基于概率统计的光伏电站劣化组串判定

西安热工研究院有限公司 ■ 姚玲玲 王靖程

华能青海发电有限公司新能源分公司 ■ 王有福

0 引言

光伏发电作为一种新型的清洁能源利用方式，近年来在我国得到了快速发展[1]，截至2017年底，我国光伏发电累计装机容量已达到13025万kW。大型并网光伏电站涉及的光伏组件数量众多，随着光伏电站运行时间的增长，组件热斑、隐裂、功率衰减等问题日益突出，如何在众多组件中找出性能劣化的组件、开展针对性的运行维护是很多电站关注的问题。

目前，光伏电站对光伏组件的检查主要有以下2种方法：1)通过红外成像仪[2]、EL测试[3]、标称功率衰减[4]测试等方法，检查光伏组件是否存在热斑、隐裂、功率衰减等问题。但由于此种方法用时长且人工成本太高，一般只是随机抽检，无法做到全面覆盖。2)首先通过监控系统检查每一路组串的电压和电流是否正常来确定劣化组串，再进一步通过相应测试手段检查该路组串中哪一块组件存在问题。但组串的瞬时电压、电流受天气、并联失配损失[5]、逆变器MPPT调节[6-7]等多种因素影响，判断劣化组串的准确性不高。

本文以某2016年6月底遭遇水灾的光伏电站为例，利用组串电压、电流、辐照度、温度等历史数据，通过概率统计分析方法，比较全站组串在水灾前和水灾后的发电性能劣化情况，挑选出受水灾影响较严重的光伏组串，为电站后续的受灾损失评估、组件测试工作提供指导。

1 水灾对光伏组件的影响

晶体硅光伏组件是由正表面低铁压花玻璃、EVA、背板和框架等组成。背板材料具有低透水率，可保护组件不受水汽侵蚀；组件和外框通过有机硅胶黏结，可防止水汽从边缘进入组件[8]。

虽然光伏背板的透水率低，但若组件遭遇洪水浸泡，还是会有少量湿气进入组件。而进入组件的水汽会因热胀冷缩导致组件分层，对组件的性能造成很大的影响[9]。脱层面积较小时，组件功率大幅降低；脱层面积较大时，会直接导致组件失效报废[8]。

2 数据收集

1)筛选出无云层遮挡和限电的日期。对全站组串进行发电性能分析时，应避免云层遮挡和限电因素的影响。若所分析的组串发电量数据中存在限电或云层遮挡时的数据，则该数据不能有效反映组串的发电性能，需剔除。

由于此次分析的电站自投产以来不存在限电问题，因此只需根据历史辐照度数据挑选出云层遮挡较小时的日期进行分析即可。电站环境监测站中安装有2块总辐射表，总辐射表1的安装倾角与组件安装倾角一致，总辐射表2为水平安装。为了更接近组件所接收的辐照度，本次分析采用总辐射表1所测得的辐照度数据。查看总辐射表1测得的每15 min瞬时辐照曲线是否平滑，若曲线平滑，则说明当天天气晴朗，云层遮挡较小。本次组串发电性能分析挑选出2016年水灾前的6月17日和水灾后的7月23日、7月24日、8月18日、8月28日共5天云层遮挡较小的日期，其辐照度曲线如图1所示。

图1 云层遮挡较小的日期的辐照度曲线

2)收集所选日期中组串的电压、电流数据。收集所选日期中每台逆变器下每路组串每5 min的电压、电流数据，如表1所示。

3)收集技术资料。收集每台逆变器下每路组串的实际容量、组件型号、组件参数(电压温度系数、电流温度系数)。

表1 每台逆变器下每路组串的电压、电流数据采集示例

3 组串实测功率修正到STC工况

不同辐照度、温度条件下组串的功率差异很大，需将同一路组串在不同时刻的实测功率转换到标准测试条件(STC)下。STC为：辐照度1000 W/m2、组件温度25 ℃、大气质量AM 1.5。功率修正公式[10]见式(1)～式(3)：

式中，Vc为实测电压，V；Vx为修正电压，V；Tc为组件温度，℃；β为组件电压温度系数。

式中，Ic为实测电流，A；Ix为修正电流，A；Qc为辐照度(需高于700)，W/m2；α为组件电流温度系数。

式中，Px为修正功率，W。

由于监控系统未对光伏组件温度进行采集，工程上常用的组件温度计算方法为：

式中，Ta为环境温度，℃。

根据式(1)～式(4)，以及数据筛选中所选取的5天的辐照度、环境温度、各组串实测电流和实测电压，计算各组串在不同采样时刻的STC功率，结果如表2所示。

表2 各组串在不同采样时刻的STC功率计算结果示例

4 组串STC功率归一化

由于电站组件类型较多，导致每路组串的容量不尽一致。为了消除组串容量对组串发电性能分析的影响，需对转到STC下的每路组串功率Px进行归一化修正。以容量为255 W的组件为基准，归一化功率Px′可表示为：

式中，Ps为该路组串实际安装容量，W；n为每路组串安装组件的个数。

5 组串STC功率概率统计分析

5.1 确定水灾前固有发电性能较差的组串

以50 W为区间，统计水灾前2016年6月17日每15 min的各组串归一化STC功率的频率分布直方图和累积概率分布图，如图2和图3所示。

由图2和图3可以看出，水灾前，频率之和为99%的组串归一化STC功率在[4730 W, 5800 W]之间，且[5000 W, 5050 W]区间的频率最大，为13.4%。

图2 水灾前组串归一化STC功率的频率分布直方图

图3 水灾前组串归一化STC功率的累积概率分布图

为了消除水灾前组串固有性能对判定劣化组串的影响，需首先确定水灾前性能较差的组串。取99%的置信度，在累积概率分布图上对应的拒绝域为(0 W，4730 W)，计算各路组串归一化STC修正功率在拒绝域中出现的次数占其参与统计次数的百分比，若该百分比大于90%，则认为该路组串为固有发电性能较差的组串，如表3所示。

表3 水灾前固有发电性能较差的组串

5.2 确定水灾后发电性能较差组串

以50 W为区间，统计水灾后2016年7月23日、7月24日、8月18日、8月28日每15 min的各组串归一化STC功率的频率分布直方图和累积概率分布图，如图4和图5所示。

图4 水灾后组串归一化STC功率的频率分布直方图

图5 水灾后组串归一化STC功率的累积概率分布图

由图4和图5可以看出，水灾后，组串归一化STC功率仍以[4730 W，5800 W]为基准，落在此区间的频率之和为83.3%，且频率最大的区间为[4950 W， 5000 W]。与水灾前相比，频率分布直方图略向左漂移。

同理，以(0 W，4730 W)作为拒绝域，计算组串归一化STC修正功率在拒绝域中出现的次数占其统计次数的百分比，挑选出其百分比大于90%的组串，作为水灾后发电性能较差的组串。

5.3 确定受水灾影响严重的组串

从水灾后发电性能较差的组串中剔除水灾前固有发电性能较差的组串，即可得到受水灾影响严重的组串。

电站后续可根据组串发电性能分析结果评估受灾损失，开展相应的保险理赔等工作，并对受水灾影响严重的组串开展标称功率衰减测试，进一步找出功率衰减较大的组件并进行更换，以减小劣化组件因串、并联失配损失对全站发电量的影响。

6 结论

本文利用概率统计分析方法对某遭遇水灾的光伏电站进行了性能劣化组串的判定。首先采用水灾前后组串的电压、电流、辐照度、环境温度等历史数据计算不同时刻组串的STC功率，并统计水灾前、后归一化STC功率的频率分布直方图和累积概率分布，通过在累积概率分布中设定拒绝域的方法找出受水灾影响严重的组串，为电站评估受灾损失及后续寻找劣化组件提供指导。

通过概率统计分析的方法，可帮助运维人员在全站大量的光伏组串中准确判定劣化组串，并进一步通过红外成像、EL测试、标称功率衰减测试等手段确定劣化组件，减小劣化组件因串、并联失配损失对全站发电量的影响，提高全站安全、经济的运行水平。