上回我们讲到，想要辐照数据测得准，必须要在辐照仪选型上下功夫。在选择好了合适的辐照仪，并且合适安装以后，还要定期对其擦拭、校正角度，才能在现场采集端保证数据的可靠。那么，之后辐照数据又会经历什么呢？
现场通过辐照仪采集到的辐照数据，首先会作为电信号存储在现场的数采设备里面，然后通过 络，定时被传送至服务器，最终会以图表的形式展现在监控平台上。
通常情况下，这样的数据就可以直接使用了。
但在实际工况条件下，难免会遇到这样或那样的情况，比如 络掉线、数采器宕机等，我们在现场辛苦采集到的辐照数据就无法使用了。
针对上述问题，优得运维通过数据产品来解决辐照数据在传输过程所带来的不稳定。
我们查看光伏系统一段时间的发电性能的时候，一定会特别关心辐射照度曲线，是否完整且连续。如果不是连续的辐射照度曲线，则会给系统性能评估工作带来很大的麻烦。
鉴于通讯过程当中可能出现的问题，常见的辐照“病”数据主要有以下几类：
1. 缺失值
其具体表现为辐射照度曲线会在当中“空”掉一段。其影响是累积的辐射量数值会相对实际辐射量数值偏小，继而系统性能数据会偏高。
2. 死值
数值并没有随着时间序列变化，反而会呈现出一条水平的直线，即辐射照度在一段时间内不刷新数值，有时甚至会持续多日。其对于系统性能计算的影响可大可小，视具体的通讯故障状况而定。
3. 跳变值
其具体表现为辐射照度曲线上出现不符合常理的数值，如白天某个时间点的数值突然增大至一个不可能的量，或者夜间出现数值。其影响是辐射量数值相对实际数值偏大，继而系统性能数据会偏低。
对于这些常见的数据问题，如果大家一不小心忽略，则会给运维工作带来很大的隐患。
对此的解决方案，小伙伴们肯定知道，就是数据清洗，大家都在做啊，那么优得运维的数据清洗有什么不一样呢？
对于辐照数据清洗，优得运维是采用的是“主动搜索”、“自动修正”的解决方式，即对每一条从现场采集到的辐射照度数值进行“监视”，一旦发现它是“病”数据，就会将其记录下来，并根据对应的逻辑规则，自动将其补全。
那么要对每一条数据进行“监视”，依靠人力肯定是不划算的，所以，优得运维将整套数据修正的逻辑，整合成一个数据产品，在背后默默地支持着每一次系统性能数值的计算。
通过产品化的数据清洗手段，优得运维的监控工程师们，就可以很放心的对于系统性能进行“使用了”。
通过两篇的文章，大家了解到了关于辐照数据无论从前端的数据测量，再到数据清洗，都是需要如同婴儿一般的悉心呵护……自然，有了准确的辐照，它也会回馈给您最真实的运行情况。
那么，小伙伴们在使用辐照数据的时候，还踩过哪些坑呢？欢迎同我们优得运维的工程师进行讨论！
声明：本站部分文章内容及图片转载于互联 、内容不代表本站观点，如有内容涉及侵权，请您立即联系本站处理，非常感谢！