《Solar Energy》:Dust impact on photovoltaics: a systematic review of meteorological and environmental soiling prediction models
编辑推荐:
•提出了基于数据可用性的模型选择和标准化积尘指标。•仅使用气象数据的模型精度较低,但在不同气候条件下的可迁移性最好。•基于粒子的模型和机器学习模型在校准站点均实现了R2 > 0.85和3–5%的MAPE。•对59项研究的PRISMA评审得出了5个类别的41个参数化积尘预测模型
- •
提出了基于数据可用性的模型选择和标准化积尘指标。
- •
仅使用气象数据的模型精度较低,但在不同气候条件下的可迁移性最好。
- •
基于粒子的模型和机器学习模型在校准站点均实现了R2 > 0.85和3–5%的MAPE。
- •
对59项研究的PRISMA评审得出了5个类别的41个参数化积尘预测模型。
- •
在干旱地区,积尘导致的损失超过30%/月,若不进行清洁则高达80%。
引言
光伏组件成本下降的趋势伴随着研发转化效率的提高。MENA地区拥有全球最高的太阳辐照水平,但也承受着最严重的沙尘负荷[1]。温度和沙尘负荷是该地区利用太阳能的最大障碍,因为它们影响太阳能系统的效率。沙尘是指直径小于500 μm的颗粒[2]。在干燥和半干燥气候下,太阳能电池板受积尘影响很大。研究表明,在一个月内不清洁的情况下,沙尘沉积在光伏组件上造成的能量损失可达80%[3]。沙尘通过三种主要方式影响光伏电站成本:(a) 积尘导致发电量减少;(b) 清洁和缓解措施增加成本;以及(c) 强力清洁导致组件划伤和永久损坏。因此,沙尘建模有助于缓解这一问题。
表1总结了2020至2026年间发表的关于太阳能面板积尘的综述文章。其中三篇呼吁标准化积尘指标,两篇强调了机器学习对积尘估算日益增长的重要性。然而,没有一篇全面评估使用环境和天气变量预测积尘损失的气象模型。本文通过系统评述这些模型来解决这一空白。
本研究的主要目标是评估将环境和气象变量与沙尘和积尘条件下的光伏性能联系起来的预测模型。该评估评估:(1) 模型类型——统计、物理和机器学习;(2) 输入变量——气溶胶浓度、风速、相对湿度、降水、温度和太阳辐照度;(3) 模型性能指标——RMSE、MAE、R2和偏差;(4) 空间和时间分辨率;(5) 跨气候的可推广性;以及(6) 能量损失预测的适用性。在文献综述中,提供了优势、劣势和研究空白,以促进模型选择、土壤参数定义的统一性以及更稳健模型开发的进一步改进(表2)。
本工作重点研究光伏电站级积尘的气象和环境模型——使用站点或电站级变量(如PM浓度、风速、相对湿度、降雨、上次降雨以来的天数和清洁指数)预测积尘引起的性能损失。一些新兴模型家族,包括基于GIS的空间积尘图、物理信息神经网络以及其他混合物理–机器学习框架,以及使用再分析产品(MERRA-2)或气溶胶光学厚度(MODIS AOD)的卫星驱动沙尘沉积模型,在2024–2025年的文献中出现。由于它们在空间尺度不同且需要不同的输入数据集,在6.3节中作为新兴类别单独处理,而不是与站点级模型一起进行详尽的综述。
与表1中总结的近期综述相比,本工作有三点贡献。与Agbogla等人[7]和Younis和Alhorr[6]不同,后两者根据输入形式广泛描述积尘估算方法,本文语料库仅限于参数化、可迁移的积尘预测模型,这些模型的方程可直接被电站运营人员提取和重复使用。其次,它提供了五个模型家族报告性能(R2、RMSE、MAPE)之间的定量跨家族比较,并量化了精度–可迁移性权衡:基于粒子的模型和机器学习模型在校准站点表现良好,R2 > 0.85,而MAPE = 3–5%;仅气象模型精度较低,但在不同气候下更容易迁移。第三,这些结果转化为基于数据可用性的模型选择指导和建议的标准化积尘指标套件,这是以往综述[11,5]未提供的。
章节摘要
搜索策略和信息来源
按照PRISMA 2020报告指南进行了系统的文献检索,以识别开发或验证气象或环境模型以估计光伏系统中沙尘或积尘引起的性能损失的研究——PRISMA是一种确保透明度和全面性的报告标准,而不是研究方法本身[19]。检索了三个数据库,即Scopus、Web of Science核心合集和Google Scholar。搜索查询是……
沙尘特征和来源
沙漠沙尘是一种由各种尺寸颗粒组成的复合混合物,具有独特的成分和结构。沙漠沙尘中存在亚微米级颗粒和大于100 μm的颗粒。细颗粒由于能够附着在表面并散射光线而对光伏面板产生不利影响,而粗颗粒与细颗粒相比倾向于沉降和脱落[2]。沙漠可能含有硅、碳酸盐等颗粒……
沙尘沉积机制
表4总结了光伏组件表面沙尘沉积的不同物理机制。这些机制受不同环境条件控制,作用在不同时间尺度上。
风速与净积尘之间的关系很复杂。强风可以通过将颗粒从表面抬起来帮助去除积尘,但根据颗粒尺寸和当地沙尘浓度,也可能增加净沉积[44]。一些研究表明沉积速率……
建模积尘对光伏面板的影响
积尘引起的性能损失的定量建模为光伏清洁管理提供了决策支持框架。通过预测沙尘累积速率及相关能量或效率损失,积尘模型使运营商能够估计延迟清洁的经济惩罚,并将其与替代清洁方法(包括成本、水需求、人力需求和运营限制)进行比较。积尘模型定量测量性能退化……
跨研究性能和实践指导
为了系统比较,表12中的模型在表13中分为五个类别:(i) 清洁度指数和累积积尘模型;(ii) 基于PM的回归模型;(iii) 仅气象回归;(iv) 随机/物理模型;以及(v) 机器学习模型。总结仅包括在保留测试集上评估了至少一个性能指标(R2、RMSE或MAPE)的研究。
结论
本综述综合了二十多年关于光伏组件上沙尘沉积速率的研究,其对系统性能的影响,以及如何使用气象和环境变量对这些影响进行数学建模。有证据表明,积尘使光伏系统的能量产量从温带气候的百分之几减少到干旱气候的每月数十个百分点,减少的幅度和动力学强烈依赖于……
生成式AI使用声明
"在准备本工作期间,作者使用了AI辅助语言工具来提高清晰度。在使用这些工具后,所有内容均由作者审阅和编辑,作者对已发表文章的准确性和完整性承担全部责任。"
作者贡献
"所有作者都参与了研究构思。Awadh Al-Kalbani:数据整理、概念化。Hussein A. Kazem和Miqdam T. Chaichan:监督、方法论、初稿准备。Hilal A. Fadhil、Ahmed I. Al-Shamma'a和Bwalya Kelvin Joseph:编辑和审阅。"
CRediT作者贡献声明
Awadh Al-Kalbani:数据整理、概念化。Hussein A. Kazem:撰写——初稿、监督、方法论。Hilal A. Fadhil:撰写——审阅与编辑、形式分析。Bwalya Kelvin Joseph:撰写——审阅与编辑、调查研究。Ahmed I. Al-Shamma'a:撰写——审阅与编辑、资源。Miqdam T. Chaichan:撰写——初稿、监督、方法论。
利益冲突声明
作者声明他们没有任何已知的竞争性财务利益或个人关系可能会影响本文报告的工作。
致谢
作者感谢苏哈尔大学对本工作的支持。本研究未获得任何外部资金。
Awadh Al-Kalbani|Hussein A. Kazem|Hilal A. Fadhil|Bwalya Kelvin Joseph|Ahmed I. Al-Shamma'a|Miqdam T. Chaichan