Austria | Germany | France | Sweden | India | USA | China | Singapore

IPERMON

"创新性能监测系统,提高可靠性,优化平准化电力成本"

导航

关于IPERMON

范围

正如欧洲太阳能产业倡议(SEII)所强调的那样,通过提高输出寿命,降低光伏发电成本是进一步提高该技术使用率的一个关键因素。这可对已安装系统进行持续、可靠和可跟踪的光伏发电厂监控来提高可靠性和使用寿命性能,从而直接影响投资成本、平准化电力成本(LCoE)和总体光伏竞争力。从这个意义上说,寻求运行质量的主要挑战,特别是对于并网光伏系统,是通过准确识别和量化各种性能损失机制背后的因素来保障可靠性和良好性能,同时在早期或发生之前检测和诊断潜在故障,通过强大的性能监控、故障检测和预防性维护。

探索

领先的工业公司Gantner Instruments(GI)与塞浦路斯大学(UCY)的研究机构合作,成立了一个团队,开发一种配备各种先进监测算法的光伏性能监测系统,用于在早期检测和诊断光伏系统的潜在故障、性能损失和退化机制。

宗旨

该项目的最终目标是开发一种创新的性能监测系统,该系统将显著提高和确保并网光伏系统的运行质量,以满足和保证业主/投资者的期望。

目标

主要目标是开发一种创新的性能监测系统,该系统将显著提高和确保并网光伏系统的运行质量,以满足和保证业主/投资者的期望。该系统将提供第一个独立的完整基线解决方案,以确保运营质量并优化能源生产,该系统将包括一个具有高采样能力的完整结构传感器和数据采集平台、大型存储数据库和一个先进的门户网站,以纳入研究引起的性能损失,用于实时分析的故障例程和降级量化算法。从这个意义上说,算法和工具将提供基线,以确保光伏发电厂的性能质量保证、能源产量优化、反映财务参数并提供准确的日前生产预测。

拟建项目的目标是:

  • 评估性能损失、故障和降级机制。
  • 制定光伏系统损失、故障和退化的识别和量化程序协议和指南。
  • 开发容量评级、性能损失和退化算法,这些算法将作为软件模块纳入高级监控系统。
  • 优化能源产量预测,实现准确的产量预测和
  • 演示运维支持,包括触发器和预防性维护。

该项目可以实现光伏的大规模部署,提高技术(技术和经济)的竞争力,并保障投资。

主要的项目活动

  1. 制定传感器和数据采集设备安装指南。
  2. 开发用于识别性能损失的算法。
  3. 开发例程以检测在模块、阵列和系统级别发生的故障。
  4. UCY目前可用的许多并网光伏系统的性能损失和故障识别算法的基准测试(1分钟数据集分析)。
  5. 制定用于识别和量化长期降解的算法。算法也将在亚利桑那州的GI户外测试设施(OTF)进行测试。
  6. 用于日前预测的光伏发电预测算法的制定和验证。预测将根据实际的室外测量结果进行验证。
  7. 性能监测系统原型的开发和使用甘纳网络中的真实电厂数据进行的运行验证。
  8. 在甘纳现有监控平台上开发预商业化产品和集成。

工作成果

研究项目的活动分为六个工作成果。

GI.bench的架构

Project Management (WP1)

Formulation and benchmarking (WP2)

Capacity testing (WP3)

Development (WP4)

Integration and testing (WP5)

Dissemination of results (WP6)

工作产生的最新成果

成果 1:

创新的数据质量例程(数据验证和更正),以确保高水平的数据健全性,这是数据分析应用的重要组成部分。

R1 - Data quality routine functional block
R2 - data routine missing

成果 2:

检测错误数据和传感器漂移的例行程序,用于被动和主动维护(数据丢失矩阵)。

成果 3:

容量测试采用不同的方法(ASTM回归方法、IEC 61724方法和机械性能模型),以准确呈现功率性能指数(PPI),并在超过设定阈值时启动警报。

R3 - capacity test
R4 - Failure detection benchmarking

成果 4:

塞浦路斯大学测试台系统和甘纳管理的实际发电厂的故障检测和分类事件的详细验证和台架标记

成果 5:

健康状态检测器,用于根据数字双精度性能复制品(机械性能模型)量化光伏发电厂的日常性能。该监测器可以检测和分类常见故障,准确率超过98%。

R5 - Health state monitor
R6 - degradation rate

成果 6:

利用所有常用的时间序列分析和统计技术(OLS、ARIMA、CSD和YoY)准确计算长期降解率。

成果 7:

对机器学习和机械性能模型的预测准确性进行基准测试。泰勒图表明,这两个模型都可以准确预测光伏系统的性能(精度误差< 2%)。

R7 - benchmarking machine learning and mpm

研讨会 / 出版物

研讨会日程安排
机械和机器学习模型的性能分析
真实室外条件和 IEC 61853 条件下的长期光伏性能和衰减
开发不受地点和技术影响的机器学习性能预测模型
基于云的光伏组件和电站性能分析
评估用于实时监控的光伏功率预测模型
并网光伏系统故障高级诊断方法
用于主动和被动运行与维护 (O&M) 的状态监测平台,具有增强的数据分析功能
用于主动和被动运行与维护 (O&M) 的状态监测平台,具有增强的数据分析功能
2020 年 10 月,Jürgen Sutterlüti 在奥地利研究机构科学早午餐会上介绍 IPERMON 项目