利用强化深度学习技术实现建筑集成光伏系统的抗尘优化：以沙特阿拉伯为例的研究

《Energy》：Dust-Resilient Optimization of Building-Integrated PV Systems Using Enhanced Deep Reinforcement Learning: A Case Study in Saudi Arabia

本研究提出了一种集成气候不确定性的增强深度强化学习框架（EDRL-CUI），用于联合优化沙漠气候中商业建筑的双源混合BIPV-风-电池系统的尺寸与运行。该方法通过NSGA-III分层优化系统容量，结合高分辨率天气和沙尘数据训练DRL模型，有效应对沙尘暴和高温导致的功率衰减。仿真结果显示，EDRL-CUI在成本降低18%、电网交互指标提升17%、沙尘暴下的恢复时间缩短9小时，并实现39%-47%的自给率和42%-49%的二氧化碳减排，优于传统MPC、规则基EMS及经典DRL方法。

　　

Mohamed Ahmed Said Mohamed | Maher Abuhussain | Ali Hussain Alhamami | Mohammed J. Alshayeb | Yakubu Aminu Dodo

沙特阿拉伯海勒大学建筑工程学院

摘要

在沙漠气候中部署的建筑物集成光伏（BIPV）系统会因高温、污染和沙尘暴事件而持续降效，而这些因素在优化过程中往往被忽视。本文提出了一种结合气候不确定性积分的强化学习（EDRL-CUI）框架，用于联合确定和优化沙特阿拉伯利雅得某商业建筑的BIPV-风能-电池系统的规模和运行方式。在高层决策中，系统容量通过NSGA-III算法进行选择；在底层决策中，基于高分辨率天气和灰尘数据，通过强化学习（DRL）算法制定运行策略。与以往的基于DRL的能源管理系统（EMS）研究不同，本文明确将灰尘/污染和沙尘暴动态作为一类不确定性因素纳入状态和奖励函数中，并同时优化了韧性指标（CLSR、SRT、MDA）以及成本、自给率、二氧化碳减排量和电网适应性。该方法通过与模型预测控制、基于规则的能量管理系统和传统DRL方法的对比测试进行了验证，使用2021-2023年的15分钟气候/灰尘数据集进行了评估（采用留一法）。结果显示：在固定系统规模的情况下，运营成本降低了约18%，电网交互指数提高了约17%，沙尘暴期间的韧性指标提升了约9个百分点，系统恢复时间缩短了约9小时；通过联合确定系统规模和运行方式，自给率达到了39-47%，二氧化碳减排量达到了42-49%。在沙尘暴期间，通过自适应清洁和电池调度机制保持了系统的韧性。本文指出了案例研究的局限性和对干旱地区BIPV应用的启示。

引言

沙特阿拉伯恶劣的沙漠环境给太阳能应用带来了独特挑战。根据“2030愿景”，该国设定了经济多元化和环境可持续性的宏伟目标，其中可再生能源是一个关键组成部分[1]。建筑行业占沙特阿拉伯电力消耗的约75%，尤其是在严酷的沙漠气候下，这为可再生能源创新提供了巨大机会[2]。尽管夏季气温极高、太阳辐射强度大且沙尘暴频繁，但利雅得仍存在一系列与气候相关的障碍，影响了太阳能的整合[3]。尽管日均太阳能资源为6.22千瓦时/平方米，但由于热损失、污染和运行中断，光伏（PV）系统的性能大幅下降[3]。到2030年，沙特阿拉伯需要将其可再生能源占比从0.3%提高到50%，但这面临重大挑战。传统的优化方法通常无法充分考虑极端高温、灰尘积累和沙尘暴之间的复杂相互作用[4]。研究表明，忽略这些因素会导致系统设计不佳，实际运行效果不佳[6]。Said等人指出，光伏系统需要超越传统规则驱动的控制策略，才能与建筑能源管理系统有效集成[7]。为了在多变天气条件下平衡能源供需并保持对电网的友好性，需要采用先进的方法[7]。现有研究框架未能充分解决利雅得地区沙尘暴带来的韧性问题，该地区每年发生沙尘暴13至40次[8]。Al-Hajji等人证明，沙尘暴期间气候变量在时间和空间上存在显著变化，这对太阳能系统影响巨大[9]。Al-Sharafi等人指出，在炎热气候下，混合可再生能源系统可实现高达65%的能量自给率[10]。Ramli等人认为，混合光伏系统可使利雅得的电价平准化成本降低22%[11]。尽管这类系统在沙漠环境中表现良好，但仍面临特殊挑战[12]。Al-Ghussain等人指出，混合可再生能源系统在沙特阿拉伯技术和经济上均可行，但最佳配置取决于当地气候条件[13]。Khonkar等人报告称，夏季灰尘积累和高温导致利雅德能源产出显著下降[13]。Menoufi的研究表明，沙特阿拉伯的灰尘积累会导致光伏功率输出减少4-40%[14]。研究人员开发了经验模型，发现细颗粒灰尘对光伏性能的影响大于粗颗粒[15]。在海湾合作委员会（GCC）国家，如果模块温度超过70°C，效率可能降低25%[16]。沙尘暴对可再生能源系统影响尤为严重，功率损失可达80%，恢复时间长达数天至数周[17]。显然，需要专门针对沙漠环境设计的韧性系统。尽管近期取得了进展，但现有优化方法仍存在四个关键局限性：（1）对极端气候条件的考虑不足；（2）未充分考虑经济性和可靠性之外的多目标因素；（3）物理模型过于简化，无法准确反映恶劣条件下的性能下降；（4）时间分辨率有限，忽略了可再生能源与建筑能源需求之间的关键关联[18]。为解决这些问题，本文提出了一种结合气候不确定性积分的强化学习（EDRL-CUI）方法，将极端高温、灰尘积累和沙尘暴动态作为学习过程中的特征进行编码，从而内化沙漠环境下的光伏降效问题。通过分层决策过程，结合NSGA-III进行系统规模优化，并通过DRL优化运行策略，同时兼顾经济可行性、环境影响、能源自给率、电网交互质量和系统韧性，特别是在沙尘暴导致光伏系统严重降效的情况下。本文还开发了针对利雅得的灰尘积累实证模型，并通过实际商业建筑案例进行了验证。

参考文献

文献综述

在沙漠地区，BIPV系统会受到温度和污染的双重影响，沙尘暴还会导致光伏发电量急剧下降并需要多天才能恢复。早期在沙特阿拉伯进行的混合光伏-风能研究展示了技术经济的潜力，但未充分考虑这些气候因素对设计和控制的影响[8],[9],[10],[11]。实地数据显示，灰尘积累可使直流功率下降4-40%，具体取决于暴露时间和灰尘成分

系统描述

通过混合风能-太阳能系统，可以利用可再生能源和储能技术应对利雅得恶劣的气候条件，为建筑提供可持续能源。系统架构如图1所示，包括太阳能光伏阵列、小型风力涡轮机、电池储能系统、电力调节设备以及用于电网集成的建筑能源管理系统（BEMS）。

建筑描述

本研究研究的建筑位于沙特阿拉伯利雅得（北纬24.7°，东经46.7°），是一座具有代表性的八层现代化办公综合体，总面积为7,500平方米，可容纳约375名员工（每层50人），开放时间为每周日日至周四的上午7:00至下午7:00。该建筑采用钢筋混凝土结构，外墙为双层玻璃幕墙，屋顶设有1,200平方米的太阳能安装空间。

灰尘/沙尘暴模块的实证验证（2021-2023年）

为了增强实证基础，本文将灰尘/污染数据与2021-2023年利雅得的能见度和PM10颗粒物记录进行了对比验证。根据能见度低于1公里和/或PM10颗粒物浓度超过设定阈值的条件，区分了沙尘暴期间和非沙尘暴期间的数据；同时根据降水量（大于2毫米/小时）和维护日志确定了清洁间隔时间。采用留一法（LOYO），即每年排除一个数据点进行测试

结论

本文提出并评估了一种结合气候不确定性积分的强化学习（EDRL-CUI）框架，用于联合确定和优化沙特阿拉伯利雅得沙漠气候下商业建筑的BIPV-风能-电池系统的规模和运行方式。通过将灰尘/沙尘暴动态作为一类不确定性因素进行编码，并同时优化成本、自给率、二氧化碳减排量、电网交互性和系统韧性，该方法显著优于传统方法

作者贡献声明

Ali Hussain Alhamami：撰写 – 审稿与编辑、初稿撰写、可视化展示、验证、监督、软件开发、资源协调、项目管理、方法论设计、研究开展、资金筹集、数据分析、概念构建。 Maher Abuhussain：撰写 – 审稿与编辑、初稿撰写、可视化展示、验证、监督、软件开发、资源协调、项目管理、方法论设计、研究开展、资金筹集、数据分析

利益冲突声明

作者声明不存在可能影响本文研究的已知财务利益冲突或个人关系。