发帖
雷达卡
灰尘来源于工业排放物、燃烧烟尘、土壤扬尘、大气污染等等，它们肆意分布在大气中并且无处不在。光伏电池板表面的灰尘会减少接收辐照量，进而产生能量损失。
灰尘损失介绍
阳光是取之不尽用之不竭的能量来源，但光资源在地球表面分布并不均匀。低维度，在35°N到35°S区域内的干旱半干旱地区，接收的直射辐照量是最高的。比如，美国加利福尼亚的莫哈韦沙漠。然而，这些拥有高辐照量的地区却备受灰尘的困扰，损失巨大。
灰尘对光伏电池板的影响主要来源于两个方面，一是灰尘性质，二是当地的环境条件。灰尘具备多种化学、生物和静电性质，同时根据大小、形状和重量的差别可分为不同的类型。当地环境因素则包括当地建筑用地性质、建筑特征（安装的方向和角度）、环境特点（植被种类）以及气候条件等。光伏面板的表面情况也相当重要，一个粗糙的、带有粘合性残留物的粘滞表面比更光滑的表面更容易积累灰尘。而且灰尘本身也会吸附灰尘，一旦有了初始灰尘存在，就会导致更多的灰尘累计。
考虑重力因素，水平的表面通常比倾斜表面更容易累计灰尘。此外还需要考虑风的运动，一般而言，低速风会促进灰尘累积，高速风可以消除灰尘累积。在一个倾斜或者垂直的面板表面，灰尘很可能沉聚在一个由高速风运动所产生的低压风速带，这就是为何灰尘会在面板边缘沉积的原因。
不同情况下的灰尘损失
下图展示了不同地区、不同情况下的试验结果和结论，这些数据在光伏电站设计阶段都是非常有用的信息。在一个干燥气候的环境中，如果长时间无降水，灰尘的累积将给光伏系统带来较大的损失。另一些如铁屑、鸟类粪便等也会带来半永久性的损失，这些损失即使在强降水情况下也不能恢复。因此，在干旱季节，为减少灰尘带来的损失，应综合考虑当地污染情况的严重性、清洁成本和困难度，展开一次到两次的清洁工作。
（注：数据来源太阳能国际大会会议，1洛杉矶，2圣地亚哥，3加州萨克拉门托，4加州弗雷斯诺，5旧金山，6佩塔卢马，7拉斯维加斯，8凤凰城）
从上图可以看出郊区环境灰尘损失较高均在4%以上，城区则在1.5%~5%之间。
（注：该测试数据取自2011年1月份到3月份，共3个月度数据，地点在美国亚利桑那州）
可以看到同一纬度地区随着倾角增大，灰尘损失处于减少趋势。
电站建模分析
目前通用计算灰尘损失的方法是通过清洗对照实现，此种试验方法虽然直接，但耗费人力巨大。此时我们选择采用阿波罗线上数据进行建模分析，通过运行数据，实时量化灰尘损失。
实操案例分析
根据江苏某电站运行数据，建模进行灰尘分析。
1、总体分析思路
保证其他自变量影响不变，将灰尘及污秽作为唯一的自变量进行控制。因此我们根据天气情况，选取雨后天气的数据（共42天数据）作为我们模型的输入数据，通过对比实际数据与雨后模型数据，两者之差即为灰尘损失。
通过采集辐照和逆变器功率等数据，输入机器学习模型，通过大量的训练数据，自学习训练辐照和逆变器功率之间的仿真关系模型（为保证仿真模型的准确性，需对输入数据进行特定清洗）。据此关系模型，可由实测辐照数据得到仿真功率输出，最后计算实际出力与仿真模型出力的差别。
2、对比结果
（注：采集时间段是14年12月份到15年7月份，由于仅作示例，采集点比较少）
通过对比实际功率曲线与拟合曲线之间的差别，计算得到灰尘损失应为1.75%。
3、分析结果
然而，在分析的过程中，我们发现拟合曲线和实际功率曲线之间有时会出现较大差值，将这些特定天的数据拿出来分析，具体数据如下图所示：
4、现场考察，剔除干扰
经现场实地勘查，发现建筑物在冬至日前后下午三点左右会对光伏电站有阴影遮挡，造成逆变器输出功率损失较大。
5、真实损失计算
根据现场勘查结果，计算灰尘损失需要剥离阴影遮挡损失，最终计算灰尘损失结果为1.32%。此电站倾角25°，计算结果和实验统计结果（倾角23°时灰尘损失占比1.3%）也比较符合。
总结
电站损失中，灰尘导致的损失几乎不可避免，通过线上数据来进行灰尘损失分析是一种革新性的方法，将大幅降低人工投入。与此同时，明确该部分损失，将对我们进行电站运行维护，提前清洗预警起到很大帮助作用。
有关阿波罗光伏云
阿波罗光伏云是远景能源发布的以大数据为核心，专门对光伏电站进行运维管理的产品，是国内首款光伏电站全生命周期管理平台和形成管理闭环的产品。
阿波罗光伏云平台除了对逆变器数据进行收集，还从气象站、汇流箱、直流柜、电表，甚至直接从组串、组件上采集数据，进而形成一套具备多样性的数据，这比单一的数据更可靠。在接入项目运行数据之后,阿波罗光伏云可以进行电站绩效的对标、电站健康度体检、以及损失电量分析等工作。与此同时，阿波罗光伏云还可以对每个电站进行全生命周期的资产风险评估和评级，综合评测电站整体性能，从而判断电站的交易可能和潜在的交易价值。
提升卡
置顶卡
沉默卡
变色卡
抢沙发
千斤顶
显身卡
京公网安备 11010802022788号
