1运维发电量提升方法之一：降低灰尘污垢影响
目前有些屋顶实际可利用面积有限或屋顶彩钢瓦载荷能力不足，光伏方阵采用了顺着屋面平铺的安装方式，对于彩钢瓦屋面，它的坡角一般在5度左右，有的甚至可能更低一些，那么基于这样的客观情况，我们晶硅边框组件表面的灰尘污垢难以靠雨水自清洁，因此分布式电站组件清洗难度会比正常的大倾角安装方式的组件要难的多，而目前人工清洗成本较高，再加上人工清洗方式需要我们的清洗人员上企业屋顶的频次较高，如果清洗不当，很可能对企业的屋顶产生潜在的漏水隐患，特别是在第三方企业的厂房做清洗工作，需要和业主进行沟通，增加了沟通的成本，能否清洗在很大程度上受制于业主，需要经过业主的同意。另外，传统的清洗计划的制定策略较为粗犷，仅靠人员用过视觉感知组件表面的积灰情况，或者简单的将组件清洗后和未清洗的组件进行对比来决定是否进行清洗工作。基于目前的现状，笔者认为有必要通过较为科学的分析手段建立数学模型，基于实际的历史运行数据，再加上清洗成本去判断最佳清洗时间，虽然目前无法做到非常精确，但至少在一定程度上是可实施，可操作的，比传统模式要好的多。
图1 被灰尘覆盖的光伏组件阵列
自2016年下半年开始，笔者所在的企业基于分布式电站实际情况已经做了这样的一次尝试，经过大量技术考察，最终选择了多家智能化清洗机器人作为无人值守清洗方式，目前该项目已正式启动运行。我们之所以选择清洗机器人，主要是看中了它的无人值守，可远程操作，并通过后台进行集中式管理机器人，另外经过我们的数据分析，屋顶分布式电站由于组件平铺，灰尘污渍较多，经过清洁后，实际的发电量提升比例能达到预期的效果，目前还在验证它在户外运行的可靠性，能保证其因恶劣的环境能正常运行，甚至会在地面电站进行实验，一旦可靠性达到了预期，可将其进行推广应用；另外，在有限成本的约束下，可在某局部子阵安装机器人清洗，作为标准子阵，将数据纳入模型，可依此制定剩余子阵的清洗节点，一切用数据进行量化和判断，尽量避免主观意识上的错误判断，降低清洗成本，提高收益。
2运维发电量提升方法之二：降低失配损失
我们都知道，光伏电站组件的数量是最多的，占据了电站成本的50%以上，每一片光伏组件的输出特性也是不尽相同的，如果我们的组件原材料性能好，生产工艺水平很高，组件出厂的电性能偏差比较小，衰减一致性好，那么在实际成串的时候就可以达到非常低的失配损失（小于标准的1%以下），但纵观现实情况，我们发现经过几年的运行，组件会出现不同程度的功率衰减，从而带来了较大的失配损失。
另外，分布式电站所依附的屋顶的周边环境也是相对比较复杂的，如女儿墙、空调风机、附楼、气窗，临近厂房后建的高大建筑物等，不可避免的带来一定的阴影遮挡，由于传统的组串式或集中式逆变器的最大功率点跟踪是针对组串而言，当组串中的某一片或若干片存在低效、或者阴影遮挡，就会产生木桶效应。
总之，低效发电单元一般是由某组串的组件固定属性决定的，即某组串存在低效组件后，该组串对应的逆变器连续若干天的发电量或发电小时数同正常组串相比较会一直偏低，一般不会存在忽高忽低的现象。总的来说，组串低效原因从内因和外因角度可总结为：① 内因：组串本身问题（组件低效，产生木桶效应）② 设计因素（前后左右遮挡） ③ 环境因素（杂草、树木遮挡、组件表面灰尘污渍严重等，降低了有效接收的辐射量或电池片热斑产生温升损失） ④ 电网限电（组串未工作在实际辐照对应的最佳功率点） ⑤ 其他（如组件未接入等）。
在电站运维环节，我们的现场人员需要定期（如一周）对电站各个组串逆变器单元或汇流箱箱单元的发电小时数进行对比分析，为什么要以累计的发电小时数进行比较？因为每台逆变器的发电小时数每天都在变化，即A逆变器在今天可能最差，但第二天就不一定最差，所以很难通过固定的某一天去反映出来，而且这个数据样本也很少，不足以反映问题，因此需要持续的一段时间的数据。若系统后台电站的逆变器容量不准确，容量和实际有出入，需要按实际的容量计算发电小时数（有效发电小时数h=逆变器日发电量kWh/逆变器容量kW）。若各个逆变器的装机容量不同，就不能用当日的总发电量进行分析比较，需要用到有效利用小时数。
目前比较好的解决方法是对组件加装功率优化器，使得该片组件的电性能输出不影响到同串的其他组件，因此可减少失配损失。
下面举一组数据进行说明，某江苏分布式电站某组串安装了功率优化器，图2为功率优化器采集到的组件端的功率数据。从图可知，20块组件最大输出功率可180W左右，最低功率为165W左右，两者相差了近15W，显而易见，组件之间存在一定的失配。
图2 中午时段光伏组串的20块组件出力对比（单位：W）
图3为中午时刻对应的组串各组件实时工作电流的对比，最大电流为6.85A，最小电流为6.37A，实际的电流离散率为2%。
图3 组串中20块组件的输出电流对比
图4为该时刻增加优化器后的功率对比，如果不加优化器组串电流由于短板效应，输出电流为6.37A，那么实际的输出功率应为3327W；如果增加优化器后，实际输出应该为3460W，功率提升比例为4%左右。
图4 光伏组串的失配损失（单位:W）
我们的检测团队曾经在已经运行若干年的分布式电站做过抽样检测，检测结果显示，由于前期施工不当、组件选型问题及后期未给予组件足够的维护（如清洗），那么组件内部可能一开始就存在隐裂、裂片等问题，组件长期暴露在室外，经过环境温度的冷热交替，这些隐性的问题就极有可能被放大；组件表面污垢长期残留，由于污垢灰渍主要是来源于大气环境、屋顶周边环境等，对组件的玻璃或多或少会有些影响，再者不及时清洗会带来热斑效应，发生热斑的区域局部受热，长期以往，组件的原材料因高温受热会老化，也会在一定程度上降低了材料的性能，间接影响了组件的功率输出；这些问题在运维当中是普遍存在的，因此我们觉的对于失配严重的区域，可安装优化器来降低损失。
除了优化器对失配有改善作用外，也可以从接线方式上做文章，如大型地面电站纵向双排安装的阵列，一般接线方式可能是U型或直线型两种，如果是U型接线，一个支架单元的上下两排连接成一串，如果下面一排受到阴影遮挡，那么上面一排就会受到短板效应，带来发电损失。对于此种接线，建议采用直线型，即相邻支架单元的上一排组件连接成一串，下面一排组件连接成一串，这样可有效的降低下一排组件对上一排组件的失配影响。对于新建电站，可采用组件横向三排安装的方法来减少阴影遮挡带来的失配损失。
此外，对于一些特殊场景，如山地光伏电站，也可以使用组串式逆变器来降低失配损失，对于不同朝向的组件，建议使用不同的MPPT，并且相同朝向的接入同一MPPT，这样也可以从一定程度上降低因为朝向不同带来的电流失配影响。另外对于发生阴影后，方阵的I-V曲线反映为多峰特性，这个时候逆变器的最大功率点跟踪算法需要使用多峰扫描功能，避免在局部电压范围内寻找，以免产生错误判断，带来MPPT跟踪损失。
在电站施工环节，一个光伏电站可能采用了不同型号和功率档位的组件，在安装时，需要注意将同一个型号和功率档位的接入同一串。如果前期施工阶段，业主方没有办法把控现场，在后期运维时，在现场巡检时发现存在某支路组件混装现象，需要立即处理，防止高功率组件的工作电流被低功率组件拉低。
1小结
电站运维的价值在于使得设备工作在最佳状态，如果设备由于环境的因素导致低效运行，那么对于设备本身来讲是不利的，如我们最常见的灰尘污渍、阴影遮挡、低效等问题都会给我们的设备带来影响。光伏电站组件数量众多，靠现场排查费时费力，因此需要通过大数据分析平台去分析发电单元的发电量或发电小时数，定位到低效组串，并通过线上和线下联合诊断去发现和分析产生低效运行的原因，是内因还是外因，进而才可以做出相应的决策。
对于内因，有必要通过一定的测量工具和肉眼观察去分析，如万用表、钳形表、红外热像仪，去判断组件各元件的质量是否存在问题。
对于灰尘污渍，后期可以通过人工定期清洗或使用自动化清洁机器人，对于阴影遮挡，可以安装优化器、更改接线方式或降低安装倾角、优化组串MPPT等方法。对于环境带来的阴影遮挡，如杂草、小树等，后期需要制定一定的除草策略，特别是山地光伏电站，草木茂盛，除草的工作量较大。对于平坦型地面的大型电站，组件下沿离地高度一般有一定的要求，如果离地较低，杂草遮挡在所难免，因此从前期设计我们就需要考虑这个因素。
来源：《光能》杂志，经作者授权
原文始发于微信公众号（坎德拉学院）：谁偷走了你光伏电站的发电量？？？