光伏組件積塵量的影響因素及預測模型研究

胡旭輝，徐紅偉，喬永力，邵 怡

(1.浙江浙能嘉華發電有限公司，嘉興 314201；2.中國計量大學，杭州 310018)

0 引言

在實際運行過程中，環境因素對光伏組件光電轉換效率的影響很大，比如太陽輻射量、環境溫度、大氣降塵程度等。其中，大氣降塵會導致光伏組件積塵，從而降低組件接收到的太陽輻射量，而且不均勻的積塵會造成組件局部溫度升高，形成對光伏組件有損傷的熱斑。

光伏組件積塵對太陽輻射具有反射、散射和吸收作用，隨著積塵厚度的增加，組件光電轉換效率成倍減小[1]。GARG[2]研究了玻璃不同角度放置時積塵對玻璃透光率的影響，并模擬了積塵對光伏組件透光率的影響。將實驗玻璃放置在室外并定期對其透光性進行測試，排除下雨天影響；取30天數據，結果表明，30天的積塵使45°放置的玻璃的透光率損失了8%。張宇[3]等研究了積塵對屋頂光伏電站的光伏組件輸出功率的影響，通過連續30天的觀察發現，光伏組件在開始積塵的初期，組件輸出功率下降較快。

綜上所述，積塵對于光伏組件輸出功率的影響很大。降塵在雨水、風力的作用下，造成組件表面局部積塵，受積塵影響的電池單元變成負載，溫度急劇升高形成熱斑，會對組件造成損害。本文通過實驗和數據分析得出光伏組件積塵量隨時間變化的預測模型，對于光伏組件輸出功率預測和光伏電站運維具有重要意義。

1 積塵來源

光伏組件積塵主要來源于自然因素和人為因素。自然因素是指在自然環境條件下，靠重力自然沉降在光伏組件表面的顆粒物，其是光伏組件積塵的主要原因。人為因素是指由于近代工業的迅速發展，人們肆意向大氣中排放污染物而在光伏組件上形成的積塵。由于人為排放的污染物中含有腐蝕光伏組件的成分，造成了光伏組件表面腐蝕程度的加快，降低了光伏組件的使用壽命。積塵來源及形成過程框圖如圖1所示。

圖1 積塵來源及形成過程框圖Fig.1 Block diagram of dust source and formation process

2 積塵量的影響因素及積塵狀態

2.1 影響光伏組件積塵量的主要因素

氣象因素是影響光伏組件積塵量的主要因素，主要包括環境溫度、空氣濕度、風速、降雨量。環境溫度越高，地表灰塵越容易形成浮塵，浮塵漂浮在空中，然后降落于光伏組件表面形成積塵。隨著空氣濕度升高，灰塵顆粒與小水珠顆粒之間結合的幾率也在升高，灰塵更容易沉降。空氣中灰塵顆粒的運動要借助風力作用，灰塵顆粒隨著風力作用漂移，風速越大，灰塵漂移越快。大風能吹走一部分光伏組件積塵，同時也會帶來灰塵。降雨量則較為特殊，降雨量小時，光伏組件積塵量會增加，同時使積塵狀態發生改變，積塵中間形成溝道；隨著降雨量的增加，雨水又能對光伏組件表面起到一定的清洗作用。

為了獲得最大發電效率，光伏組件在鋪設時會根據當地經緯度計算出最佳方位角和最佳傾角[4]，不同地區的光伏組件安裝傾角不同，我國大部分地區的光伏組件最佳安裝傾角在20°～40°之間；而不同的安裝傾角對光伏組件的積塵量影響也不同。因此，需要研究不同安裝傾角和氣象條件對光伏組件積塵量的影響。

2.2 光伏組件的積塵狀態

大氣降塵顆粒物中，粗塵粒(粒徑為0.25～1.00 mm)的占比為7.79%，細塵粒(粒徑為0.05～0.25 mm)的占比為47.05%，粉塵顆粒(粒徑＜0.05 mm)的占比為45.16%[3]。以布置在位于杭州市的中國計量大學天問科技樓(120.37085°E，30.327254°N)屋頂的容量為3 kW的光伏組件為例進行積塵實驗，其積塵顆粒粒徑占比歸一化處理之后的結果如圖2所示。由圖2可知，光伏組件積塵顆粒的粒徑以80 μm為中心呈正態分布。

光伏組件的積塵狀態主要分為4種情況，如圖3所示：1)短暫降雨之后形成斑點狀的積塵(見圖3a)；2)早晨有露水時產生的溝壑狀積塵(見圖3b)；3)典型天氣下產生的近似均勻的積塵(見圖3c)；4)樹葉、鳥糞與積塵等同時存在的特殊情況(見圖3d)。本文主要研究第3種積塵狀態對光伏組件性能的影響。

圖2 光伏組件積塵顆粒粒徑歸一化正態分布圖Fig.2 Normalized proportional distribution of dust particle size of PV module

圖3 光伏組件的積塵狀態Fig.3 Dust accumulation state of PV module

3 積塵量實驗設計

在中國計量大學的天問科技樓屋頂，以傾角20°、30°、40°各放置1塊光伏組件，3塊組件的清潔度一樣，編號分別為1#、2#、3#，用于測試積塵量與光伏組件傾角之間的關系。在每天中午12:00，對光伏組件分別進行稱重，該值與前一天同一時刻的重量差值即為光伏組件24 h的積塵量。實驗連續統計14天數據，實驗所用設備參數如表1所示。

表1 實驗所用設備的參數Table 1 Experimental equipment parameters

3塊光伏組件的擺放方式如圖4所示，測得的連續14天3塊不同傾角光伏組件的積塵量數據如表2所示。

圖4 3塊光伏組件的擺放方式Fig.4 Arrangement of three PV modules

表2 3塊不同傾角光伏組件連續14天的積塵量數據Table 2 Dust volume data of three different inclinations PV modules for 14 consecutive days

為了分析積塵量與光伏組件傾角之間是否存在一定的數學關系，利用統計分析軟件SPSS對兩者的相關性進行分析，結果如表3所示。

表3 SPSS相關性分析結果Table 3 Results of SPSS correlation analysis

從表3的結果可以看出，組件傾角與積塵量之間的相關性系數為0.0015，顯著性為0.992。由于顯著性檢驗值遠大于0.01，因此可以認為杭州地區的光伏組件在20°～40°的安裝傾角范圍內，組件積塵量與安裝傾角的大小無顯著相關性。該結果與相關學者的研究[5]不同，可能有2個主要原因：1)多數學者研究積塵量與傾角的關系時，選擇的地理位置一般為荒漠等氣象條件較為惡劣的區域；2)多數研究的傾角范圍在0°～90°之間，范圍變化較大，而本文主要研究我國多數地區光伏組件傾角在20°～40°范圍內時積塵量與傾角的關系，因此結果不同。

4 積塵量預測模型

1)為判斷光伏組件表面積塵量受氣象因素的影響程度，通過實驗收集同一時間內的光伏組件積塵量，以及環境溫度、相對濕度、風速、氣壓等相關氣象數據，并建立它們之間的相互關系模型。由于樣本較少，自變量之間的關系較為模糊，因此采用支持向量回歸(SVR)預測方法建立SVR模型，利用Matlab的Libsvm工具箱完成模型建立。按照Libsvm軟件包所要求的格式收集數據集，對數據進行歸一化處理，采用網格尋優、遺傳算法等尋求最佳的懲罰系數參數C與寬度系數γ，利用得到的最佳(C，γ)對訓練集進行訓練，從而得到SVR模型，最后利用獲取的模型進行測試驗證。

實驗選用3塊相同的光伏組件，方位角均為正南方，傾角選擇杭州地區年最佳傾角30°。首先測定3塊光伏組件的質量，于當天中午12:00放置于樓頂，第2天同一時刻再測組件質量，兩者之間的差值即為光伏組件的24 h積塵量數據。氣象數據來自于中國計量大學天問科技樓設置的氣象監測站。

本實驗共收集了50個樣本數據，因受降雨影響而使光伏組件積塵量可忽略不計的樣本個數為10個，將其剔除，以去除降雨量對預測分析造成的影響。剔除后的樣本總量為40個，選擇35個樣本作為訓練集，5個樣本作為測試集，并利用SVR模型進行訓練和測試，結果分別如圖5和圖6所示。

圖5 訓練集結果Fig.5 Training set results

圖6 測試集結果Fig.6 Test set results

由圖5、圖6可知，SVR模型能較好地完成積塵量預測，吻合度較好。

2)建立累積積塵量預測模型。為考察不同放置位置對光伏組件累積積塵量的影響，進行2組實驗，第1組實驗中將光伏組件放置在四面空曠的位置；第2組實驗中將光伏組件放置在三面空曠、另一面距離1 m高的墻面1 m的位置。為了避免降雨的影響，根據浙江省氣象局和國家氣象局的天氣預報信息，當第2天可能出現降雨時，將光伏組件收回封存。通過連續2個多月的觀察，去除降雨天，選取連續20天的有效數據。將這些數據首先采用Origin軟件繪制成散點圖，觀察散點圖的規律和特點，再利用擬合后的曲線分析不同位置放置時組件累積積塵量隨時間變化的規律。

通過采用Origin軟件進行多次擬合后發現，Logistic回歸模型的擬合效果較好，該模型的公式為：

式中，A1為x趨于無窮大時，y的最大值；A2為x趨于無窮小時，y的最小值；x0為曲線拐點；p為拐點處曲線斜率相關系數。

圖7采用Logistic回歸模型時2組實驗的相應數據。

圖7 采用Logistic回歸模型時2組實驗的相應數據Fig.7 Date of two groups of experimerts with Logistic fitting results

將圖7中的相關數據代入式(1)，可得到不同位置放置時，2組實驗用光伏組件的積塵量隨時間變化的關系式。

第1組實驗用光伏組件積塵量隨時間變化的關系式為：

第2組實驗用光伏組件積塵量隨時間變化的關系式為：

圖8為2組實驗用光伏組件的積塵量隨時間變化的擬合曲線。

圖8 積塵量隨時間變化的擬合曲線Fig.8 Fitting curve of dust volume with time

采用Logistic回歸模型擬合后，2組實驗數據擬合曲線的相關系數R2分別為0.994和0.997，說明擬合效果較好。因此，得到了光伏組件積塵量隨時間累積變化規律的Logistic回歸模型。

綜上，由2組實驗數據擬合的關系式可知，系數A1、A2變化較大，這表明積塵量隨時間累積的變化規律受放置位置的影響較大，而對于考慮到降雨量等因素的較高精度的模型尚需要進行進一步的研究。

5 結論

本文給出了影響光伏組件積塵量的因素，經過設計實驗，收集相關實驗數據，并對實驗數據進行分析，得到以下結論：1)安裝傾角在20°～40°的小角度范圍內，其變化對光伏組件積塵量基本無影響；2)積塵量與氣象因素之間可以用支持向量回歸預測模型表示，積塵量隨時間累計變化規律符合Logistic回歸模型。