光伏面板温度在光伏发电系统的运行中起着至关重要的作用,因为面板温度直接影响光伏组件的发电效率。随着温度的升高,光伏面板的转换效率通常会下降,导致输出功率的减少。因此,控制和预测光伏面板温度对于提升发电效率和系统运行的稳定性至关重要。但是,湖、陆光伏电站的光伏面板温度是否具有差异,如何精准预测光伏面板温度是光伏电站管理维护运营过程中面对的棘手问题。
针对上述科学问题,近日成都信息工程大学大气科学学院李培都博士在中科院1区Top期刊《Renewable Energy》(IF:9.0)上发表了一篇题为“Advancing photovoltaic panel temperature forecasting: a comparative study of numerical simulation and machine learning in two types of PV power plant”的研究论文。该研究对湖、陆光伏电站的光伏面板温度预测进行了比较,探讨了数值模拟与机器学习方法在不同条件下的性能表现。基于数值模拟和6种机器学习算法,研究发现,机器学习在光伏面板温度的预测性能优于传统的数值模拟。其原因是数值模拟是基于简化的物理模型,可能不能完全反映所研究系统的复杂性。机器学习更多是基于数据驱动,可更好地解释数据中的非线性和复杂模式。然而,数值模拟仍然具备重要的物理意义,能够为理解潜在的物理过程提供深刻洞见。研究建议,未来可通过混合方法,结合数值模拟与机器学习方法,以实现更加精确的预测,特别是在缺乏训练数据的情况下,数值模拟的重要性不容忽视。这一研究不仅为光伏电站的运维优化提供了科学依据,也为进一步开发高效的预测模型奠定了理论基础,具有重要的应用价值。
本研究由国家自然科学基金(42405123&42175191),四川省青年科学基金(2024NSFSC0772)和成都信息工程大学人才引进科研启动项目(KYTZ202209)共同资助。
论文信息:
PeiduLi, Yong Luo, Xin Xia, Wen Shi, Junqing Zheng, Zhouyi Liao, Xiaoqing Gao, Rui Chang. Advancing photovoltaic panel temperature forecasting: a comparative study of numerical simulation and machine learning in two types of PV power plant, Renewable Energy, 2024, 121602. https://doi.org/10.1016/j.renene.2024.121602.
图1 湖、陆光伏电站光伏面板温度预测结果
图2 湖、陆光伏电站面板温度的观测与预测值比较