摘??要：為實時在線自動獲取光伏陣列各分支的電壓、電流、溫濕度、水平照度和有效照度等精確值，便于在不影響發電的情況下自動實現對光伏陣列的在線周期性精細檢測，以提高光伏電站對發電效率的預測和對異常狀況的維護，設計了一種智能光伏電站數據匯聚管理系統。系統采用模塊化設計，可根據實際需要靈活配置傳感器，以窄帶物聯網（NB?IoT）和 LoRa為通信方式，采用 UCOSⅢ嵌入式系統和消息隊列遙測傳輸協議（MQTT）云服務器進行數據傳輸和存儲。系統在配置要求極低的情況下，能保證可靠的數據傳輸，使多平臺的客戶端實時查看當前各光伏子陣列的運行情況，優化數據傳輸及采集速度，實現對各種數據的實時監控，并及時發出預警信息。整體系統易于組裝配置，成本低，具有較好的工程指導意義。

關鍵詞：光伏陣列；數據融合管理；模塊化；實時狀態；NB?IoT；LoRa

中圖分類號：TN919.2?34；TM615? ?文獻標識碼：A

文章編號：1004?373X（2022）03?0142?06

0 引 言

為了降低光伏陣列、逆變器之間連接的復雜性，太陽能發電系統通過一定數量相同的光伏組件按規范串聯連接，構成一個子光伏陣列，然后各個子陣列接入光伏電站匯流箱并連接逆變器[1]，構成了一個可以并入電網的光伏發電系統。

近年來，光伏發電系統規模在不斷擴大，但太陽能具有受季節、天氣、晝夜影響大和隨機性強的特點，不利于電網的安全穩定運行，有學者研究指出，當光伏發電占比超過 15% 時，有造成電網癱瘓[2]的風險。光伏功率預測作為一種緩解該問題的方案被提出，光伏數據的收集和管理也成為研究的重點。此外，市場占有率約 70%的多晶硅太陽能電池的使用壽命約為25年[1]，但通常實際工作環境較為惡劣，易發生材料老化等故障，對光伏陣列各類數據的監測也有利于在線診斷與故障定位。

目前提出的多種光伏電站數據管理系統，主要設計為針對匯流箱電路的監測，包括輸出總電流、總電壓、系統避雷器狀態、系統斷路器狀態顯示。有研究提出將ARM Cotex?M3處理器用于控制器設備[3]，并使用小型的TCP/IP協議棧（LwIP）監視數據[4]，從而可以實現系統各種環境參數的測量、數據分類和故障識別，但是系統部署復雜，可拓展性較差，部署完成后較難對其改進，無法實現模塊化拼接，這些問題都使得系統難以方便的安裝配置。也有研究提出一種以ZigBee為核心通信方式的無線傳感器網絡數據管理系統[5]，可以監控光伏電站系統的環境參數，實時將數據上傳并收集到系統中，但是受限于 ZigBee 傳輸特性[6]，所處頻段衍射能力弱，數據無法遠程傳輸，且實際工程應用時設備安裝位置固定，自組網的優點不復存在，但其自組網耗費時間與資源的問題卻依然存在。文獻[7]提出使用 DSP 作為數據管理系統設計的主控制芯片，通過 CAN 總線的方式準確記錄光伏設施的不同參數讀數，然后將其通過局域網傳輸到本地計算機，該系統旨在連接多個設備，如果發生故障，則系統將向連接的設備發送警報，但系統設計無法準確提供光伏子陣列的具體情況，無法有效地對光伏陣列進行故障檢測。以上的多種光伏陣列匯流箱管理系統的設計僅是檢測匯合輸出后的電能狀態，無法達到對光伏陣列發電系統的維護要求。此外，現有的在線故障監測方法仍以電路測試為主，較為先進的利用人工智能算法檢測方法[8]，因需要大量的實測數據，未能進一步推廣。

針對現有光伏電站數據匯聚管理系統技術的不足，本文提出了一種基于物聯網技術的光伏陣列智能光伏電站數據匯聚管理系統。該系統利用模塊化設計的多傳感器采集實時電氣和氣象數據，并利用 UCOSⅢ嵌入式系統和 MQTT 協議確保可靠的數據發布，各平臺的客戶端可以實時查看匯總輸出的電能數據及每個子光伏陣列的運行狀態。與現有的光伏電站數據匯聚管理系統相比，該系統能夠實時監控數據，可以科學地監控光伏發電系統，在短時間內發現故障及時發出預警信息，方便維修維護。同時，系統采集數據更加完整，能夠更有效地為超短期電網發電量預測提供數據支持，從而更好地對光伏電站系統的輸出功率進行科學調節。

1 系統結構組成

該系統主要由環境參數檢測子系統、匯流箱子系統、MQTT消息隊列服務器、多平臺客戶端等四部分組成。系統總體框架如圖1所示。

其中環境參數檢測子系統通過各類傳感器測量每個光伏子陣列的電壓、電流參數，以及所處環境的溫度、濕度、水平照度和有效照度參數；傳感器采用標準接口連接，可按需連接并初始化；該子系統再通過板載的LoRa模塊將數據無線傳輸到匯流箱子系統中。匯流箱子系統將進一步采集光伏陣列匯流后輸出的電流和電壓值，以此計算，還可以得出光伏的相應輸出功率。然后該子系統對采集到的數據進一步匯總并對其編碼，再通過NB?IoT模塊上傳到MQTT消息隊列服務器，結構圖2所示。

在實際應用環境下各個模塊的距離較遠，因此環境參數檢測子系統采用 LoRa 的方式與匯流箱子系統通信。LoRa網絡易于建設和部署，可以通過配置信道等方式靈活組網。有研究表明，覆蓋面積約 100 km2，僅需部署6個LoRa網關，可支持終端規模3000 個，部署時間僅需兩周[9]，足以覆蓋光伏陣列的范圍。環境參數檢測子系統配置有多種傳感器接口，相互獨立的程序設計使得傳感器可按需連接并初始化，易于多點部署在不同的光伏陣列位置，按需組網。

多平臺訂閱客戶端包括手機和電腦兩個部分，只需要將設備連接到數據網絡，連接并登錄系統服務器后訂閱相關主題，服務器便會自動將訂閱主題的數據內容發送到客戶端應用程序上顯示。而電腦端監控軟件除網絡連接外，還有本地連接方式。本地連接是指在系統維護期間執行的本地操作，如發生意外情況（例如網絡異常），可直接通過數據線連接匯流箱子系統以讀取所需的數據內容。

系統云端服務器為基于MQTT協議的EMQ平臺[10]。EMQ平臺可以很好地加載拓展插件，并且作為百萬級別的消息隊列服務器，能確保在系統中高效安全地傳輸數據[11]。MQTT協議是一種基于發布訂閱模型的輕量級通信協議，工作模式和服務質量可自由選擇配置，數據內容能按需到達接收端，適用于在不穩定工作狀態下的網絡傳輸需求EMQ平臺需要的資源非常少，在實際應用中，網絡帶寬等資源的數量較小。由于設備是實時推送的，系統不必保證每個數據都是完全正確的，因此采用Qos0的方式[12]進行傳輸。服務器通過解析數據將編碼的壓縮數據解譯為多個傳感器參數，并執行隊列發布功能。MQTT通信結構如圖3所示。

2 硬件設計

環境參數檢測子系統及匯流箱子系統的硬件電路均采用 STM32F103 系列芯片作為核心處理器，擁有較低的功耗及充足的資源運行。

在環境參數監測子系統中，主要由STM32最小系統、溫濕度光照度監測模塊、INA219 電流模塊、LoRa通信模塊、短路電流測試模塊、電源穩壓電路六大部分構成。由于設計裝置安裝環境相對惡劣，系統采用了較穩定的鉛酸電池進行供電。為盡量減少維護工作，使系統能獨自長時間運行，所以需要系統在白天太陽能面板有充足光照的情況下使用太陽能面板供電，并同時能夠對鉛蓄電池進行充電，而在陰雨天氣或是夜晚缺少陽光的情況下電源自動切換到使用鉛蓄電池供電。如圖4所示，電源供電系統在該流程下能夠保證穩定運行，鉛酸電池的容量按照光伏陣列處于無光情況下能夠穩定供電 7天以上的需求進行設計。

集成的溫濕度照度傳感器硬件連接結構圖如圖5所示，可以直接讀取周圍環境的溫度、濕度和照度，但由于照度并不能充分代表光伏陣列的發電能力，所以該系統增加了對光陣列樣板短路電流的測量。經過實際調試發現，如果太陽能光伏板在強光下長時間短路，會導致電池板發熱，損壞太陽能板。因此，系統設計采用繼電器控制減少太陽能電池板的短路時間，從而提高檢測的太陽能電池板的使用壽命。該系統實物圖如圖6所示。

匯流箱子系統是整個系統的數據采集部分，硬件結構如圖7所示。通過LoRa模塊接收環境參數檢測子系統發送的相關環境數據，并進一步對匯流后的電能進行總電壓、總電流的測量。完成所有的數據采集工作后，再對數據進行編碼，然后通過窄帶物聯網模塊（NB?IoT）傳輸到云服務器[13]。在窄帶物聯網模塊部分，采用具備MQTT協議的芯片 M5310?A，直接與系統構建的EMQ服務器通信。該芯片在PSM模式下的工作電流只有9 μA，擁有極低的功耗。計算機串口部分采用CH340芯片設計，可以將 TTL 電平數據轉換為USB電平數據。計算機只需要安裝驅動程序就可以與系統進行通信。匯流箱子系統的實物設計圖如圖8所示。

此外，針對不同應用場景所需要的傳感器類型也有不同的問題，硬件設計方面采取了模塊化插件設計，環境參數檢測子系統與匯流箱子系統的傳感器模塊均設計為接插件方式，僅保留通信接口的模式極大地提升了硬件電路的靈活性。

3 軟件設計

光伏電站智能數據匯聚管理系統的軟件程序部分主要是環境參數監測子系統和匯流箱子系統。

對于光伏陣列環境參數的實時測量部分，在初始化所有傳感器驅動后，單片機將向溫濕度照度傳感器發送一個讀取數據的命令，傳感器將以Modbus?RTU協議的格式返回所需數據，通過對校驗位的驗證，可以保證接收到數據的有效性。對于有效照度的數據采集，光伏板長時間被太陽加熱后短路電流不穩定，因此，繼電器模塊通過繼電器編程控制短路時間，程序設置每30s短路1s，檢測短路電流。具體程序流程圖如圖9所示。

匯合箱子系統運用LoRa模塊通過USART協議接收環境參數等數據，然后與自身測量得到的數據匯總編碼并上傳服務器端。數據編碼時，各個數據都具有采集來源的標簽，此時通過服務器的分析即可分辨出數據是否異常，如若出現異常數據即可通過標簽推送至各個平臺的客戶端，這對光伏系統的維護具有重要意義。

匯流箱子系統程序運行在UCOSⅢ嵌入式系統上，UCOSⅢ是一種基于ROM、搶占式的實時多任務內核，具有高度便攜的單片機系統，通過中斷服務管理任務調度用戶的任務，以適應不同條件下的組合箱環境。同樣，所有傳感器和通信模塊都具有獨立的驅動功能，使得程序也按照模塊化的需求進行設計，進一步保證系統的穩定。在實際應用中，如有額外需求，模塊化的設計也便于后續的開發。UCOSⅢ系統任務運行流程如圖10所示。

此外，Windows上位機采用LabVIEW編寫。圖形化程序主要分為兩個部分：接收區和發送區。整個工程軟件設計采用圖形化編程操作，使用圖形化編輯語言編寫程序，產生的程序為框圖的形式，如圖11所示。

4 系統測試實驗

本設計通過在實驗光伏陣列上進行環境參數及電氣數據的采集測試。光伏陣列采用3個主串組成，環境參數檢測子系統安裝于光伏陣列旁，調節樣板角度與光伏陣列角度相同，將子系統與光伏陣列輸出節點相連進行供電。匯流箱子系統安裝于實驗室內，接入各個組串輸出及匯流裝置，并對上位機進行相應的初始化配置。實驗數據采集及故障定位效果如圖12所示。

實驗證明本文設計的數據匯聚管理系統能夠有效地采集光伏陣列的相關數據，完成故障定位，并為超短期預測提供了準確的原始數據。

5 系統功能與優點

本文設計的智能光伏電站數據匯聚管理系統在功能上可以實時測量周圍環境的溫度、濕度、水平照度等參數，設計的短路電流測量更能準確地反映太陽能光伏陣列運行時的有效照度信息。匯流箱子系統可以采集相關數據并編碼，實現對光伏電站相關數據的科學監測，對光伏電站的運行維護起到很大的作用。云服務器采用 MQTT 協議，已實現數據的傳輸、儲存、發布，并實時監控光伏陣列，當子光伏陣列出現異常時，即可向各個平臺的客戶端發送異常提示，對光伏陣列的維護有著重要意義。

本地客戶端能夠直接連接硬件訪問數據，了解光伏電站系統設備的運行情況，防止網絡異常等突發情況對系統的影響。對于聯網客戶端，只需連接服務器，即可遠程接收光伏電站系統數據，進一步對光伏陣列運行狀態進行分析。

本文的數據融合管理系統可以實時采集光伏陣列多種數據，通過采集的數據能夠實現對光伏電量的超短期預測，預測電站的功率大小，為電站管理者調配電網提供數據依據[14]，通過增減光伏發電與其他發電形式在電網中所占的比例，達到穩定電網的目的，降低光伏發電的隨機性對電網的沖擊。模塊化的軟硬件設計使得該系統具有極強的工程實用性，在不同需求的環境下，只需要裝配不同的系統組件即可實現組網運行。若有其他環境數據需要采集，該系統也具有較好的拓展性，便于進一步開發。該設計的數據傳輸方式多，充分發揮了LoRa傳輸距離遠節點多的特點，能夠很好地覆蓋光伏陣列范圍，匯流箱子系統利用NB?IoT連接蜂窩網絡的特點，上傳云端，多平臺數據共享。多級傳輸過程中充分發揮不同傳輸網絡的優勢。綜上所述，該系統對提高光伏電站系統的管理和運行維護起到了重要作用。

6 結 論

本文設計了一種基于物聯網技術的光伏陣列智能光伏電站數據融合管理系統，將窄帶物聯網應用到光伏電站的數據管理系統中。與其他數據管理系統相比，本設計功能完整，分階段靈活采用不同的通信方式，達到遠距離接收和處理檢測到的數據的目的，不受空間限制。系統的數據傳輸更加穩定高效，設備功耗低，與云服務器的連接能力強。此外，系統還可以靈活配置傳感器模塊，易于大規模組網使用，成本較低。

本文的設計具有廣闊的應用前景，系統的設計理念與特點還可以廣泛應用于其他領域，可以通過與大數據、人工智能結合[15]，在智能家居領域、公用事業領域、醫療衛生等領域發揮重要作用。