【Ziel】 Angesichts des Problems des Effizienzverlustes durch Staubablagerungen auf Photovoltaikmodulen wird eine saisonal optimale Reinigungsstrategie benötigt, um die unzureichende Berücksichtigung saisonaler Unterschiede bei den derzeitigen festen Reinigungszyklen und dynamischen Reinigungsmethoden zu beheben. 【Methode】 Basierend auf historischen Wetterdaten und historischen Photovoltaik-Erzeugungsdaten wurde ein Prognosemodell für den Wirkungsgrad und die zeitliche Veränderung der Staubablagerung im Frühling, Herbst und Winter entwickelt. Ein verbesserter Multi-Objective Particle Swarm Optimization Algorithmus wurde vorgeschlagen, der durch eine Differential-Evolutions-Mutationsstrategie und einen Cache-Mechanismus für Fitnesswerte die Leistungsfähigkeit verbessert, und die Reinigungszyklen für jede Jahreszeit wurden unter Verwendung der Stromerzeugung und der Reinigungskosten als Zielfunktionen optimiert. 【Ergebnisse】 Am Beispiel einer Photovoltaikanlage in Changzhou, Provinz Jiangsu, lagen die optimierten Reinigungszyklen bei 25 Tagen im Frühling, 28 Tagen im Herbst und 20 Tagen im Winter, was eine Steigerung der Stromerzeugung um 1,83 %, 2,01 % bzw. 3,52 % im Vergleich zur Nichtreinigung ergab. 【Schlussfolgerung】 Der verbesserte Multi-Objective Particle Swarm Optimization Algorithmus konvergiert schnell und liefert eine gleichmäßige Verteilung der Lösungsmenge; die vorgeschlagene saisonale Reinigungsstrategie berücksichtigt den Einfluss der Jahreszeiten auf die Staubablagerung vollständig, ermöglicht eine Steigerung der Stromerzeugung bei gleichzeitiger Kontrolle der Reinigungskosten und bietet eine wissenschaftliche Grundlage für die Erstellung von Reinigungsplänen für Photovoltaikanlagen.

Photovoltaik-Array;Staubablagerung;Wirkungsgrad;Jahreszeit;Reinigungsstrategie