世界各国都在响应全球气候变化而启动低排放能源革命，使清洁能源成为全球能源转型的关键（Bhattarai等人，2022年）。作为关键的清洁能源技术，光伏（PV）发电利用丰富的太阳能产生低排放电力（Khan等人，2016年）。根据国际可再生能源署的数据，到2022年，全球光伏（PV）发电容量达到了1046吉瓦，同比增长18.3%（Dhabi，2023年）。尽管安装容量和光伏技术有了显著增长，但关于优化光伏系统性能和效率的研究仍然有限，特别是在准确预测由于光伏污垢导致的功率损失方面（Yang等人，2022年）。
光伏系统的发电效率受到多种环境因素的影响，包括空气温度、积雪、遮挡和污垢（Alkharusi等人，2024年）。其中，全年暴露在大气条件下的光伏面板表面积累的污垢（如灰尘、树叶和鸟粪）是降低发电效率的主要因素（Khalid等人，2023年）。研究表明，光伏面板上的污垢堆积可使平均运行功率下降约21%，导致年度发电量减少，从而造成重大经济损失（Meral等人，2011年）。这种污垢对光伏行业构成了重大挑战，突显了开发一种新型高精度方法来预测和估计由光伏污垢引起的功率损失的关键需求。
传统的光伏污垢损失（PVSL）预测和估计方法主要依赖于对长期历史数据的定量分析来生成总体评估结果，例如随机率和恢复率（SRR）（Tahri等人，2013年）以及复杂的验证（SV）方法（Deceglie等人，2018年）。基于这些结果，开发了经验公式，并在光伏仿真软件中构建了物理模型以生成预测和估计输出（Malvoni等人，2017年）。然而，这些方法严重依赖于详细的光伏系统数据，其预测精度受到物理模型精度的限制。此外，它们需要对部署环境进行大量优化，从而限制了适用性。
相比之下，深度学习算法可以建模复杂的非线性关系，用更少的参数实现更准确的预测。预训练和微调等技术进一步降低了部署成本。针对光伏分析的深度学习研究可以分为两种主要方法：使用数值数据进行短期光伏功率预测，以及使用图像数据进行光伏功率估计。一种成熟的方法是利用局部光伏发电和环境因素的数值数据进行短期预测（Kumari等人，2021年）。例如，Li等人（2020年）提出了一种结合小波包分解（WPD）和LSTM的混合短期预测模型，其中WPD分解功率序列，然后LSTM生成预测结果，随后进行统一以提高光伏功率预测的准确性。Hu等人（2024年）提出了一种基于天气预报数据的光伏功率预测模型，使用LSTM进行时间序列建模，并采用自注意力机制整合多个序列，以在各种天气条件下提高鲁棒性。
为了解决由于光伏污垢导致的功率损失问题，结合光伏面板的图像变得至关重要。图像数据直观地展示了污垢情况，包括污垢类型、受影响区域的大小以及污垢覆盖的位置等细节。这些特征显著提高了PVSL预测的准确性（Cavieres等人，2022年）。例如，Mehta等人（2018年）提出了一种基于神经网络的光伏污垢分析模型ImpactNet，该模型通过结合光伏污垢图像和环境数据来估计功率损失。在此基础上，Zhang等人（2021年）开发了SolarQRNN模型，该模型结合分位数回归损失与ImpactNet以提高PVSL估计的准确性。Fang等人（2024年）通过将环境因素的时间序列建模集成到ImpactNet中，进一步提高了估计的准确性和运行效率。
引入图像数据对跨模态差距的建模提出了重大挑战，因此采用跨模态融合技术变得至关重要。这些方法可以大致分为三类：数据级融合直接聚合原始输入（例如VX2TEXT）以实现联合编码（Lin等人，2021年），尽管这通常会带来较高的计算成本；特征级融合作为主流方法，整合中间特征以实现交互——早期方法如EPIC-Fusion（Kazakos等人，2019年）采用特征添加和连接，而最近的进展引入了更复杂的技术，包括基于交叉注意力变换器的CMX（Zhang等人，2023年）用于选择性跨模态交互，TokenFusion（Wang等人，2022年）用于动态令牌替换以减少冗余，以及GeminiFusion（Jia等人，2024年）用于线性复杂度像素级融合；输出级融合聚合来自各个模态的最终预测（例如TFN）以提高鲁棒性（Zadeh等人，2017年），尽管它可能会忽略细粒度的跨模态依赖性。然而，目前缺乏专门针对光伏污染优化的跨模态融合方法。因此，开发一种专门用于整合光伏图像与环境因素的技术至关重要。
虽然之前的研究在预测和估计PVSL方面取得了进展，但没有一项研究彻底研究了光伏污垢图像的独特特征。这些研究主要关注传统的特征融合方法，用于结合光伏图像和环境因素数据，缺乏专门针对有效捕获图像特定特征的新算法。例如，Mehta等人（2018年）和Fang等人（2024年）都使用简单的连接操作来结合光伏图像和环境因素的特征。然而，由于光伏图像和环境数据之间存在显著的模态差距（Gao等人，2020年），这些通用融合方法难以捕捉复杂的跨模态关系。更关键的是，现有方法缺乏专门为高效提取光伏污垢图像特征而设计的机制，这些图像具有高面板覆盖率和多样化的污垢纹理等独特特征。因此，本文解决了两个关键挑战：（1）如何设计一种高效的融合机制，以克服模态差距，从而有效整合基于光伏污垢图像特征的跨模态信息；（2）如何构建一个能够全面捕获污垢多样性的特征提取器，以有效利用光伏图像中的不同特征。
如果这两个挑战得不到解决，算法将首先无法有效利用光伏图像和环境因素之间的潜在特征关系。其次，它将无法从光伏图像中提取全面的信息，最终限制了算法有效整合这两个特征以进行功率损失预测和估计的能力。为了克服这些限制，我们的研究超越了通用方法的直接应用，提出了一种专门为PVSL任务定制的解决方案。具体来说，我们提出了一种基于大核交叉注意力（LKCA）融合和多策略特征保留下采样（MFAD）的光伏SL预测和估计方法。这种方法的新颖之处在于其问题驱动的设计：LKCA融合利用了大核卷积的全局感知能力，旨在提供丰富的上下文信息特征基础，以实现跨模态交互，从而弥合模态差距；MFAD模块通过并行组合多种下采样策略，旨在处理光伏图像的高面板覆盖特性，确保在提取过程中不会丢失关键污垢特征。这项工作为光伏功率预测提供了新的技术视角和专门的方法论。
本文的主要创新和贡献如下：
(1)本文提出了一种大核交叉注意力（LKCA）融合机制，用于动态交互光伏污垢图像和环境因素之间的特征，增强了网络捕捉和融合不同模态特征的能力。
(2)提出了一种多特征聚合下采样（MFAD）方法，增强了骨干网络从光伏污垢图像中提取特征的能力，防止了面板重要特征信息的丢失，并进一步提高了LKCA融合的效果。
(3)在网络训练阶段引入了梯度流增强（GFE）训练方法，有助于更好地训练浅层网络。
(4)开发了一种新的网络模型LKFSolarNet，用于预测和估计PVSL，提高了PVSL预测和估计的准确性。
