随着我国太阳能光伏装机规模不断扩大，光伏系统智能高效运营管理成为行业热点。物联网、云平台、大数据推动光伏产业从人工维护向智能决策与数据挖掘转型。现有运维方案存在不足：不能远程实时获取光伏设备运行数据；清洁周期依赖估计或静态设置，无法对组件表面积灰程度量化分析；预警功能薄弱，只能在故障报警推送时发现具体故障。结合行业需求与现状，本文设计光伏电站远程运维系统。通过智能网关对接光伏逆变器、气象站、辐照仪、红外抄表等设备进行数据交互，实时信息上传云平台解析处理；系统基于微服务架构搭建后端业务算法集群，包含远程升级、数据分析、清洁决策、故障预警等功能；分析结果经Web端与小程序可视化展示，并实现远程控制。针对组件表面积灰导致发电效率与收益下降、严重时引发安全事故的问题，提出采用无积灰理想发电量量化损失发电量的算法思想。从平台历史数据中筛选多次清洁周期内最佳清洁效果的功率样本，用改进网格搜索优化支持向量机构建无积灰理想功率预测模型。通过二分查找与步长缩放改进传统GS，大幅提升SVR参数c、g寻优效率，平均绝对误差0.944，均方根误差1.213。再依据每日实际功率计算发电量损耗值，与清洁成本对比确定电站动态清洁周期。预警与报警是电站安全机制，预警可为防灾减灾争取时间。本文围绕双向长时记忆网络搭建组串电流预测模型，用卷积神经网络提取特征，分别针对晴天、阴天、雨天建模，并与LSTM、CNN‑BiLSTM模型对比。结果表明CNN‑BiLSTM在三种天气下平均绝对误差最小，分别为0.268、0.393、0.361，均方根误差也最小。最后引入偏差率指标结合滑动窗口方法建立报警阈值机制，实现组件故障报警推送前的及时预警。
作者： 王佳敏
指导老师：陈科明
企业导师：曾佳
发布时间：2024年5月