智能IV诊断与扫描已成为电站必备的吗

组件为什么老出现故障？

大型地面光伏电站具有规模大、面积广、巡检任务重等特点。其中有些地面电站还面临着地理环境复杂的问题，比如水面电站、山地电站等更是具有地形复杂、崎岖不平、交通不便、方阵分散的特点。而大型地面电站具有庞大的组件数量，其中每个电池板和每个连接点都有可能出现故障，很多证据表明，组件故障是光伏发电量日益衰减的最主要原因之一。如下图所示：

电站在光伏区域存在的风险是多种多样的，包括连接器松动或断开、线缆敷设不合理、绝缘性能下降、接地故障、组件失配、组件阴影遮挡等诸多问题。随之，给运维工作带来了很大的负担。传统的运维方式中，只有已经出现了告警信号后，运维人员才能通过人工携带的设备的方式进行离线和现场检测，排查可能出现的问题，并依靠人工输出报告，给出解决方案，费时费力且差异较大。这样的方式只有当故障已经发生，或者组件已经损坏的情况，运维人员才能接收到信息并进行处理。若能在组件发生故障之初就能察觉并杜绝故障问题的发生，不仅可以减少运维工作量，还会减少组件的损坏，节约运维成本，为电站增益。

01

IV功能介绍

—

智能IV曲线诊断系统改变了传统的抽样检测方式。它可以对光伏组件进行100%的检测和诊断，并自动生成报告。它可以精确地检测出多达约30种故障类型。整个检测过程是远程进行的，无需人工现场检测。相比传统的方式，智能IV曲线诊断功能能够发现更多的问题，甚至提前解决潜在问题，减少组件失效率，保障电站健康运行。智能IV诊断平台助力高效运维，支持一键开启诊断。

智能IV诊断与扫描是光伏电站性能评估的重要手段。通过对光伏组件在不同工况下的电流-电压曲线进行测量和分析，可以有效评估组件的工作状态和整体性能。固德威的IV诊断功能主要包括以下几个步骤：

1.数据采集：在不同辐照强度条件下，通过逆变器进行组串电压电流扫描，由数采装置采集数据上传至SolarOS智能运维管理平台（下文中简称SolarOs系统）。

2.数据分析：平台的IV诊断模块对采集到的数据进行算法处理，生成IV曲线图，并计算相关性能指标，如开路电压（Voc）、短路电流（Isc）、最大功率点（Pmax）等。

3.性能评估：根据IV曲线的平特征去评估光伏组件的健康状态，识别故障，分析致因，并给出合理化建议。IV功能在对电站组件状态进行评估的同时可以发现潜在的风险，包括对组件寿命的预测功能等，有助于提前采取预防措施和提高发电效率。

固德威智能IV诊断系统采用大数据、人工智能等技术，随着平台逐渐广泛的应用范围，系统可以进行自我学习、自我训练。平台不断积累IV诊断数据结果，通过AI学习改进故障模型等方式让智能IV诊断功能越来越完善，越来越精准，适应性越来越强。例如，山地光伏项目因其地形复杂、影响因素众多，在传统IV诊断系统使用过程中存在较多的干扰因素，不同项目各有差异，无法做到完全数据化、统一化考量。智能IV诊断能通过AI学习的方式，不断自我迭代更新故障数据库、检修建议数据库，以不断适应不同环境下的地面电站。

02

智能IV诊断系统结构

—

地面电站的智能IV诊断可以支持电站级、子阵级和逆变器级的IV曲线诊断。因此，每个子阵列都会与SCU3000系列通讯箱连接，然后连接到GoodWe站级监控系统SolarOS中的IV诊断平台，诊断进度及结果将会在平台中显示，IV诊断报告也可以进行下载。智能IV诊断的系统连接如下图所示：

智能IV曲线诊断系统结构图

我司IV功能的组成可以分为硬件和软件两部分：

03

组件典型故障与IV曲线的关系

—

典型的组件故障与IV曲线有着密切的关系。如下图所示，在组串的IV曲线当中能够与很多组件典型故障引发联系。遮挡、灰尘、组件电流不一致导致的组串内电流失配；组件玻璃碎裂、热斑导致的组件电流输出异常；二极管短路、组件失效等原因导致的组串电压异常；组串开路；PID衰减、灰尘导致的组串并联电阻过低；线缆阻抗偏高导致的组串串联电阻过高；朝向异常、灰尘、组件衰减等原因导致的组串短路电流偏低等。

智能IV曲线诊断系统结构图

04

IV诊断与扫描的功能亮点

—

4.1

提高发电效率、降低维护成本、延长组件寿命

通过IV诊断和扫描技术，能够实时监控光伏电站的工作状态，及时发现性能下降或故障以及一些潜在问题，从而采取措施保证发电效率。及早发现和修复问题，可以有效发现组件的老化迹象，同时精准定位故障位置，及时进行维护或更换，延长光伏组件的使用寿命，避免因故障导致的长期停机和系统损坏，从而降低维护成本以及投入的人力物力，也有助于优化系统设计，调整安装方案，提升系统的整体性能。

4.2

智能分析

随着人工智能的发展，未来的IV诊断和扫描系统将更加智能化和自动化。通过算法分析和数据挖掘，可以实现自动故障诊断和预测维护，提升工作效率。新型传感器和AI智能算法的快速发展，将使IV诊断和扫描功能在精度和分辨率上得到显著提升，从而更准确地评估组件状态。随着人工智能的发展，未来的IV诊断和扫描系统将更加智能化和自动化。通过算法分析和数据挖掘，可以实现自动故障诊断和预测维护，提升工作效率。

4.3

高精度和高分辨率

AI智能算法的快速发展将使IV诊断和扫描功能在精度和分辨率上得到显著提升，从而更准确地评估组件状态。结合大数据技术，对光伏电站运行数据进行深度分析，可以实现更精准的故障预测和性能优化建议，为电站管理提供科学依据。

4.4

可视化展示

IV功能依托SolarOs平台，能够实现对组件实时情况的反馈，并评估电站的运行状态，将监测和分析结果以图形化的方式展示，便于操作人员快速理解和处理。在此之上，还可以对组件健康状况进行一定程度的预测。智能IV诊断报告展示了诊断结果的详细信息，包括诊断任务摘要、操作建议、多串IV曲线、单串和PU曲线的比较，如下图所示：

诊断报告视图展示