中信博新一代人工智能光伏跟踪解决方案白皮书

中信博新一代人工智能光伏跟踪解决方案白皮书 全生命周期的安全+增发 2021年1月 作者 概述 中信博跟踪器产品优势 引领行业 安全+增发 数据分享机制 中信博新一代人工智能光伏跟踪解决方案的控制策略 真实地形下的跟踪控制策略 基于实时气象数据的云层策略 针对双面组件+跟踪器的双面策略 与逆变器共享参数的控制策略 实 证 电 站（ 威 海 ）发 电 数 据 中信博光伏跟踪解决方案的迭代方向 更多气候组合 清洗机器人 SCADA及运维建议 免责声明 3 4 01 02 03 04 05 2.1 2.2 2.3 3.1 3.2 3.3 5.1 5.2 5.3 3.4 5 5 6 14 CONTENT 5 5 6 7 9 10 11 13 13 13 13 阳光不止 能源无限 1 阳光不止 能源无限 2 目 录 常规的跟踪器控制，依据的假设是单面组件、晴天、跟踪器 放置在平地上，并制定跟踪策略使组件正面接受到的直射 辐射（Direct irradiance）最大化。这种简单的策略忽略了 天 气，地形地貌对于太阳辐射的影响以及组件对不同光谱吸 收特性的不同，对于光伏电站的发电效益产生了负面影响。 为 了 适 应 各 种 组 件（ 如 双 面 ）、各 种 天 气（ 如 晴 天 、多 云 ）、 各 种 地形（如地势起伏） 、 各种地貌（如土地、草地、雪地）下的 光伏电站项目，中信博开发了新一代人工智能光伏跟踪解决 方案。经过中信博的实地验证及模拟仿真，此解决方案可以 使光伏电站获得高达7%的增发收益。 我们还邀请了光伏行业著名的第三方公司⸺ ，评估了我们的仿真计算与实证电站发电数据。DN V . GL在报告中给 出了如下结论： 作者概述 王士涛 Dr. Jovanovic Mika 王士涛博士是国际电工委员会（IEC）TC82 WG7、WG9召集 人，IEC1906奖中国光伏领域第一位获奖人，同时也是 中国 可再生能源学会光伏专委会委员，哈尔滨工业大学 （ 威 海 ）校 外 硕士研究生导师，兼职研究员。 2014年12月至今，王士涛博士担任江苏中信博新能源科技股份 有限公司 首席 技术官，全面负责中信博研发工作。他负责研 发的平单轴跟踪系统 在 国 际 上 率 先 引 入了备 份 设 计、人 工 智能概念，通过在控制 、 传动、结构等多方面的创新，拥有了 10多项发明专利 ，在大幅降低成本的同时极大地提升了跟踪 系统的可靠性，为太阳能电站建设带来更高的投资回报率。 同时，多工作模式的控制技术使智能太阳能电站成为现实。 作为国际电工组织（IEC）等国际标准机构的成员， 王士涛博 士 代表国家 权威机构主持并参与了多个国际及中国跟踪器 相关标准的起草工作，包括IEC62187、IEC63104等标准。 他于2018年成为 光伏领域第七工作组召集人，拥有多项太阳 能发明专利 ，先后在光伏专业期刊上发表多篇论文并主持承 担了科技部中小型创新企业创新基金、上海市科技项目等。 Jovanovic Mika博士负责DNV . GL北美的光伏技术咨询 业务 。 他于2020年初加入DN V . GL， 在太阳能行业拥有超过 10年的 经 验。 在加入DN V . GL之前 ， Jovanovic Mika在PanelClaw担任 产品开发和风电 工程副总裁。PanelClaw是北美领先的 商用屋顶支架供应 商。 在进入光伏行业之前， Jovanovic Mika曾担任过多个工程 领导职位 ， 在提供低成本、高质量的产品以及达成满足时间、 成本和市场效果的目标方面业绩优良 。 目前，他也任职于SEAOC光伏风电委员会，UL 2703和 UL 3703标准技术委员会 ，同 时 也是SEIA规范和标准以及 MSMC（支架制造 委员会）工作组的成员。 Jovanovic Mika拥有Rutgers University的机械和航空航天 工程博士学 位， 专注于超音速和亚音速风洞试验。 针对双面组件+跟踪器的双面策略 与逆变器共享参数的控制策略 真实地形下的跟踪控制策略 基于实时气象数据的云层策略 该解决方案，主要包括以下四大策略： 阳光不止 能源无限 3 阳光不止 能源无限 4 01 地形策略 云策略 双面策略 中信博 AI控制算法 跟踪器 光伏组件 直流组串 电压、电流 根据中信博的研究，对于安装坡度最高为12％的典型系统，中信博估计每年的散射光增益为0-2％，不平坦的地形增益高达5％。 中信博表示，双面辐照度优化收益是散射光优化增益的一部分 。 DNV . GL认为中信博的估算与DN V . GL的发电量模拟结果和以前 的经验相一致。 中信博首席技术官 DNV . GL北美光伏技术业务负责人 中信博新一代人工智能控制策略 通常，光伏跟踪器是跟随太阳运行轨迹进行运转，而早晚 由于太阳高度角低，光伏阵列间会产生阴影遮挡，对此 加入 逆跟踪算法，使跟踪器朝太阳运行轨迹相反的方向运行， 以减小阴影遮挡降低发电量损失。平坦地形情况下，跟踪 器可以通过逆跟踪规避阴影；而对于复杂的起伏地形 ， 传统逆跟踪功能既不能充分利用辐照资源，又会使阵列 内部 形成阴影，从而导致每天的早晚有部分电量损 失 。地 形坡度 中信博基于整个电站的发电量最大原则，使用真实地形下的跟踪控制策略对逆跟踪算法进行优化。通过对全地形所布局的跟踪器 进行建模，将阵列内跟踪器运行至不同角度，这样既能减小阴影遮挡的影响，同时又能充分利用光照资源，达到提升逆跟踪阶段 发 电量的目的，可增加发电量0~5%。 行业引领 光伏行业率先提出人工智能光伏跟踪解决方案的世界领先企业之一。 安全+增发 中信博的跟踪器承载着光伏组件的安全。不仅在常见的天气条件下，跟踪器还必须在大风、暴雪、冰雹、沙尘、风雪交加等各种 恶劣环境下正常运行，保证自身和光伏组件的安全。相对于固定支架，跟踪器所面对的挑战更加严苛。 基于在跟踪器结构设计方面的深厚积淀以及对跟踪器风致效应的深刻理解，中信博的产品和设计可以让客户的光伏电站在整个 生命周期内安全可靠地提升发电量。 数据分享机制 中信博人工智能算法可以与主流逆变器厂家相互分享跟踪器、逆变器运行数据。 中信博跟踪器产品优势 中信博新一代人工智能光伏跟踪解决方案的控制策略 真实地形下的跟踪控制策略 3.1 越大，遮挡越严重，电量损失越多。因此，对传统逆跟踪 进行算法优化是非常必要的。 为此，中信博特别选择了阿根廷和澳洲（纬度分别为26.8° 和37.7°），来评估平单轴跟踪器在不同坡度地形的发电量 损失。从地形坡度和电量损失的拟合曲线中可以看出，随 着坡度增大到约20%时，电量损失可达7%左右。 地形坡度 Argentina San Miguel de Tucuman Australia Mt Gambier 0% 1.4% 2.0% 3.1% 5.5% 7. 2% 6.7% 4.8% 2.7% 1.8% 1.3% 5% 10% 15% 20% 分析地形起伏及跟踪器排布 优化逆跟踪算法 规避阵列间阴影，最大化利用辐照资源 真实地形下的跟踪控制策略： 阳光不止 能源无限 5 阳光不止 能源无限 6 坡度造成的平单轴光伏系统电量损失 0 2 03 2.1 2.2 2.3 传统跟踪算法 人工智能跟踪算法 同时，DNV G L 也评估了上述3.1及3.2策略，并给出如下评估意见： 阳光不止 能源无限 7 阳光不止 能源无限 8 中信博人工智能光伏跟踪解决方案通过天空摄像机建立项目地的气象数据库，分析各种天气数据，采用神经网络处理气象 数据，实时训练并转换为有用的气象信息，给予最佳跟踪角度位置，可增加发电量0.5%~2%。 基于实时气象数据的云层策略 结合实时气象数据 识别投影区域，区分位于不同区域的跟踪方式 建立气象数据库 实时获取云层图像，预测云层的投影区域 基于实时气象数据的云层策略: 云层速度 云层类型 双面折射以及其他 中信博提供了一个桌面分析，分析了这两个站点中东西向斜率不断增加的单轴跟踪器的功率损耗。对于斜率为 12％，中等 39％的地面覆盖率，功率损耗估计约为 5％。 中信博白皮书中提出的年度损失估计值与 DN V . GL对 这些地点的预期一致（请参阅下面的模拟部分）。 2.4 模拟 DNV . GL使用PVsyst进行了多次发电量模拟，以模拟年度阵列间的阴影发电量损失和散射光优化功能 。 对三个 分 别具有低，中和高扩散光占比的位置进行了建模 。 在每个位置，对跟踪器系统的几个坡度和典型地面覆盖 率 （GCR） （30％、40％和50％）进行了建模。DN V . GL已审查了PVsyst的辐照度优化功能，并认为该功能是估算散射优 化发电量增益的合理方法。 结果列在下表中： 地面覆盖率 散射光占比 地点 纬度/经度 倾斜度 散射光增益 3% 6% 10% 0.3 0.26 Antofagasta, Chile -23.6, -70.4 3.1% 3.7% 4.8% 0.2% 0.4 0.26 Antofagasta, Chile -23.6, -70.4 5.5% 6.1% 6.1% 0.2% 0.5 0.26 Antofagasta, Chile -23.6, -70.4 6.1% 7.7% 8.9% 0.2% 0.3 0.36 Salt Lake City, UT, 40.78, -112.0 3.5% 3.7% 4.3% 0.6% 0.4 0.36 Salt Lake City, UT, 40.78, -112.0 4.9% 6.2% 7.1% 0.6% 0.5 0.36 Salt Lake City, UT, 40.78, -112.0 6.7% 8.0% 8.5% 0.6% 0.3 0.53 Weihai, Shandong, 37.5, 122.1 2.2% 2.9% 3.7% 0.9% 0.4 0.53 Weihai, Shandong, 37.5, 122.1 4.1% 4.6% 4.8% 0.9% 0.5 0.53 Weihai, Shandong, 37.5, 122.1 4.6% 6.0% 7.0% 0.9% USA USA USA China China 年度阵列间阴影发电量获取 3.2 （在倾斜地面上的理想人工智能跟踪器） 阳光不止 能源无限 9 阳光不止 能源无限 传统跟踪器运行时，太阳光到组件面的入射角最小即能接 收最多的辐射量，达到最佳角度和最佳发电状态，因此 传统跟踪模式只能保证双面组件正面的辐射量最大。人工 智能智能控制系统则对双面组件的跟踪器角度进行了算法 优化，无论何种天气，通过获取组件正面和背面的辐射等 环境数据，实现双面组件“正面+背面”的辐射量最大，保 证了双面组件的最大发电能力。 针对双面组件+跟踪器的双面策略 人工智能双面策略结合上述全地形策略和辐照策略的算 法 ，分 别 对 辐 照 和 气 象 数 据 进 行 采 样 ，分 布 反 馈 ，集 中 深 度 学习，不断比较信息，对比预测值和目标值，获得最大发 电量控制角度和策略，预判跟踪角度是否达到最佳角度， 最终通过通信箱下发到各个控制箱。 结合先进的搜索算法、机器学习算法 以及深度神经网络 获取和判断双面组件的最佳跟踪角度 设立测试组， 通过快速旋转来实时捕捉最佳跟踪角度 对辐照集中搜索和分布反馈 针对双面组件+跟踪器的双面策略： 中信博新一代人工智能光伏跟踪解决方案可以采集逆变器共享的参数作为输入，与原参数综合比对，优化控制策略， 进一步提升发电效益。 与逆变器共享参数的控制策略 以光伏方阵实时IV特性作为反馈信号实现人工智能跟踪器控制策略 全站光伏组件/组串发电能力及辐照仪数据分析及挖掘 与逆变器共享参数的控制策略： 常规组 常规组 常规组 角度下发 常规组 测试组 训练 训练 测试组 10 逆变器侧参数 辐照度计 光伏方阵实时 IV 全站光伏组件 发电能力 跟踪器人工智能跟踪算法 3.3 3.4 实证电站（威海）发电数据 阳光不止 能源无限 11 阳光不止 能源无限 12 为了验证中信博人工智能光伏跟踪解决方案对于双面组件的增发作用，在山东威海哈工大HIT实证基地，我们对人工智能控制器 进行了实地功能验证，同时对双面组件和单面组件也进行了数据对比。在模拟坡度5%~15%情况下，我们研究了带人工智能功能 和不带人工智能功能的跟踪器上单面组件和双面组件的发电情况。 我们严格控制发电端的组件和设备性能一致性，将对比测试条件进行大差异化的设计。例如地面铺白膜以提高反射率，设计高达 15%的大坡度使发电量差异更明显，以获得有较显著差异的人工智能和非人工智能发电量数据。 在实证基地中，设计带人工智能和不带人工智能的2组地形相同的双面/单面发电量阵列（如图所示），对比人工智能控制器 和非人工智能的传统跟踪方式的发电量情况，5月天气大多晴好，从测试数据来看，人工智能跟踪算法与标准跟踪算法比 较如下： 2019年5月针对双面和单面组件，中信博人工智能跟踪算法与标准跟踪算法的比较 双面 5.5% 4.1% 单面 5.0% 3.4% 选取5月20日的典型晴天数据做功率曲线。对于坡度起伏地形在早晚部分时间段，无人工智能功能的光伏跟踪系统由于阴影 遮挡导致功率损失较明显，而带人工智能功能的跟踪系统则由于调整了每排的角度，规避了更多阴影，人工智能功能的光伏 跟踪系统保持较优的发电状态，早晚曲线上也出现了明显的差异，这种差异同样出现在双面和单面的功率曲线上。 选取5月5日的典型晴转阴天数据做功率曲线 。 从全天的曲线来看，8:00之前逆跟踪阶段，由于地形影响AI和非AI出现了差异； 8:00逆跟踪结束后，进入正常跟踪状态，AI和非AI的发电功率几乎无差异。在下午14:30转阴后还未到逆跟踪时间前，AI根据辐照 数据调整跟踪器角度，双面组件的AI和非AI也出现了少量差异，单面组件的AI和非AI出现较小的差异。 04 组件类型 天最大增益 月平均增益 双面-每日 双面-月平均 单面-月平均单面-每日 AI比非AI的发电量提升 典型晴天 - 双面组件发电功率对比：AI与非AI 典型晴天 - 单面组件发电功率对比：AI与非AI 双面组件和单面组件 双面+非AI 双面+AI 单面+非AI 单面+AI 典型晴转阴天 - 双面组件发电功率对比：AI与非AI 典型晴转阴天 - 单面组件发电功率对比：AI与非AI 双面+非AI 双面+AI 单面+非AI 单面+AI 阳光不止 能源无限 13 阳光不止 能源无限 14 中信博光伏跟踪解决方案的迭代方向 免责声明 中信博通过对实际运行参数和环境数据的长期积累，数据量持续扩充，利用大数据分析、深度学习算法等最新技术，人工 智 能光伏跟踪解决方案将会在现有的基础上不断迭代并强化，为光伏电站提供智能、高效、稳定、安全的跟踪系统，最大 程 度提升发电量增益。 AI算法迭代演进 基于跟踪器的SCADA(数据采集监控系统)主动向本地及云端电站运维人员提出运维建议，包括但不限于：例行巡检建议， 运行性能异常示警，部件更换建议，备品不足示警。 SCADA及运维建议 电站的运维对于电站增发非常重要，而组件清洗是其中的关键工作。有的项目中可能已经配备了清洗机器人，但机器人与 跟 踪器是无信息交换的。 中信博光伏跟踪解决方案将集成清洗机器人，控制策略也会引入清洗机器人的运行参数。这样既可以为清洗机器人的高效 清洁 指引方向，也可以与其共享气象数据，快速规避可能发生的自然灾害。 清洗机器人 本文包含的所有信息仅供参考，不构成任何要约或者承诺。尽管本司努力使信息正确，保持更新，但这不意味着本司对本文中 任何信息、产品、服务或者相关内容的完整性、准确性、可靠性，适用性或可用性等做出了任何形式的明示或暗示的陈述或 保 证。由此而生的任何关联性均由您自担风险。 中信博保留随时更改或者终止任何产品或者服务的权利。 0 5 5.1 5.2 5.3 公司总部：江苏省昆山市陆家镇黄浦江中路2388号中信博科技园 上海公司：上海市长宁区通协路269号6号楼9楼A单元 制造基地：江苏省金坛区直溪镇工业集中区兴业大道19号 电话：+86-512-57353472 传真：+86-512-57353473 邮箱：sales.arctechsolar@arctechsolar.com