國(guó)家電投集團(tuán)安徽電力有限公司 楊帆

在雙碳背景下，綠色低碳發(fā)展已經(jīng)成為未來(lái)新型發(fā)展方向，我國(guó)將大力構(gòu)建以光伏、風(fēng)力等清潔能源為主體的新型電力系統(tǒng)，提高光伏電站收益的重要性日益凸顯[1]，分布式光伏電站的安全管控能力如何提升已迫在眉睫，探索人工智能技術(shù)在分布式光伏電站場(chǎng)景下的業(yè)務(wù)應(yīng)用成效已然成為新的挑戰(zhàn)。隨著光伏發(fā)電在智能化管理方面的作用下，針對(duì)當(dāng)前發(fā)展趨勢(shì)，提出一種基于光伏電站的AI 智能系統(tǒng)研究與應(yīng)用，在煙火、積灰算法模型和云端智能監(jiān)測(cè)平臺(tái)系統(tǒng)的共同作用下，實(shí)現(xiàn)全域火災(zāi)隱患和積灰缺陷監(jiān)測(cè)，實(shí)現(xiàn)光伏電站收益的提升，降低區(qū)域電網(wǎng)的運(yùn)行壓力。

作為清潔能源的重要組成部分之一的太陽(yáng)能,在我國(guó)的發(fā)展戰(zhàn)略規(guī)劃中占到極大比重，其中以光伏發(fā)電技術(shù)的研究和應(yīng)用最為突出，獲得了重大突破，國(guó)家愈來(lái)愈重視光伏電站項(xiàng)目的建設(shè)，隨著光伏電站項(xiàng)目的實(shí)施，光伏電站面臨如何科學(xué)運(yùn)維的問(wèn)題[2-4]。在通訊網(wǎng)絡(luò)、信息開(kāi)發(fā)等各種先進(jìn)技術(shù)發(fā)展的背景下，本文提出一種基于光伏電站的AI 智能系統(tǒng)研究與應(yīng)用，旨在促進(jìn)光伏電站的生產(chǎn)管理效率，減少電站損耗，實(shí)現(xiàn)光伏發(fā)電站高效、安全、節(jié)能環(huán)保的發(fā)展目標(biāo)。

1 光伏電站的智能化推進(jìn)進(jìn)程

1.1 計(jì)算機(jī)視覺(jué)技術(shù)現(xiàn)狀

計(jì)算機(jī)視覺(jué)通過(guò)計(jì)算機(jī)模仿人類(lèi)視覺(jué)系統(tǒng)，提升計(jì)算機(jī)對(duì)圖像的分析和處理能力。該項(xiàng)技術(shù)在人工智能技術(shù)中脫穎而出，目前已經(jīng)廣泛應(yīng)用到安防、自動(dòng)駕駛、醫(yī)療、消費(fèi)等行業(yè)領(lǐng)域，發(fā)展前景巨大。隨著人工智能深度學(xué)習(xí)算法快速成熟，國(guó)內(nèi)涌現(xiàn)出大批基于計(jì)算機(jī)視覺(jué)算法技術(shù)的人工智能企業(yè)。

1.2 光伏電站的智能化發(fā)展契機(jī)

光伏電站作為傳統(tǒng)行業(yè)應(yīng)對(duì)科技發(fā)展產(chǎn)生的新生代能源供電系統(tǒng)，意義非凡。為進(jìn)一步推進(jìn)光伏電站的智能化發(fā)展道路，本研究著眼于計(jì)算機(jī)視覺(jué)算法，實(shí)現(xiàn)對(duì)分布式光伏組件區(qū)域、逆變器區(qū)域、箱變和二次倉(cāng)內(nèi)火災(zāi)隱患的感知、識(shí)別和報(bào)警等功能。

2 基于光伏電站的AI 智能系統(tǒng)層次

本研究提出一種AI 智能系統(tǒng)，基于計(jì)算機(jī)視覺(jué)技術(shù)，針對(duì)光伏電站生產(chǎn)經(jīng)營(yíng)過(guò)程風(fēng)險(xiǎn)進(jìn)行監(jiān)控，研發(fā)一種監(jiān)測(cè)火災(zāi)隱患及積灰缺陷的AI 算法。本研究針對(duì)光伏電站已建設(shè)部分視頻監(jiān)控設(shè)備規(guī)劃部署，一方面基于利舊原則，采用已建設(shè)視頻監(jiān)控設(shè)備降低感知設(shè)備投入；另一方面，已建設(shè)視頻監(jiān)控設(shè)備具備成熟的站點(diǎn)監(jiān)控系統(tǒng)，適于應(yīng)用以感知系統(tǒng)為主的AI 智能系統(tǒng)的規(guī)劃和部署，實(shí)現(xiàn)舊監(jiān)測(cè)感知設(shè)備智能化能力。

本研究基于計(jì)算機(jī)視覺(jué)和類(lèi)腦計(jì)算技術(shù)，結(jié)合分布式光伏火災(zāi)監(jiān)測(cè)和光伏組件積灰缺陷典型應(yīng)用場(chǎng)景，通過(guò)類(lèi)腦智能技術(shù)研發(fā)煙火和積灰的AI 算法，構(gòu)建行業(yè)標(biāo)準(zhǔn)模型；具體通過(guò)光伏電站發(fā)電量大數(shù)據(jù)對(duì)比分析計(jì)算模型、環(huán)境PM2.5 趨勢(shì)預(yù)測(cè)大數(shù)據(jù)算法模型和類(lèi)腦圖像對(duì)比分析模型融合分析，進(jìn)行光伏組件積灰程度預(yù)測(cè)和預(yù)警，從而有效對(duì)光伏電站站點(diǎn)的全域火災(zāi)隱患和積灰缺陷實(shí)時(shí)監(jiān)測(cè)，實(shí)現(xiàn)先進(jìn)人工智能技術(shù)應(yīng)用與大數(shù)據(jù)應(yīng)用。

2.1 光伏電站的火災(zāi)隱患監(jiān)控

本研究的中心之一是對(duì)光伏電站的環(huán)境PM2.5 趨勢(shì)預(yù)測(cè)，即通過(guò)實(shí)時(shí)檢測(cè)和感應(yīng)生產(chǎn)區(qū)的PM2.5 數(shù)值，當(dāng)火災(zāi)發(fā)生時(shí)，由于燃燒特性，導(dǎo)致短時(shí)間區(qū)域內(nèi)PM2.5數(shù)值異常，因而在進(jìn)行光伏電站的智能化管理研究過(guò)程中，首當(dāng)解決的是火災(zāi)隱患監(jiān)控。

本文在研究PM2.5 趨勢(shì)預(yù)測(cè)過(guò)程，選擇Gauss 煙流模型作為本研究的重點(diǎn)。假定光伏電站的生產(chǎn)工作區(qū)域內(nèi)的空氣各組分?jǐn)U散因子不變，通過(guò)構(gòu)建ωx、ωy和ωz分別作為用于描述生產(chǎn)工作區(qū)域空間的x、y和z方向的擴(kuò)散系數(shù)，采用微分化，進(jìn)而可以得到煙霧擴(kuò)散的簡(jiǎn)式如式（1）所示：

基于公式（1），從而進(jìn)一步獲取Gauss 煙流模型，如式（2）所示：

式（2）中，B(x，y，z)表示光伏電站的生產(chǎn)工作區(qū)域的顆粒濃度，ωx、ωy、ωz分別為工作區(qū)域空間的x、y和z方向的擴(kuò)散系數(shù)，P為該區(qū)域內(nèi)短時(shí)間的煙霧生成量

在實(shí)際計(jì)算過(guò)程中，采用ωx=ωy=κ1Lα1，ωz=κ2Lα2，選定5min 作為一個(gè)監(jiān)測(cè)點(diǎn)，即通過(guò)5min 的生產(chǎn)工作區(qū)間內(nèi)的橫向豎向擴(kuò)散系確定該系列參數(shù)的數(shù)值，即可確定P的數(shù)值。當(dāng)P的數(shù)值達(dá)到閾值范圍，即可判定該區(qū)域內(nèi)有短時(shí)發(fā)生火災(zāi)的風(fēng)險(xiǎn)。

2.2 光伏電站的積灰狀態(tài)監(jiān)控

本研究提出一種積灰狀態(tài)監(jiān)測(cè)算法，其主要根據(jù)光伏電站歷史發(fā)電量的數(shù)據(jù)作為正常參考數(shù)據(jù)，采用預(yù)估發(fā)電量作為指導(dǎo)當(dāng)前發(fā)電站的應(yīng)發(fā)電量數(shù)值，從而將實(shí)際發(fā)電量與應(yīng)發(fā)電量數(shù)值校核，從而判斷當(dāng)前光伏電站設(shè)備是否出現(xiàn)異常[5]。

2.2.1 選取直接影響發(fā)電因子

根據(jù)光伏電站的發(fā)電原理，光伏板基于光生伏打效應(yīng)，能夠?qū)⒅苯诱丈涞奶?yáng)能轉(zhuǎn)化為利用率較高的電能。因而在進(jìn)行積灰狀態(tài)監(jiān)測(cè)算法的建模過(guò)程中，需要將直接影響發(fā)電因子和非必要影響因子進(jìn)行區(qū)分，減少本研究構(gòu)建模型的復(fù)雜程度，同時(shí)能夠提升本研究的精準(zhǔn)程度。

2.2.2 積灰狀態(tài)監(jiān)測(cè)算法模型建模

在確定影響因子后，開(kāi)始本研究的重點(diǎn)之一-積灰狀態(tài)監(jiān)測(cè)算法建模。本文提出的積灰狀態(tài)監(jiān)測(cè)模型，通過(guò)引入時(shí)間相關(guān)性構(gòu)建目標(biāo)矩陣。為提升模型的精準(zhǔn)度，本研究采用小時(shí)為單位，記錄一天的不同時(shí)刻，針對(duì)小時(shí)單位建立子矩陣，因而目標(biāo)矩陣是由多個(gè)子矩陣融合的矩陣集。

2.2.3 矩陣模型改進(jìn)

為避免建模在進(jìn)行歸一化處理過(guò)程中出現(xiàn)較大的誤差，本研究創(chuàng)造性提出Normalized Euclidean Distance 作為相似性算子，向量M=[m1,m2…，mi]和向量N=[N1,N2…，Ni]的歐氏距離如式（3）所示：

本研究采用Normalized Euclidean Distance 作為相似性算子，避免出現(xiàn)權(quán)重精準(zhǔn)度不高導(dǎo)致預(yù)估的結(jié)果不準(zhǔn)確的問(wèn)題。

2.2.4 積灰狀態(tài)監(jiān)測(cè)算法流程

（1）以小時(shí)為單位，由時(shí)間相關(guān)性構(gòu)建目標(biāo)矩陣E；

（2）在積灰狀態(tài)監(jiān)測(cè)過(guò)程中，當(dāng)子矩陣在實(shí)際運(yùn)行中，獲取某一時(shí)刻的運(yùn)行數(shù)據(jù)，作為輸入數(shù)據(jù)m輸入；

（3）獲取m輸入，比較目標(biāo)矩陣Ε與子矩陣E'的相似性，得到相似型向量η；

（4）結(jié)合目標(biāo)矩陣Ε和權(quán)重向量η進(jìn)行預(yù)估判斷，得到預(yù)估輸出值m輸出；

（5）根據(jù)某一時(shí)刻的輸入數(shù)據(jù)m輸入與預(yù)估輸出值m輸出，判斷出相對(duì)誤差Δm，作為用于描述積灰程度，如式（4）所示：

（6）當(dāng)積灰程度Δm≥0 時(shí)，得到某一時(shí)刻下積灰程度的實(shí)際數(shù)值，達(dá)到實(shí)時(shí)監(jiān)測(cè)光伏電站的光伏板積灰的效果。

2.3 利舊原則和邊緣計(jì)算

本研究基于信息的控制出發(fā)，通過(guò)在邊緣計(jì)算單元處理數(shù)據(jù)，加快站點(diǎn)采集數(shù)據(jù)的處理效率，提高數(shù)據(jù)安全性，實(shí)現(xiàn)舊有監(jiān)測(cè)感知設(shè)備智能化能力。根據(jù)當(dāng)前光伏電站的站點(diǎn)設(shè)備智能化要求，構(gòu)建在邊緣計(jì)算單元完成感知設(shè)備的邊緣計(jì)算模型。

邊緣計(jì)算是就近提供最近端服務(wù)，邊緣計(jì)算單元對(duì)云平臺(tái)發(fā)起請(qǐng)求，得到響應(yīng)后，客戶(hù)端將有光伏電站的電網(wǎng)數(shù)據(jù)反饋至邊緣節(jié)，通過(guò)運(yùn)算檢測(cè)出光伏電站中的設(shè)備故障，以便精準(zhǔn)、快速地進(jìn)行光伏電站的風(fēng)險(xiǎn)預(yù)警維護(hù)[6]。流程示意圖如圖1 所示。

圖1 邊緣計(jì)算流程示意圖Fig.1 Schematic diagram of edge computing flow

3 基于光伏電站的AI 智能系統(tǒng)構(gòu)架

基于光伏電站的AI 智能系統(tǒng)實(shí)際包括四個(gè)作用單元，分別為設(shè)備單元、邊緣計(jì)算單元、網(wǎng)絡(luò)單元和云平臺(tái)，通過(guò)四個(gè)單元配合運(yùn)轉(zhuǎn)，實(shí)現(xiàn)對(duì)光伏電站的智能化升級(jí)，完成對(duì)電站風(fēng)險(xiǎn)監(jiān)控的管理需求。

3.1 設(shè)備單元

設(shè)備單元指的是全域部署覆蓋的感知設(shè)備，主要設(shè)備包含：圖像感知設(shè)備、環(huán)境感知設(shè)備等，主要涉及監(jiān)測(cè)區(qū)域包含：分布式光伏組件、逆變器、箱變和二次倉(cāng)區(qū)域。在設(shè)備單元層級(jí)，基于光伏電站的AI 智能系統(tǒng)采集光伏電站的各個(gè)流程的運(yùn)行數(shù)據(jù)，如逆變器的運(yùn)行數(shù)據(jù)包括輸入電壓、輸入電流、頻率、功率、發(fā)電能量、逆變器溫度等；環(huán)境感知設(shè)備的運(yùn)行數(shù)據(jù)包括環(huán)境溫度、風(fēng)速、風(fēng)向等；箱變的運(yùn)行數(shù)據(jù)包括總有功發(fā)電能量、總無(wú)功發(fā)電能量、線(xiàn)電壓、相電壓、電流、功率因數(shù)等。

3.2 邊緣計(jì)算單元

邊緣計(jì)算單元賦予光伏電站邊緣計(jì)算能力，為新增設(shè)備單元感知設(shè)備和利舊感知設(shè)備提供計(jì)算服務(wù)。

3.3 網(wǎng)絡(luò)單元

采用有限局域網(wǎng)數(shù)據(jù)傳輸，部署安全防護(hù)措施和加密處理，與省級(jí)云端采用互聯(lián)網(wǎng)傳輸，同時(shí)對(duì)數(shù)據(jù)進(jìn)行加密和解密處理。網(wǎng)絡(luò)單元支持接入光伏電站的設(shè)備總線(xiàn)接口，實(shí)現(xiàn)對(duì)設(shè)備單元的全域?qū)硬杉?/p>

3.4 云平臺(tái)

開(kāi)發(fā)省級(jí)定制化的遠(yuǎn)程可視化智能監(jiān)測(cè)云平臺(tái)，同時(shí)配備移動(dòng)終端訪(fǎng)問(wèn)App，實(shí)現(xiàn)省級(jí)的集中化光伏電站安全管控和數(shù)據(jù)分析平臺(tái)，實(shí)時(shí)監(jiān)測(cè)光伏電站的運(yùn)行情況。本研究的云平臺(tái)保障AI 智能系統(tǒng)的統(tǒng)計(jì)分析數(shù)據(jù)的可讀性，易于運(yùn)維人員的數(shù)據(jù)反饋和數(shù)據(jù)展示工作[5]。

（1）基于獲取的光伏電站運(yùn)行參數(shù)，構(gòu)建站點(diǎn)健康度、火災(zāi)隱患及積灰缺陷預(yù)估等要素的數(shù)學(xué)統(tǒng)計(jì)模型圖，如采用折線(xiàn)圖、柱狀圖、餅圖等形式描述站點(diǎn)的運(yùn)行狀態(tài)。

（2）云平臺(tái)基于A(yíng)I 智能系統(tǒng)采集的運(yùn)行參數(shù)，進(jìn)行整合分析，對(duì)原始數(shù)據(jù)展開(kāi)技術(shù)挖掘，以實(shí)現(xiàn)進(jìn)一步的系統(tǒng)可視化展示。如圖2 所示。

圖2 基于光伏電站的AI 智能系統(tǒng)網(wǎng)絡(luò)拓?fù)鋱DFig.2 Network topology of AI intelligent system based on photovoltaic power station

4 結(jié)論

本研究通過(guò)AI 智能技術(shù)和大數(shù)據(jù)分析技術(shù)，展開(kāi)對(duì)光伏電站的發(fā)電效率影響因子的監(jiān)測(cè)和分析，有效提升站點(diǎn)的運(yùn)行維護(hù)效率。同時(shí)，AI 智能技術(shù)的充分應(yīng)用，使云平臺(tái)的規(guī)劃部署實(shí)現(xiàn)了對(duì)站點(diǎn)的全局檢測(cè)，也實(shí)現(xiàn)了站點(diǎn)的運(yùn)行智能化監(jiān)控目標(biāo)，降低了運(yùn)維人員的工作量。

引用

[1] 李豐收.分布式光伏電站施工管理探討與分析[J].居舍,2020(22):139-140.

[2] 王文靜,王斯成.我國(guó)分布式光伏發(fā)電的現(xiàn)狀與展望[J].中國(guó)科學(xué)院院刊,2016,31(2):165-172.

[3] 張姝偉.基于視覺(jué)的光伏板積灰狀態(tài)監(jiān)測(cè)與性能評(píng)估[D].吉林:東北電力大學(xué),2019.

[4] 史莉.淺談如何基于項(xiàng)目管理優(yōu)化提高光伏發(fā)電工程整體效益[J].機(jī)電信息,2017(21):160-161.

[5] 趙波,張姝偉,曹生現(xiàn),等.基于狀態(tài)監(jiān)測(cè)的電池板積灰清洗周期確定與費(fèi)用評(píng)估[J].中國(guó)電機(jī)工程學(xué)報(bào),2019,39(14):4205-4213.

[6] 陳向東.光伏發(fā)電工程全過(guò)程項(xiàng)目管理應(yīng)用研究[J].工程建設(shè)與設(shè)計(jì),2019(21):283-285.