不同的光伏容量容量参数直接定义了数据所反映的系统规模边界，是理解数据复杂性和分析挑战性的首要技术指标。不同规模电站的离散率特征、成因及优化方案可能有显著差异。容量是解释离散率数据统计特性、异常模式多样性以及环境因素影响程度的核心背景参数。分析不同规模系统的离散率数据，有助于建立规模效应模型。通过分析不同批次、不同型号组件在真实电站中的离散率，可以精准定位哪些产品系列性能更稳定、衰减更一致。发现产品在设计或制造工艺上的潜在缺陷，为下一代产品的研发和现有产品的改进提供数据支撑。定位“短板”组件： 离散率分析能快速识别出性能远低于阵列平均水平的“短板”组件、热斑、遮挡或故障支路，指导运维团队进行精准维修，避免“大海捞针”，极大提升运维效率。驱动运维市场从“故障响应”转向 “一致性保障服务”，淘汰技术落后服务商，倒逼行业研发智能诊断机器人、AI优化算法等新技术，整体提升中国光伏电站年发电效率。行业价值定位：以数据知识产权为核心，驱动金融普惠化、运维智能化、制造高端化的行业基础设施，奠定中国光伏高质量发展新范式。
通过公司自有智慧光伏能源管理平台，实时采集各光伏电站组串的发电功率（单位：kW）。 预处理：随机采集一天内对同一时间戳 t 下，区域内 N 个组串发电的实时功率分别为 P1, P2, P3, ..., Pn （对应字段里相应组窜的各个实时功率）进行有效性清洗（剔除通信中断、明显错误等异常数据）。 核心算法：离散率计算： 采用统计学中最常用的变异系数（Coefficient of Variation, CV） 来衡量离散程度，消除数据平均值本身大小对离散程度比较的影响。 步骤1：将实际功率转换至标准条件(STC: 1000W/m², 25℃) 计算公式如下：STC功率 =实时功率/{(辐照度 / 1000) * [1-0.004 * (组件温度-25)]}。分别转化成对应的STC功率为： S1, S2, S3, ..., Sn。 STC功率均值 = (S1 + S2 + ... + Sn) / N 步骤2：计算离散率（变异系数CV） 计算公式如下：离散率 = (标准差 / STC功率均值) * 100。 步骤3：标记异常组串（低于均值12%判定为异常，高于或等于12%判定为正常）
| 字段名 | 类型 | 描述 |
|---|---|---|
时间 |
-- | -- |
组串ID |
-- | -- |
实时功率(KW) |
-- | -- |
STC功率(KW) |
-- | -- |
辐照度(W/M²) |
-- | -- |
| fieldName | exampleValue |
|---|---|
| 时间 | 2023年9月22日,2025年9月3日,2024年2月16日,2023年10月 |
| 组串ID | S01,S01,S01,S01,S01 |
| 实时功率(KW) | 6.2,3.7,5.5,3.7,3.9 |