罗占海
青海省绿色发电集团股份有限公司 810000
摘要：伴随全球变暖、化石能源枯竭以及世界环境的污染，各国都在积极努力探寻可以再生的资源然后代替不可再生的那些能源，在世界上我国的能源消耗相对较大，所以在探寻的路上更加的紧迫。近些年来，我国在光伏能源上有了很大的突破，国家也给于了大力支持，光伏企业的数量在不断增多，光伏电站的数量也在不断增加。基于此，本文对光伏电站的精细化管理及大数据分析进行了简单概述。
关键词：光伏电站；精细化管理；大数据分析
引言：光伏电站指的是与电网相连然后给电网传送电能的一个用于发电的体系，包括太阳能方正、直流配电柜、汇流箱、交流配电柜、逆变器、变压器等设备与控制系统组成，借助于电池组件生光伏特效应把光能变成电能的一种高科技技术。在光伏企业迅速发展的今天，依然存在着一些问题，值得我们去关注和解决，所以在光伏发电站的管理上我们要做到精化细管理。
一、精细化管理的意义
对光伏电站精化细管理是每个光伏企业高效运行的一种必然，同时也是实现现代化管理的最终结果。其主要目的是提升发电站发电设备技术，对操作人员规范行为操作以及规范发电流程，使设备能够在安全状态下高效运行，并加强监控，利用好电站资源，减少发电企业的成本，最大程度提高光伏电站的经济收益。因此，包括企业对人、物、事、财很多方面上的精化细管理，规范生产班组以及个人生产行为，规范作业程序，对发电设备进行检查、在员工上岗之前进行培训、监测巡查生产过程、严格控制资金成本投入，这些行为有着明显的全员参与、全面管理监控的特征，是实现现代化光伏电站管理水平的重要途径和提高经济效益的主要方式，被大家日益重视以及推崇。
二、精细化管理方法
（一）全球运维
以云计算平台为基础，管理数十万GW以及超百个电站的数据接收能力，支持时间周期25年、电站数量过百的数据储存，完善的鉴权机制和权限控制，确保数据的安全性；可以接收多个电站数据、并扩展多个新电站，把位处全国甚至在其他国家的电站可以当做本地的电站进行管理，分析每一个电站的使用情况，帮助集团领导作出正确的决策信息；把多个电站采集的数据进行汇总分析，构建一个含许多电站的KPI指标然后对其进行运营情况的评估，看是否健康运行，及时快速找到问题并解决；对前后双方协调管理，集团领导可以直接通过语言和视频对处在现场的工作人员进行指导。
（二）智能运维
对电站的整个生命周期和全部的生产环节进行管理和监控，在真正意义上实现可观、可看、可控、可视：借助于光伏终端和专业APP进行资产辅助，准确录入信息，记录每一个设备的型号包含的厂家信息，GPS定位，电气拓扑，做到每一个节点、每一块组件都能找到根源；在对光伏电站生产全过程进行监控的时候，精准掌控生产状态信息，实时监测达100kbps；采取大数据分析，对监控到的数据进行整合，并提出优化的意见，实现预防性运维管理和精化细管理。
（三）高效运维
从整体到部分层层递进进行可视化监控，实时监控组串、逆变器、电站以及子阵的运营情况，自动识别落后的零部件；精确定位问题设备同时进行健康检查，减低故障率；再结合无人机技术，在大范围设备内进行快速巡检，提高其运维效率。组串式逆变器可以精准的监测每一路组串电压、电流，采样数据的精准度可以高达0.5％，可以用来采集和分析不同的组串、不同的逆变器以及不同光伏方针之中。及时检测到故障或者是落后单元。能够更加直接地展现给工作人员，减少了人工参与的成本，实时观看。
（四）人员配置
对光伏电站进行合理的人员配置，50MW或者是超过50MW规模的光伏电站配备10名运营人员，30-50MW配备8名运营人员，30MW以下的光伏电站配备4名运营人员，根据实际的电站运营情况进行合理的调整。
（五）安全管理
强化安全生产，落实安全制度。保证工作人员的生命安全是进行工作的最基础条件，也是最重要的条件，定期组织安全生产研讨会，落实安全制度，强化安全管理，定期培训安全知识，提高安全意识，对设备定期进行安全检查，配备好安全防控工具，保证好每个工作人员的生命安全。
三、基于Hadoop的大数据分析
（一）数据采集
对光伏电站设备产生的数据及时采集，对数据进行处理，并把其储存在MongoDB中。对于那些不是实时采集的资源、气象以及光功率数据，及时地进行转换和清洗。
（二）数据处理分析
大数据分析主要包括两个方面，一个是数据处理，一个是数据分析，把采集到的以秒为计算单位的数据经过处理变成以分为计算单位的数据，并把它写进Hadoop中的HDFS系统中，然后借助于MapReduce技术进行数据分析，然后把得到的数据结果存进数据库里。
（三）大数据应用
借助于WeBUI平台变成图形的方式展示给用户分析结果，帮助用户直观的分析光伏电站出现的问题。
四、以MongoDB为基础的大数据储存技术
光伏电站实时数据的采集是对电站设备的数据采集，其采集的文件比较零散，采集的数量庞大，有的数据可能对于光伏电站来说没有什么太大的价值，因此，对于数据的存储技术就有了不一样的要求，而MongoDB数据储存技术，能高效的读取有用的数据并进行分析，使得可以无缝衔接实时数据并进行数据储存，利用MongnDB数据存取功能，真正实现对光伏电站的实时监控。
五、光伏大数据分析
在光伏行业，光伏电站的数量在不断增加，光伏电站技术也在不断改善，光伏设备变得更加多样性，IT技术也被广泛地应用在光伏行业，光伏电站因此呈现出异构性和多样性的特点，光伏电站的设备运维数据也不断的增多。据历史数据分析，一个40MW规模的光伏电站，仅仅是设备采集到的数据就可以达到每天80GB,这些海量数据不仅对电站的控制和运维有着非常重要的作用，对电站发电量的预测、电站设备的优化以及后期新的电站投入设计也有着十分重大的意义。近年来，国家加大了关于新能源政策的支持力度，伴随着互联网时代的到来，光伏电站的数据变得越来越庞大，也变得越来越有价值，合理运用大数据技术变成最有效最科学地挖掘光伏电站大数据价值的方法。
目前，在内容上分析光伏大数据，主要包括电网数据、NASA数据、国家统计数据、厂家数据、各发电集团电站数据、气象数据、电站设计数据、电站运行数据、可研究报告数据以及电站运营数据。在时间的角度分析光伏大数据，基本上分为当前数据和历史数据，还有实时数据。
在这其中，就光伏数据的来源进行分析，大致分为两类：一类是实时数据，一类是非实时数据。实时数据采集的是电站设备运行时产生的实时数据，是以秒为单位进行采集，所以采集的数据数量相当庞大；而非实时数据采集的是电站的气象数据、光功率预测以及电能量数据等等。
以上提到的这些数据，数量非常的庞大，采用传统的结构化储存方式已经不能够全部储存的了数据，会出现数据丢失、计算速度缓慢，甚至是系统崩溃的现象，难以恢复，已经没有办法满足光伏电站的高效运作。而对其采取云部署方式可以有效的解决以上的所有问题，提高运行效率。
结论：综上所述，光伏电站在我国新能源发展中占据着十分重要的地位，其能够实现再生，解决了传统石油不可再生资源的缺陷，对环境也不会造成什么污染，在一定程度上保护了生态环境。因此，在日后的光伏电站的发展中，要进行精化细管理，保证电站正常高效的运行，运用好大数据技术，使其发展得更好，为祖国的发展奠定基础。
参考文献：
[1]董建庭.集中式光伏电站建设管理模式分析[J].节能,2020,39(08):29-30.
[2]薛午霞. 基于大数据的光伏电站运维云平台构建与评价研究[D].华北电力大学(北京),2019.