《Solar Energy》：A review on operational issues, maintenance strategies and OPEX-driven LCOE optimization in utility-scale PV systems
编辑推荐：
在过去十年中，太阳能光伏（PV）成本的快速下降从根本上重新塑造了全球能源格局。自2010年以来，公用事业规模光伏在可再生能源技术中经历了最陡峭的学习曲线之一，资本支出（CAPEX）下降了约85%。随着成熟市场中资本支出 reductions 接近渐近极限，运营
在过去十年中，太阳能光伏（PV）成本的快速下降从根本上重新塑造了全球能源格局。自2010年以来，公用事业规模光伏在可再生能源技术中经历了最陡峭的学习曲线之一，资本支出（CAPEX）下降了约85%。随着成熟市场中资本支出 reductions 接近渐近极限，运营支出（OPEX）和长期资产管理策略对公用事业规模光伏电站经济表现的影响日益显著。
平准化度电成本（LCOE）仍然是评估光伏系统经济可行性的主导指标。LCOE代表系统整个生命周期内单位发电量的平均成本。虽然历史上由资本支出驱动，但LCOE敏感性已逐步转向运营变量，包括维护效率、性能衰减、故障管理和发电量优化。因此，OPEX（包括电站运维、土地租赁、保险和资产管理成本）在长期财务表现中发挥着比以往任何时候都更具决定性的作用。本工作建立在作者先前发表的关于资本支出对公用事业规模光伏LCOE影响的分析基础上，并将重点转向OPEX各组成部分。
由于运维（O&M）构成OPEX的主要部分，且通常按安装系统成本的固定百分比进行预算，理解并优化运维对于管理LCOE至关重要。OPEX反映了维持电站运营所需的最低限度影响发电基准的年度固定成本，使其成为长期性能、可靠性和财务回报的关键决定因素。基准研究表明，优化后的运维可通过缓解性能低下事件造成的损失回收5.27%的能量，凸显了早期检测和故障预测对于最小化OPEX、提高能量产出和优化LCOE的重要性。
现有文献已考察了光伏运维及其对LCOE影响的各个方面，包括故障检测、衰减机制、检查技术、预测分析和成本基准。Vartiainen等人综合分析了对未来LCOE趋势有影响的资本支出、运营支出和技术学习率，但未考虑影响系统性能和成本的运营故障、衰减机制或运维策略。Orosz等人随后综述了预防性、纠正性和预测性维护方法，但未定量评估其对OPEX削减和LCOE的影响。其他研究讨论了维护实践、衰减、故障诊断和调度，却未系统评估项目整个生命周期内的OPEX演变或量化LCOE对运维干预的敏感性。更广泛的综述文章考察了运营、维护和经济关键绩效指标，但未整合故障类型学、维护策略、OPEX削减和LCOE。同样，有研究考察了缓解热斑和局部遮挡影响的技术经济方面，但未聚焦运维实践或其对LCOE的影响。总体而言，这些研究涉及光伏运营、运维和技术经济的个别方面，但均未提供运营问题、相应维护策略和OPEX演变的综合评估，以量化其对LCOE的综合影响。因此，文献中仍存在一个关键空白：缺乏一个系统框架，能够整合运营故障类型学、预防性/纠正性/预测性维护策略、报告的发电量增益、OPEX削减及其在特定地区成本结构下对LCOE敏感性的明确影响。
随着公用事业规模光伏从快速部署转向长期资产管理和优化，技术经济整合对投资者、运营商和政策制定者日益重要。本综述在现有技术和经济综述的基础上发展分析，特别关注公用事业规模光伏系统中由OPEX驱动的LCOE优化。首先，考察了OPEX的结构、演变和区域差异。其次，分析了关键运营挑战（如电气、物理和环境问题）及其对性能和可靠性的影响。第三，结合数字化、机器学习（ML）、无人机（UAVs）和数字孪生（DTs）的最新进展，评估了预防性、纠正性和预测性维护策略。最后，引入了一个基于敏感性的LCOE评估框架，将报告的发电量改进和OPEX削减转化为主要光伏市场的归一化LCOE等效影响。进行了系统性文献综述以确保全面分析，重点关注关键的LCOE优化策略。更重视2020年至2026年的出版物以捕捉近期发展和方法，因为运营实践近年来发展迅速。选择2020年作为基线，因为若干综合研究已综合了截至2020年的文献，而近期光伏运维的最新技术进展仅被部分覆盖。在数据收集方面，精心选择相关检索词并多次迭代应用，最初针对组件成本分析和统计，随后是OPEX削减策略，确保如图2所示的专注而彻底的文献调查。通过将技术故障机制、维护创新和经济敏感性分析联系起来，本工作提供了一个结构化框架，基于可量化的LCOE杠杆优先排序运维策略，为符合当前行业动态的实用决策工具提供了支撑。本综述的主要贡献总结如下：对公用事业规模光伏系统的OPEX结构、历史基准和区域差异进行了全面综述；批判性研究了影响公用事业规模光伏电站的运营问题及其对系统性能和可靠性的影响；提供了最先进的预防性、纠正性和预测性运维策略的结构化评估和综合；开发了一个基于LCOE的敏感性框架，将文献报告的发电量改进和OPEX削减转化为主要光伏市场的归一化经济影响估计；得出了基于技术经济相关性优先排序运维策略的实用意义，用于公用事业规模光伏资产管理。
研究发现导致了本文结构的如下组织：第2节介绍了公用事业规模光伏系统的LCOE和OPEX概念，包括公式、主要成本类别和运营成本的主要趋势。第3节识别了影响有效电站管理和系统性能的主要运营挑战。第4节综述了用于运维优化的先进维护策略，重点关注增强光伏系统可靠性和发电量的方法和技术。第5节对基准运维策略进行了定量LCOE评估，第6节通过总结关键发现和强调未来研究方向来结束本文。
**2. 光伏LCOE与OPEX**
LCOE是一种广泛使用的指标，代表系统整个生命周期内发电的平均成本，其计算为总成本现值（包括资本支出和运维费用）与总发电量现值之比。LCOE为比较不同能源技术和系统配置的成本效益提供了有用基础。在该框架内，LCOE可解释为光伏系统在其运营寿命内实现收支平衡所需的最低电价。除盈亏平衡分析外，LCOE作为标准化经济指标，能够在不同地区和市场条件下对发电技术、项目设计和投资情景进行一致性比较。然而，LCOE主要是一个比较性成本指标，而整体项目可行性通常使用净现值（NPV）和内部收益率（IRR）等折现现金流指标进行评估。
**2.1 光伏OPEX的组成部分**
公用事业规模光伏电站的OPEX通常分为电站运维成本、土地租赁成本、保险成本和技术资产管理（TAM）成本。在许多情况下，土地和保险成本被纳入运维范围内。根据此分类，BloombergNEF数据显示，运维占公用事业规模系统总OPEX的近77%。运维成本通常分为固定成本、维护成本和更换成本。固定成本包括项目管理、行政费用、土地管理（如租赁付款和税收）以及运营管理（包括人工和现场安保）。维护成本涵盖光伏组件、变压器和逆变器等关键部件的计划和非计划活动，而更换成本对应电站整个生命周期内的大型部件更换。总体而言，运维成本因项目规模、位置、发电面积和合同范围而异。尽管与传统发电厂相比维护要求相对较低，但公用事业规模光伏系统仍依赖正式的运维合同来确保持续性能、最大化能量产出和延长系统寿命。
TAM成本与运维成本非常相似，因为两者都支持光伏电站最佳运营所需的活动。TAM侧重于行政和管理职能，而运营管理处理技术性能和系统分析。TAM通常涵盖资产优化的行政和管理服务，包括成本削减举措、技术升级、员工培训、技术报告、非干扰性现场访问、协调视觉检查、辅助服务获取、招标、与购电协议和电网互联相关的法规遵从、运营合同管理以及健康、风险、安全和环境措施。
**2.2 OPEX基准与预测**
与资本支出趋势类似，公用事业规模光伏系统的OPEX在过去十年稳步下降。历史分析显示，自2011年以来，资本支出和OPEX分别下降约75%和59%。德国运维成本从2005年的30欧元/千瓦下降至2017年约7欧元/千瓦。美国公用事业规模光伏项目的运维成本中位数从2012年约40美元/千瓦/年下降至2024年约11美元/千瓦/年。当前支出分布表明，技术运营和保险主导全球运维成本，合计占总成本的66-68%，其余包括预防性维护、商业运营和相关服务。欧洲平均公用事业规模运维成本已达到约10美元/千瓦/年，德国长期数据显示2005年至2017年间下降了85%至9美元/千瓦/年，反映了运维成本随累计装机容量每翻一番下降16-18%的学习曲线。2023年，IRENA可再生能源成本数据库中的项目记录了容量加权平均运维成本为10.3美元/千瓦/年，自2010年以来下降62%。
根据NREL的最低可持续价格（MSP）模型，100 MWp单轴跟踪系统的公用事业规模OPEX当前基准为16.12美元/千瓦/年，而市场模型价格（MMP）模型报告为16.58美元/千瓦/年。ATB模型还指出，实际OPEX可能因维护策略、组件质量和环境条件而显著变化，2024年预测根据系统配置和管理实践最高可达40美元/千瓦/年。区域比较进一步强调了运维成本结构的差异性。亚洲报告了最低的运营成本，而欧洲和欧亚大陆仍处于最高水平。值得注意的是，北美运维成本同比显著增加29%，与其他地区稳定或下降的趋势形成对比。
**3. 关键挑战与主要运营问题**
**3.1 电气问题**
公用事业规模光伏系统易受多种电气问题影响，这些问题的根源可能在于组件、逆变器、接线或连接器的故障。此类故障导致能量产出减少和潜在火灾危险，需要高额运维成本。主要故障类别包括线对地（LG）故障，发生在设备接地导体（EGC）与载流导体之间形成意外连接时；线对线（LL）故障，指两个不同电位点之间的意外短路，包括串内故障和跨串故障。研究发现，现有的LG和LL故障保护机制在实际运行条件下往往表现不佳，主要由于光伏系统的独特特性。除LG和LL故障外，直流电弧故障构成另一类关键电气问题。直流电弧分为串联型和并联型，其中并联电弧更为危险，因为整个系统电压出现在电弧点，即使在低电流水平下也能引发点火。为减轻这些危害，现代逆变器集成了电弧故障断路器（AFCIs）。热点和失配是另一类关键故障，通常由遮挡、制造缺陷或物理损坏引起，可能导致热失配甚至火灾。交流侧扰动如过电压事件也影响光伏系统可靠性。其他直流侧故障包括转换器和最大功率点跟踪（MPPT）故障、旁路二极管故障、互连错误以及浪涌保护器件（SPDs）故障。
**3.2 物理问题**
**3.2.1 组件封装缺陷**
组件封装缺陷是光伏系统中最常见的物理问题之一，涉及玻璃、封装材料、背板或前板的退化或失效。玻璃破裂可能是由安装夹具引起的内部应力导致。封装材料退化，特别是乙烯-醋酸乙烯酯（EVA），通常表现为因光降解引起的变色，降低透光率，导致年平均功率损失0.5-1%。在某些情况下，封装材料层分层允许湿气进入，加速电池退化。相比之下，聚烯烃基封装材料如聚烯烃弹性体（POE）和共挤乙烯-醋酸乙烯酯-聚烯烃-乙烯-醋酸乙烯酯（EPE）因其更低的吸湿性、减少的离子扩散、改进的抗PID性和增强的防潮性能而获得越来越多采用。背板失效源于光氧化反应，导致发色团形成，引起可见的黄变和粉化。背板裂纹更为关键，因为它们降低电气绝缘性，增加接地故障风险。
**3.2.2 电池缺陷**
太阳能电池缺陷涵盖一系列直接影响长期性能的退化机制。裂纹是最常见的缺陷之一，由机械或热应力引起，可能从轻微性能损失到完全功率失效和热点形成。蜗牛纹表现为电池表面的暗色变色，由EVA封装材料内微裂纹附近的银纳米颗粒迁移和氧化引起。光致衰减（LID）发生在组件首次暴露于阳光下时，主要由单晶硅中的硼氧缺陷形成引起。然而，光伏行业越来越多地采用n型晶片技术（如TOPCon和异质结电池），这些技术对经典硼氧相关LID机制基本免疫。相比之下，光与高温诱导衰减（LeTID）主要影响p型钝化发射极背面电池，在50°C以上时发生，取决于生产过程中的氢含量和烧结温度。电势诱导衰减（PID）源于接地组件框架与太阳能电池之间的电位差，导致漏电流驱动钠离子从玻璃进入电池结构。虽然现代n型技术通常表现出对经典PID机制的改进抗性，但当前主导光伏市场的TOPCon电池仍易受极化诱导PID影响。导电部件腐蚀由湿气进入和高温驱动，导致接触失效和可见变色。
**3.2.3 其他物理问题**
光伏组件中的其他物理失效通常与接线盒、框架和连接器等支撑部件有关。接线盒可能因从背板脱落、密封不足、腐蚀或内部电弧而失效。框架失效如松动、变形或腐蚀可能损害组件稳定性。快速连接器失效尤为关键，因为它们可能导致整个串的完全电流功率损失。值得注意的是，故障连接器与光伏电站约24%的火灾事故有关，凸显其在系统安全中的重要性。
**3.3 环境问题**
除电气和物理挑战外，光伏组件持续暴露于环境应力因素中，包括湿度、风、风暴、雨、雪、冰雹、空气颗粒物以及长期温度波动。其中，温度波动、遮挡和积尘对光伏系统性能和可靠性的影响最为显著。温度波动通过热循环诱导机械应力，加速材料老化。遮挡产生非均匀遮挡条件，被遮挡电池产生的电流限制了未遮挡组件或电池的功率输出。积尘指污垢、灰尘和其他颗粒在光伏组件电池区域的积累，导致功率损失。与遮挡类似，非均匀积尘可产生多个功率峰值，影响最大功率提取。
**4. 用于运维优化的维护策略**
维护分为计划或预防性维护（PM）、非计划或纠正性维护（CM）和预测性维护。PM涉及例行检查以确保最佳性能并防止退化。CM由检查或监控期间检测到的故障触发，通过组件或软件干预恢复功能。预测性维护依赖先进数据分析和监控工具，通过基于状态的干预识别异常和处理性能问题。
**4.1 预防性维护策略**
**4.1.1 光伏现场检查**
现场检查是公用事业规模光伏系统最基础、最广泛采用的PM实践，涉及日常现场视觉和操作检查。红外（IR）成像是主要检查方法之一，能够在组件、串或子组件级别快速检测热异常。电致发光（EL）成像是另一种有价值的技术，提供微裂纹、互连缺陷和电池退化的高分辨率检测。紫外荧光（UVF）成像通过长期紫外线照射下形成的荧光图案映射封装材料退化。光致发光（PL）提供非接触光学替代方案，通过辐射复合信号检测材料相关缺陷。无人机系统的进步进一步改变了大型光伏电站的现场检查实践，实现了快速故障识别且人工干预最少。除基于成像的检查外，I-V曲线追踪等地面诊断工具对于评估电气性能和诊断现场故障仍然不可或缺。
**4.1.2 性能比分析**
性能比（PR）分析是另一种最常用的技术，通过利用聚合电气和环境数据提供更高层次的诊断方法，用于评估整体系统效率和检测性能低下。PR有助于识别未对准的跟踪器、不活跃的串或带有故障的组件。PR计算为最终产出与参考产出之比，较高的PR表明更好的能量效率。
**4.1.3 监控实践**
除了实时诊断技术外，全面监控实践在PM规划中发挥关键作用。定期组件采样和实验室表征对于检测光伏系统中的长期退化至关重要。IEC 61724提供了光伏系统监控框架，包括推荐的性能指标、数据收集、测量要求和报告指南。
**4.1.4 植被管理**
植被生长可导致遮挡、热点形成和地面反照率变化。植被管理受场地条件、气候和光伏电站规模影响，可占OPEX的显著部分。控制植被有助于防止设备机械损伤和减少遮挡诱导的热点。
**4.1.5 地面反照率增强**
双面光伏系统显著受益于地面反照率增强，因为背面发电取决于地面反射的光量。通过使用聚合物（土工布、白色覆盖物、防水布、薄膜）、砾石/骨料（石灰石、白色砾石）、沙子、丙烯酸聚合物基涂料和箔/铝材料可人为增强地面反照率。
**4.1.6 积尘测量**
积尘是沙漠环境中光伏系统功率损失的主要原因。评估积尘水平的主要技术包括监控光伏串输出并与清洁参考设备比较，积尘双胞胎方法，以及自动积尘传感器。
**4.1.7 光伏组件清洁**
作为PM的一部分，光伏组件定期清洁对维持能量产出和最小化积尘相关损失至关重要。机械和机器人清洁解决方案因其可扩展性和较低持续成本而获得突出地位。疏水和亲水/光催化涂层已被开发用于减少灰尘附着和促进自清洁。电动解决方案如电动积尘屏蔽（EDS）利用通过嵌入式电极施加的交流高电压实现无水、非接触灰尘去除。
**4.2 纠正性维护策略**
CM涉及修复远程监控系统报警或定期检查期间检测到的故障、故障或损坏的行动。关键性能指标包括响应时间指标，如确认和干预时间。故障模式、影响和关键性分析（FMECA）、多准则决策（MCD）、可靠性、可用性和可维护性（RAM）以及成本优先数（CPN）等结构化方法用于优先排序纠正措施。决策支持系统（DSS）已被证明可通过更快的响应和解决时间将光伏发电量提高多达2.41%。有效的CM还依赖战略备件管理，特别是光伏组件、逆变器、跟踪器元件和变压器等关键部件。
**4.3 预测性维护策略**
**4.3.1 预测性维护的当前解决方案**
AI驱动方法在光伏故障检测和预测性维护中日益有效。使用K-Means和LSTM识别电流输出异常，XGBoost、一类SVM和Facebook Prophet实现高故障检测精度和可靠预测警报。深度学习方法如CNN和YOLO进一步增强诊断能力。数字孪生（DTs）通过集成运营数据、历史性能记录和预测分析，实现公用事业规模光伏电站的实时监控、故障检测和预测性维护。
**4.3.2 预测性维护的新兴解决方案**
预测性能源管理与控制系统（PEMCS）被确定为集成光伏和电池储能系统（BESS）的微电网的关键发展。故障模式与影响分析（FMEA）在系统故障前识别故障模式、原因和后果。人工神经网络（ANN）通过从环境变量估计故障来加强预测性维护。多元线性回归（MLR）模型量化积尘积累和温度对光伏性能的影响。智能维护决策支持系统（SMDSS）通过组合依赖组件模型（DCM）、层次分析法（AHP）、专家系统（ES）、完整成本模型（FCM）和营销信息系统（MkIS）提供维护规划和成本优化的集成框架。
**5. 运维策略的LCOE评估**
**5.1 敏感性分析**
基于8个代表多样化和地理上不同运营环境的国家的特定国家基线LCOE，在5-25%的参数化OPEX削减和发电量增加情景下重新评估LCOE。敏感性计算为每1%OPEX（或发电量）变化对应的LCOE改进百分比。分析表明，OPEX节省的相对杠杆因市场而异，而发电量改进在所有评估国家对LCOE改进表现出持续强烈的影响，平均斜率约为0.8，而OPEX削减的平均斜率约为0.11。
**5.2 敏感性结果**
光伏现场检查可减少约1-5%的年度发电损失，同时通过改进维护规划和减少故障诊断工作降低运维支出10%以上，转化为约0.8-4%的LCOE降低。地面反照率增强将双面系统背面发电量提高25-30%，同时通过减少植被管理要求降低特定运维成本2-10%，双面系统带地面反照率增强显示出12-24%的高LCOE降低潜力。积尘传感器结合优化清洁计划有效减轻积尘能量损失，减少LCOE 1.1-6.4%。ML和预测模型提供高异常检测灵敏度，实现高达2.41%的中位功率改进，同时降低运维成本30-40%，转化为3.3-17.6%的LCOE改进。DT实现组件级诊断和情景分析，功率输出预测误差低于2%，DT支持的发电量改进10-20%和运营成本降低25-28%转化为约2.75-16%的估计LCOE降低。
**6. 总结与未来方向**
随着成熟光伏市场资本支出削减开始放缓，OPEX优化成为进一步降低LCOE的主导杠杆。运维占生命周期成本的主要份额（高达77%），而公用事业规模光伏市场继续存在显著区域差异。电气故障仍属高严重性风险，包括LL、LG、直流电弧和热点，具有系统范围的LCOE影响。物理退化机制，包括PID、组件开裂和封装材料失效，也显著增加运营风险。先进组件技术中正在出现新的退化模式，如TOPCon组件中观察到的紫外线诱导退化。环境压力因素如积尘、遮挡和气候变率造成区域依赖的性能惩罚。LCOE敏感性分析揭示了结构性不对称杠杆：发电量改进表现出持续高敏感性，斜率约为0.8，而OPEX削减表现出较低且区域依赖的敏感性，平均斜率约为0.11。未来工作应优先考虑运维策略的标准化LCOE敏感性基准测试、DT环境中退化模型的整合、基于ML的预测性维护的长期现场验证、跨平台故障检测的协调数据标准，以及检测延迟函数的停机减少的稳健量化。
