大光伏電站問題逐漸暴露
存在的問題主要是：設備數量多，故障率高，可靠性相對比較低。電能損耗大，電站係統效率相對比較低。這麼多設備必然故障率相對高。光伏電站從設計開始，是從10兆20兆開始，整個子陣的設備布置，子陣區域各個設備之間的相互連接方式等，過去考慮的相對少一些。等到具備了一定規模，問題就逐漸暴露出來，設備故障頻發。比如，單純的電纜頭爆炸，這個事情就會導致光伏電站發電出力大幅度降低，同時係統效率也會降低。
比如龍羊峽水光互補850兆瓦光伏電站，占地麵積27平方公裏，組件數量374萬塊，彙流箱數量10000台。集中式逆變器1630台，組串式逆變器1426台，箱變880多台。光伏發電單元直流支路12萬路，需要采集的點數達到上百萬。按照常規巡檢方式，2人每日才能巡檢12個子陣，工作量極大。
光伏電站由於設備選型、設備之間連接方式等方麵存在一些問題，導致整個光伏電站的係統效率不高。國內的光伏電站係統轉化效率大概在80%，比歐洲國家大概低5%。
現行的技術標準和經驗，也僅適合較小的光伏電站。隨著百兆瓦級大規模並網光伏電站的開發建設，目前的技術標準和關鍵技術的研究，跟不上工程建設的步伐。
水光互補是怎麼做到的
建設水光互補電站，首先要考慮水量。光伏電站接到水電站之後，對下遊工農業生產用水的影響研究。光伏是白天發電，水電站在白天要停下來，水電站不發電，不向下遊放水，對下遊的生產生活用水提出了問題。我們開展了這方麵研究。
水光互補運行對電網基本上不產生負麵影響。因為水電調節性能非常快。水光互補的基本概念就是把光伏發電發出來的電送到水電站，通過水電站的監控係統，監控光伏發電的電能質量。光伏電能質量下降時，通過水輪機的快速調節，把電能的波動性消除。
原來所有水電站設備是沒有考慮光伏接入後的頻繁變化，所以對水電站設備，包括調速器、勵磁係統、水輪機、發電機等，對光伏接入的適應性進行了研究。
要開展更多規模的水電站群與光伏、風電互補研究。把光伏電間歇性隨機性波動性的電能，調節成具有水電特性的優質電能，送到電網。這是我們下一步要開展的關鍵技術研究——河段的水光互補技術研究。
華為智能光伏電站解決方案總經理許映童：
用戶挑戰是什麼
華為進入智能光伏領域，有個最核心的觀點，就是圍繞客戶挑戰，或者未來進一步發展的方向和理念是什麼。
第一個挑戰就是電站越來越大，分布區域非常廣，組件部件非常多。特別是黃河公司突破了500兆瓦到1GW，未來向5GW目標發展，整個的跨區域運營管理，是未來很大的挑戰。華為希望利用傳統數字信息技術，包括互聯網技術和光伏的結合，實現"集中監控、遠程診斷、實時維護"。
第二，光伏電站發展的最終目標是希望能夠經濟上和傳統化石能源直比。所以，一方麵要降低初始投資，更關鍵的是要從端到端的，從組件部件角度，特別最後從係統角度，怎麼提升發電收益，最終是提升IRR，實現平價上網的終極目標。對解決方案的要求，就不僅是部件效率的提升，包括方案的選擇，長期可靠性。包括運維管理的效率，包括清洗不及時，方案選擇不及時，對發電量影響也是非常致命的。
第三，整個電站運維管理周期是25年，25年內怎麼保證投資安全可靠。現在困擾國內大型電站的問題是防風沙。如果風沙問題解決不了，維護工作量非常大。還有係統可靠性問題，包括融資設計。我們的目標和挑戰，就是在25年內怎麼讓係統免維護，盡量減少人工幹預。這也是智能化的基礎。
華為其實是做"管道"
首先，信息技術和傳統行業的跨界融合發展，是未來的大趨勢，就是數字世界和物理世界的連接。數字世界是做虛擬的，做移動互聯網社交媒體。物理世界是實體經濟。真正的發展還是依賴於傳統的製造和基礎工業設施。未來最大的機會就是要抓住兩個世界融合帶來的新機會。
為什麼會有這樣的融合?所有背後的驅動力就是用戶體驗。傳統行業，最核心的，包括運營管理體驗，遠程診斷及時維護的體驗，25年怎麼保住投資的體驗是遠遠沒有得到滿足的，還有非常大潛力可挖。
從全球技術進步來講，智能傳感器、超寬帶技術發展、大數字挖掘、雲計算、數字世界技術的發展進步非常快。華為必須找到突破點，怎麼把ICT領域積累的技術和傳統行業的用戶體驗結合在一起，最終目標是圍繞怎麼給傳統行業帶來增值服務和體驗。這就叫融合創新。
首先要必須理解客戶的需求。第二，這種結合一定要在客戶的指導和幫助下。最終檢驗標準就是用戶體驗能不能得到滿足。這就是融合的或者互聯網+的邏輯。
首先是對傳統生產行業的智能化改造。傳統設備，必須要有智能感知能力，就是智能傳感器。對於光伏來講，就是智能逆變器。這是數字化的基礎。不僅僅是人與人、人與物的通訊，更重要的是物與物的通訊。逆變器和逆變器是可以通訊的，和變壓器可以通訊，包括電網怎麼協作，就需要進行連接。
數據收集上來後，需要可靠的存儲，更關鍵的是基於數據的價值挖掘。我們講的大數據挖掘的引擎，包括專家係統，數據應用app開發，這些工作最核心的還要依靠傳統企業。我們其實是做這樣一個管道，但是最關鍵的業務的理解和洞察，就需要依托像黃河公司一樣，有經驗的在這個領域有深刻認識的企業。這是未來互聯網+的模型。
連接的核心是數據
構建全連接的世界，從智能終端到通訊設備，包括逆變器、電站管理運維係統。核心是三部分：第一塊是數據的產生，解決人與人連接的問題，就是傳統電話的功能。更關鍵是解決萬物的互聯，就是物與物的連接問題。所以現在和未來的逆變器都是內嵌了非常高可靠智能化的通訊和管理模塊。第二個是數據的傳輸環節，包括有線寬帶、固定無線寬帶、IT+光纖等各種方法實現萬物的可靠的低成本連接。圍繞數據傳輸解決問題。這個要和各個行業結合在一起，有各種解決方案。最後一部分是圍繞數據的處理。
有兩個核心的，一個是數據中心的基礎設施，未來所有數據存儲一定是向雲化發展，雲計算、大數據中心平台，包括軟件硬件和集成，華為對此是非常大的投入。基於數據分析的平台，和行業結合的數據處理引擎和基礎，是華為的基礎平台。未來用戶體驗一定是越來越美好，但是係統的複雜性和專業性可能會越來越高。所以華為要提供全生命周期的專業服務。逆變器不僅是逆變功能，更關鍵的是還有操作係統和軟件，能在線升級，根據運營環境變化和用戶需求去動態調整。
發電的核心是簡單
發電部分的核心是簡單，就是讓電站更簡單。包括從前端的建設、入網和運維。第二就是全數字化。第三就是實現電站的全自動運維，是把複雜功能整合成智能控製器，就把簡單或者更好的用戶體驗留給客戶。傳統電站在25年裏有大量的部件、工程量、土建量、組件檢測、通風散熱、防塵防水等問題，我們希望通過對係統或主網的簡化來解決，通過逆變器IP65等設計來解決。
沒有數字化，不僅僅是某個部件造成的，而是整個係統的非智能化。首先從數據采集環節，現在智能彙流箱、集中式逆變器也好，管理和控製力度比較大，所以目前傳感器由於成本限製，隻能采集電流信息，電壓部分因為並聯在一起，所以很多信息實際上是丟失了。
現在電站的傳播方式實際上是十年前計算機裏用的串補技術，所以速度和可靠性是有很大改進空間的。有了數據，怎麼傳上來，現在是瓶頸。數據采集後，怎麼運維和管理。現在很多軟件也可以監控，進行數據的分析和管理。
數據采集環節，能夠對每一路組串進行高精度檢測，精度能達到0.5%，包括電流、電壓，而且采樣頻率能達到5秒。在西寧也可以看到每個組串5秒鍾的電流電壓功率變化。這是後端分析的基礎。數據的連接，在拉西瓦通過電力載波方式，通過無線專網能實現整個電站內部互聯。這些數據也是開放的平台，可以向第三方軟件開放。
木聯能軟件技術有限公司大客戶總監趙建春：
數據中心實現遠程控製
光伏大數據中心實現了對青海省7個光伏電站，2個風電場的遠程控製操作。對每秒產生的4萬條實時記錄進行統一記錄。每天約產生36GB的數據量，每年產生12TB的數據量，每年產品的記錄數量約1800億條的數據。采集的現場實時數據測點約80萬點。黃河公司已建設了全球最大光伏數據應用中心。
電站層與本部都部署有生產係統，上下數據同步跟新，保障了一單出現網絡鏈路故障，保障電站正常生產運行，也保障了電站本地數據的高效查詢。係統還采用了斷點續傳技術。通過三級管理，實現智能化：集中運維、集控控製、故障診斷、決策支持。
點一下鼠標，就可以實現對800公裏之外的格爾木光伏電站逆變器、主變壓器進行控製。對已控製的設備數據進行的彙總統計，實現了對1940台逆變器、14台主變、62台風電機組、2062個斷路器等設備實現遠程操作控製，並進行有功功率和無功功率調節。
盤活企業數據資產
大數據分析平台通過對曆史數據同等條件下的電站實時有功，逆變器有功和組串電流的分析，充分挖掘出力不足的方陣和組串，並結合故障案例庫自動給出可能發生的原因，對於可馬上修複處理的，給出檢修方案。目前係統已經能定位到問題組串，可演示逆變器實時監測畫麵的支路實時狀態。
係統包括了設備性能分析和電站運行分析，給出了各類指標數據，但是當前這些指標比較分散，每個指標都隻能說明某一方麵的特征或者問題，並不能給出一個綜合的電站質量和運行管理水平的評價，更不能給出更多的建設性的指導意見以幫助電站改進績效。當前的遠程診斷和運行分析已經從這方麵進行了嚐試，以後還會從人工智能等方麵深入研究，真正形成以大數據應用為核心的遠程診斷中心。
改變設備檢修方式，通過大數據應用，將檢修方式由原來的定檢和事後維修的方式變成狀態檢修的方式，比如基於離散率分析的光伏方陣檢修作業。目前係統已經實現了逆變器輸出功率的離散率和組串電流離散率，也給出了通過離散率分級判斷設備運行狀態的經驗法則。
如：根據逆變器組串電流的離散率，把逆變器分為四個等級：
運行穩定的——離散率<=5%
運行良好的——5% <離散率<=10% < p>
運行待提高的——10% <離散率<=20% < p>
運行必須改進的——離散率>20%
另外，對於灰塵遮擋清洗預警問題，什麼時候清洗組件才能使得投入產出最大化，強調結合全站發電趨勢變化，太陽輻照資源情況動態分析，天氣預報信息，通過大數據對清洗模型或者算法的不斷優化，讓投入產出最大化。
