随着清洁能源的快速发展，作为新兴的发电模式的光伏电站和传统电站存在巨大差异，导致其运维管理面临着诸多挑战。为应对这些挑战，我们深入探索了人工智能（AI）在光伏电站运维中的应用，旨在通过智能化手段实现光伏电站“增收入、降成本、保安全”的目标。
本文将从光伏电站运维对 AI 的需求出发，详细介绍 AI 在光伏电站运维中的具体应用，并通过实际案例展示 AI 算法的快速落地效果，为光伏电站的稳定运行和收益最大化提供有力保障。
分享嘉宾｜单铁园 深圳力维智联技术有限公司 智慧能源产品总监
内容已做精简，如需获取专家完整版视频实录和课件，请扫码领取。
今天分享主要分为三部分，第一部分是光伏电站运维对 AI 的需求。第二部分是光伏电站运维中 AI 的具体的应用。第三部分是 AI 算法的快速落地实例。01
我们先来探讨光伏电站运维对人工智能（AI）的需求。光伏电站作为一种新兴的清洁能源形式，其形态相较于传统的火电、水电存在显著差异。从图示中可以看出，光伏电站的分布场景极为多样，可能位于厂房和农户屋顶、鱼塘和山地中、沙漠和草原上、乃至海洋之中，位置极其多元化。首先，它们大多地处偏远，人员难以常驻。因此，迫切需要通过智能化的手段取代人工来实现无人化运维。其次，光伏电站的点位分散，设备数量众多。如一个100兆瓦的光伏电站占地高达几百上千亩，具备几十万个光伏组件设备，以及众多的逆变器、汇流箱、箱变、电能表等。第三，电气设备价值高，且面临着触电、偷盗等安全隐患；最后，电站运营收入压力大。迫切需要从电站运维中增加发电收益，让电站运维从成本中心转换为经营中心。因此，光伏电站对 AI 的核心需求可以总结为以下三点，增收入、降成本、保安全。增加收入，是通过智能运维减少损失电量来实现发电收入的提升；降低运维成本，是通过智能化的手段部分取代人力，降低人工支出成本；保障安全，可以通过智能化的手段，识别出电站的不安全隐患，可以提前预防，避免事故发生。
下面，主要探讨从如下三个应用方向来实现 AI 在光伏电站运维的具体落地。第一个是基于全量数据监测的 AI 监视，第二个是基于知识加数据双驱动的 AI 诊断，第三个是人机协同的高效运维管理。 02
第一个落地方向，是基于全量数据监测的 AI 监视，即要具备对光伏行业主流电气设备实现快速接入、数据实时呈现、异常隐患快速告警的能力。
一方面需要具备海量设备泛在接入、对全行业主流电气协议适配的泛在连接平台；另一方面，平台还需要对边缘侧融合智能单元的 AI 算法实现统一管理、协同控制的能力。
这些具备的 AI 算法的融合智能单元，就可以对光伏电站的烟雾、火焰、结冰等异常环境情况，以及人员的佩戴安全帽、抽烟、跌倒等不安全行为进行 AI 识别和预警，第一时间处置，消除了不安全因素，保障电站的安全。
第二个落地方向，是基于“知识+数据”双驱动的 AI 诊断。
在 AI 应用落地时，对行业知识的深度理解、以及对大数据分析挖掘技术的熟练应用，都是不可或缺的基础。我们可以通过光伏行业知识加上基于光伏运行数据的智能算法，对整个光伏电站的各个环节，包括数据链路层面、数据质量层面、单个设备运行健康度层面、整个电站运行质量层面等，进行全面的 AI 分析和诊断。如对于采集到的原始数据，可以通过数据治理算法，对整个数据进行全方位的清洗与治理，避免了因为错误数据、重复数据、缺失数据等造成的后续统计错误；对于逆变器的运行数据，可以通过设备健康度诊断算法，对诸如逆变器降额运行、逆变器工作异常等情况进行 AI 诊断，并发出预警；对于光伏组串，可以通过组串核查算法，对异常组串进行快速查找；对组件的积灰情况，可以通过灰尘识别算法，给出积灰率的智能判别，以指导更高效、合理的清洗安排；对整个电站的运行情况，可以通过PR损耗分析算法，对发电功率最大损失点进行查询，让运维人员更有针对性的解决最大功率损失环节。通过智能分析、智能诊断算法，大大减少非计划性停机的次数以及提升了发电效率，有效增加了电站的收入。在“知识+数据”智能诊断出问题和隐患之后，还是需要最终的运维处置，才能形成完整闭环。对于运维人员方便的情况下，AI 模型根据人员分布和技能情况自动生成智能工单，分发给最合适的维护人员；在人员难以到达或无法到达的情况下，AI 模型可自动生成巡检路径、巡检时间、巡检周期、巡检参数等，派发工单给无人机、机器人等进行无人化运维处置。通过这些 AI 模型，可以构造出智能化的人机协同高效运维体系，实现了巡检运维工作高效且少人化、无人化，有效降低了运维人力成本。
03
这是通过我司的低代码机器学习平台实现的户用式光伏逆变器接入的组串掉串的 AI 算法案例。农村户用式光伏很多都是非专业人员在农户屋顶施工，缺乏规范化管理，导致安装时正负极接反、组串漏接，以及安装后人为拆除组串、雷击导致组串损坏等情况时有发生。但如果不是逆变器所有组串全部掉串，后台数据显示的电流、电压数值可能很难察觉。这样的问题累积起来，就极大影响了户用式光伏的发电效率。
针对这一难题，我们通过低代码机器学习平台构建组串掉串识别算法，对逆变器运行数据，特别是MPPT（最大功率点跟踪）运行指标进行深度分析，可以快速准确识别出三漏一、四漏一、四漏二等的情况。运维人员将识别到的结果有针对性的进行排查、处置，大大提升了整体的户用光伏的发电效率。
⩓
主要研究领域为物联网、新能源、人工智能及通信等领域。曾在中兴通讯股份有限公司担任通信网信令监测产品总监、物联网（智能停车）产品总监等职务。目前任深圳力维智联技术有限公司智慧能源产品总监，主要致力于人工智能技术向光伏、储能等新能源场站运维领域的产品赋能。注：点击左下角“阅读原文”，领取专家完整版实录和分享课件。
