汇流箱作为光伏电站中运用最多的设备,经常容易发生各种各样的故障,运维人员需要通过巡检查找出故障点。以 20MW的电站为例,传统的纯人工巡检方式,如果将站内的汇流箱巡检一遍基本上需要1个月的时间。其中查看外观占据大部分工作量,而且对于内部汇流箱的检查是采取抽检的方式,难以深入排查,唯一发现故障的方式是站控系统的电流值,但是实际情况是值班员仅会查看逆变器的发电状况,对于汇流箱而言,汇流箱级的数据量大且不直观,对于故障设备无法定位及追溯,给监盘人员提供了很大难度,而萨纳斯管控平台的大数据解决方案作为汇流箱隐患及故障排查的第一监盘手,渐受青睐。
汇流箱的预警
大数据的监盘方案是对于全站的每一个汇流箱,进行日诊断,给出每一汇流箱的每日故障诊断结果,对汇流箱级设备运行状态一目了然,并指导站内人员针对性的巡检及排查,监督站内人员恢复故障设备,对于故障的发现及修复,有了本质的提升,使得小故障不再处于无人问津的状态。就测算电站的结果来看,运用大数据解决方案的监盘方式,能较传统的巡检方式对故障发现的及时性提高90%,故障时长缩短70%。
提效点:对比汇流箱运行状态,并对预警的设备查看组串发电状况,确定故障组串位置。
提效步骤:
第一步:数据清洗:
设置一定的支路电流阈值,在通讯过程中去掉高于或低于此数值的数据,并去掉异常数据和相邻时刻与支路电流相同的数值,目的是将通讯过程中产生的大负值和大正值筛选出去,留存有价值的数据进行下一个步骤。
第二步:支路选择;
根据实际的设备接入支路组串数,选取实际数量的组串电流值,计算一段时间各支路的电流值之和,从小到大排序,取前12路(汇流箱每时刻返回16条支路电流值,但是实际接入的只有12路)组串电流值之和最大的支路作为实际接入设备的支路,计算各时刻支路电流值间的标准差再次进行筛选。
第三步:计算加权离散率;
经过上述筛选得到的各支路及各时刻的数据,计算每时刻的支路电流标准差及平均值,用各时刻的支路电流平均值作为权重,计算各时刻支路电流变异系数的加权平均值;
第四步:预警判断。
通过上述计算及筛选,可得到一个恒值,由汇流箱的支路电流值与其比对,就可以判断出汇流箱是否有故障。
案例直击:
测算区域:内蒙古某20MW电站
经过3个月的使用,站内共发现故障72处,合计装机3462.00KW,已修复66处,合计修复装机2947.92KW,修复率高达85.1508%。
特别声明:索比光伏网转载其他网站内容,出于传递更多信息而非盈利之目的,同时并不代表赞成其观点或证实其描述,内容仅供参考。版权归原作者所有,若有侵权,请联系我们删除。凡来源注明索比光伏网或索比咨询的内容为索比光伏网原创,转载需获授权。
图片正在生成中...
汇流箱作为光伏电站中运用最多的设备,经常容易发生各种各样的故障,运维人员需要通过巡检查找出故障点。以20MW的电站为例,传统的纯人工巡检方式,如果将站内的汇流箱巡检一遍基本上需要1个月的时间。其中查看外观