Salman Hossain · All Mumtahina Arik · Iffat Nowshin Fahim · Jamal Uddin 等7人 · Solar Energy · 2025年1月 · Vol.287

摘要 光伏（PV）组件由于灰尘积聚，其效率显著降低。为了以经济有效的方式最小化灰尘对光伏系统的影响，需要确定最优的清洁间隔。为实现该目标，可利用机器学习（ML）模型检测光伏组件上的灰尘水平是否超过预设阈值，从而在无需现场人工干预的情况下判断是否需要清洁面板。基于此目标，本研究分析了灰尘在孟加拉国对光伏系统的不利影响，并提出了一种基于机器学习分类的新型灰尘检测方法，进而开发了一套清洁系统。本文实现了多种机器学习分类器，并对其性能进行了评估，其中表现最优的人工神经网络（ANN）模型达到了98.11%...

解读: 该机器学习驱动的光伏清洁技术对阳光电源SG系列逆变器和iSolarCloud平台具有重要应用价值。研究证实灰尘导致效率损失可达14.87%,ANN模型98.11%的检测精度可集成至智能运维系统,结合MPPT优化算法实现发电量损失预警。建议将该分类模型嵌入iSolarCloud平台,通过逆变器实时功率...