光伏运维系统辅助决策模块设计探讨

徐红武， 檀庭方，李靖霞，王东霞，王涛，沈煌，张哲

(1.国电南京自动化股份有限公司，南京 211106； 2.东南大学，南京 211106)

0 引言

光伏运维系统辅助决策模块根据系统采集到的设备运行数据、历史存储数据以及运维人员、行业专家反馈给系统的经验数据等，实时分析光伏电站生产经营情况。光伏电站辅助决策模块一般包含电站运行分析、设备运行分析、电站安全分析、物资分析、电站投资收益分析、设备故障诊断分析、预测分析等。

1 建立生产运行指标体系

光伏电站生产运行指标体系，是对光伏电站进行科学评估的必备要素。光伏电站生产运行指标一般包含电量指标、能耗指标、设备运行指标。电量指标主要由理论发电量、实际发电量、上网电量、购网电量等组成。能耗指标主要由电站用电量、逆变器损耗、箱变损耗、升压站损耗等构成。设备运行指标主要由设备故障时间、最大出力、设备运维成本、电网限电至设备停运时间等构成，具体运行指标因素如图1所示。

图1 光伏电站经济运行指标因素

2 经济运行评估方法

模糊综合评判是利用模糊数学理论来对事物进行评估的科学方法，把模糊综合评判的方法应用在光伏电站经济运行的评估方面，可以克服以往根据某些指标来对光伏电站进行评估的局限性，模糊综合评判从宏观上考虑影响变电站经济运行的所有主要因素，因而评估结果更全面、更科学。

2.1 确定评估因素集

评价光伏电站经济运行情况，片面、单一的评价是不够的，只有从多个角度出发对其进行综合评价才可得到更为准确的结果。例如,可以从理论发电量、实际发电量、电站损耗、性能比、运维效率等多重角度来进行评判。将所有影响因子集合在一起时构成一个体系，便可以将其称之为评估对象集如下式。

U={U1,U2,…,Um} ，

(1)

式中：U为评估对象集合；U1,U2,…,Um分别为m个评估对象。

2.2 确定评语集

评语是指对事物评判结果。由各种不同评语构成的集合称为评语集，如下式。

V={V1,V2,V3,…,VP}，

(2)

式中：V为评语集；V1,V2,V3,…,VP分别为p个评语。 本文根据光伏电站运行时可能出现的情况，把光伏电站运行情况分成良好状态(V1)、一般状态(V2)、注意状态(V3)、不合格状态(V4)4种等级。

2.3 确定权重值

确定权重有求和平均法、对比综合法等。求和平均法计算过程比较粗糙，受主观因素的影响较大。对比综合法计算过程较精细，可以有效降低主观因素的影响。对比综合法采用各因素相互比较重要程度，得到权重对比模糊互补判断矩阵，然后判断模糊互补判断矩阵是否一致性，若模糊互补判断矩阵不一致，继续优化模糊互补判断矩阵，直至一致性，最后根据模糊一致性矩阵与权重的关系，计算出电站经济运行的权重向量值。模糊一致性矩阵与权重值间存在着相应的关系，具体表达式如下。

i∈{1,2,…,n}[1]。

(3)

式中：ωi为权重值；n为评价因素的个数；调整参数a，且a与n之间的关系为a>(n-1)/2，随着a的数值逐渐增大，各个因素的权重值之间差距逐渐减小，所以此处a的值应满足a=(n-1)/2，aik为模糊矩阵的元素，即下文中的R。

首先，为了求模糊互补判断矩阵，需要定义统一的标度标准，本文根据0.1～0.9标度法来求模糊互补判断矩阵，见表1。

表1 标度定义表

根据各指标因素的重要程度，确定第一层指标权重对比见表2。

表2 第一层指标因素相对权重定义

则第一层模糊互补判断矩阵为：

根据式(3)可以计算出第一层因素权重向量ω=(0.333 3,0.433 3,0.233 3)，同理确定第二层A指标权重对比见表3。

表3 第二层指标因素A相对权重定义

则模糊关系矩阵为：

同理可以计算出第二层A因素权重向量ωA=(0.2333,0.3,0.3,0.1667)，确定第二层B指标权重对比见表4。

表4 第二层指标因素B相对权重定义

则模糊关系矩阵为：

同理可以计算出第二层B因素权重向量ωB=(0.466 7,0.266 7,0.266 7)，确定第二层C指标权重对比见表5。

表5 第二层指标因素C相对权重定义

则模糊关系矩阵为：

同理可以计算出第二层C因素权重向量ωC=(0.316 7,0.183 3,0.183 3,0.316 7)。

2.4 确定综合评判矩阵

根据各评价因数的物理特征，选择合适的隶属度函数。在模糊数学中，常见的模糊分布有：矩形分布、梯形分布、正态分布、K次抛物线形分布、T形分布、柯西形分布。

在光伏电站经济运行评估领域，梯形模糊分布函数用得比较多。要为每一个指标因素的每个评价选择好合适的隶属度函数，首先要对该指标因素对评价的影响做科学的统计分析，以确定该指标因素与评价的大致函数分布，然后与模糊数学中经典的模糊分布函数进行对比，以便选择最佳的模糊函数，并确定该模糊函数中常量的具体取值，如此下来，也就把该指标因素对于该评价的隶属度函数确定下来了。例如对于设备故障时间这个指标因素，因为大部分设备故障时间很低的时候，几乎不会对电站经济运行产生明显的影响，所以对于评语V1，可以考虑偏小型半梯形分布函数；当设备故障时间持续很长的时候，势必对光伏电站的经济运行产生严重的影响，所以对于评语V4可以考虑偏大型半梯形分布函数。而对于评语V2、V3，则可以考虑中间型梯形分布函数[1]。

2.5 进行模糊计算

2.6 得出评判结果

最大隶属度原则I表述如下。

设A1,A2,···,Am为给定的论域U上的m个模糊模式，x0∈U 为一个待识别对象，若Ai(x0)=max{A1(x0), A2(x0),···,Am(x0)},则任务x0优先属于模糊模式Ai[2]。

3 详细算法运算过程

假设某地一个10 MW的光伏电站，其经济运行指标见表6。

根据每个评价因数所属的隶属函数，可以计算出二级评价因素集A对应的模糊关系矩阵为：

表6 某光伏电站运行指标

BA归一化值为：BA′=[0.609 8,0.272 2,0.111 5,0.006 5]，同理可计算出二级评价因素集B对应的模糊关系矩阵为：

BB归一化值为：BB′=[0.458 1,0.385 3,0.136 6,0.02]，同理可计算出二级评价因素集C对应的模糊关系矩阵为：

BC归一化值为BC′=[0.350 3,0.526 8,0.122 5,0.000 4]，因此可得到一级模糊关系矩阵：

则一级评判结果为：

B=ω∘R=[0.333 3,0.433 3,0.233 3]∘

[0.483 4,0.380 6,0.124 9,0.010 9]，

此处B即为模糊综合评判结果集。根据最大隶属度原则，可知该光伏电站运行在良好状态[3-4]。

4 结束语

光伏电站辅助决策系统是光伏运维系统的核心部分，涉及的算法主要体现在状态评估、故障诊断及一些预测类(如投资预测、光伏组件衰耗特性预测)的需求上。由于模糊综合评判算法从系统全局的角度对事物进行了综合考察，因此，用该方法所得到的结果更科学、更准确。当然，要获得比较准确的评估结果，为每个评语选取合适的隶属度函数就显得尤为重要，这是进行科学评估的前提。由于时间有限，本文的隶属度函数选取可能还不够完善，在今后的研究工作中还需要在这方面重点加以研究；同时，由于光伏辅助决策模块涉及较多的算法，况且各种算法的运行效率、准确性、适用性也不尽相同，为了让各种算法发挥最好的效用，也需要对各种算法加以甄别，以便能选出最适合于相关应用的算法，以提高系统的智能化运维水平。

参考文献：

[1]李跃军.智能变电站二次设备状态评估模型及其应用的研究[D].保定：华北电力大学电气与电子工程学院.

[2]贾鑫,卢昱.模糊信息处理[M].长沙：国防科技大学出版社,1996.

[3]檀庭方，李靖霞，吴世伟，等.基于“互联网+”的智能光伏电站集中运维系统设计与研究[J].太阳能，2017(9):23-28.

[4]王禹，李旭东.一种居民屋顶光伏电站巡检运维系统[J].电气技术，2018，19(2):123-126.