近日，DNV启动了一项工业联合项目（JIP），以推动太阳能光伏行业维护实践的重大飞跃。DNV新启动的JIP专注于通过引入高质量和标准化的维护日志，以改进基于机器学习的预测性维护模型。
随着太阳能光伏产业的显著增长，DNV预测，从2030年起全球光伏每年新增装机量将达到300GW到500GW之间。到本世纪中叶，光伏总装机容量将达到惊人的9.5TW。
然而，运营一座光伏电站并使其盈利是一项重大挑战，特别是在维护方面：确定需要立即关注的部件、优先需要维护的任务、有效安排停机时间对于确保合理的利润至关重要。
DNV已经确定了业内更加专业的维护趋势，并对维护流程和程序进行了改进。然而，仍有很长的路要走，DNV借此呼吁行业拥抱下一步的预测性维护阶段。
与传统的预防性（定期访问现场）或修正性（修复）维护方法不同，预测性维护仅在预期故障发生之前进行，从而最大化降低与现场维护相关的成本。
为了成功地实施预测性维护系统，需要大量的数据，包括生产数据、电力和设备信息，最重要的就是维护日志，它可以详细地记录光伏电站的所有活动。虽然太阳能光伏行业在其过程中生成和记录了大量数据，然而DNV发现了维护日志存在一个关键问题：这些维护日志的细节和质量水平差异很大，而这种不一致性和数据质量上的差异会给训练机器学习模型以达到可接受的性能标准带来显著挑战。
为了应对这一挑战，DNV新启动的JIP专注于通过引入高质量和标准化的维护日志，以改进基于机器学习的预测性维护模型。该项目包括多个工作包，包括协调工作、定义维护日志的标准、在运营的光伏电站的实施标准、基于日志开发预测性维护模型以及结果分析，旨在确立维护日志的最终格式的协议。
DNV集团副总裁兼可再生能源研发副总裁Lars Landberg表示：“通过这一JIP，我们旨在实现维护日志的最低标准，开发预测性维护模型，并评估其性能。该项目有潜力显著提高光伏电站的效率和盈利能力。我们相信这一举措完全符合我们的使命。我们以往的经验也表明，探索合作潜力的项目是实现并分享对整个行业有益的创新的重要途径，而这正是太阳能光伏所需要的以维持其强劲增长的方式。”
DNV旗下GreenPowerMonitor的首席执行官兼DNV能源系统执行副总裁Juan Carlos arsamuvalo补充说：“该JIP证明了我们致力于推动进步并确保太阳能光伏行业的长期成功。标准化实践将促进更好的沟通和更有效的决策，积极使用先进的预测模型将减少停机时间，最大限度地减少故障，并优化太阳能光伏系统的使用寿命。该项目的前瞻性愿景旨在提高行业绩效，推动可持续发展，并确保在不断变化的能源格局中取得成功。
