的太阳能的装机容量在美国已经超过了所有其他形式的发电。
通过数千块太阳能板大规模发电需要新的监控和管理方法。自2004年以来，SunPower公司在世界各地设计、建造、管理和供应高性能太阳能发电厂。如今，超过30亿瓦特的太阳能发电厂依赖于SunPower技术。
SunPower公司是如何监控数百个发电厂的数千块太阳能电池板的?如何远程诊断性能问题并实时解决问题?如何区分虚假警报和真实警报?
背景
SunPower公司管理着从两个远程操作，并在得克萨斯州奥斯汀控制中心（ROCC）和菲律宾700个发电厂。这些中心运营全天候和控制商业太阳能发电的2.5 GW。在逆变器，跟踪器，汇流箱，变压器传感器，气象站生成数据的巨大流。
传感器可以生成假阳性即使系统工作正常，也需要关注。操作人员收到了大量的警报，他们在多个系统之间导航，以解决每个问题，因此遭受了警报疲劳。“我们的操作人员收到了太多的警报，必须进行太多的点击才能完成任何工作，”SunPower负责监控业务的高级经理萨拉·赫尔曼(Sarah Herman)说。“要在这样的环境中规范我们运营商的行为是很有挑战性的。”
SunPower最初依赖于专用服务器来处理传感器数据，但这不仅成本高昂，而且会造成单点故障。随着业务的扩大，需要一种能够更好地提供规模和更好地了解情况的新方法。
解决方案
SunPower选择了Krypton的“资产情报服务”来简化运营。它集成了IBM现有的Maxino(企业资产管理)和OSIsoft PI(数据历史学家)系统。
氪收集数据代理用于集成来自企业系统和支持SCADA的设备的数据。代理的分布式架构使数据可以立即访问和搜索。人为和机器生成的数据是相互关联的，以便更好地分析。
氪决策引擎，一个实时流处理引擎，每天处理数十亿传感器读数。这使得SunPower能够根据一组复杂的警报规则和性能计算来处理更多的数据，从而更好地识别和解决问题。
结果
在部署的第一季度，SunPower的指挥中心报告的假警报和骚扰警报数量减少了一半。由于更快地处理性能问题和警报，响应时间减少了。当警报出现时，操作人员可以快速查看相关的时间序列数据，搜索之前发生的类似事件，从而帮助直接从Krypton接口进行诊断和故障排除。
SunPower通过解决问题所需的响应时间来衡量其运营的有效性。“我们的数据现在都在一个地方——我们不必在不同的服务器上寻找不同种类的信息和警报，”SunPower公司监控业务的高级经理Sarah Herman说。
SunPower和Krypton正在改变SunPower的运营和维护(运营管理)从被动反应到预测。机器学习算法正在被应用到SunPower的系统性能的历史数据集，以更好地预测和诊断故障。