基于辐照度时间特征和功率空间一致性的光伏污损评估方法

《Energies》：A Photovoltaic Soiling Assessment Method Based on Irradiance Temporal Features and Power Spatial Consistency

　　

基于辐照度时间特征和功率空间一致性的光伏污损评估方法

摘要：来自光伏（PV）电站的运行数据被广泛用于污损分析，但其可靠性常因天气扰动、辐照度波动、设备异质性和测量噪声而降低。本研究提出一种基于基线参考的四步滤波框架（S1–S5），以从逆变器级运行数据中提取更具物理一致性的样本。该框架结合了辐照度条件筛选、辐照度和功率时间趋势约束以及功率-辐照度耦合一致性，并使用整体离散度、日内平滑度、日间连续性、空间一致性和样本保留率等指标评估保留样本。基于上海绿华光伏电站的5分钟数据，研究人员在统一的R²和耦合相关（CC）阈值下扫描了280个参数组合。结果表明，前两个滤波步骤显著降低了整体变异性，分别使离散度指标改善了约97%和89%，而后续步骤进一步改善了设备响应和耦合一致性。推荐配置为W7_R75且CC=0.95，保留了8.57%的有效样本，并在数据质量和样本支持之间实现了平衡改善。更严格的CC阈值（0.97–0.98）提供了额外的平滑度和空间一致性增益，但将保留率降低至约5–7%。该框架为光伏污损评估和运行数据质量控制提供了可复现的数据筛选基础。

近年来，全球能源系统加速向低碳可再生能源转型，光伏（Photovoltaic, PV）发电因资源广泛、结构简单、建设周期短成为增长最快的技术之一。至2025年底全球累计装机约2800 GW，行业焦点从部署规模转向运行效率和运维成本控制。灰尘沉积在组件表面是影响系统性能的主要因素，尤其在干旱多尘环境，每日能量损失可达较高水平。可靠评估污损状态（Soiling State）是清洗决策的关键。现有污损评估方法包括直接测量（参考模块、透射率测量）和基于运行数据的方法，前者需额外传感器成本高，后者更实用但受天气扰动、辐照度波动、传感器误差及设备异质性影响，数据可靠性降低。已报道方法在预处理方面系统性不足，多依赖简单阈值或单步规则，缺乏平衡数据质量与样本保留的机制，且评估指标单一。针对这些问题，本研究将数据预处理本身作为主要研究焦点，提出一种基于原始数据基线参考的四步滤波方法，并系统分析不同滤波参数对数据质量和样本支持的影响。

研究人员基于上海绿华光伏电站（31.62° N, 121.40° E，海拔约4 m）的逆变器级运行数据（时间分辨率5分钟，时段2025年2月6日至12月3日，共176个逆变器），提出S1–S5五阶段滤波框架（S1为原始基线，S2–S5为四步滤波），依次施加辐照度范围约束、辐照度时间趋势约束、功率时间趋势约束和辐照度–功率耦合一致性约束。通过扫描8种窗口大小（5–12数据点，对应25–60分钟）、5种统一R²阈值（0.75–0.95）和7种耦合相关（Coupling Correlation, CC）阈值（0.80–0.99），共计280个参数组合，采用整体标准差（Std）、日内跳变（IntraDay_Jump, IDJ）、日间连续性（Interday Continuity, IDC）、空间标准差（Spatial_Std）和保留率（Retention_Rate, RR）及综合评分（Composite Score, CS）进行评价。该研究提供了可复现的数据筛选基础，对光伏污损评估和运行数据质量控制具有工程实践意义，论文发表在《Energies》。

关键技术方法方面，样本队列来源于上海绿华光伏电站，包含11个光伏阵列和176个逆变器。主要方法包括：(1) 辐照度范围滤波：保留200–1000 W/m²数据；(2) 辐照度时间趋势滤波：对每日辐照度序列进行滑动窗口线性回归，基于决定系数R²和方向约束筛选稳定晴朗时段；(3) 功率时间趋势滤波：对每个逆变器功率序列应用相同趋势分析，剔除局部异常响应；(4) 辐照度–功率耦合滤波：计算窗口内功率与辐照度的Pearson相关系数，低于阈值（CC_min）的样本被移除。参数扫描策略覆盖窗口大小、统一R²阈值和CC阈值，共280组合。评价指标包括整体离散度（Std）、日内平滑度（IDJ）、日间连续性（IDC）、跨逆变器空间一致性（Spatial_Std）和样本保留率（RR），并构造综合评分（CS）以平衡数据质量与样本支持。

研究结果分以下五个部分呈现。

3.1 不同耦合阈值下的最优参数变化：通过对280个参数组合的系统扫描，以CS为排序依据，研究人员发现最优参数随CC阈值呈现阶段性变化。CC=0.80–0.90时，最优组合为W15_R90（窗口15，R²阈值0.90），RR约6.25%，Std≈0.167，IDJ≈0.0058，Spatial_Std≈0.040，IDC≈0.036，表明弱耦合约束下框架倾向于长窗口和严格趋势阈值。CC=0.95–0.98时，最优组合转为W7_R75（窗口7，R²阈值0.75），RR在CC=0.95时达8.57%，Std=0.157，IDJ=0.0046，Spatial_Std=0.038；CC=0.98时IDJ和Spatial_Std进一步改善至约0.0039和0.030，但RR降至5.22%。CC=0.99时无组合满足RR≥3%的样本支持标准，显示过度严格不利于工程应用。结论：CC=0.95–0.98可有效平衡数据质量改善与样本保留。

3.2 原始基线参考的阶段式滤波效果：通过S1–S5各阶段指标对比，研究人员发现S1→S2（辐照度范围滤波）使Std降低约97%，S2→S3（辐照度趋势滤波）使Std再降低约89%，显著改善整体离散度及日间连续性、空间一致性，但对IDJ直接改善有限。S3→S4（功率趋势滤波）对Std进一步改善仅3.96–5.17%，但对IDJ改善达51.71–72.65%，对Spatial_Std改善达31.19–51.02%，表明该步骤主要移除在稳定辐照度条件下仍存在的逆变器局部功率异常响应。S4→S5（耦合滤波）进一步去除残留功率–辐照度失配样本。三维可视化显示S2移除低辐照度边缘时段，S3排除多云扰动的不稳定时段，S4移除逆变器局部功率跌落异常，S5消除残余失配片段。结论：S2和S3承担整体噪声抑制和天气不稳定样本去除，S4和S5在数据进入稳定辐照度状态后进行局部精细提纯。

3.3 S5的质量增益与样本成本：针对S4→S5的收益–代价分析，研究人员以IDJ和Spatial_Std为代表指标。CC=0.80–0.90时，S5几乎无额外改善，RR变化小于0.1%。CC=0.95时，S4→S5使IDJ改善约28.51%，Spatial_Std改善约25.34%，但RR相对S4降低33.25%。CC=0.97时改善分别增至36.15%和33.86%，RR降低48.10%。CC=0.98时改善达39.10%和40.00%，RR降低59.31%。结论：S5是最终样本纯化步骤，其质量增益伴随明确的样本支持成本，仅在CC≥0.95时发挥有效作用。

3.4 推荐参数范围：综合考虑数据质量与样本支持，研究人员推荐CC=0.95、窗口大小W7、R²阈值R75作为主要设置，该配置保留8.57%有效样本，已在Std、IDJ、Spatial_Std等关键指标上取得明显改善。若应用更强调样本纯度且可接受较低保留率，可考虑CC=0.97或0.98，对应RR约6.66%和5.22%。CC=0.99因样本损失过大不适宜常规工程应用。

3.5 与现有方法的对比：研究人员将推荐配置（W7_R75, CC=0.95）与四种现有晴朗天空及辐照度筛选方法（CSI阈值法、Reno and Hansen (2016)、Jordan and Hansen (2023)、Bright et al.）在同一数据集上比较。结果显示，S5框架在Std、IDJ、IDC和Spatial_Std上均低于所有对比方法，同时保持较高的保留率，在CS排名中位列第一。结论：所提框架通过功率趋势和耦合一致性约束，不仅移除不稳定辐照度条件，还进一步排除局部功率异常和失配样本，在数据质量与样本保留之间实现更优平衡。

总结讨论部分，研究人员指出：所提基线参考四步滤波框架通过物理一致性筛选减少了非污损因素对评估的干扰，提供了更可靠的数据基础。结论部分翻译如下：本研究提出了一个五阶段滤波框架（S1–S5），通过简单高效的数据筛选，旨在最大程度降低非污损因素对光伏污损评估的影响，而非直接提供污损严重程度的绝对真值。该框架依次施加辐照度范围、辐照度时间趋势、功率时间趋势和辐照度–功率耦合一致性四个物理约束，从多角度逐步筛选运行数据，并建立包含整体Std、IDJ、IDC、Spatial_Std和RR的多指标评价体系，系统量化各滤波阶段的贡献。基于真实光伏电站逆变器级运行数据的系统分析显示，辐照度范围滤波和辐照度趋势滤波主导整体噪声抑制，功率趋势滤波和耦合一致性滤波主要进一步改善时间与空间维度的样本一致性。机制可视化表明，步骤4主要移除局部功率跌落异常，步骤5移除残余功率–辐照度失配片段，体现从粗筛到细化的数据可靠性递进。在280个参数组合中，CC=0.95、窗口大小W7和R²阈值R75在数据质量改善与样本保留之间实现了良好的工程权衡。当前工作存在局限：数据验证仅限于上海绿华光伏电站（亚热带季风气候区）。未来研究应在不同气候条件和系统配置下进行跨站点验证，并纳入独立直接污损测量（如参考模块对、透射率读数）或清洗事件记录，以直接量化所提滤波框架对污损估计精度的改善。