灰尘积聚量的预测方法和装置、存储介质及电子装置与流程

本申请涉及光伏发电领域，具体而言，涉及一种灰尘积聚量的预测方法和装置、存储介质及电子装置。

背景技术：

1、在当前全球能源危机日益严峻的背景下，传统化石能源的逐渐枯竭以及其对环境造成的严重污染问题，推动了各国对可再生能源的重视和投资。太阳能作为一种重要的可再生能源，以其取之不尽、用之不竭、清洁环保的特点，成为了新能源开发利用的重要方向之一。光伏发电技术是利用光伏效应将太阳能直接转化为电能的技术，其核心装置是光伏板。光伏板通常安装在光照充足的户外环境中，以最大限度地吸收太阳光。然而，光伏板在实际应用中，特别是安装在荒漠、沙漠等风沙较大地区时，会受到灰尘、沙尘等颗粒物的影响。这些颗粒物沉积在光伏板表面，形成灰尘积聚层，严重影响光伏板的透光率，从而降低其光电转换效率。

2、灰尘积聚不仅会导致光伏板的发电效率下降，还会加速光伏板的老化和损坏，影响其使用寿命。研究表明，灰尘积聚会使光伏系统的输出功率损失约2％至10％，在极端情况下，输出功率损失甚至可达25％。这不仅增加了光伏电站的运行成本，也降低了光伏发电的经济效益。为解决这一问题，光伏电站需要定期对光伏板进行清洁。然而，目前大多数光伏电站的清洁工作主要依靠人工经验，缺乏科学的清洁计划。这不仅导致清洁频率和时机的不合理，还可能造成清洁成本的增加和资源的浪费。

3、灰尘积聚预测是制定科学清洁计划的重要基础。准确的灰尘积聚预测可以帮助光伏电站合理安排清洁时间和频率，从而降低灰尘对光伏板性能的影响，提高光伏系统的发电效率和经济效益。目前，对于光伏板灰尘积聚的研究大多集中在定性分析和实验研究上，缺乏有效的定量预测模型。传统的灰尘积聚预测方法主要基于经验公式和统计分析，这些方法在处理复杂非线性关系和多变量耦合效应时，存在一定的局限性，难以准确预测灰尘积聚的动态变化过程。

4、针对相关技术中，对光伏板的灰尘积聚的定量预测的预测效果差的问题，尚未得到有效方案。

技术实现思路

1、本申请实施例提供了一种灰尘积聚量的预测方法和装置、存储介质及电子装置，以至少解决现有技术中，对光伏板的灰尘积聚的定量预测的预测效果差的问题。

2、根据本申请实施例的一个实施例，提供了一种灰尘积聚量的预测方法，包括：按照预设频率采集光伏板的灰尘数据，其中，所述灰尘数据至少包括：所述光伏板所在的环境的气象数据、所述环境的空气质量数据；将所述灰尘数据输入到第一模型中，以预测所述光伏板在第一时刻的灰尘积聚量，其中，所述第一模型是预先训练好的用于进行灰尘积聚量预测的递归神经网络模型，所述第一时刻是当前时刻的下一时刻，所述当前时刻和所述第一时刻之间的第一时间间隔与所述预设频率对应的第二时间间隔相同。

3、在一个示例性实施例中，将所述灰尘数据输入到第一模型中，以预测所述光伏板在第一时刻的灰尘积聚量之前，所述方法还包括：通过鸽群优化算法对第二模型的模型参数进行优化，得到第三模型，其中，所述第二模型是未训练的递归神经网络模型；通过从实验平台采集的所述光伏板的历史数据对所述第三模型进行训练，得到所述第一模型，其中，所述历史数据包括：多个第二时刻分别对应的所述光伏板的历史灰尘积聚量、所述历史灰尘积聚量对应的历史气象数据和历史空气质量数据，所述多个第二时刻中的相邻两个第二时刻之间的第三时间间隔与所述第二时间间隔相同。

4、在一个示例性实施例中，通过鸽群优化算法对第二模型的模型参数进行优化，得到第三模型，包括：通过优化因子确定所述模型参数的初始位置和速度；通过更新规则对所述初始位置和速度进行更新，得到第一更新位置和更新速度；通过所述第一更新位置和所述更新速度确定优化后的模型参数，以得到所述第三模型。

5、在一个示例性实施例中，通过所述第一更新位置和所述更新速度确定优化后的模型参数，以得到所述第三模型，包括：通过柯西分布对所述第一更新位置进行优化，得到第二更新位置；通过所述第二更新位置和所述更新速度确定优化后的模型参数，得到所述第三模型。

6、在一个示例性实施例中，将所述灰尘数据输入到第一模型中，以预测所述光伏板在第一时刻的灰尘积聚量，包括：将所述灰尘数据输入到所述第一模型中，得到第一输出结果，其中，所述第一输出结果至少包括：空气中颗粒物的沉积速度；将所述第一输出结果输入到目标公式中，得到所述灰尘积聚量。

7、在一个示例性实施例中，将所述灰尘数据输入到第一模型中，以预测所述光伏板在第一时刻的灰尘积聚量之后，所述方法还包括：将所述灰尘积聚量输入到回归模型中，得到第二输出结果；将所述第二输出结果确定为所述光伏板的功率损失。

8、根据本申请实施例的另一个实施例，还提供了一种灰尘积聚量的预测装置，包括：采集模块，用于按照预设频率采集光伏板的灰尘数据，其中，所述灰尘数据至少包括：所述光伏板所在的环境的气象数据、所述环境的空气质量数据；输入模块，用于将所述灰尘数据输入到第一模型中，以预测所述光伏板在第一时刻的灰尘积聚量，其中，所述第一模型是预先训练好的用于进行灰尘积聚量预测的递归神经网络模型，所述第一时刻是当前时刻的下一时刻，所述当前时刻和所述第一时刻之间的第一时间间隔与所述预设频率对应的第二时间间隔相同。

9、根据本申请实施例的又一方面，还提供了一种计算机可读的存储介质，该计算机可读的存储介质中存储有计算机程序，其中，该计算机程序被设置为运行时执行上述方法。

10、根据本申请实施例的又一方面，还提供了一种电子装置，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，上述处理器通过计算机程序执行上述的方法。

11、根据本申请实施例的又一方面，还提供了一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现上述任一项方法实施例中的步骤。

12、在本申请实施例中，按照预设频率采集光伏板的灰尘数据，其中，所述灰尘数据至少包括：所述光伏板所在的环境的气象数据、所述环境的空气质量数据；将所述灰尘数据输入到第一模型中，以预测所述光伏板在第一时刻的灰尘积聚量，其中，所述第一模型是预先训练好的用于进行灰尘积聚量预测的递归神经网络模型，所述第一时刻是当前时刻的下一时刻，所述当前时刻和所述第一时刻之间的第一时间间隔与所述预设频率对应的第二时间间隔相同。通过上述实施例，解决了现有技术中，对光伏板的灰尘积聚的定量预测的预测效果差的问题，实现了对灰尘积聚量的准确预测的技术效果。

技术特征：

1.一种灰尘积聚量的预测方法，其特征在于，包括：

2.根据权利要求1所述的灰尘积聚量的预测方法，其特征在于，将所述灰尘数据输入到第一模型中，以预测所述光伏板在第一时刻的灰尘积聚量之前，所述方法还包括：

3.根据权利要求2所述的灰尘积聚量的预测方法，其特征在于，通过鸽群优化算法对第二模型的模型参数进行优化，得到第三模型，包括：

4.根据权利要求3所述的灰尘积聚量的预测方法，其特征在于，通过所述第一更新位置和所述更新速度确定优化后的模型参数，以得到所述第三模型，包括：

5.根据权利要求1所述的灰尘积聚量的预测方法，其特征在于，将所述灰尘数据输入到第一模型中，以预测所述光伏板在第一时刻的灰尘积聚量，包括：

6.根据权利要求1所述的灰尘积聚量的预测方法，其特征在于，将所述灰尘数据输入到第一模型中，以预测所述光伏板在第一时刻的灰尘积聚量之后，所述方法还包括：

7.一种灰尘积聚量的预测装置，其特征在于，包括：

8.一种计算机可读的存储介质，其特征在于，所述计算机可读的存储介质包括存储的程序，其中，所述程序运行时执行上述权利要求1至6任一项中所述的方法。

9.一种电子装置，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为通过所述计算机程序执行所述权利要求1至6任一项中所述的方法。

10.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述方法的步骤。

技术总结本申请公开了一种灰尘积聚量的预测方法和装置、存储介质及电子装置，其中，上述方法包括：按照预设频率采集光伏板的灰尘数据，其中，所述灰尘数据至少包括：所述光伏板所在的环境的气象数据、所述环境的空气质量数据；将所述灰尘数据输入到第一模型中，以预测所述光伏板在第一时刻的灰尘积聚量，其中，所述第一模型是预先训练好的用于进行灰尘积聚量预测的递归神经网络模型，所述第一时刻是当前时刻的下一时刻，所述当前时刻和所述第一时刻之间的第一时间间隔与所述预设频率对应的第二时间间隔相同。解决了对光伏板的灰尘积聚的定量预测的预测效果差的问题，实现了对灰尘积聚量的准确预测的技术效果。技术研发人员：孟欣,伊然,王介昌,葛鎣,李景伟,李凌鑫,张立武,于波,安琪,翟强,张梦楠,孙艳,周洪东受保护的技术使用者：华能吉林发电有限公司技术研发日：技术公布日：2025/1/6