文|煮酒

图|煮酒

光伏风险分析用于识别和降低与光伏项目投资相关的风险。对故障做出反应或以合理的成本避免故障的关键挑战是量化和管理各种风险的能力。对风险的概念有几种解释，但一般来说，风险可以定义为失败的概率乘以其失败的后果。

评估技术风险的常用方法是应用经典的失效模式和影响分析 （FMEA）。它广泛用于汽车、航空航天和电子行业，以识别、排序和缓解潜在故障。可以分析故障的根本原因和影响。这种方法的缺点是风险是以定性方式评估的，不能为计算经济影响提供框架。因此，1993年提出了基于成本的FMEA。并于2003年得到加强。

基于成本的FMEA的几种应用可以在文献中找到，通常与汽车或风能有关。2017年，在太阳能可融资性项目中提出了基于成本的FMEA。作为对光伏行业实施基于成本的FMEA的首次尝试。指标成本优先级编号（CPN）被用作光伏投资风险评估的一个关键绩效指标（KPI）。在奥维耶多·埃尔南德斯等人中，CPN方法得到了进一步发展，重点关注大型运维运营商的需求。在2020年启动的H2020项目TRUST-PV中，改进的成本优先级编号方法用于计算O&M票证中描述的单个光伏系统问题的成本，从而计算财务影响，这些票证由欧洲的几家主要运维公司和资产管理公司提供。

在这种情况下，另一种广泛使用的量化方法是可靠性、可用性和可维护性（RAM）分析。RAM 分析旨在识别任何重大的性能损失，然后提出改进维护策略的建议。再由Roger Hill协调的IEC TS 63265 – “光伏发电系统运行的可靠性实践”中，预计将于2022年发布，将提供另一个工具包，其中包含许多方法，说明不同的利益相关者如何从技术和经济角度证明可靠性提高措施的有效性。

这项工作的目的是增加对评估技术风险和缓解措施的方法的了解，并通过收集案例研究和用所获得的信息更新数据库来调查最重要的风险。

CPN

定量方法涉及使用基于数值的技术（如模拟和故障树分析）评估风险的可能性和影响。结果提供了有关已识别风险的影响的信息，并以数值的形式表示给定的现实，可用于经济和金融模型以进行定量决策。

CPN是在2000年代初制定的，目的是解决FMEA无法用于定量财务评估的事实。因此，提出了基于成本的FMEA。FMEA 社区已经开发了风险优先级编号 （RPN）。当全生命周期分析大型项目，如“下一个线性对撞机”，正在设计和定价，全生命周期成本，不仅要考虑施工，还要考虑运维、维修、生产时间损失和FMEA。2003年，这被正式化为基于成本的FMEA，作为之前使用的 RPN 的扩展。在随后的几年中，将FMEA与生命周期成本和财务决策联系起来的效用在许多工程领域被引入，与卡罗巴伊等人。在风力涡轮机系统的生命周期和FMEA分析中引入CPN。

对于光伏系统，CPN能够准确经济地量化光伏退化模式和运行光伏电站的其他性能损害影响。因此，它使光伏电站项目投资的风险评估成为可能。所使用的CPN方法根据性能损失和停机时间等因素评估了光伏项目的经济影响。因此，以CPN的形式为光伏部门制定了基于成本的失效模式和影响分析方法。在其初始形式中，它是使用理论情景开发的，以计算 CPN 指标的极值，以欧元/千瓦p/年表示。因此，光伏电站生命周期的所有阶段（从产品测试到退役）都包括在内。该方法有助于识别和分类技术风险及其经济影响，方法是分配一个成本指标，该指标基于收集的统计数据，支持预防和纠正措施，从而降低故障对光伏电站可用性和性能的影响。因此，可以创建一个数据库，该数据库提供故障外观可能性和严重性的指标。然后，这些结果可用于改善运维活动。

内存

技术风险和组件的可靠性是相辅相成的，只要它们覆盖相同的样本空间即可。在这种情况下，另一种广泛使用的量化方法是可靠性、可用性和可维护性分析。RAM 分析旨在识别任何重大的性能损失，然后建议改进维护策略。在这种自下而上的方法中，建议使用可靠性框图（RBD）或故障树分析（FTA）来确定单个组件故障的影响。

风险数据库

根据PMBOK指南，风险数据库（RDB）是有关已识别风险的所有信息的中央存储库。在技术风险方面，RDB 提供了受影响组件的范围、原因和后果描述、故障率、发生概率、对 KPI 的影响以及建议的控制和缓解措施。它应该在项目的所有阶段作为一个不断增长的数据中心进行更新和维护。在本章中，我们提出了一种系统的方法，用于识别主要技术风险，定义最重要的风险参数并收集这些故障，丢失和发生数据。

光伏故障情况说明书

PV 故障情况说明书 （PVFS） 总结了单个故障的一些最重要的方面。PVFS的目标受众是光伏规划者，安装人员，投资者，独立专家和保险公司，以及任何对故障的简要描述和示例，风险估计以及如何干预或预防这些故障的建议感兴趣的人。前分层是30个创建的PVFS的一个例子。所有PVFS的完整列表在Herz等人的附件中公开提供。

PVFS的格式基于H2020太阳能可融资性项目中提供的故障描述。此处使用用于估计故障严重性的评级系统，这简化了IEA PVPS任务13中提出的方法通过实施辛克莱夫妇提出的评级系统。文本中使用粗体字符突出显示不同故障之间的相关性。每个 PVFS 的结构为一到三页。第一页是描述性页面，而其余页面包含由图片、图例和对其严重性的估计组成的示例。

光伏失效退化片

除了PVFS收集之外，我们还提供了Koentges等人开发的PV故障退化表（PVDS）调查的统计风险数据的更新。它需要大量的测量输入数据，但它能够根据故障类型生成有关光伏系统退化率和功率损耗的统计数据。由于对PVDS的高要求，可以收集的输入数据要少得多。下面，我们将介绍收集的数据、数据分析方式和分析结果。

故障数据收集在Excel表中，该表发送给系统所有者，专家，安装人员或制造商。一些数据也通过科学出版物或澳大利亚互联网调查收集。调查结构首次出现在IEA PVPS任务13报告“现场光伏组件故障评估”中。普通调查和调查说明可以在这里下载。调查分为系统组件，。所有系统组件都可能有各种预定义的故障。对于每个故障，可能会给出功率损耗和安全故障。此外，对于每个系统，必须选择一个Koeppen-Geiger气候区。科彭-盖革气候区在持续的气候变化期间发生变化。我们使用了鲁贝尔计算的科彭-盖革地图1976-2000年期间作为分类类。

与K?ntges等人首次提出的调查结构相比，我们为光伏组件添加了两个新的故障类别：LID/LeTID 退化和潜在诱导分层。此外，现在可以将Koeppen-Geiger分类的所有三个字母添加到调查中，而第一个版本只有一个字母。将“地理数据”转换为“科彭-盖革气候区”的工具有助于为世界上每个职位找到正确的分类。

自上次故障数据评估以来，我们在光伏系统数据收集中添加了 76 个新的完整 PVDS。数据收集总共包括 226 个 PVDS。概述了光伏系统的分布和分析的光伏组件技术。大多数数据来自欧洲。总的来说，来自所有六大洲的数据都是可用的。尽管单晶硅和多晶硅太阳能硅片的市场份额已从多晶市场主导转变为单晶市场主导，但主要分析的技术仍然是基于多晶硅片的太阳能电池。在数据收集中，光伏系统包括在1982年至2018年的安装年份中。超过90%的数据来自2005年至2018年期间停滞的光伏系统。

图显示了光伏组件故障的频率分布，对光伏系统的发电有影响。分布分为导致降级的故障和突然发生的故障。大多数断电故障报告都是在运行时间的前 10 年内给出的。这是意料之中的，因为修复超过10年的光伏系统通常太昂贵了。因此，没有进行详细的分析。上一份报告“现场光伏组件故障评估”的主要结果仍然是正确的。PID效应，电池裂纹和有缺陷的旁路二极管故障似乎在运行前7年的故障统计数据中占主导地位。与K?ntges等人提供的统计数字相比，这种优势现在变得更加明显。此外，故障类型“烧伤痕迹”的检测频率更高。对于突发事件（如图所示），失效玻璃破碎和灰尘污染完全主导失效统计。

图显示了突发事件对光伏系统性能的功率损耗影响。记录在案的玻璃破碎事件导致温带气候下系统功率损失1%至2%，数据集中有一个例外。这些事件似乎无处不在，但对整个系统来说似乎并不那么严重。除热带气候外，灰尘污染无处不在。在温带气候中，影响最大为系统总功率的7%，而在干燥气候中高达15%的功率损耗，在大陆性气候中超过25%。正如预期的那样，由于雪荷载而变形的光伏组件框架仅在大陆和极地气候下发生。

图显示了受影响系统部件和整个系统在气候带分类的各种故障中的退化率。其他数据支持K?ntges等人提出的故障类型退化率的前一种陈述。

结论

改善光伏发电系统运营的最佳实践指南通常只有在建议的行动对执行者、EPC和O&M公司以及从经济角度主要关注低风险和最大利润的投资者有利的情况下才适用。这就带来了一个关键挑战：如何证明这些措施的有效性并证明其应用的合理性？从经济或安全的角度来看，技术上最好的解决方案并不总是最好的。在评估成本效益之前，会出现以下问题：如何量化技术风险的基本影响？

为了回答这些问题，我们引入了半定量和定量方法来评估光伏发电系统中的技术风险，并在新创建的光伏故障情况说明书中提供了30个常见技术风险的例子。除了基于专家知识和专家意见的PVFS之外，Koentges等人开发的光伏故障退化调查统计数据的最新情况，被给予。通过获得的知识和收集的数据，风险和成本效益分析在一个案例研究中得到了证明，该案例研究显示了从经济角度确定决策优先级的方法，并为风险管理策略提供了重要结果。

然而，通过对定量方法的概述，我们得出的结论是需要更多的标准化。风险定义结构不完善，事件数据库（太阳日志）也不统一。数据分析将受益于使用标准化语言和元数据格式。需要开发一种自动化且省时的解决方案，以便从维护单中提取关键参数，以便从大量光伏电站中获得统计见解。此外，建议为现场技术人员开发一个软件工具，以便精确无误地记录标准化参数，以计算有效实施该方法所需的运维承包商KPI。总之，运维现场实践肯定必须摆脱以文本格式手动输入工单的做法，并采用更标准化的方法，人为干预有限。

在2020年启动的H2020项目TRUST-PV中，改进的成本优先级数字方法是创建大型数据库的基础，其中包括来自欧洲几家主要运维公司和资产管理公司的光伏系统数据，用于计算故障率。因此，改进的成本优先级数字方法将在获取故障数据、功率损耗计算和相关成本确定方面实现自动化的直接延续。产出随后将集成到新投产的光伏电站的光伏电站设计中，并整合到运营工厂的决策支持系统平台中。

从可靠性角度来看，RAM分析中介绍的技术风险在IEC TS 63265 – “光伏电力系统运行的可靠性实践”中得到解决，由Roger Hill协调，预计将于2022年发布。其动机是提供许多方法的工具包描述，说明不同的利益相关者如何从技术和经济角度证明可靠性增加措施的有效性。

综上所述，我们认为，数据驱动的技术经济绩效指标评估是将平准化度电成本决策支持提升到新水平的重要关键

参考文献：
1斯宾塞 CM，李 SJ。加速器磁体系统基于成本的失效模式和影响分析 （FMEA）。2003 年粒子加速器会议论文集，2003 年，第 4 卷，第 2177-2179 页，

2吉尔克里斯特·对失效模式和影响分析进行建模。Int J qual reliab manag.1993年;10（5）：16- 23。

3哈桑 A， 达里安 I， 西亚达特 A， 丹坦 JY. 基于成本的FMEA和ABC概念，用于制造工艺计划评估。2008年IEEE控制论和智能系统会议，2008年，第197-202页，