土壤损失：从建模到光伏系统仿真

机器翻译，未经校对人员审核，可能存在错误。

作者：托马斯·切贝考尔，比森特·拉拉·法内戈，西蒙·斯塔塞尔，马丁·米哈尔，维克多·斯克伦卡尔，托马斯·萨斯科，卢卡斯·德冯茨，布拉尼斯拉夫·施尼耶尔	由托马斯·塞贝考尔（Tomas Cebecauer）主持，2025年阿尔伯克基PVPMC
	2025年5月13日，星期二

公开展示

概述

污垢——即颗粒物在光伏组件表面的积累——是光伏系统性能的重要损失因素，导致全球能源产额大幅下降和财务影响（2023年估计为40至70亿欧元）。本次演讲概述了土壤损失建模的最新进展，现已完全集成于Solargis Evaluate 2.0中，能够实现多年高分辨率时间序列中对土壤效应的精确、特定场地模拟。

改进后的土壤模型利用环境和气象数据捕捉局部和季节性土壤动态，支持运营规划（如手工清理），并显著降低了项目前可行性和运营阶段的产量不确定性。

模型与模拟链的关键要素

Solargis 评估 2.0 功能

高级3D场景建模、多年时间序列（1至15分钟分辨率）、新的组件和环境模型（土壤、积雪、反照率），以及基于云的执行，输出经过验证。

土壤模型

基于Coello & Boyle/HSU的方法，采用Solargis的物理参数化方法。它整合了：

大气数据：PM2.5、PM10（MERRA-2，CAMS再分析），经过协调，实现长期、全球且一致的覆盖。
天气数据：降雨（清洁关键）、风速、空气温度、湿度、大气压。
技术参数：模块倾斜、安装类型、手动清洁事件。
模型改进：物理沉积速度、光伏安装调整、校准降雨净化效率。

污染损失量化

支持有无清理的仿真，以及灵活的输出聚合（每日、每月、长期）。
高度的空间、季节性和年间土壤损失变异性。
年度土壤估算的不确定性通常为5–10%，但在某些地区可能更高。

验证与实际应用

模型验证

校准使用来自不同地理区域的39个地面测量站点进行。
经过质量检查（QC）及清洁和偏移修正后，模型偏差为–0.5%（标准偏差1.7%），改善至+0.1%（标准偏差0.9%）且无异常值。
分析涵盖日和月度土壤损失，显示测量结果与建模结果高度一致。

集成到光伏模拟链中

污染损失直接应用于完整 PV模拟流程中的太阳辐照度步骤。

可在 Solargis 访问，评估“环境损失”。
支持TMY和时间序列模拟，评估默认（无清洁）和定义的手动清洁策略下的性能。
案例研究显示清洁策略对年度能源产量有显著影响——突出了优化运营支出（OPEX）和降低财务风险的潜力。

局限性与考虑

PM数据集的粗糙分辨率和缺失的局部发射源可能导致微观尺度的土壤损失被低估。
全球模型协调和持续数据改进解决了许多这些挑战。
如果有，用户还可以通过整合测量的场地特定土壤数据来进一步降低不确定性。

结论

Solargis 土壤模型（于 2025 年 6 月发布于 Evaluate v2.3.0）提供了全球性、场地特定且高度验证的土壤损失模拟，无需纯粹的局部测量数据。该新模型实现了现实的能源产出估算，帮助量化运营清洁的影响，并通过用基于科学的环境数据替代主观的“专家猜测”值，提升投资级的可行性。因此，光伏产额的不确定性降低，预期运营支出更为清晰，项目评估在开发和运营阶段也更加可靠。