研究揭示影响太阳能发电的隐藏因素

　　桑迪亚国家实验室的研究人员结合大量真实的太阳能数据和先进的机器学习来研究恶劣天气对美国太阳能农场的影响，并找出影响能源生产的因素。他们的研究结果发表在本月初的科学杂志《应用能源》上。
　　飓风、暴风雪、冰雹和野火都对太阳能发电厂构成风险，直接的形式是损失惨重，间接的形式是遮挡阳光和减少电力输出。桑迪亚的两名研究人员搜索了24个州的800多个太阳能农场的维护数据，并将这些信息与发电数据和天气记录结合起来，评估恶劣天气对设施的影响。通过识别导致性能低下的因素，他们希望提高太阳能农场应对极端天气的弹性。
　　该项目的高级研究员说:＂如果我们想让我们的可再生能源部门在气候变化中保持弹性，我们就需要了解未来的气候条件会如何影响我们的国家能源基础设施。现在，我们关注的是极端天气事件，但最终我们会扩展到长期暴露事件，比如持续的极端高温。＂
　　桑迪亚研究团队首先使用了自然语言处理技术(智能助手使用的一种机器学习技术)，分析了6年的太阳维护记录中与天气相关的关键词汇。他们在这项研究中使用的分析方法已经发表，其他光伏研究人员和操作者可以免费使用。
　　研究人员说:＂我们的第一步是查看维护记录，以决定我们应该查看哪些天气事件。光伏社区经常谈论冰雹，但维护记录中的数据告诉我们一个不同的故事。＂虽然冰雹的成本往往很高，但它们没有出现在太阳能发电厂的维护记录中，可能是因为运营商倾向于以保险索赔的形式记录冰雹损害。相反，她发现近15%的天气相关维护记录中提到了飓风，其次是其他天气术语，如雪、风暴、闪电和风。
　　＂由于大风，一些飓风破坏了支撑面板的结构，我们从维护记录中看到的另一个主要问题，以及与我们的行业合作伙伴讨论的问题是，洪水阻塞了进入现场的通道，这延误了工厂恢复运行的进程。＂
　　接下来，他们将16个州100多个太阳能农场两年多的实际发电量数据与历史天气数据相结合，以评估恶劣天气对太阳能农场的影响。他们利用统计数据发现，暴风雪对发电量的影响最大，其次是飓风和其他一系列风暴。
　　然后，他们使用了一种机器学习算法来发现这些恶劣天气事件中导致性能低下的隐藏因素。
　　＂统计数据提供了部分情况，但机器学习在澄清哪些是最重要的变量方面真的很有帮助。＂＂是场地的位置吗?＂是网站的历史有多久了吗?是在天气事件当天提交了多少维护票吗?我们最终得到了一套变量，并使用机器学习来锁定最重要的变量。＂
　　她发现，从整体来看，较老的太阳能发电厂受恶劣天气的影响最大。一种可能是，已经运行超过5年的太阳能发电厂由于暴露在自然环境中时间越长，磨损越严重。
　　＂这项工作突出了持续维护和进一步研究的重要性，以确保光伏电站继续按照预期运行。＂
　　对于暴风雪来说，它意外地是对发电量影响最大的风暴类型，其次最重要的变量是由于云层和雪量造成的该地点的低阳光水平，其次是农场的几个地理特征。
　　该研究小组正在努力扩大该项目，以研究野火对太阳能农场的影响。因为在维护日志中没有提到野火，所以他们无法在本文中研究它们。当他们的太阳能发电厂受到野火威胁时，运营商不会停下来写维护报告。＂这项工作突出了我们在研究极端天气事件时必须克服的一些数据限制的现实。＂
　　＂这项工作最酷的地方在于，我们能够开发出一种综合的方法来整合和分析性能数据、操作数据和天气数据。我们正在将该方法扩展到野火，以更详细地检查它们对太阳能发电的性能影响。＂
　　研究人员目前正在扩大这项工作，以观察恶劣天气对整个电网的影响，添加更多的生产数据，并回答更多的问题，以帮助电网适应变化的气候和不断发展的技术。