Estudo sobre estratégia de limpeza sazonal ótima para usinas fotovoltaicas baseada em otimização multiobjetivo por enxame de partículas aprimorada

,  

,  

,  

,  

摘要

【Objetivo】 Diante do problema da redução da eficiência de geração devido ao acúmulo de poeira nos módulos fotovoltaicos, é necessária uma estratégia de limpeza sazonal ótima para resolver as limitações dos métodos atuais de limpeza de ciclo fixo e dinâmico que não consideram adequadamente as diferenças sazonais. 【Métodos】 Com base em dados históricos meteorológicos e dados históricos de geração fotovoltaica, foi estabelecido um modelo de previsão da relação de eficiência energética e das características temporais do acúmulo de poeira para primavera, outono e inverno, propondo um algoritmo aprimorado de otimização por enxame de partículas multiobjetivo, melhorando o desempenho com uma estratégia de mutação por evolução diferencial e um mecanismo de cache de valores de aptidão, e otimizando os ciclos de limpeza de cada estação com base na produção de energia e nos custos de limpeza como funções objetivo. 【Resultados】 Tomando como exemplo uma usina fotovoltaica em Changzhou, na província de Jiangsu, os ciclos de limpeza otimizados foram 25 dias na primavera, 28 dias no outono e 20 dias no inverno, com aumentos na produção de energia de 1,83%, 2,01% e 3,52%, respectivamente, em comparação com a ausência de limpeza. 【Conclusão】 O algoritmo aprimorado de otimização por enxame de partículas multiobjetivo apresenta rápida convergência e distribuição uniforme do conjunto de soluções; a estratégia de limpeza sazonal proposta considera plenamente a influência das estações no acúmulo de poeira, possibilitando aumentar a produção de energia enquanto controla os custos de limpeza, fornecendo uma base científica para a elaboração de planos de limpeza em usinas fotovoltaicas.

关键词

Arranjo fotovoltaico;Acúmulo de poeira;Relação de eficiência energética;Estação;Estratégia de limpeza

阅读全文

以上内容由讯飞翻译自动生成,翻译内容仅供参考。对于因使用本网站翻译内容产生的相关后果,本网站不承担任何商业和法律责任。

The above content is generated by Large Model Translation. The translated content is for reference only. We do not assume any commercial or legal responsibilty for any consequences arising from the use of our website