星宇娱乐平台-注册网址从江苏能源云网了解到分布式光伏发电系统的基本设备包括光伏电池组件、光伏方阵支架、汇流箱、直流配电柜、并网逆变器、交流配电柜等设备，另外还有供电系统监控装置和环境监测装置。
常用的晶体硅光伏组件有多晶硅光伏组件和单晶硅光伏组件。光伏组件的使用寿命为25年，一般厂家的质保期是10年，即保证10年内光伏组件的功率衰减不超过10%。达到标准的光伏组件都可以在冰雪，暴雨和暴晒条件下不损坏。
并网光伏逆变器的工作原理是：利用单片机、DSP等高性能微处理器控制大功率电力电子开关器件工作，对光伏组件阵列输出的直流电进行转换，使设备输出满足电网电压、相位及频率要求的交流电并网光伏逆变器除了具有过欠电压、过欠频率、防孤岛效应、短路保护等功能外，同时应将其电压（或者电流）总谐波畸变率控制在较小的范围内，以尽可能减少对电网的干扰。
太阳能并网光伏系统使用的并网光伏逆变器必须具有高品质的电能输出。目前，先进的光伏逆变器都配置有高性能滤波电路，使得逆变器交流输出的电能质量很高，能够满足各项国家标准对公共电网的电能质量的要求，不会对公共电网质量造成污染。
将一定数量、规格相同的光伏电池串联起来，组成一个个光伏串列，然后再将若干个光伏串列并联接入光伏汇流箱，在光伏汇流箱内汇流后，通过控制器，直流配电柜，光伏逆变器，交流配电柜，配套使用从而构成完整的光伏发电系统，实现与市电并网。汇流箱能够保障光伏系统在维护、检查时易于切断电路，当光伏系统发生故障时减小停电的范围。
分布式光伏发电，是一种光伏并网系统，这种系统的结构很简单，一句话都能说清楚。
工商业分布式光伏场景中，对于低倾角（如彩钢瓦平铺）组件，导流槽的应用是常见的提升电站运行效益的技术手段。
导流槽，又称导水槽、导泥夹、导流夹、排水扣等，笔者认为导泥夹的叫法更贴切些，英文可译作guiding clips。其可装设（卡）在带有边框的光伏组件的低边，具有将组件底部淤积的灰尘和雨水等，通过虹吸作用引导至组件外的作用，可有效降低积灰、缓解热斑、提升发电效率与发电量。
导流槽按材质可分为尼龙、不锈钢；按尺寸，可分为适用于不同厚度边框的组件（如30mm厚、34mm、40mm厚等）；按安装形式，可分为组合式和一体式。
本文尝试基于某样本项目，提供一种定量验证导流槽装设效果的实证分析策略，亦可用于对不同导流槽进行效能对比。
样本项目为324kWp，采用110kWp组串式逆变器及540Wp双玻组件，具体配置如下：
可见此见，该样本项目各逆变器装机较为均衡，且装机角度一致，这将为后续的实证分析带来便利。
进行后续分析的前提是：无导流槽状态下各逆变器发电量存在可比性。为此考察不同周期下各逆变器的发电量。
上表为近6个月的发电量数据。可直观感觉，各月中各逆变器的发电量也是比较均衡的。为精确对比效率，我们需要将各数据做装机量及角度（在此项目上该因素影响为0）的规范化处理，即上表数据除以各逆变器装机规模：
现在我们可以更直观地看出，各逆变器同期单位装机发电量（可以理解为某种发电效率）是“相当接近”的。这不难理解，因为在无遮挡及局部污染的情况下，同一场站同一装机角度的组件（及其逆变器），其运行环境和状态也的确是应该相近的（光伏运维中，若出现可比装机的逆变器一定时期内发电输出差异过大的情况，是需要及时识别并排查潜在缺陷的）。
不过，为进一步量化各逆变器“接近”的程度，我们需要利用数理统计中的“标准差”来表征利用月度级别数据进行定量分析的“不确定度”。
也就是说，在半年的维度上，各逆变器的发电一致性（或差异）总体上仅有0.59%的差异。同时也可看出，在冬季时段，此差异相对较大，这可能与冬季时逆变器低输出运行，导致其他不确定因素（如电参数计量误差、常见的由于日照角度导致的逆变器启动时序差）对发电量数据的影响相对更加显著。
当然，此节的分析也可在日或者年的级别中进行。可以预期，周期越小，计量的不确定度（可以简单理解为随机性波动）会越大。篇幅原因，不再展开。
通过前述方式确认了未装导流槽时的初始状态具备可比性和分析基础之后，就可以安装及评估拟使用的导流槽的性能了。
该步骤的出发点是由于常规项目上，发电量采集的颗粒度一般是在单台逆变器的级别；对于组串级别，一般设备端不作计量；在组件级别，虽然通过某些型号的智能关断器可以实现单组件的发电量数据采集，但是这样会对后续的数据统计及对比工作带来沉重负担（事实上，也殊无必要，这一点和科研的严谨程度还是有区别的）。
此处我们拟选取NB1及NB2（两者装机角度配置相同，装机量仅差1%）进行对比。
导流槽的装设应以组串为基本单位。为尽量保持各组串间的独立性，装设导流槽的组串与未装设导流槽的组串应属于组串逆变器不同的MPPT端口，且同一MPPT下所有组串应保持一致。
假设我们选取样例中的NB1的A01-A04共4个组串（涵盖MPP1及MPPT2）装设导流槽A。这部分占此台装机的比重为m%=36.73%。
经过一段时间的运行后（期间包括清洗在内的运维工作同等完成），我们至少可以预期：
