本申請涉及光伏發(fā)電領域，具體而言，涉及一種灰塵積聚量的預測方法和裝置、存儲介質(zhì)及電子裝置。

背景技術：

1、在當前全球能源危機日益嚴峻的背景下，傳統(tǒng)化石能源的逐漸枯竭以及其對環(huán)境造成的嚴重污染問題，推動了各國對可再生能源的重視和投資。太陽能作為一種重要的可再生能源，以其取之不盡、用之不竭、清潔環(huán)保的特點，成為了新能源開發(fā)利用的重要方向之一。光伏發(fā)電技術是利用光伏效應將太陽能直接轉(zhuǎn)化為電能的技術，其核心裝置是光伏板。光伏板通常安裝在光照充足的戶外環(huán)境中，以最大限度地吸收太陽光。然而，光伏板在實際應用中，特別是安裝在荒漠、沙漠等風沙較大地區(qū)時，會受到灰塵、沙塵等顆粒物的影響。這些顆粒物沉積在光伏板表面，形成灰塵積聚層，嚴重影響光伏板的透光率，從而降低其光電轉(zhuǎn)換效率。

2、灰塵積聚不僅會導致光伏板的發(fā)電效率下降，還會加速光伏板的老化和損壞，影響其使用壽命。研究表明，灰塵積聚會使光伏系統(tǒng)的輸出功率損失約2％至10％，在極端情況下，輸出功率損失甚至可達25％。這不僅增加了光伏電站的運行成本，也降低了光伏發(fā)電的經(jīng)濟效益。為解決這一問題，光伏電站需要定期對光伏板進行清潔。然而，目前大多數(shù)光伏電站的清潔工作主要依靠人工經(jīng)驗，缺乏科學的清潔計劃。這不僅導致清潔頻率和時機的不合理，還可能造成清潔成本的增加和資源的浪費。

3、灰塵積聚預測是制定科學清潔計劃的重要基礎。準確的灰塵積聚預測可以幫助光伏電站合理安排清潔時間和頻率，從而降低灰塵對光伏板性能的影響，提高光伏系統(tǒng)的發(fā)電效率和經(jīng)濟效益。目前，對于光伏板灰塵積聚的研究大多集中在定性分析和實驗研究上，缺乏有效的定量預測模型。傳統(tǒng)的灰塵積聚預測方法主要基于經(jīng)驗公式和統(tǒng)計分析，這些方法在處理復雜非線性關系和多變量耦合效應時，存在一定的局限性，難以準確預測灰塵積聚的動態(tài)變化過程。

4、針對相關技術中，對光伏板的灰塵積聚的定量預測的預測效果差的問題，尚未得到有效方案。

技術實現(xiàn)思路

1、本申請實施例提供了一種灰塵積聚量的預測方法和裝置、存儲介質(zhì)及電子裝置，以至少解決現(xiàn)有技術中，對光伏板的灰塵積聚的定量預測的預測效果差的問題。

2、根據(jù)本申請實施例的一個實施例，提供了一種灰塵積聚量的預測方法，包括：按照預設頻率采集光伏板的灰塵數(shù)據(jù)，其中，所述灰塵數(shù)據(jù)至少包括：所述光伏板所在的環(huán)境的氣象數(shù)據(jù)、所述環(huán)境的空氣質(zhì)量數(shù)據(jù)；將所述灰塵數(shù)據(jù)輸入到第一模型中，以預測所述光伏板在第一時刻的灰塵積聚量，其中，所述第一模型是預先訓練好的用于進行灰塵積聚量預測的遞歸神經(jīng)網(wǎng)絡模型，所述第一時刻是當前時刻的下一時刻，所述當前時刻和所述第一時刻之間的第一時間間隔與所述預設頻率對應的第二時間間隔相同。

3、在一個示例性實施例中，將所述灰塵數(shù)據(jù)輸入到第一模型中，以預測所述光伏板在第一時刻的灰塵積聚量之前，所述方法還包括：通過鴿群優(yōu)化算法對第二模型的模型參數(shù)進行優(yōu)化，得到第三模型，其中，所述第二模型是未訓練的遞歸神經(jīng)網(wǎng)絡模型；通過從實驗平臺采集的所述光伏板的歷史數(shù)據(jù)對所述第三模型進行訓練，得到所述第一模型，其中，所述歷史數(shù)據(jù)包括：多個第二時刻分別對應的所述光伏板的歷史灰塵積聚量、所述歷史灰塵積聚量對應的歷史氣象數(shù)據(jù)和歷史空氣質(zhì)量數(shù)據(jù)，所述多個第二時刻中的相鄰兩個第二時刻之間的第三時間間隔與所述第二時間間隔相同。

4、在一個示例性實施例中，通過鴿群優(yōu)化算法對第二模型的模型參數(shù)進行優(yōu)化，得到第三模型，包括：通過優(yōu)化因子確定所述模型參數(shù)的初始位置和速度；通過更新規(guī)則對所述初始位置和速度進行更新，得到第一更新位置和更新速度；通過所述第一更新位置和所述更新速度確定優(yōu)化后的模型參數(shù)，以得到所述第三模型。

5、在一個示例性實施例中，通過所述第一更新位置和所述更新速度確定優(yōu)化后的模型參數(shù)，以得到所述第三模型，包括：通過柯西分布對所述第一更新位置進行優(yōu)化，得到第二更新位置；通過所述第二更新位置和所述更新速度確定優(yōu)化后的模型參數(shù)，得到所述第三模型。

6、在一個示例性實施例中，將所述灰塵數(shù)據(jù)輸入到第一模型中，以預測所述光伏板在第一時刻的灰塵積聚量，包括：將所述灰塵數(shù)據(jù)輸入到所述第一模型中，得到第一輸出結(jié)果，其中，所述第一輸出結(jié)果至少包括：空氣中顆粒物的沉積速度；將所述第一輸出結(jié)果輸入到目標公式中，得到所述灰塵積聚量。

7、在一個示例性實施例中，將所述灰塵數(shù)據(jù)輸入到第一模型中，以預測所述光伏板在第一時刻的灰塵積聚量之后，所述方法還包括：將所述灰塵積聚量輸入到回歸模型中，得到第二輸出結(jié)果；將所述第二輸出結(jié)果確定為所述光伏板的功率損失。

8、根據(jù)本申請實施例的另一個實施例，還提供了一種灰塵積聚量的預測裝置，包括：采集模塊，用于按照預設頻率采集光伏板的灰塵數(shù)據(jù)，其中，所述灰塵數(shù)據(jù)至少包括：所述光伏板所在的環(huán)境的氣象數(shù)據(jù)、所述環(huán)境的空氣質(zhì)量數(shù)據(jù)；輸入模塊，用于將所述灰塵數(shù)據(jù)輸入到第一模型中，以預測所述光伏板在第一時刻的灰塵積聚量，其中，所述第一模型是預先訓練好的用于進行灰塵積聚量預測的遞歸神經(jīng)網(wǎng)絡模型，所述第一時刻是當前時刻的下一時刻，所述當前時刻和所述第一時刻之間的第一時間間隔與所述預設頻率對應的第二時間間隔相同。

9、根據(jù)本申請實施例的又一方面，還提供了一種計算機可讀的存儲介質(zhì)，該計算機可讀的存儲介質(zhì)中存儲有計算機程序，其中，該計算機程序被設置為運行時執(zhí)行上述方法。

10、根據(jù)本申請實施例的又一方面，還提供了一種電子裝置，包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序，其中，上述處理器通過計算機程序執(zhí)行上述的方法。

11、根據(jù)本申請實施例的又一方面，還提供了一種計算機程序產(chǎn)品，包括計算機程序，所述計算機程序被處理器執(zhí)行時實現(xiàn)上述任一項方法實施例中的步驟。

12、在本申請實施例中，按照預設頻率采集光伏板的灰塵數(shù)據(jù)，其中，所述灰塵數(shù)據(jù)至少包括：所述光伏板所在的環(huán)境的氣象數(shù)據(jù)、所述環(huán)境的空氣質(zhì)量數(shù)據(jù)；將所述灰塵數(shù)據(jù)輸入到第一模型中，以預測所述光伏板在第一時刻的灰塵積聚量，其中，所述第一模型是預先訓練好的用于進行灰塵積聚量預測的遞歸神經(jīng)網(wǎng)絡模型，所述第一時刻是當前時刻的下一時刻，所述當前時刻和所述第一時刻之間的第一時間間隔與所述預設頻率對應的第二時間間隔相同。通過上述實施例，解決了現(xiàn)有技術中，對光伏板的灰塵積聚的定量預測的預測效果差的問題，實現(xiàn)了對灰塵積聚量的準確預測的技術效果。

技術特征：

1.一種灰塵積聚量的預測方法，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的灰塵積聚量的預測方法，其特征在于，將所述灰塵數(shù)據(jù)輸入到第一模型中，以預測所述光伏板在第一時刻的灰塵積聚量之前，所述方法還包括：

3.根據(jù)權(quán)利要求2所述的灰塵積聚量的預測方法，其特征在于，通過鴿群優(yōu)化算法對第二模型的模型參數(shù)進行優(yōu)化，得到第三模型，包括：

4.根據(jù)權(quán)利要求3所述的灰塵積聚量的預測方法，其特征在于，通過所述第一更新位置和所述更新速度確定優(yōu)化后的模型參數(shù)，以得到所述第三模型，包括：

5.根據(jù)權(quán)利要求1所述的灰塵積聚量的預測方法，其特征在于，將所述灰塵數(shù)據(jù)輸入到第一模型中，以預測所述光伏板在第一時刻的灰塵積聚量，包括：

6.根據(jù)權(quán)利要求1所述的灰塵積聚量的預測方法，其特征在于，將所述灰塵數(shù)據(jù)輸入到第一模型中，以預測所述光伏板在第一時刻的灰塵積聚量之后，所述方法還包括：

7.一種灰塵積聚量的預測裝置，其特征在于，包括：

8.一種計算機可讀的存儲介質(zhì)，其特征在于，所述計算機可讀的存儲介質(zhì)包括存儲的程序，其中，所述程序運行時執(zhí)行上述權(quán)利要求1至6任一項中所述的方法。

9.一種電子裝置，包括存儲器和處理器，其特征在于，所述存儲器中存儲有計算機程序，所述處理器被設置為通過所述計算機程序執(zhí)行所述權(quán)利要求1至6任一項中所述的方法。

10.一種計算機程序產(chǎn)品，包括計算機程序，其特征在于，所述計算機程序被處理器執(zhí)行時實現(xiàn)權(quán)利要求1至6中任一項所述方法的步驟。

技術總結(jié)
本申請公開了一種灰塵積聚量的預測方法和裝置、存儲介質(zhì)及電子裝置，其中，上述方法包括：按照預設頻率采集光伏板的灰塵數(shù)據(jù)，其中，所述灰塵數(shù)據(jù)至少包括：所述光伏板所在的環(huán)境的氣象數(shù)據(jù)、所述環(huán)境的空氣質(zhì)量數(shù)據(jù)；將所述灰塵數(shù)據(jù)輸入到第一模型中，以預測所述光伏板在第一時刻的灰塵積聚量，其中，所述第一模型是預先訓練好的用于進行灰塵積聚量預測的遞歸神經(jīng)網(wǎng)絡模型，所述第一時刻是當前時刻的下一時刻，所述當前時刻和所述第一時刻之間的第一時間間隔與所述預設頻率對應的第二時間間隔相同。解決了對光伏板的灰塵積聚的定量預測的預測效果差的問題，實現(xiàn)了對灰塵積聚量的準確預測的技術效果。

技術研發(fā)人員：孟欣,伊然,王介昌,葛鎣,李景偉,李凌鑫,張立武,于波,安琪,翟強,張夢楠,孫艷,周洪東
受保護的技術使用者：華能吉林發(fā)電有限公司
技術研發(fā)日：
技術公布日：2025/1/6