光伏组串I-V扫描与智能诊断技术白皮书

3 光伏组串I-V 扫描与智能诊断技术白皮书 目 前，华为技术有限公司（以下称“华为”）智能I-V 诊断功能已进入规模应用阶段。截至目前，华为 智能I-V诊断应用已超过5GW，广泛应用于各类 不同站址条件、系统和设备形式。 为证实I-V扫描与智能诊断技术的性能水平，受华为委托， 北京鉴衡认证中心（以下称“鉴衡”）对该技术进行了技术 评审和性能验证。结果表明依据CGC/GF 1802020光 伏组串I-V扫描与智能诊断评价技术规范、IEC62446-1 2016并网光伏系统 第一部分系统文件、试运行测试和 检查要求，华为开发的智能 I-V 诊断技术，综合性能水平 达到“L4”，可以较好地满足应用需求。 为使业界全面了解I-V在线扫描和智能诊断技术，鉴衡和华 为联合发布“光伏组串I-V扫描与智能诊断技术白皮书”，较 为详尽地介绍了I-V扫描与智能诊断技术的开发背景、技术 特点及现有技术的性能水平，旨在 1 为电站开发企业及其他相关方准确地了解和使用智能I-V 诊断功能提供参考； 2 基于现状及不断变化的应用需求，为开发和应用企业的 技术提升提供依据。 前言 1 光伏组串I-V 扫描与智能诊断技术白皮书 点多面广、复杂多样是光伏发电的故障特点，如何高效、 及时、精准地发现并处置电站运行中存在的故障，是电站 运维需要破解的难题之一。图1-2、图1-3为根据鉴衡对 150个样本电站的检测结果，给出的统计期内故障发电量 损失的估算结果。图中给出的数据虽不具广泛代表性，但 可以说明及时发现和处置电站运行中存在的各类故障是 电站运维的重中之重。 01 技术开发背景 单机容量小，占地广是光伏发电的典型特点。以装机容量 为50MW的电站为例，按目前的组件效率和系统安装形式， 占地面积大多在100公顷以上，安装组件数量在12万块 以上。 对光伏发电而言，一块组件即相当于一台小型发电设备，概 率上讲，每块组件、每处电气连接都可能发生故障。图1-1 以组串式逆变器为例，给出了光伏方阵典型电气结构及潜 在故障类型示例。 图1-1. 光伏发阵（组串式逆变器）典型电气结构及潜在故障图示 典型问题2 连接松动或 断开 典型问题3 电池/电池串 /组件失配 典型问题1 线缆选型或 敷设不合理 DC/AC 光伏逆变器 光 伏 组 串 直 流 线 缆 连 接 器 光 伏 组 件 光 伏 组 件 光 伏 组 件 光 伏 组 件 光 伏 组 件 光 伏 组 件 光 伏 组 件 光 伏 组 件 典型问题8 绝缘性能下 降/接地故障 典型 问题X 典型问题4 组件局部或 整体失效 典型问题5 组件过快老 化/衰减 典型问题6 周边遮挡/表面 积灰（杂物） 2 光伏组串I-V 扫描与智能诊断技术白皮书 图1-2. 故障发电量损失图1-3. 隐性故障发电量损失分类 目前，光伏发电系统及其设备故障检测主要采用两种方式， 一是通过运行监控系统中的数据检查分析，即线上检查； 二是按一定线路进行人工检查，即线下巡检。现有监控系 统中，线上检查部分尚处初级阶段，能够提供的故障信息 有限；另外，光伏发电特点决定，对线下巡检，多数情况下， 只能走马观花。利用现代技术，特别是智能化手段，提高 光伏发电系统故障识别效率和准确度，以及故障修复的自 动化程度，已是不二选择。 对光伏发电而言，组件、组串、方阵理想的IV输出等同于 理想的发电状态。各种异常运行环境和电气设备（含连接） 问题都会导致IV输出变化。图1-4为典型故障与组件IV 异常表象对应关系图例。各类异常运行条件、系统（含设备） 故障与组串IV输出变化有较强的对应关系，意味着，理论 上可以通过组串IV监测结果，分析判断系统运行中存在的 问题。 图1-4. 典型组串IV异常表象与致因对应关系图例 逆变器最大功率跟踪实现方式是在其设定电压范围内连续 测量方阵输出电流、电压，通过计算比较来确定最大功率 点。只要扩大扫描范围，即可实现接近全范围的IV扫描（方 阵或组串级）。基于上述分析以现有逆变器 MPP 跟踪 为基础，通过技术升级和功能扩展，实现光伏组串 IV 在线 测量和故障诊断，有较强的现实需要，技术上可行，经济 上合理。 3 光伏组串I-V 扫描与智能诊断技术白皮书 2.1 华为智能 IV 诊断技术功能和原理介绍 华为智能IV诊断特性是充分利用组串式逆变器采集的组串 电流及电压数据，结合大数据挖掘及AI识别算法，来确认 光伏组串的故障类型。智能IV诊断特性可实现一键式启动， 通过数据采集器将IV扫描指令下发给逆变器，逆变器完成 组串完整的IV曲线数据采集后，将IV曲线数据通过数采 上传到管理系统，管理系统内置故障诊断及识别算法，自 动生成故障诊断报告。 电站应用场景，光伏组串的伏安特性与经典单二极管模型 类似，电流/电压之间关系，可采用如下经典公式表示 上述公式中，各关键电性能参数解释如下 null I光伏组串工作电流； null I L 光伏组串光生电流； null I 0 二极管反向饱和电流; null n二极管理想因子； null V光伏组串工作电压; null R s 光伏组串串联电阻; null R sh 光伏组串并联电阻; null q单电子电量； null k玻尔兹曼常数； null T热力学温度。 华为智能IV诊断功能特性的迭代及演进，以光伏电站中海 量光伏组串数据为基础，结合经典二极管模型，深入学习光 伏组串在电站应用场景中可能的故障失效模式，针对光伏 组串不同的失效模式，建立对应的故障识别及诊断模型，并 实现故障识别模型的迭代升级；逆变器将采集的IV曲线上 报给管理系统的IV故障识别算法模块，IV算法模块以当前 故障识别模型，判定组串是否存在故障。 另外，为了确保IV扫描曲线数据的准确性，降低扫描过程 中，环境因素的影响，华为智能IV诊断特性，从逆变器IV 曲线采集，到故障算法识别及判定均植入了稳定算法，以 提升智能IV算法故障判定的鲁棒性。 基于对光伏组串典型IV特性参数的分析，能够识别组串的 不同缺陷信息，并用于判断组串是否存在异常。例如，组 串内存在电流失配时，组串IV曲线就会发生图2-1所示的 变形。 02 技术说明 4 光伏组串I-V 扫描与智能诊断技术白皮书 因此，组串中组件存在的某类故障，都会在组串IV曲线上 留下特征信号，且不同类型的组件故障在IV曲线上留下的 信号不同。通过采用大数据挖掘IV曲线上的特征信号，就 能够实现组串故障的精准判断。 华为智能IV诊断，在上述理论支撑的基础上，采用大数据 挖掘、及AI识别算法，可实现光伏电站应用场景，组件 典型故障及失效模式的识别及告警如①组串内电流失配 遮挡、灰尘、组件电流不一致；②组件电流输出异常遮 挡、玻璃碎裂、热斑；③组串电压异常二极管短路、 组件失效；④组串并联电阻过低PID衰减、灰尘；⑤ 组串开路；⑥组串串联电阻过高线缆阻抗偏高、组件内 阻异常；⑦组串短路电流偏低朝向异常、灰尘、组件 衰减。华为智能IV诊断功能，完成电站扫描任务后，自 动生成IV诊断运维报告，针对不同的故障类型给出不同 的运维建议。 （a）一个发电单元遮挡（b）两个发电单元遮挡 图2-1. 组串中组件存在电流失配 8000 7500 7000 6500 6000 5500 5000 4500 4000 3500 3000 2500 2000 1500 1000 500 0 9 8 7 6 5 4 3 2 1 0 P ower [W] Voltage [V] 0 100 200 300 400 500 600 700 800 900 1000 1100 1200 1300 Curr ent [A] 105PwrOPC105I-VOPC 5 光伏组串I-V 扫描与智能诊断技术白皮书 2.3 华为解决方案及技术特点 华为智能IV诊断特性，由逆变器-数据采集器-智能光伏 管理系统等关键网元构成。逆变器采集所有组串的完整IV 数据，数据采集器上传IV数据到智能光伏管理系统，管理 系统内置光伏组串诊断及故障识别算法，可实现光伏电站 组串的全量检测及故障识别，最终指导客户运维。整体方 案如下 图2-2. 华为智能IV诊断特性组网 智能光伏管理系统 数据采集器 . . . . . . 逆变器 组件 1、用户操作界面； 2、启动智能IV诊断、并输出报表。 1、接收指令，执行组串IV曲线扫描； 2、上报采集的IV数据到数据采集器。 1、接收并下发管理系统指令给逆变器； 2、上传IV曲线数据给管理系统。 1 逆变器接受管理系统下发的接收扫描指令，执行组串 IV扫描，并将IV曲线数据通过数据采集器上传到管理 系统； 2 数据采集器透传管理系统的指令，转发给逆变器，并 将逆变器扫描的组串IV曲线数据上传到管理系统； 3 智能光伏管理系统支持电站级参数配置，可实现电站 /子阵/逆变器级启动IV诊断，支持输出诊断结果、故 障类型分类统计，及运维报告导出，指导客户运维。 2.2 技术难点 对大型电站，组串分布广，电性能数据容易受到光照、温 度、湿度等环境条件及设备和系统形式的影响。如何快速、 准确地获取组串电性能数据，并准确地识别组串故障，是 IV诊断的难点。 在组串IV数据获取方面，为降低环境因素对组串数据采集 的影响，保证采集数据的可比性，逆变器间可实现同步扫 描，且逆变器电流及电压检测精度达到0.5，且逆变器内 置曲线采集算法，降低扫描过程中环境因素的影响。 在故障识别算法方面，华为采用智能IV诊断算法，在深入理 解组件故障及失效机理的基础上，基于当前5GW的规模应 用数据，集成大数据挖掘、AI识别算法、自学习等技术，提 高故障检测的准确性及重现性。 6 光伏组串I-V 扫描与智能诊断技术白皮书 03 技术验证和评价 为全面验证华为智能IV诊断的性能水平，2020年2月7 月，受华为委托，鉴衡组成验证小组，对该项技术进行了 全面验证和评估。图3-1为验证评估过程和内容框图，图 3-2为评价指标框图和验证方法示例。 图3-1. 技术验证和评估过程和基本内容 评审内容 技术应用预期目标是否明确适用 时，包括IV扫描、异常识别、故 障诊断 适用范围是否明确包括适用的 设备类型（如单面发电组件、双 面发电组件；整片。半片、切片电 池组件），站场条件和系统形式（如 山地条件、平缓地势；固定支架、 跟踪支架）。 技术方案及软件和硬件设计能否实 现预期目标 评价方式文件评审现场验证。 技术评价 验证内容 见图3-2 验证方式实验室测试现场验证（实 际运行条件，模拟运行环境） 性能验证 评定内容 技术及其性能与现有标准及其他规 范性文件的符合程度及性能等级； 技术先进性及应用前景； 技术提升潜力和改进方向。 综合评定 7 光伏组串I-V 扫描与智能诊断技术白皮书 图3-2. 评价指标框图和验证方法图示 3.1 技术评审结果 华为采用智能IV诊断技术为企业自主开发，并率先在行业 上推广应用。通过评审，验证组认为该技术对接应用需求， 可适用于所有系统形式和应用场景。技术方案科学、合理， 可以实现预期目标。该技术的成功应用，有望解决电站运 维中的难点问题。 3.2 性能验证 基于IEC62446-12016并网光伏系统第一部分系统文 件、试运行测试和检查要求中对组串IV曲线的解释，鉴 衡组织制定了CGC/GF 1802020光伏组串I-V扫描与智 能诊断评价技术规范文件。表3-1为规范中规定的验证 指标及指标解释，表3-2为IV扫描和智能诊断性能等级评 定标准。 类别 验证指标 指标解释 I-V 扫描 测量仪表精度指逆变器组串或方阵电流、电压测量仪表的精度。 扫描精度达标率 指抽样验证样本组串中，在线扫描拟合IV曲线与按标准测量方法测试结果比较，关 键或选定点位、区段差异程度满足要求的组串数量与样本组串数量的比率。 表 3-1. 评价指标及指标解释 8 光伏组串I-V 扫描与智能诊断技术白皮书 3.3 综合评定 华为智能IV诊断技术已进入规模应用阶段，基于技术评审 和性能验证结果，该项技术 1 综合性能等级达到CGC/GF 1802020光伏组串I-V扫 描与智能诊断评价技术规范中的“L4”； 2 对接应用需求，可适用于所有系统形式和应用场景。技 术方案科学、合理，可以实现预期目标。该技术的成功 应用，有望解决电站运维过程的难点问题。 根据样本电站测试结果，测试机型IV诊断扫描精度达标率、识全率、重现率、致因判断准确率均超过95，综合性能等级 达到“L4”。 性能 等级 I-V 扫描 异常识别 故障诊断 测量精度 扫描精度 达标率 识全率 重现率 致因判断 准确率 Ⅰ类缺陷 Ⅱ类缺陷 L1电压、电流≤1.0 ≥70 ≥75 ≥70 ≥70 ≥70 L2电压、电流≤1.0 ≥80 ≥85 ≥80 ≥80 ≥80 L3电压、电流≤0.5 ≥85 ≥90 ≥85 ≥85 ≥85 L4电压、电流≤0.5 ≥95 ≥95 ≥90 ≥90 ≥90 L5组件类型、系统形式扩展预留 综合等级所有指标全部达到的性能等级。 表 3-2. 性能等级划分标准 类别 验证指标 指标解释 异常识别 识全率 指选定区域，扫描识出有因IV异常组串数与识出组串数和未识出但客观存在有因IV 异常组串数之和的比率。 重现率 指针对有因IV异常组串，致因未消除以前，相似运行条件下，不同时间点重复扫描， 样本组中，重复识出的比率。 故障诊断致因判断准确率 指抽样验证样本组串中，对IV异常（故障）组串，扫描判定结果与采用标准方法测 试的判定结果比较，满足要求的组串数量与样本组串数量的比值。 9 光伏组串I-V 扫描与智能诊断技术白皮书 商标声明 ， ， 是华为技术有限公司商标或者注册 商标，在本手册中以及本手册描述的产品中，出现的其它商标，产品 名称，服务名称以及公司名称，由其各自的所有人拥有。 免责声明 本文档可能含有预测信息，包括但不限于有关未来的财务、运营、产 品系列、新技术等信息。由于实践中存在很多不确定因素，可能导致 实际结果与预测信息有很大的差别。因此，本文档信息仅供参考，不 构成任何要约或承诺，华为不对您在本文档基础上做出的任何行为承 担责任。华为可能不经通知修改上述信息，恕不另行通知。 版权所有 华为技术有限公司 2020。保留一切权利。 非经华为技术有限公司书面同意，任何单位和个人不得擅自摘抄、复 制本手册内容的部分或全部，并不得以任何形式传播。 华为技术有限公司 深圳龙岗区坂田华为基地 电话86 755 28780808 邮编518129 www.huawei.com