积灰清洗是光伏电站最常见的运维动作，但清洗时点多靠经验：洗早了浪费水与人工，洗晚了白白丢发电量。能源AI实验室在一座 30MW 沙漠电站上开展了小范围实验，尝试把积灰从「经验判断」转成可量化的损失曲线。
思路并不复杂：以清洗前后的发电量差值、辐照度、组件温度、降雨与沙尘事件为输入，用同电站未清洗组串作对照，按日估算积灰造成的发电损失率；再扣除水耗、人工与停机损失，给出净收益由负转正的清洗窗口。
现阶段结论有两点：一是在连续无雨 18 天的工况下，积灰损失率估算与清洗实测值的偏差控制在 1.5 个百分点以内；二是按模型窗口执行后，试验区清洗频次由每月 2 次降至 1 次，季度发电量基本持平，清洗水耗下降约四成。模型对降雨自然清洗效果的估计仍偏乐观，小雨后损失回升速率还需要更多样本支撑。
下一步：接入数值天气预报的沙尘与降水过程，把决策从「事后损失估计」前移到「未来 7 天清洗排程」，并在另外两座不同气候带的电站验证迁移性。
评论