电站运营会涉及到数据分析，那什么样的数据指标是值得我们去关注的，并且能帮助电站找到自己的缺陷和改进的方向？
来看看下文这些准则。
1.好的数据指标是可比较性的
如果能比较某数据指标在不同的时间段、不同电站之间的表现，可以帮助我们更好的去评估整个区域内各个电站的实际发电能力。
如果使用了不同品牌的组件、逆变器产品，其实际的性能也会不同，使用某数据指标也可以进行比较，如本周的设备故障率比上周高，通过不同时间段的对比，可以找出“高”的原因。
比如PR、设备可利用率这两个参数具有很强的可比较性。
2.好的数据指标是简单易懂的：
从总部运维人员到现场电站的一线人员，都能轻易的记住或讨论这个指标.
如计划完成率、故障率、度电运维成本等。
3.好的数据指标可操作性强，是行动的向导.
如通过对比每月限电率来判断该西部电站的限电情况是否在逐步下降，如果限电率偏高，需要加强电量交易，减少限电量。
或者其他手段，提高设备的稳定性，保障发电量不低于预期。
或者通过清洗、除草等手段，进一步提升电站的发电量。
4.好的数据指标会改变行为
例如本月某电站的设备故障率提升，需要重点关注发生故障的原因、隐患点和处理措施，以及在电站之间进行举一反三，是否该设备（不同品牌）会存在类似的问题，没有发生此类故障的电站，可自主做好相关预防措施。
1.定性指标和量化指标：
定性指标：通常是非结构化的、经验性的、揭示性的、难以归类的。
量化指标：涉及很多数值和统计数据，提供可靠的量化结果，但缺乏直观的洞察。
量化数据使用方便，具有科学性，也易于归类、外推。
如果定量数据回答的是“什么”和“多少”这样的问题，那定性数据则是回答“为什么”。
定量数据排斥主观因素，定性数据吸纳主观因素。
2.虚荣指标和可付诸行动的指标：
虚荣指标：如果你有一个数据，却不知道如何根据它采取行动，就是虚荣指标。
需要利用数据揭示信息，指明方向，帮助运维人员不断改进，决策下一步的行动，这才是“数据驱动运维”。
可付诸行动的指标：如果影响某个数据指标的因子作出了调整，这个指标上升，那就可以按照调整的方向继续进行，如组串电流离散率。
3.先见性指标和后见性指标：
先见性指标：可用于预测未来。
如通过太阳辐射资源和近期天气预报，能大致预测未来能发多少电。比如某电站一段时间内经常下雨，那么该时段的发电量会比较低，因此，先进性指标可以帮助电站大致了解短期内的发电情况。
另如灰尘遮蔽率，如果遮蔽率一直上升趋势，且近期无下雨，那么可根据清洗测算模型，做出判断，预测出最佳的清洗时间点，投资收益最大化，进而降低灰尘带来的发电损失。
后见性指标：揭示当前存在的问题。
如某品牌的设备在投入使用后，在运维期间，由于质量问题，经常发生故障，故障率较高。那么在后期设备选型时，可不再考虑该品牌的设备。
故障率指标是属于后见性指标。
原文始发于微信公众号（坎德拉学院）：光伏电站数据化运维——什么是好的数据指标？