处理和解释污染数据

光伏组件在清洁和无污染时表现最佳。这是因为当污染物聚集在组件表面时,阳光无法到达光伏电池,从而减少了能够产生的电量。这种性能损失在传输损失和脏比中是可以感知的。

处理和解释污染数据

图片来源:Kipp & Zonen

DustIQKipp & Zonen的产品是一款独一无二的光学工具,可精确量化光伏组件的污染率,提供使光伏安装成功运行所需的信息。

在本文中,奥特HydroMet阐明了DustIQ的测量原理和污垢现象。对阅读材料的处理和解释也作了概述。

什么是PV污染?

PV污染被归类为固体物质在PV组件表面的积聚。

当颗粒物质和污垢积聚在PV组件上时,它不仅吸收而且散射入射光。这对能源生产有很大的影响。除了高温,污染是光伏产量下降的主要原因之一,被认为是全球光伏生产损失的3-4%。

PV弄脏可以由多种来源引起,如鸟类粪便、矿物粉尘、有机生长(如真菌、地衣和苔藓)、发动机排气、花粉和农业排放。

这些材料积累的速度取决于多种因素,包括灰尘和光伏组件表面的特性,以及基于气候的参数,如雨、风、辐照度、温度和湿度。光伏组件的朝向也会造成相当大的影响。

理解和解释区域污染损失高度依赖于仔细考虑所有上述因素。

处理和解释污染数据

图片来源:Kipp & Zonen

污染的影响通常用两个量来解释:

  • 污染比(SR):被污染的光伏阵列的实际输出功率与阵列清洁时预期输出功率的比率。
  • 污级(SL)或传输损耗(TL):由1-SR给出的由于污造成的分数功率损耗。

例如,如果一个光伏阵列被污染到与清洁状态相比,它产生的电量减少了5%,那么污染的比例将是95%,而传输损失将是5%。

为了量化光伏阵列的污染率,有两种常用的方法。

一种方法是设置两个参考PV装置,让其中一个自然沾土(与阵列的其他部分相同),同时保持另一个清洁。虽然这种方法很流行,但它有很多局限性。

由于两个参考器件之间的不对齐和污垢散射的角度依赖关系,它产生了一个瞬时污染比值,测量不确定度。对于这种方法,需要定期清理其中一个参考设备。

另一种方法是使用光学测量设备,如DustIQ。光学系统的功能是从模块内部产生红外光脉冲——即从脏表面下面——并量化散射和反射回来的部分。有了校准常数,该测量就可以转化为完全独立于入射角的污垢比测量。

确保可靠的数据收集

有几个因素会影响污染测量的可靠性。

传感器位置和数量

IEC61724列出了在给定交流系统尺寸(兆瓦)下需要使用的污垢传感器数量的建议。然而,这是一种经验法则。

当遵循这些建议时,传感器之间的土壤剖面可能会有显著变化,特别是在地面纹理或风速和方向发生变化的情况下。

最好的做法是观察现场,并验证是否可以将其划分为不同的“粉尘区域”——每个区域都需要观察,最好是通过位于中心的传感器。

安装、调测和维护

DustIQ可以放置在阵列上的任何位置-在PV模块的侧面,顶部或底部-但理想的定位是垂直的:通常在垂直方向上的污染差异最大;因此,水平安装在获得全貌方面效果较差。

还建议研究电气保护。DustIQ的设计旨在确保其在现场保持电气保护-然而,提供外部保护总是一个好主意。

为了确保可靠的调试过程,还建议检查和验证Modbus输入寄存器值。

为了充分利用污染数据,应考虑以下因素:

  • 采样频率:污染是一个相当缓慢的现象,所以即使每天采样一次也能提供深刻的结果。但是,建议用户每15分钟进行一次采样。
  • 环境参数:土壤条件由当地环境决定;因此,掌握有关环境因素(如天气)的信息可以更好地了解污染情况。
  • 本地校准:DustIQ在实验室中使用标准粉尘样本进行校准。颗粒物和灰尘的特征可能会有很大的变化,因此,DustIQ需要至少在本地校准一次。
  • Taring:对数据零偏移的补偿过程称为“Taring”。这需要反复进行,以避免随着时间的推移而漂移。建议每次清洗模块时都要进行脱皮处理。

处理数据以最大化发现

正确的数据处理对于优化DustIQ数据的效用至关重要。因此,对于易于解释的数据,应遵循以下步骤:

  • 拒绝离群值:删除不现实的数据点
  • 线性插值缺失数据
  • 选择太阳午时值.使用太阳午时值最大限度地减少了由于霜和露造成的“每日瞬变”的影响,也最大限度地减少了一天中入射角变化的影响。因此,建议选择在下午12-2点之间收集的数据
  • 平均太阳中午数据
  • 应用零补偿/脱色:如果用户的DustIQ不经常被清除,则必须在数据处理期间补偿零偏移。尽管在进行清洁时最好去皮数据,但即使光伏组件没有被清洁,也可以通过考虑“环境清洁条件”来解决这个问题。结合天气数据,用户可以根据特定的环境因素对土壤污染测量数据进行剥离。
  • 平滑数据与移动平均滤波器

处理和解释污染数据

图片来源:Kipp & Zonen

遵循上述简单步骤将帮助用户将任何不清楚的噪声测量数据转换为可用且易于解释的污染数据,揭示趋势并实现有效的维护。

在2022年,一个新的DustIQ固件更新还发布了简化本地校准和脱皮,并提高了测量的灵敏度。

本信息的来源、审查和改编自Kipp & Zonen提供的材料。

有关此源的更多信息,请访问Kipp & Zonen。

引用

请使用以下格式之一在你的论文、论文或报告中引用这篇文章:

  • 美国心理学协会

    Kipp & Zonen。(2023年1月20日)。处理和解释污染数据。AZoCleantech。检索于2023年1月22日,从//www.polystomper.com/article.aspx?ArticleID=1649。

  • MLA

    Kipp & Zonen。“处理和解释污染数据”。AZoCleantech.2023年1月22日。< //www.polystomper.com/article.aspx?ArticleID=1649 >。

  • 芝加哥

    Kipp & Zonen。“处理和解释污染数据”。AZoCleantech。//www.polystomper.com/article.aspx?ArticleID=1649。(2023年1月22日访问)。

  • 哈佛大学

    Kipp & Zonen, 2023。处理和解释污染数据.AZoCleantech,查看2023年1月22日,//www.polystomper.com/article.aspx?ArticleID=1649。

告诉我们你的想法

你对这篇文章有什么回顾、更新或想要添加的东西吗?

留下你的反馈
你的评论类型
提交