction accuracy and fault handling efficiency through theapplication of big data technology,and can provide more accurate fault prediction and maintenance decision support,which hasimportant theoretical and practical significance in promoting the development of intelligent operation and maintenance mode oflarge clean energy photovoltaic power stations.Key words:clean energy;photovoltaic power station;intelligent operation and maintenance（总第 216 期）能源产业352023 年第 9 期2023 年 9 月r=ni=1移Xi-X軍蓸蔀Yi-Y軍蓸蔀ni=1移Xi-X軍蓸蔀2姨ni=1移Yi-Y軍蓸蔀2姨，(1)式中：r为各个特征与输出功率以及特征之间的相关性系数，Xi为光伏数据输入特征，X軍为光伏数据输入特征的平均值，Yi为输出功率，Y軍为输出功率的平均值。然后使用 KNN 算法（K-Nearest Neighbor，K 最邻近分类算法）进行数据分析，由于不同特征的量纲不同，可能导致距离函数偏向某一特征的情况。以光伏电站数据为例，温度差的取值范围较小，而辐照度差的取值范围较大，这会使得 KNN 算法更倾向于以辐照度这个特征为主要依据进行距离计算。为了解决这个问题，需要对样本数据进行归一化处理2。具体而言，可以将原始数据集转化为符合标准正态分布的数据集，使得数据集的方差为 1，平均值为 0。x*=x-滋滓，(2)式中：x*为符合标准正态分布的归一化数据集，x为对样本进行归一化处理后的数据，滋为所有样本数据的均值，滓为所有样本数据的标准差。把样本数据映射到区间-1，1内，绝对值越接近 1 表示相关性越强，然后对样本数据进行归一化处理：x=（ymax-ymin）（xi-xmin）xmax-xmin+ymin，(3)式中：ymax，ymin分别为映射区间-1，1内数据最大值和最小值；xi为样本的初始数据；xmax，xmin分别为样本中的数据最大值和最小值，x为对样本进行归一化后的数据。如果特征与输出功率之间的相关性系数接近于 1，表明特征对功率输出具有正向影响，需要被保留并作为输入特征3。如果特征与输出功率之间的相关性系数接近于-1，表明特征对功率输出具有负向影响，在建立指标体系的过程中需要注意处理对预测的负面影响。相关性分析也有助于理解光伏电站中各个因素之间的关联性，为进一步的数据分析和指标体系建立提供支持。2建立清洁能源光伏电站智慧运维模式指标体系2.1运行稳定性指标设备正常运行率是指设备在规定的运行周期内处于正常工作状态的时间与总运行时间之比，其定义为：浊A=tUptUp+tDown100%，(4)式中：浊A为设备正常运行率，tUp为发电设备有效正常运行时间段，tDown为发生设备故障时的停止工作时间段。但是光伏电站的发电功率会受到环境因素的影响而不断变化，导致光伏电站无法像传统发电方式一样按需发电4。这种情况下，光伏电站可能会面临弃光的问题。当弃光率较高时，意味着光伏电站的发电量超过了电力系统的承载能力，需要采取措施来调整光伏电站的发电功率，以保证电力系统的稳定运行。2.2运维及时性指标运维及时性指标对大型清洁能源光伏电站智慧运维具有重要影响。智慧运维是利用先进的技术手段，结合数据分析和自动化控制，实现对电站设备的实时监测、故障预测和优化维护5。通过运维及时性指标的监测和评估，可以及时发现电站设备的缺陷或系统故障，并采取相应的维修措施，避免电站停运或发生更严重的事故。若在监测系统报警后未能及时派遣维修人员，可能导致故障的进一步扩大，影响电站的稳定性和发电能力。2.3运维专业性指标综合信息管理能力是体现运维专业性的重要标准，它涉及设备的基本信息、保养规定和执行情况、组件清洗记录、设备报警能力以及破损记录等。通过高效的信息管理，可以及时获取设备状态和运行数据，为智慧运维系统提供准确的信息基础。确保设备按照预定计划进行维护和检修，提前发现潜在问题并进行修复，从而降低故障发生的可能性，其检修统筹能力由光伏组件和系统的计划检修维护情况组成，分别用Rcpm，Rcdm表示：Rcpm=ncmntm100%，(5)Rcdm=ncpntp100%，(6)式中：Rcpm为光伏组件的计划检修维护情况，Rcdm为系统的计划检修维护情况，ncm为光伏组件检修实际完成总数量，ntm为光伏电站下达的检修计划数量，ncp为运维人员实际完成的日常维护项目总数，ntp为日常维护计划数量。运维人员通过对设备状态的监控和分析，可以进行精准的维护和故障预测，从而提高维护效率和设备可靠性。一旦光伏电站中的组件或逆变线路等设备出现故障，运维人员能够快速准确地确定故障设备，并将信息反馈给负责检修的人员，以便及时进行修复处理6。当有突发事故时，抢修作业流程的规范程度直接关系着清洁能源光伏电站的生产和运行稳定，可用光伏系统缺陷消除率Rde和系统潜在隐患消除率Rpde来衡量，分别表示为：Rde=ndentd100%，(7)Rpde=npdentpd100%，(8)式中：nde为电站运行周期内排除问题数量，ntd为系统监测到的问题数量，npde为运行周期内排除潜在隐患数量，ntpd为系统监测到的潜在隐患数量。从清洁能源光伏电站建成开始，随着运行周期的增加以及新技术的出现，为解决设备老化问题，电站362023 年第 9 期2023 年 9 月图 1清洁能源光伏电站智慧运维模式指标体系需实施技术改造。通过及时跟进新技术和设备的应用，可以提升电站的运维效率和可持续发展能力。实际完成的技术项目数量nctp与负责运维管理部门原计划的升级项目数量nttp之比为技术升级完成率Rctp：Rctp=nctpnttp100%。(9)运维专业性指标对大型清洁能源光伏电站的智慧运维具有重要影响。通过提高这些指标的水平，可以实现设备状态的实时监测与诊断、故障及时处理和预防，进而提升电站的运维效率、可靠性和可持续性。清洁能源光伏电站智慧运维模式指标体系如图 1所示。3确定光伏电站智慧运维模式指标权重在使用直觉模糊层次分析法的群决策模型来确定指标权重时，若要得到理想客观的评估结果，必须结合评价者的决策水平。以准则层为例，计算运行稳定性指标、环境因素和运维专业性指标的综合权重时，应先将直觉判断矩阵转化为直觉模糊数，再利用直觉模糊数计算直觉模糊加权：（棕I）T=棕1I，棕1I，棕nI蓘蓡=nj=1移滋1j(I)ni=1移nj=1移滋ij(I)，nj=1移淄1j(I)ni=1移nj=1移淄ij(I)晌尚上上上上上上上上上上上上上裳捎梢梢梢梢梢梢梢梢梢梢梢梢梢，杉删山山山山山山山山山山山山山nj=1移滋nj(I)ni=1移nj=1移滋ij(I)，nj=1移自nj(I)ni=1移nj=1移淄ij(I)晌尚上上上上上上上上上上上上上裳捎梢梢梢梢梢梢梢梢梢梢梢梢梢煽闪衫衫衫衫衫衫衫衫衫衫衫衫衫，(10)式中：棕nI为直觉模糊加权值，滋ij(I)为指标的综合权重，滋nj(I)为指标的综合模糊权重，淄ij(I)为直觉判断矩阵，自nj(I)为直觉模糊数。在此基础上，通过公式计算出直觉模糊加权：姿T=（姿1，姿2，姿n）=1k=1移棕k棕1(k)1k=1移棕k棕2(k)1k=1移棕k棕n(k)蓘蓡，(11)H（姿i）=1-自i1-滋i-自i，i=1，2，3，(12)姿i=（滋i，自i）=1-Ik=1仪1-滋i(k)蓸蔀棕k，Ik=1仪自i(k)棕k蓸蔀蓘蓡，i=1，2，n，(13)式中：姿T为隶属度函数，姿n为隶属度值，棕k为运行稳定性指标权重，棕n为环境因素权重，H（姿i）为模糊集合，自i为直觉模糊权重，滋i为运维专业性指标权重。根据归一化式的计算，可以得到准则层中运行稳定性、环境因素和运维专业性指标的综合权重。归一化的过程是将各指标的取值范围映射到统一的区间，以便进行综合权重的比较和计算。在计算综合权重时，首先需要对每个指标进行归一化处理，将它们转化为无量纲的相对指标值7。这可以通过标准化或其他归一化方法实现，确保各指标在同一量级上进行比较。然后，根据指标的重要性和专家的意见，计算得到各指标的综合权重滓i为：滓i=H（姿i）nj=1移H（姿i），i=1，2，n。(14)同理可计算出指标层的综合权重，得到专家对于一级指标的权重。然后，通过计算指标层的综合权重来确定一级指标的权重。这涉及到综合考虑不同指标的重要性和关联性，以得出各指标在整体评价中的相对权重。同时在最终的评价中，假设存在多个候选方运维及时性 B2清洁能源光伏电站运维智慧模式 A运维专业性 B3运行稳定性 B1设备正常运行率B11光伏发电弃光率B12交通便利程度B21环境气象条件B22技术资源B23响应机制B24综合信息管理能力B31检修统筹能力B32状态监测诊断能力B33故障信息处理能力B34突发事故抢修能力B35技术升级完成率B36王亚东：大型清洁能源光伏电站智慧运维模式研究372023 年第 9 期2023 年 9 月案，并有多位专家根据二级指标对这些方案进行决策。每位专家提供了自己的直觉模糊判断矩阵，该矩阵反映了对候选方案之间模糊相对权重的判断。通过综合这些专家的意见和判断，可以得到对候选方案的模糊相对权重，从而进行准确的评估和决策。通过综合这些直觉模糊判断矩阵得出：C1(l)=Cij(l)蓸蔀m伊k，(15)Cij(l)=滋ij(l)，自ij(l)蓸蔀，i=1，2，m；j=1，2，x；l=1，2，y，(16)式中：Cij(l)为模糊相对权重，m为一级指标个数，k为二级指标个数，l为候选方案个数。然后加权计算求出各方案的综合权重H（姿l）并比较大小。4实现最佳光伏电站智慧运维在智慧运维模式设计中，运维日志中所包含的高质量信息是数据运维中关键环节之一，所以在确定了各指标的从属关系及权重后，需要将指标重要程度进行两两对比，从而对数据进行标准化处理。假设：B=（bij）n伊n是元素集A=（a1，a2，an）中的元素进行对比形成的判断矩阵，且满足bij 0，bij+bji=1，bij=0.5（i，j=1，2，m）。在完成数据标准化处理后，采用Hamming 函数生成相似度计算公式：sfn=1-f移pfk-pnk，f 屹 n1扇墒设设设设设缮设设设设设，(17)式中：sfn为相似度值；pfk为第f个指标的重要程度；pnk为第n个指标的重要程度；f，n均为指标个数。根据相似度计算结果，利用当前设置的初始化聚类中心完成智慧运维日志的聚类处理。通过隶属度函数完成聚类中心的再次计算，根据隶属度值计算结果重新确定聚类中心。通过对运维日志的深入分析，可以发现设备运行中的异常情况和潜在问题。智慧运维系统可以采用数据挖掘和机器学习技术，对运维日志数据进行自动化分析。运维人员可以利用这些分析结果，及时发现设备故障、异常操作和性能下降等问题，并迅速采取相应的纠正措施，帮助光伏电站实现更高水平的智慧运维，从而实现最佳光伏电站智慧运维。5实验论证分析5.1实验准备本文以一大型清洁能源光伏电站为案例进行分析，选择与基于规则的传统运维模式通过数据运维容量作为对比。其中，为了将清洁能源光伏电站智慧运维模式的性能直观呈现出来，选定数据运维容量和迭代收敛率作为实验指标。作为一项关键性指标，智慧运维容量可以通过最小二乘法拟合直线方程获取计算结果。迭代收敛率越高，表明光伏电站智慧运维数据处理性能越好，计算公式分别为：c=a+bx忆d=e+f忆x忆嗓，(18)式中：c为智慧运维容量计算值；a为方程截距，b为方程斜率，a，b统称为回归系数；x忆为光伏电站光伏数据；d为迭代收敛率计算值；e为初始迭代收敛值；f忆为迭代收敛斜率。通过计算，从而获取智慧运维数据处理性能。5.2实验结果通过实验指标计算公式，获取本文设计智慧运维模式的数据运维容量。为了增强实验结果说服力，选择与基于规则的传统运维模式通过数据运维容量作为对比，进行智慧运维测试，获取到如图 2 所示的数据运维容量对比图。图 2两种模式数据运维容量对比图通过对图 2 中的数据运维容量进行比较，可以发现数据运维容量随着运维时间的增长而增加。在清洁能源光伏电站智慧运维模式的研究中，计算得出本文设计的运维模式的平均数据运维容量为 111.25 T，而基于规则的传统运维模式的平均数据运维容量为 58.94 T。这表明本文设计的智慧运维模式相较于传统的基于规则的运维模式，在数据运维容量方面得到了显著的提升，意味着本文设计的智慧运维模式具备更高的数据处理能力和存储能力。这种较高的数据运维容量是智慧运维模式的一个重要优势。通过增强数据处理和存储能力，智慧运维模式能够更好地应对清洁能源光伏电站运维中产生的大量数据，并能够更高效地进行数据分析、故障诊断和预测。这为运维人员提供了更全面、准确的数据支持，使得运维人员能够做出更明智的决策，并采取相应的维护措施，从而提高大型清洁能源光伏电站的运维效率和可靠性。253035404550数据运维时间/min120110100908070605040302010传统运维模式；本文运维模式。0（下转第 42 页）382023 年第 9 期2023 年 9 月6结束语对大型清洁能源光伏电站智慧运维模式进行了研究，通过对比实验，评估了智慧运维模式在运维效率、故障检测率和处理能力等方面的表现。实验结果表明，智慧运维模式相对于传统的基于规则的运维模式，在预测准确性和故障处理效率方面得到了显著的提升。此外，借助大数据技术的应用，智慧运维模式能够实现更高效的运维管理，并为电站运维决策提供更精确的支持。综上所述，基于大型清洁能源光伏电站智慧运维模式的研究为大型清洁能源光伏电站智慧运维模式的应用提供了有力的理论和实践基础，为光伏电站可靠性和效率的提升提供了重要的指导和决策支持。参考文献：1 宋诗，钱辰辰.基于云平台的光伏电站运维管理系统设计 J.电器与能效管理技术，2015(24)：93-97.2 冯相赛.分布式光伏电站运维现状及发展趋势 J.能源与节能，2021(4)：57-59.3 郭宝甫，舒逸石，李瑞生，等.分布式扶贫光伏智能运维服务系统设计及工程应用 J.电测与仪表，2019，56(7)：84-88.4 杜思阳，仲颖.基于智能传感技术的光伏电站智慧运行 J.电工技术，2021(21)：182-183.5 杨洪雷.分布式光伏电站运维管理与发展趋势 J.上海节能，2022(9)：1137-1142.6 李国君，赵爱明，张文臣，等.光伏电池组件工作状态监测研究 J.物联网技术，2020，10(2)：23-26.7 甄凡奇，孔祥辉，罗方圆，等.光伏电站智能运维及功率预测技术要点探讨 J.光源与照明，2021(7)：95-96.（编辑：刘晓芳）本工作面回采过程中，沿空留巷段超前工作面 24 m范围内锚索轴力由回采前的 268 kN 增加至 335 kN，滞后工作面约 160 m 处锚索轴力开始趋于稳定，基本在320 kN 左右；滞后工作面 100 m 处沿空留巷段实体煤帮及顶板的塑性区显著增大，实体煤帮塑性区深度约1.1 m，顶板塑性区深度约 1.3m；滞后工作面 155 m 处沿空留巷段变形趋于稳定，顶板最大下沉量约为 110 mm。XV2302 工作面回采期间锚索轴力及单体支柱工作阻力如图 4 所示。图 4XV2302 工作面锚索轴力及单体支柱工作阻力XV2302 工作面回采过程中，沿空留巷段超前工作面 26 m 范围内锚索轴力基本为 380 kN 左右，超前工作面 23 m 范围内沿空留巷段顶板下沉量由 110 mm 增至142 mm 并趋于稳定。综上所述，锚索载荷最大值为 380 kN，远小于其破断荷载 582 kN，锚索受力处于合理范围之内；顶板最大下沉量为 142 mm，小于 200 mm，顶板处于稳定结构状态，表明 15 号煤层工作面切顶卸压沿空留巷技术方案补强支护设计参数合理，能够满足安全生产要求。4结论一直以来，煤矿综采工作面主要采用长壁全部垮落法进行开采，该开采方法不但容易造成煤炭资源的浪费，而且回采期间在煤柱区域会形成应力集中现象，提高了对巷道后期维护的困难程度。为此，以三沟鑫都煤业 15 号煤层开采为例，拟采用切顶卸压沿空留巷开采方案，并对其主要参数进行设计，总结如下。1)根据 15 号煤层钻孔柱状图和以往的施工经验，本次设计采用“深孔+浅孔”切顶卸压方式，深孔将煤层上方 K3灰岩切断，切缝深度为 14.0 m，浅孔将煤层上方 K2灰岩切断，切缝深度为 7.0 m。2)根 据 XV2301 工 作 面 顶 板 岩 层 情 况，确 定XV2301 工作面预裂钻孔角度为：沿工作面推进方向向采空区侧偏 15毅左右，平行工作面向采空区侧偏 5毅左右。3)根据以往爆破经验，爆破和留巷能得到比较好的效果，本次钻孔初步确定为深孔与浅孔间距 600 mm交替布置。4)对工作面切顶卸压沿空留巷进行支护设计后，顶板最大下沉量为 142 mm，小于 200 mm，顶板处于稳定结构状态，表明 15 号煤层工作面切顶卸压沿空留巷技术方案补强支护设计参数合理，能够满足安全生产要求。参考文献：1 曹骏，冯泽宇，张能旺.曙光煤矿切顶卸压沿空留巷开采技术研究 J.矿业研究与开发，2022，42(5)：7-14.2 郑立军，王文，张广杰.高应力综放工作面切顶卸压沿空留巷开采技术研究 J.河南理工大学学报（自然科学版），2021，40(6)：43-53.3 潘海兵，李春睿，王东攀，等.基于切顶卸压的钢管混凝土沿空留巷技术 J.煤炭技术，2017，36(8)：12-15.4 朱珍，张科学，袁红平.切顶卸压沿空留巷碎石巷帮控制技术及应用 J.煤炭科学技术，2018，46(3)：25-32.5 杨森，周冰川，李迎富，等.无巷旁充填切顶卸压沿空留巷矿压显现规律及关键支护技术 J.煤矿安全，2018，49(8)：222-225.（编辑：刘晓芳）（上接第 38 页）42