← 返回实验室

AI光伏清洗决策定制:积灰损失与清洗窗口

组件表面积灰造成的发电损失是缓慢累积的,但清洗本身受成本与水资源约束,固定周期的“一刀切”往往不是最优解。本期进展围绕“该不该洗、什么时候洗”这一决策问题展开。

我们把组串电流电压、辐照度、组件温度与历史清洗记录对齐到同一时间轴,用清洗前后同辐照条件下的功率差反推积灰损失率;再结合未来降雨概率、电价曲线与人工水耗成本,估算各候选日期的清洗净收益,输出建议清洗窗口。

  • 试点数据:某分布式屋顶电站连续三个月按需清洗,清洗频次由每月一次降至约每两周一次,同期发电量提升约2.3%,清洗用水下降约三成;样本量有限,仅作趋势参考。
  • 下一步:接入无人机红外与逆变器告警,区分积灰、热斑与遮挡,避免把组件故障误判为清洗收益。

目前模型对连续无雨、空气质量较差的季节响应较敏感,跨地区迁移时仍需按当地积灰速率重新标定阈值。

评论

更多研究动态

查看全部实验室 →