光伏阵列积灰程度评估及最佳清洗时间确定方法

作     者：刘素民 

作者单位：电子科技大学 

学位级别：硕士

导师姓名：易建波

授予年度：2023年

学科分类：08[工学] 0807[工学-动力工程及工程热物理] 

主      题：光伏阵列 积灰阵列建模 积灰程度评估 最佳清洗时间 

摘      要：光伏发电近年来在清洁能源领域发展势头迅猛，然而从运维情况分析，阵列在长期户外运行中表面积灰严重，成为影响光伏出力的潜在经济性问题。及时清洗可以提升光伏电站的整体收益，因此，本文以清洗带来的最大电量增益为目标，以积灰阵列建模、积灰程度评估以及最佳清洗时间为脉络开展研究，具体内容如下： （1）针对现有光伏阵列积灰仿真模拟方法无法准确反映积灰对阵列输出特性影响，本文基于积灰对阵列的影响分析，从光照强度和温度两个方面对理想光伏阵列进行了改进，建立了任意光照强度和温度下光伏阵列积灰分析模型。 （2）在光伏阵列积灰分析模型基础上，模拟并分析了阵列不同积灰程度和积灰阵列混有其他故障的输出特性。以光照强度、温度以及阵列电压、电流作为积灰程度评估特征量，建立了反向传播（Back Propagation，BP）神经网络的阵列积灰程度评估模型。经验证测试，该模型对阵列积灰程度的评估效果较好，但是当积灰阵列混有其他故障时，模型的评估准确率下降了14.63%。 （3）针对现有阵列积灰程度评估方法无法准确抵抗其他故障的干扰影响，本文通过对光伏阵列积灰以及混有其他故障的伏安特性进行分析，揭示了短路电流这一电气参数能够反映光伏阵列积灰情况且不易受其他故障干扰。提出以短路电流、光照强度以及温度3参数作为输入特征量，基于网格搜索（Grid Search，GS）优化支持向量机（Support Vector Machine, SVM）超参数的积灰程度评估模型。经过实验测试分析，证明了本章方法积灰程度评估准确率高于决策树（DecisionTree，DT）、GS-DT以及极端梯度增强算法（eXtreme Gradient Boosting，XGBoost）评估方法，并且不受其他故障的干扰影响。 （4）针对未来气象会对清洗带来的电量增益产生影响而导致清洗时间不同，本文本文采用周期性自回归差分移动平均（Seasonal Auto Regressive Moving Average model，SARIMA）模型对未来一段时间内阵列的功率进行预测，然后结合基于实测数据拟合得出的积灰累计时间模型，计算出未来固定周期内不同时间清洗能获得的电量增益，以电量增益最大值确定最佳清洗时间。