基于数据驱动的光伏系统低效率事件状态监测与早期预警框架

《Applied Sciences》:A Data-Driven Framework for Condition Monitoring and Early Warning of Low-Efficiency Events in Photovoltaic Systems

【字体: 大 中 小 】 时间:2026年08月06日 来源:Applied Sciences 2.5

编辑推荐:

  可靠的光伏(PV)运行需要能够在性能退化发展为持续性效率损失之前检测到其发生的监测策略。本研究提出了一种可解释的数据驱动框架,用于仅使用基于逆变器的电气测量进行状态监测和低效率事件的早期预警。本研究的新颖之处在于其关注从逆变器电气数据中检测低效率运行状态,而非

  
可靠的光伏(PV)运行需要能够在性能退化发展为持续性效率损失之前检测到其发生的监测策略。本研究提出了一种可解释的数据驱动框架,用于仅使用基于逆变器的电气测量进行状态监测和低效率事件的早期预警。本研究的新颖之处在于其关注从逆变器电气数据中检测低效率运行状态,而非仅仅对个别光伏故障类型进行分类。研究人员分析了来自土耳其卡斯塔莫努的一座110 kW并网光伏电站的30分钟运行数据,时间覆盖2023年1月至2025年12月。将相电流、相电压、总有功功率和直流功率转换为电气健康指标,包括平均电流、平均电压、电流和电压变异性、相位不平衡指数和转换效率。相关性和不平衡分析显示三相运行高度同步,平均相位不平衡指数为0.004865。转换效率保持稳定,瞬时平均值为0.964。广义加性模型(GAM)结果解释了66.4%的效率变异性,并确定平均电流是主要的非线性决定因素,而相位不平衡作为次要但重要的因素。随机森林(RF)分类器实现了96.34%的准确率、3.87%的袋外误差和53.4%的罕见低效率事件召回率。决策树(DT)规则表明,当平均电流低于9.4 A时风险较高,高于12 A时风险极低。该框架为光伏性能监测和主动维护提供了一种实用、传感器最少且可解释的方法。
光伏系统在满足可持续能源需求中扮演日益重要的角色,但长期高效可靠运行依赖于及时检测性能退化。现有研究多聚焦于特定故障类型分类,常需额外传感器或复杂模型,而针对使用常规逆变器电气测量进行低效率事件早期预警的可解释框架仍较缺乏。为此,研究人员提出一种数据驱动框架,仅基于逆变器电气测量对光伏系统进行状态监测和低效率事件早期预警。研究基于土耳其卡斯塔莫努一座110 kW并网光伏电站2023年1月至2025年12月期间30分钟间隔的运行数据,分析了相电流、相电压、总有功功率和直流功率,并将其转化为平均电流、平均电压、电流变异系数、电压变异系数、相位不平衡指数和转换效率等电气健康指标。通过广义加性模型(GAM)揭示效率与电气指标的复杂非线性关系,利用随机森林(RF)分类器检测低效率事件,并借助决策树(DT)提取可操作阈值。结果表明,平均电流是效率的主导非线性决定因素,相位不平衡为次要但显著因子;随机森林分类器实现了96.34%的总体准确率和53.4%的罕见低效率事件召回率;决策树规则指出平均电流低于9.4 A时低效率风险高达69.4%,高于12 A时风险降至0.7%。该框架为光伏性能监测和主动维护提供了实用、传感器最少且可解释的途径。论文发表在《Applied Sciences》。

主要关键的技术方法包括:首先,从三相电流和电压数据中构造电气健康指标(如平均电流、平均电压、相位不平衡指数等),并进行相关性和不平衡分析以评估三相运行稳定性;其次,采用广义加性模型(GAM)建模转换效率与电气指标的非线性关系,通过平滑样条函数估计各变量的偏效应;再次,应用随机森林(RF)分类器进行低效率事件概率预测,并利用变量重要性分析识别关键预测因子;最后,基于决策树(DT)提取可解释的运行阈值规则。样本来源为土耳其卡斯塔莫努的一座110 kW并网光伏电站,数据由逆变器监测系统直接获取。

**主要实证发现**:通过检查总有功功率的多尺度时间动态,发现数据呈现明显的季节性和日内周期性,因此将分析限制在07:00至18:30的活跃发电时段。相关性分析表明,三相电流之间和三相电压之间均呈高度正相关,且电流与总有功功率近乎完美相关,说明系统三相运行高度同步。方差膨胀因子(VIF)分析显示所有电气指标的多重共线性在可接受范围内(均低于5)。

**相位不平衡与有功功率生成的关联**:相位不平衡指数与总发电功率呈中等负相关(r = ?0.35),表明不平衡升高时发电量降低。广义加性模型(GAM)分析结果揭示了效率的显著非线性决定因素。模型调整后的R2为0.664,解释了66.4%的效率变异性。平均电流是影响效率的最强预测因子(有效自由度df=8.963,F=1883.114,p<0.001),其非线性效应显著:低电流水平下效率较低,随电流升高效率迅速上升并趋于稳定。相位不平衡指数也呈现统计显著的非线性效应(df=8.538,F=12.783,p<0.001),表明即使小幅不平衡也会影响效率。平均电压的影响接近线性且较弱(df=1.276,F=4.965,p=0.0257)。

**效率分析结果**:瞬时、日均和月均效率均显示系统转换性能稳定,瞬时效率均值0.964,中位数0.969,最小值0.788表明存在短暂低效率事件。STL分解显示效率存在重复的季节性模式,但无明显长期下降趋势(Mann-Kendall检验τ=?0.1206,Sen斜率极低)。效率片段和状态分析表明,低效率片段主要发生在低平均电流条件下(均值13.7 A vs 正常效率50.4 A),而相位不平衡在低效率时更高且更分散,电压相关指标则分层不明显。

**低效率运行条件的早期预警检测**:随机森林(RF)分类器在高度不平衡数据集(低效率仅5%)上实现了96.34%的总体准确率,袋外误差3.87%,对低效率事件的召回率53.4%。变量重要性分析显示平均电流是主导预测因子,相位不平衡居第二,电压相关指标较弱。平均电流剔除后的消融分析证实其关键作用(召回率下降12.46个百分点)。决策树(DT)提取了可操作阈值:平均电流低于9.4 A时低效率概率69.4%(高风险);9.4–11 A之间概率40.8–55.6%(中风险);高于12 A时概率0.7%(极低风险)。当平均电流低于12 A且相位不平衡指数≥0.017时,风险升至65.0%,表明相位不平衡在低电流条件下放大风险。

讨论部分总结了研究贡献与局限性。框架将逆变器电气测量转化为可解释的状态指标和早期预警规则,为主动维护提供支持。但基于单一电站数据,阈值需跨站点验证;未纳入气象和维护变量,限制了物理归因;低效率定义为统计阈值而非物理故障标签;召回率较低(53.4%)表明部分事件漏检,需改进类平衡和概率校准。未来方向包括多站点验证、引入有限环境变量、使用滚动时间序列验证和成本敏感学习。

研究结论翻译如下:本研究提出了一种可解释的数据驱动框架,利用高频逆变器电气测量进行光伏系统健康监测和低效率运行状态检测。结果表明,所研究的光伏系统在活跃发电期间通常保持稳定的三相运行、低相位不平衡和高转换效率。在广义加性模型、效率状态分析、随机森林模型和决策树规则中,平均电流是转换效率和低效率风险的主导预测因子,而相位不平衡则作为次要但操作相关的风险因子。与主要依赖太阳辐照度和温度等气象变量的传统光伏监测研究不同,本框架仅使用直接来自逆变器的高频电气测量,从而无需额外环境传感器即可开发可解释且操作实用的早期预警系统。导出的决策规则进一步表明,复杂的模型输出可以转化为简单的阈值,用于主动维护和实时性能监测。本研究的局限性也定义了下一步研究方向:由于框架仅基于单一电站数据评估,需要进行多站点验证以评估所识别运行阈值的可迁移性;由于排除了气象和维护相关变量,未来研究应评估有限的一组上下文测量能否在保持可解释性的同时区分正常低负荷运行与环境或技术引起的效率损失;由于低效率事件是通过统计定义而非经过验证的物理故障标签,未来工作应将检测到的事件与逆变器报警、维护记录和现场检查联系起来,并比较固定阈值与季节性自适应替代方案;最后,使用单一时间序列留出验证期以及对罕见低效率事件的适度召回率,促使采用滚动原点验证、类加权学习、概率校准和决策阈值优化,以提高时间鲁棒性并减少漏检事件。本研究基于一座光伏电站的数据,但所提出的分析框架不限于该电站,该工作流程基于常规监测的运行变量,包含机器学习、可解释人工智能和多准则决策技术,因此可通过适当的本地校准适应其他并网光伏系统。然而,变量的重要性和决策阈值可能依赖于气候条件、系统配置和运行特性,因此在直接应用于其他光伏装置之前,需要重新校准该框架。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号