土壤损失模型

机器翻译，未经校对人员审核，可能存在错误。

在本文件中

我们将介绍Solargis的土壤污染模型，该模型对于估算光伏（PV）系统中的土壤损失至关重要，尤其是在易积尘的地区。虽然模型输入空间分辨率低且验证数据有限，可能带来一定不确定性，但它为尘埃对太阳能组件的影响提供了宝贵见解。这种理解提升了损耗估算，支持有效的系统性能规划。

概述

光伏（PV）系统中的污垢是指外部物质如灰尘、花粉、污染物和海盐在太阳能模块表面的积累。这种积聚阻碍了太阳能向光伏电池的传输，导致效率和功率输出下降，这种现象被称为污损。

土壤损失 对太阳能光伏项目构成重大挑战，每年在全球造成数十亿美元的经济损失，并增加规划和维护成本。准确建模土壤对于分析预期能源产量、优化维护策略以及预测运行中的太阳能电站的产出至关重要。

土壤污染的复杂性源于各种 相互依赖的因素 ，这些因素随时间和空间而变化。主要影响因素包括颗粒物浓度、化学性质以及大气条件，如温度、湿度和风。降雨既可以通过湿沉积促进污垢，也能通过冲刷颗粒来减轻;其有效性取决于数量和分布等因素。风能要么增强粒子与模块表面的相互作用，要么使粒子重悬，从而使确定这些因素的特定阈值变得复杂。因此，测量和建模土壤损失会在太阳能项目评估中带来显著的不确定性。

Solargis的土壤污染模型通过估算土壤 比（SR）来量化土壤的影响，该比例与沉积颗粒的质量经验相关。光伏模块表面的这些累积质量来自为光伏电厂量身定制的先进物理模型。SR与输电损耗直接相关，其对光伏发电的整体影响称为 土壤损耗（SL）。尽管输入数据存在不确定性，该模型为估算全球性能损失提供了可靠的依据。它包含气象数据（如PM2.5、PM10、降雨、风速、温度）以及空气密度和模块有效倾斜等变量，以评估土壤影响。清洁事件——无论是自然的（如雨天）还是人工的——都会重置堆积过程。

光伏系统中的土壤损失建模

光伏（PV）系统的土壤损失是影响能源生产的关键因素，尤其是在易积尘的地区。本节概述了用于模拟土壤损失的方法，提供对计算方法及影响土壤比例（SR）的因素的见解。

量化土壤损失

土壤损失通过污染比（ $S R$ ）来量化，该比率比较了光伏组件在污秽条件下的能量产出（ $E_{p v-s o i l e d}$ ）与其在清洁条件下的产能（ $E_{p v-c l e a n））。}$ SR 的公式定义为 $S R = E_{p v-s o i l e d} / E_{p v-c l e a n}$ 。

SR是一个无量纲值，范围从0（完全被污糟阻塞）到1（完全清洁的面板）。SR与传输损耗（ $T L$ ）之间的关系通常被假定为线性： $T L = 1-S R$ ，通常以百分比表示为污染损耗： $S L = 100 \cdot T L$

这一关系解释了光伏电池通过模块玻璃和封装材料后接收的太阳能减少。鉴于模型输入的不确定性可能超过SR与TL之间非线性的影响，这一假设对于评估与土壤相关的损失非常实用。

土壤模型

Solargis的土壤污染模型（见图1）基于 Coello和Boyle （C&B）的研究，主要由两个组成部分组成：

颗粒的积累
土壤比计算

颗粒的积累

土壤比计算

该模型计算悬浮颗粒沉积在PV表面的质量（ $m$ ），同时考虑自然和计划清洗事件。所用公式如下：

$m = \int_{}^{} （ v_{2.5} C_{2.5} + v_{10-2.5} C_{10-2.5} ） \cos (β) d t$

其中：

$C$ 表示不同尺寸范围内颗粒的浓度，
$v$ 表示沉积速度，
$t$ 是累积时间，
$β$ 是模块的倾角。

Solargis 通过利用先进的物理公式动态估计沉积速度，增强了该模型。

一旦确定了累积质量（ $m$ ），则通过经验关系估计了污染比：

$S R = 1-0.3437 e r f （ 0.17 m^{0.8473} ）$

注意：该模型的定义表现出大约SR=0.66（等价SL=34%）的渐近行为。为克服这一内在限制，模型进行了升级，使模型能够估算所有物理上合理的SR值，包括光伏板上极端累积质量的SR值。

图1： Solargis实施的土壤模型方案。沉积速度和自然清洗事件被重点介绍为该方案中开展创新工作的组成部分。

数据来源与分辨率

气象参数

颗粒物

所需的气象参数，包括温度、大气压、风速和降雨，均可从 ERA5 和 ERA5-Land获得。ERA5数据的全球空间分辨率约为31公里，而ERA5-Land则以9公里分辨率提供更细致的细节。

污染模型的两个关键输入参数——PM2.5 和 PM10 颗粒物浓度——通过涉及多个来源的协调过程得出。这些颗粒物数据符合CAMS重新分析的空间和时间分辨率，分别为约80公里（0.75º x 0.75º经度正则网格）和3小时。这种较粗的分辨率可能限制了PV系统局部土壤预测的精度。

影响土壤的因素

影响颗粒沉积效果的因素有多种：

大气变量：风速、温度、相对湿度、降雨量和大气压力显著影响沉积速率。
光伏系统配置：模块、跟踪系统和所用材料的倾角可以增强或减少颗粒积累。

干沉积工艺

干沉积分为三个步骤：

空气动力运输：颗粒从大气中输送到面板表面的静止空气层。
分子传输：颗粒通过该层移动到面板表面。
表面吸收：颗粒会附着在表面。

清洁活动

清洁过程——无论是自然的（如降雨）还是人工的——都能打断光伏板上的颗粒积累。在Solargis模型中，这些事件被独立处理，直接影响质量积累变量（见图2）。清洁效率因子范围从0（无影响）到1（完全清洁），决定清洁去除积垢的效果。

图2： 模型观察并估计的日均焊层损耗时间序列。还显示了每日累计降雨量和人工清理事件。

验证

Solargis的土壤损失模型已通过 全球51个站点的地面测量验证，证明了在多种气候和运营条件下定量土壤相关能量损失的可靠性能。验证过程的详细信息，包括方法论、数据来源、统计结果和关键发现，均载于《土壤损失模型验证文件》中。

在Solargis平台的应用

Solargis 评估平台完全集成了计算用于全面模拟光伏系统所需的所有场地土壤损失估算的组件。主要组成部分包括：

所有必要的天气和环境数据都包含在评估数据包中。
能源系统设计者提供与污垢损失模型相关的光伏系统技术配置（安装和倾斜，控制颗粒积累速度）。
用户可以输入手动清洁事件，分析各种清洁策略以减少污垢损失。

该模型可从能源系统设计者的损失部分运行。它使用完整的时间序列数据，具有每日细度，结果被汇总成十二个长期月均值（按GTI加权）。

结论

准确计算土壤损失对于反映真实环境条件，提高光伏系统性能预测的可靠性至关重要。它能够更好地预测能源产率，优化清洁计划，并最大限度地减少因能源生产减少而产生的经济损失。通过整合颗粒浓度、降雨和风等区域因素，先进的土壤模型提供了全球可适应且一致的结果，提升系统设计和运营效率。

本文档概述了Solargis的土壤损失模型，强调基于 Coello和Boyle （2019）工作，提出了一种创新的土壤损失估计配置。关键进展在于改进了沉积速度的参数化，并针对特定光伏装置进行了调整，并校准了降雨净化效率。此外，原模型的定义也得到了增强，其适用范围超出了之前对污染损失值的内在限制，最高可达约34%，现在允许任何符合科学参考文献的物理合理值。

评估显示，这一新方法相比以往模型提升了动态沉积速度的计算能力。此外，它还提供了适应全球各地独特环境条件的灵活性。

虽然污渍模型在估计能量损失方面取得了重大进展，但必须认识到其局限性。该模型包含了一些简化，可能无法完全捕捉局部污染源或颗粒多样的物理化学特性。此外，不确定性还来自雨水或风力造成的部分清洁以及输入数据的空间分辨率等因素。由于土壤污染是一个高度局部且复杂的现象，需要进一步研究以提高模型在不同环境条件下的准确性和适应性。目前的努力集中在提升雨水和风净化效率，但模型仍未考虑湿沉积机制，也未考虑黑碳、硫酸盐等污染颗粒的具体影响，这些颗粒在阻挡太阳辐射方面比矿物尘埃更有效。这些空白凸显了未来研究的领域，以提升模型在多种场景下的可靠性。

与其他软件的比较

其他太阳能仿真软件对污损的处理方式类似：

软件	参数名称	注释
索拉吉斯展望	污垢、灰尘和污垢	被归入照度损失（GTI）。
太阳评估	污染损失	被归入照度损失（GTI）。
PVsyst	污损因子	被计入了辐照度损失。
SAM（NREL）	污渍	适用于POA辐射的光束和漫射分量（第33页）。
SolarFarmer（DNV）	污渍	辐射度降低。