基于輸出功率分析的光伏電站內 光伏支路遮擋的識別

莫 裘，熊偉銘，陳文皓

(1.上海電力能源科技有限公司，上海 200245；2.上海霖石科技發(fā)展有限公司，上海200120)

0 引言

截至2020年底，中國并網光伏發(fā)電累計裝機容量達253.43 GW，占全球光伏發(fā)電累計裝機容量的三成以上；2020年中國光伏發(fā)電新增裝機容量為4820萬kW，同比增長24.1%。光伏發(fā)電作為目前最具發(fā)展前景的可再生能源利用方式之一，已然成為能源行業(yè)關注的焦點[1]。光伏電站具有占地面積大、運行環(huán)境復雜多樣等特點，光伏組件在運行過程中易受到周邊建筑、立柱、植物及前后排光伏組件等產生的周期性遮擋的影響，長期受到遮擋不僅影響光伏組件的輸出功率，更容易造成光伏組件出現熱斑及串并聯(lián)失配等不良情況，從而會減少光伏組件的使用壽命、降低光伏電站的能效比、增加光伏電站的安全隱患[2]。因此，快速、準確、經濟地找到光伏電站內被遮擋的光伏支路、獲取光伏支路被遮擋的時段及得到遮擋損失情況具有重要的實際意義。

近年來，國內外的專家學者針對與光伏發(fā)電相關的遮擋損失及其改善方式進行了大量研究。文獻[3]通過改變光伏陣列拓撲結構和增加直流優(yōu)化器這2種方法，提升了高原高寒地區(qū)的光伏陣列在局部陰影遮擋下的輸出功率；文獻[4]通過建立光伏發(fā)電單元輸出特性模型，利用兩點電壓/電流檢測數據，實現了對異物遮擋范圍與程度的定量診斷；文獻[5]對部分陰影遮擋下的光伏發(fā)電系統(tǒng)進行3D建模，分析了多種模型在多種情景下的仿真精度，模擬值與實際值的誤差范圍為9%～24%；文獻[6]通過在全年的時間尺度上比較多種光伏組件拓撲模型，最大限度地提高了部分陰影遮擋下的光伏組件發(fā)電量；文獻[7]利用Matlab/Simulink軟件建立了適用于局部陰影遮擋下光伏組件的電氣模型，進而得到了局部陰影對光伏組件輸出特性的影響；文獻[8]引入云遮系數后建立了太陽輻射預測模型和隱馬爾可夫模型，從而提升了光伏發(fā)電超短期功率的預測精度。

上述研究大多是采用假設法或理論建模法進行遮擋分析，聚焦于遮擋現象發(fā)生后的輸出功率預測與優(yōu)化。盡管通過理論計算可識別是否存在遮擋現象，但太陽高度角、太陽方位角和可變遮擋物等的參數的變化使計算變得困難；此外，由于存在遮擋物的參數不全和遮擋程度受太陽輻照度變化影響等問題，導致采用此類參數計算得到的結果的精確度較差。本文以光伏支路輸出功率偏離度、光伏支路輸出功率偏離度變化率和超限頻次等為核心分析參數，以位于浙江省湖州市的某裝機容量為66.5094 MW的光伏電站為基礎搭建了智能監(jiān)測與數據分析平臺，通過對氣象參數和光伏支路輸出功率進行長時域分析，得到光伏支路的遮擋時段與遮擋損失。以期在低投入、少人工干預的情況下，對光伏電站存在的光伏支路遮擋現象進行快速精準識別，在為光伏電站提供定量評判標準的同時，又能有助于提升光伏電站經濟效益。

需要說明的是，對于采用組串式逆變器的光伏電站而言，光伏支路為逆變器支路(即“光伏組串”)，對于采用集中式或集散式逆變器的光伏電站而言，光伏支路為直流匯流箱支路(即“光伏組串”)。由于本文中作為分析基礎的光伏電站采用的是組串式逆變器(下文簡稱為“逆變器”)，因此本文的光伏支路即為逆變器支路。

1 數據采集及預處理

1.1 數據采集模塊

根據國家電力信息安全規(guī)定，嚴禁將電站數據與外部互聯(lián)網直接進行交互。因此，本文在光伏電站數據采集方面以全物理隔離智能網絡單向信息采集系統(tǒng)為基礎，充分運用物聯(lián)網、計算機視覺、數據加密、身份認證和私有協(xié)議等安全管理保障技術，有效解決了數據從高安全域向低安全域的單向的安全可靠傳輸。全物理隔離智能網絡單向信息采集系統(tǒng)的數據采集原理如圖1所示。

圖1 全物理隔離智能網絡單向信息采集系統(tǒng)的數據采集原理圖Fig. 1 Data acquisition principle of all physical isolated intelligent network unidirectional information acquisition system

1.2 數據預處理

由于數據采集具有不穩(wěn)定性，導致數據采集模塊在每分鐘內的采集時刻和數據采集頻率均存在差異。針對此問題，本文先對近30天內光伏電站中的太陽輻照度及光伏支路的電流和輸出功率進行標準化預處理，即對太陽輻照度、直流電流和輸出功率分別進行恒值和零值處理，而后進行5 min級數據組預處理，具體方法可表示為：

式中：Df為5 min級數據，其代表了以5 min為時段的秒級數據集合；t1、t2分別為5 min內所記錄的第1組和最后1組數據對應的時刻；Ds為秒級實時數據；Drf為5 min內數據采集頻次。

以7月14日編號為013726的逆變器接入的6條光伏支路(p1～p6)的秒級數據輸出功率曲線為例(如圖2所示)，對該秒級數據進行5 min級數據處理，處理后得到的6條光伏支路的輸出功率曲線如圖3所示。

圖2 6條光伏支路的秒級數據輸出功率曲線Fig. 2 Second level data output power curve of six PV branches

圖3 5 min級數據處理后的6條光伏支路的輸出功率曲線Fig. 3 Output power curve of six PV branches after 5 min level data treatment

對比圖2、圖3可以發(fā)現：5 min級數據處理后的輸出功率曲線走勢與秒級數據輸出功率曲線保持了高度一致性。通過對秒級數據進行5 min級數據處理，有效避免了數據采集頻率不穩(wěn)定帶來的影響，使每一臺設備的每一個參數在時間段數量和相同時段內的數據總量保持一致，同時消除了部分極大值和極小值的干擾。通過采用處理后的數據，根據逆變器輸出功率積分計算得到的測試時間段內的光伏發(fā)電量與實際的光伏發(fā)電量誤差小于0.3%。

2 光伏支路遮擋識別與分析

光伏支路受到遮擋時，其輸出功率曲線將會發(fā)生規(guī)律性波動，相較于光伏支路未被遮擋時的輸出功率曲線，受到遮擋時的輸出功率曲線呈現“正?！档汀€(wěn)定—升高—恢復正?！钡摹癠”型偏離特征，且該特征在長周期內具有時間上的連續(xù)性和數量上的重復性時，說明光伏支路出現了遮擋。這種輸出功率曲線形式與因云層或落葉等偶發(fā)因素產生的短時遮擋而形成的輸出功率曲線，以及因陰雨天和光照不足而導致的光伏支路輸出功率曲線變化存在明顯的不同。

本文所述的光伏支路遮擋識別與分析過程分為3個階段：1)對單臺逆變器進行干擾數據的篩除，并對光伏支路輸出功率偏離度進行分析，查尋大于設定偏離度閾值的時段，獲得光伏支路對應時段內的超限頻次。2)根據超限頻次的數量和時間連續(xù)性，進一步根據超限情況將逆變器分為“全時段輸出功率異?！焙汀安糠謺r段遮擋”兩類，其中，部分時段遮擋表現為光伏支路輸出功率偏離度超限在特定時段內重復發(fā)生；而全時段輸出功率異?？赡苡扇珪r段遮擋引起，也可能由光伏支路中光伏組件功率異常衰減、嚴重積塵和裝機容量偏低等原因引起，可采用現場檢測等其他輔助手段進行判別。3)在得到部分時段遮擋類別的具體起止時段后，計算光伏支路遮擋損失。

本文是以位于浙江省湖州市的某裝機容量為66.5094 MW的光伏電站為基礎進行分析，參數取值也是基于該電站而定，而對于位于不同地理位置、采用不同布置方式，以及周邊環(huán)境和數據采集方式不同的光伏電站，則應根據實際情況對參數取值做出調整。

2.1 逆變器干擾數據的篩除與光伏支路輸出功率偏離度分析

由于光伏支路遮擋特征僅在其輸出功率較高且輸出功率曲線穩(wěn)定時才易于捕捉，因此，本文篩除了太陽輻照度較低(小于等于200 W/m2)的時段及光伏發(fā)電開始和結束時的時段，以避免智能監(jiān)測與數據分析平臺誤判。除此之外，某些極端情況下的數據，比如光伏支路斷流和輸出功率偏離度長時間異常(包括通信故障)時得到的數據，也應一并剔除。

篩除干擾數據后，首先通過讀取單臺逆變器的電流數據找到零電流的光伏支路，并將其剔除，然后計算剩余光伏支路的偏離度，其計算式為：

式中：Pd,j為單臺逆變器的第j個光伏支路輸出功率的偏離度；Pj為單臺逆變器的第j個光伏支路的輸出功率；Pv為單臺逆變器所有光伏支路的平均輸出功率；M為單臺逆變器剔除零電流支路后的光伏支路總數。

隨后將30天內全天光伏支路輸出功率偏離度均值超過70%且天數大于3天的光伏支路判定為異常支路(包括通信故障造成的結果)，并將其剔除，至此，單臺逆變器的光伏支路數量更新為剔除異常支路和零電流支路后的數量m。最后，對所有逆變器的光伏支路在30天內每個時段的輸出功率偏離度進行比對，記錄偏離度超出15%的時段，并統(tǒng)計對應時段重復出現的次數，即超限頻次。逆變器數據干擾篩除與光伏支路輸出功率偏離度分析流程如圖4所示，其中，n為分析計算時所涉及的逆變器總數。

圖4 逆變器數據干擾篩除與光伏支路輸出功率 偏離度分析流程Fig. 4 Inverter data interference screening and PV branch output power deviation analysis process

2.2 遮擋類型分析與遮擋損失計算

對光伏電站內所有光伏支路在30天內的全工作時段進行輸出功率分析，根據遮擋連續(xù)時長和偏離度超限頻次的不同特征，找到相應的逆變器，并記錄其編號；將找到的逆變器分為“全時段輸出功率異常”和“部分時段遮擋”兩類。遮擋類型分析與遮擋損失計算的流程如圖5所示。

2.2.1 遮擋類型分析

根據上文分析得到的所屬同一逆變器的光伏支路超限時段與超限頻次情況，首先對存在超限光伏支路的逆變器進行篩選，同一臺逆變器的光伏支路超限情況應具有時段的連續(xù)性，且在同一時段內的超限頻次應具有重復性。對于時段的連續(xù)性，篩選存在連續(xù)超限20 min以上的光伏支路，可最大限度地避免動物、云層或其他異物等間歇性遮擋造成的影響；對于同一時段內的超限頻次的重復性，選取超限頻次大于3次且大于0.5倍較佳氣候天數對應的光伏支路，其中，較佳氣候天數為近30天內電站所屬地氣象站“晴天無云”氣候對應的天數，可最大限度地避免為消除偶發(fā)因素而造成的誤判。

圖5 遮擋類型分析與遮擋損失計算的流程 Fig. 5 Process of occlusion type analysis and occlusion loss calculation

經過上述篩選過程，得到存在光伏支路遮擋情況的全部逆變器的編號，再次利用時段的連續(xù)性及同一時段內的超限頻次的重復性對存在光伏支路遮擋的逆變器進行分類。將連續(xù)超限8 h以上或超限頻次大于1.5倍較佳氣候天數的逆變器判定為“全時段輸出功率異?！?，剩余逆變器則判定為“部分時段遮擋”。

2.2.2 遮擋損失計算

因遮擋損失造成的光伏電站發(fā)電量損失是電站管理人員最為關心的問題之一，也是光伏電站定量評價發(fā)電能力的重要一環(huán)。因此，在精準識別遮擋現象后，有必要對其造成的發(fā)電量損失進行計算。受電站現場眾多不確定性因素的影響，預期發(fā)電量的理論計算結果往往誤差較大，根據現場經驗，以相鄰光伏支路(可選擇同一個光伏陣列)的發(fā)電量均值對受遮擋光伏支路應發(fā)電量進行替代具有相對合理和操作簡便的優(yōu)勢。因此，本文采用替代法計算遮擋損失電量占應發(fā)電量的比例Re，即：

式中：PL為受遮擋光伏支路損失的電量；Δt為受遮擋時長；ts、te分別為當日存在的第1組和最后1組數據對應的時段；Pk,Δt為第k個光伏支路在Δt內的平均輸出功率；Pa為除被遮擋光伏支路外的其他光伏支路在Δt內的平均輸出功率；N為被遮擋光伏支路的數量。

2.3 光伏支路遮擋起止時間分析

存在“部分時段遮擋”現象的逆變器較易因電站工作人員的巡視時間與光伏支路的遮擋發(fā)生時間錯位而難以確定，因此對“部分時段遮擋”類型下光伏支路的具體遮擋時間進行分析，有助于現場工作人員進行精準查找。

首先，對于每一臺存在“部分時段遮擋”現象的逆變器，通過對時段進行篩選去除特征不明顯的時間段，然后計算單臺逆變器的單個光伏支路輸出功率偏離度變化率和同一時段單臺逆變器單個光伏支路輸出功率偏離度差值，并通過這2個重要指標進行時段判別。這2個指標的計算式分別為：

式中：Pr,u為單臺逆變器第u個光伏支路的輸出功率偏離度變化率；Pd,u,t、Pd,u,t+1分別為單臺逆變器第u個光伏支路在t和t+1時段內的輸出功率偏離度；Pc,u為同一時段內的單臺逆變器的第u個光伏支路輸出功率偏離度差值；Pd,u為單臺逆變器第u個支路的輸出功率偏離度；為單臺逆變器除第u個光伏支路以外逆變器內其余支路輸出功率偏離度的最大值。

根據上述指標，以天為周期對式(4)和式(5)的計算結果進行判斷。當逆變器光伏支路輸出功率偏離度變化率或同一時段逆變器光伏支路輸出功率偏離度差值大于7%(建議取值范圍7%～10%)的持續(xù)時長大于20 min時，則將其作為當日第1個滿足條件的時段，將其前1個時段記錄為遮擋起始時段；然后從起始時段向后判斷，若存在連續(xù)2個時段的逆變器光伏支路輸出功率偏離度變化率大于等于-7%(建議取值范圍-7%～0%或-10%～0%)且同一時段逆變器光伏支路輸出功率偏離度差值小于等于7%的情況，則保存滿足該條件的時段，并將該時段內第1個時段記錄為遮擋終止時段；最后，將30天內最早的起始時段和最晚的終止時段記錄為該逆變器對應的光伏支路受遮擋的起始和終止時刻，并記錄對應光伏支路的受遮擋時段。逆變器光伏支路遮擋起止時間的分析流程如圖6所示。

圖6 逆變器光伏支路遮擋起止時間的分析流程Fig. 6 Analysis process of PV branch occlusion start and end time of inverter

3 實例驗證

以浙江省湖州市的某裝機容量為66.5094 MW的光伏電站為例進行分析，該電站包括1724臺逆變器。以光伏支路輸出功率偏離度、光伏支路輸出功率偏離度變化率和超限頻次等作為核心參數，搭建智能監(jiān)測與數據分析平臺，并以該平臺開展光伏支路遮擋分析與識別，得到存在“全時段輸出功率異?！钡哪孀兤鲾盗繛?3臺，存在“部分時段遮擋”的逆變器數量為16臺，分別占逆變器總臺數的1.33%和0.93%。通過與電站現場進行比對后發(fā)現，本方法的識別準確率可達95%。

以典型的表現出“全時段輸出功率異?！钡木幪枮?14320的逆變器(下文簡稱為“逆變器014320”)和典型的表現出“部分時段遮擋”的編號為012806的逆變器(下文簡稱為“逆變器012806”)為例，這2臺異常逆變器30天內的光伏支路超限頻次如圖7所示。

從圖7可以看出：“全時段輸出功率異?！钡哪孀兤鞯墓夥烦捱B續(xù)時長大于8 h，且存在超限頻次大于10次的連續(xù)時間段(周期內較佳氣候天數為7天)；“部分時段遮擋”的逆變器的光伏支路超限連續(xù)時長約為2 h之間，且存在超限頻次處于3～10次的連續(xù)時間段。

等時間間隔選取逆變器012806的光伏支路超限頻次，限于論文篇幅，數據進行了簡化，具體如表1所示。

圖7 2臺異常逆變器30天內的光伏支路超限頻次Fig. 7 PV branch overrun frequency within 30 days of two abnormal inverters

表1 逆變器012806的光伏支路超限頻次Table 1 Overrun frequency of PV branch of inverter No. 012806

通過將表1中的數據與該逆變器實際的光伏支路輸出功率曲線進行對比可以發(fā)現，逆變器的光伏支路超限頻次在時間和變化趨勢上與實際的光伏支路輸出功率曲線具有一致性。

圖8為光伏電站內光伏支路的典型遮擋現場圖。其中，圖8a是逆變器014320的光伏支路，由于生長性植物導致該光伏支路被全時段遮擋；圖8b是逆變器012806的光伏支路，由于周邊電塔陰影導致該光伏支路存在部分時段遮擋。

圖8 光伏電站內光伏支路的典型遮擋現場圖Fig. 8 Typical shielding site photo of PV branch in PV power station

圖9 逆變器014320在4個典型日的光伏支路輸出功率曲線Fig. 9 Output power curve of PV branch of inverter No. 014320 in four typical days

根據分析所得的被遮擋的光伏支路對應的逆變器信息，調取其相應的光伏支路輸出功率曲線，逆變器014320和012806在4個典型日的光伏支路輸出功率曲線分別如圖9和圖10所示。圖中，Pa為正常光伏支路的平均輸出功率，P1為被遮擋光伏支路的輸出功率；對于4個典型日，逆變器014320取7月1、6、12、14日，逆變器012806取7月11—14日。圖10中標記了逆變器012806的遮擋起始與終止時段，其中，起始時段包括15:20、15:25和15:50，取最早時段15:20的前一個時段作為當前逆變器的遮擋起始時間；終止時段包括16:35、16:50、17:20和17:35，取最晚時段17:35作為當前逆變器的遮擋結束時段。

圖10 逆變器012806在4個典型日的光伏支路輸出功率曲線Fig. 10 Output power curve of PV branch of inverter No. 012806 in four typical days

智能監(jiān)測與數據分析平臺顯示的因光伏支路被遮擋而損失的電量(即“遮擋損失電量”)占應發(fā)電量的比例如表2所示。

表2 遮擋損失電量占應發(fā)電量的比例Table 2 Proportion of electricity of occlusion loss in generating capacity

根據表2中的數據，可計算得到光伏電站整體的電量損失，從而為光伏電站發(fā)電能力提供定量評判標準。

4 結論

本文以光伏支路輸出功率偏離度、光伏支路輸出功率偏離度變化率和超限頻次等作為核心分析參數，以數據預處理與篩除干擾數據等為輔助手段，綜合光伏電站所在地的氣象信息，通過智能監(jiān)測與數據分析平臺對光伏電站存在的光伏支路遮擋現象進行了識別。實例驗證結果表明：智能監(jiān)測與數據分析平臺對光伏支路遮擋識別的準確率可達95%。相較于理論計算和人工識別，本文所提方法除具有經濟、準確、快速和便捷等優(yōu)勢外，還包括以下創(chuàng)新：1)對數據進行5 min級別處理，有效避免了數據采集頻次不穩(wěn)定帶來的影響，使每一臺設備的每一個參數在時間段和數據量上保持一致，同時消除部分極大值和極小值的干擾；2)對太陽輻照度、直流電流、發(fā)電時段和光伏支路輸出功率偏離度等數據進行篩選，最大限度地排除了偶發(fā)性因素造成的誤判，提升了分析的識別準確度；3)對光伏支路輸出功率偏離度、超限頻次和超限時間跨度進行分析，分辨受遮擋的光伏支路，進而得到遮擋損失電量和受遮擋具體時段。