为什么要做大数据分析
和所有的产品一样，在使用多年以后，总会出现这样或那样的问题。光伏电站在长达25年以上的寿命周期中，光伏组件的发电效率、汇流箱、电缆、逆变器等电器元件的可靠性会逐步降低，特别是恶劣的西部环境，光伏电站的发电量也随之逐年递减。
除去自然老化的因素之外，还有光伏组件、汇流箱、逆变器、变压器的质量问题、施工建设的安装问题，组件表面的灰尘、组串的串并联损失、光伏直流及交流线缆的损失等多种因素，同时光伏电站在运行中还存在各种缺陷、故障。
光伏电站的容量一般较大，光组件数量在几万到几十万之多，如果光伏电站的某个支路发生了故障，靠传统的人为方法在线下一个个的支路去排查、去诊断是不太现实的，非常耗费时间和精力。
因此，光伏电站必须要有科学合理可行的运维管理方法和手段，才能快速的找到问题，并且及时进行处理，保证电站在正常衰减外的平稳运行。
解决上述问题，需要做到有的放矢地进行运维工作，提高运维效率，就需要通过相应手段快速准确地发现异常、定位异常。
这个手段就是大数据分析，将大数据分析应用到运维是所有运维工作中一个重要的组成部分，通过对光伏设备的运行状态监控数据的统计分析，并且判断问题所在位置，结合现场检查发现问题原因，进而找到处理办法。
1、做大数据分析的一般方法
光伏电站一般就地安装一套监控系统，用来监控站内箱变、逆变器、汇流箱、各个支路的运行情况。对于运维企业，为了管理分布在全国各地的光伏电站，一般需要安装远程管理平台，集监控系统和生产运行分析系统为一体。
总部人员不需要亲自到电站，就可以远程对电站实时的发电数据进行监控，并可以通过各个电站的生产运行指标的分析比较来初步判断电站的运行管理情况。
由于光伏电站积累的原始数据冗余繁多，且单纯的原始数据没有分析的意义。因此，原始数据收集以后需要经过筛选和处理，初步统计出需要的数据。
例如某中型光伏电站的逆变器记录的原始数据有一万多项，但最重要最具有实际意义的是功率、时间、发电量、组串电流和组串电压等；环境监测仪数据主要需要的是水平面辐射数据、光伏斜面辐射数据、环境温度数据、风速风向等。
从原始数据中筛选初步统计出需要的数据后，下一步就是对数据进行处理和计算，成为具备可比性的数据。
如测得的水平面太阳辐照度、水平面散射辐照度、法向直接辐照度，经过处理和计算得到光伏组件阵列面实际接收的辐照度和辐射量，对于山地光伏电站，由于组件的朝向倾角不一致，就可以计算得到不同倾角或朝向的阵列的辐射水平，发电能力的比较就可以消除倾角或朝向的差异。
通过实测光伏阵列输出功率、发电量数据，计算得到光伏方阵的实际系统效率、归一化系统效率，将各个方阵的的发电量归一化处理为标准等价发电时数等等。
在得到了上述的数据后，就可以用于分析电站的实际发电能力情况。
通过归一化处理后的发电时数，可以横向比较电站各个方阵的运行情况；通过系统效率可以纵向比较方阵的发电能力是否达到设计要求。
在找到发电能力落后的方阵后，就可以进一步仔细分析该方阵的原始数据，并且运维人员可以有重点的关注和检查方阵的各个设备和环节，从而找到其发电量能力落后的原因并消除。
2、部分光伏电站存在的问题
1）大部分光伏电站的辐射仪器是采用国产的设备，由于价格便宜，精度较差，造成辐射仪器的数据与实际偏差较大，不能用于准确的计算电站的系统效率。山地光伏电站由于角度和朝向比较多，辐照仪一般固定于某一个角度安装，所采集的辐射数据用来计算系统效率，可能不能准确的反映电站的真实系统效率。
最好是通过水平面-倾斜面的辐射转换算法去计算不同角度和朝向的辐射量，计算出理论发电量，实际发电量与理论发电量之比就是真实的系统效率。
2）部分集中式光伏电站由于采用了传统的非智能汇流箱，因此组串的数据无法进行监控，从后台只能看到逆变器级的数据，因此某个支路发生了故障，后台是很难分析出来的。因此传统的汇流箱需要通过相应的技改，增加通讯模块，这样后台的数据才能监控到每一串。
3）另外部分光伏电站虽然有了智能汇流箱，但是通讯模块一直不稳定，或者数据采集的精度级别不够，造成后台显示的电流和实际用钳形表测试的电流差异较大。这样也是不利于后台通过数据分析来诊断组串的运行好坏。
3、部分运维管理系统的通病
由于光伏电站会产生大量的运行数据，上述数据收集、分类统计、处理计算和分析过程，必须要采用计算机软件进行或辅助处理。现在市场有很多供应商提出了所谓的“智能光伏解决方案”，其“智能”程度主要是做到将原始数据收集存储和简单的分析。
少部分有一些实际应用的场景，例如清洗分析、低效诊断等，有的“智能光伏”解决方案考虑到了一些对原始数据的处理计算，但是还是比较粗犷，如某电站之前使用的某厂商的智能光伏监控平台，不符合电站跟踪式光伏和聚光光伏的实际情况，所谓的“智能”数据不具备参考价值。
由于“智能光伏解决方案”供应商光伏发电知识和实际电站运营经验的欠缺，不清楚电站用户的真正需求，而大多数光伏电站用户也不重视科学运营，提不出自己清晰的需要，做出来的运营平台产品并不是很接地气，还需要不断摸索和完善。
