粉煤灰对光伏发电系统造成的污染的定量评估：实验验证与预测建模

《Next Energy》：Quantitative assessment of fly ash–induced soiling in photovoltaics: Experimental validation and predictive modelling

　　K. Fadil | K. Kandoussi | R. El Otmani
摩洛哥能源科学工程师实验室（LabSIPE）

**摘要**
在工业活动、车辆通行和居民活动频繁的城市地区，燃烧过程产生的飞灰颗粒是导致光伏（PV）性能下降的关键因素。这些颗粒在PV玻璃表面的沉积会降低光透过率，改变光子散射，并提高电池工作温度，最终降低转换效率。本研究采用实验和数值相结合的方法量化了飞灰积累对PV模块的影响。测量结果与模拟结果之间表现出高度一致性，皮尔逊相关系数为0.997，决定系数为0.994，表明线性吻合度非常好。模型的预测性能还得到了低误差指标的支持（均方根误差 [RMSE] = 0.79°C，平均绝对误差 [MAE] = 0.62°C）。本工作的创新之处在于将实验验证与飞灰暴露条件下的数值建模相结合，为评估污染引起的热效应和光学效应提供了一个定量框架。这些发现不仅加深了对污染环境下退化机制的理解，也为在高颗粒物排放地区部署光伏系统提供了缓解和预防策略的依据。

**1. 引言**
全球人口的快速且前所未有的增长推动了能源需求的指数级增长。这种需求的激增迫使各国增加化石燃料的生产，从而导致温室气体（GHG）排放量的急剧上升。这些排放扰乱了气候系统，促进了包括温度升高、海平面上升和极端天气事件在内的重大环境变化，所有这些都危及生态系统的稳定性。此外，这种情况还对人类健康构成严重威胁，因为空气污染增加了呼吸系统和心血管疾病的发生率。从长远来看，我们对化石燃料的依赖不仅削弱了我们的食物和水资源安全，也削弱了我们社区的总体可持续性。因此，加速向可再生能源的过渡并采用更可持续的消费方式对于确保当前和未来几代人的福祉至关重要。

太阳能是自然界提供的众多资源中的一种重要替代品。特别是在干旱地区，其持续的可利用性使其成为非常有前景的能源。这一巨大潜力推动了光伏（PV）面板的广泛采用，以满足我们家庭、工业等领域的电力需求。在全球绿色能源转型的背景下，向太阳能的过渡在保护生态系统和维持人类生存方面发挥着重要作用。

当光伏系统暴露在自然环境中时，灰尘的积累会对系统性能产生不利影响。
“灰尘”一词用于描述大气中任何直径小于500微米的物质或颗粒，这相当于传统灰尘颗粒直径的十倍。这一定义涵盖了多种颗粒物，包括无机和有机固体、土壤沉积物以及由工业设施和车辆产生的烟雾。此外，它还包含细菌、花粉和真菌等生物成分，以及微纤维和侵蚀的石灰石残留物[1]。美国矿山安全与健康管理局（MSHA）将灰尘定义为大气中的细小固体颗粒，除了温度和空气湿度的变化外，它们保持其固有的物理和化学特性[1]。

尽管这种清洁能源具有诸多优势，但光伏系统的主要缺点是其效率有限，在最佳条件下效率仅为12%至20%[2]。环境温度和太阳辐射是影响光伏系统发电量波动的两个主要因素。PV模块和电池的温度受环境参数的影响，如环境温度、太阳辐射、风速、湿度、安装配置（方位角、倾斜度等）以及所使用的电池技术类型[3]。随着温度的升高，PV模块的性能会下降，每升高1摄氏度，效率损失可达0.5%。在64°C的高温下，相对于STC（标准测试条件），效率降低幅度可高达60%-70%[4][5]。在没有冷却系统的情况下，仅依靠自然对流下，当太阳辐射强度为1000 W/m2时，PV模块的温度可升至56°C，这导致其电效率下降了3.13%[6]。如果PV模块在持续照射下直接暴露在阳光下，其温度将不可避免地上升，从而导致发电量下降。随着温度的升高，电压和功率输出也会随之减少，进而降低光伏模块的效率。PV模块中硅薄膜的能量传输效率也会随之降低。

尽管灰尘对设备效率和能量生产有显著影响，但其积累问题常被忽视。这一发现尤其在太阳能行业快速发展的背景下尤为重要。由于灰尘积聚导致的效率下降会带来经济损失，并因高昂的服务、维护和备件成本而造成额外支出，因此灰尘管理成为太阳能发电企业的关键问题。尽管光伏技术取得了技术进步，但由于灰尘问题依然存在。

在城市地区，飞灰的存在尤为明显，这对光伏系统的影响尤为显著。飞灰主要来源于废物燃烧、道路交通、家庭供暖、工业活动和建筑工地，这些来源的飞灰通过细颗粒物加剧了空气污染。

全球向可持续能源解决方案转型的趋势使太阳能成为能源格局中的关键角色。然而，灰尘积累、对模块的损害等问题影响了其有效性。自清洁机制的创新为光伏系统的维护带来了变革机遇。此外，政策制定者、研究人员、个人投资者在规划太阳能项目时必须考虑灰尘管理问题。如果不解决这一问题，可能会进一步影响光伏系统的性能和预期目标[7]。

风在灰尘在PV模块表面的沉积和清除过程中起着关键作用，是灰尘传播的关键因素。风速较慢时会导致灰尘沉积，而风速较快时则可以清洁PV模块的表面，类似于雨水的作用。空气中的灰尘传输取决于多种因素，包括风速、湿度、面板倾斜度、表面特性以及灰尘颗粒的形状、大小和重量[8]。研究表明，直径小于1 μm的细颗粒物在PV电池表面分布更为均匀，可能导致形成更均匀的薄膜，从而减少阳光的透过率；而直径超过5 μm的较大颗粒物则不能同样有效地覆盖表面，从而导致光照阻碍减少。因此，细颗粒物的存在可能对光伏电池的效率产生更严重的影响[9]。

灰尘的生成过程分为两个阶段：吸入和传输。在吸入阶段，灰尘主要由多种因素产生，包括工业活动、建筑工程、农业活动、日常生活中的人类活动以及其他颗粒物（如烟尘、花粉和病毒等）引起的侵蚀或污染。随后，灰尘被风分散到大气中。一些颗粒通过空气动力机制（如跳移或聚集破碎）悬浮在空气中，而另一些则来自不同来源并持续处于悬浮状态。吸入过程受地理因素、特定气候条件和人类活动的影响。一旦生成并悬浮在大气中，灰尘颗粒可以通过气流被输送到远距离[10]。灰尘颗粒的风力传输取决于气流速度和大气湿度。湿度越低，灰尘传输的可能性越大。这在干旱或半干旱气候区尤为明显，尤其是在摩洛哥南部和东南部。

沙漠中的沙尘暴是指根据颗粒的大小、形状、重量和其他物理化学性质被空气带走的风沙颗粒。颗粒可能被多种因素捕获，包括自然障碍物（如植被或地形不均匀）以及人造结构（如建筑和城市基础设施）。这种颗粒捕获现象可以归因于多种物理化学机制，例如吸附作用（颗粒因分子间力附着在固体表面）或重力作用下的沉积。此外，某些颗粒可能因自身的动态运动以及空气湍流的影响而重新进入大气。这种移动受许多因素影响，包括空气湍流和压力梯度，这些因素在颗粒在环境中的分布中起着关键作用。

总之，灰尘生成的过程可以通过以下示意图简化表示：
**图1. 面板污染机制**
**图2. ET2150模块由具有不同倾斜角度的相同光伏面板组成，配备有用于测量入射太阳辐射的测温仪。**

**术语解释**
“光透过率”是指材料吸收、反射和传输光的能力。悬浮在大气中的灰尘颗粒会在PV模块表面沉积，可能分散、重新定向、散射或吸收部分入射辐射，从而减少到达PV电池的光强度。因此，PV模块的效率取决于透过盖玻片的太阳辐射强度，而这又取决于灰尘沉积的速度[11]。由于灰尘沉积导致的太阳能辐照度降低而引起的PV模块性能下降程度取决于灰尘的来源、颗粒大小、暴露时间、沉积密度、模块倾斜角度和环境条件[12]。灰尘的沉积密度和颗粒大小对PV模块的性能有显著影响。Al-Hasan提出了一个关系式（公式1），通过单位面积的颗粒质量（mp）、颗粒密度（ρp）和直径（dp）来表达灰尘覆盖面积（Ac）[13]。

灰尘颗粒的尺寸和化学成分无疑会影响PV模块的效率，对不同环境下的光伏系统性能产生重大影响。根据公式1的假设，PV模块上的灰尘覆盖程度随着细颗粒的积累而增加，而随着粗颗粒的沉积而减少，这一现象基于基本的物理原理和实证观察结果，值得进一步研究。研究灰尘与阳光相互作用的方式至关重要。由于细颗粒体积较小，它们在模块表面的分布更加均匀，这有助于形成一层颗粒层，虽然会影响光传输，但也能优化光的拦截效果。细颗粒倾向于沉积在PV电池之间的间隙中，从而增加有效吸收面积并减少未被覆盖的区域。另一方面，较大的灰尘颗粒具有特定的特性，这些特性对玻璃层产生了负面影响。它们的体积较大，导致无法均匀分布。因此，这些颗粒倾向于聚集并形成阴影，从而产生覆盖区域和未覆盖区域。这导致光收集的整体效率降低。此外，较大的颗粒通常对风和降水等环境因素的反应较小，这加剧了它们对积聚的有害影响。灰尘显著降低了光伏面板的效率和功率输出。实验结果表明，当面板上存在灰尘时，功率降低了92.11%，效率降低了89%。实验使用了两个36W的光伏板，在不同的灰尘积聚条件下测量电压和电流等电气参数。该研究在印度的博帕尔进行，那里的年环境温度范围为5至48°C。无灰尘情况下记录的最大效率为6.38%，而有灰尘时则降至0.64% [14]。暴露在太阳辐射下的面板会接收一束入射光子。其中一部分光子穿过面板各层，最终到达光伏电池。随后，电子被剥离，产生电流。此外，部分低能量水平的辐射会促进组件的热化，从而提高层和整个面板的温度。这种热化现象直接影响了面板的电气效率，从而加速了其退化。另一部分入射光束被面板表面散射或反射，这取决于覆盖面板外部的组件、气候或地质条件以及当地人口的活动。灰尘在光伏面板上的积聚是一种不可避免的现象，对它们的性能有重大影响。实际上，这种积聚与环境温度和日照一起，是导致光伏能量效率降低的主要因素之一。性能的下降可能导致能量生产的显著减少，这是优化光伏系统时需要考虑的重要因素。促进灰尘在光伏面板上积聚的因素多种多样，取决于多种环境变量。光伏面板上的灰尘积聚是由多个因素紧密耦合相互作用引起的：1. 环境条件（风速和方向、相对湿度、降水量），这些因素控制着颗粒的传输、沉积和重新悬浮。2. 灰尘的物理化学性质（颗粒大小分布、组成、形态和粘附力），这些性质决定了它们附着和在表面持续存在的能力。3. 面板和站点的特性，包括表面粗糙度、表面能、防污涂层以及几何参数（如倾斜角度、方向和安装高度），所有这些都会直接影响沉积动态和自然清洁过程。这些因素以非线性方式相互作用。例如，高湿度增强了毛细力，加强了细颗粒的粘附，而低倾斜角度则通过限制重力清除来促进灰尘的保留。结果，污染形成了一层空间上不均匀且随时间变化的层，这同时降低了光学透射率并提高了面板的工作温度，导致效率损失，而在简化模型中这种损失往往被低估 [15]。玻璃透射率降低与灰尘积聚之间的关系不是线性的。面板长时间暴露在灰尘中会导致灰尘积累显著增加，进而导致面板性能明显恶化 [16]。这些因素包括地理位置、气候条件以及空气中的污染物扩散。鉴于对能量产量的潜在影响，采用定期和有效的清洁方法来保持光伏装置的效率至关重要。最近的研究表明，保持面板表面的清洁可以显著提高整体效率，这说明监测和管理灰尘积累的重要性。文献中探索了多种方法来实验室环境中模拟灰尘沉积和污染。例如，通过手动将细沙颗粒分散到光伏板上来模拟这一现象 [17]。采用类似的方法，另一项研究手动筛选了从土耳其不同地点收集的四种工业灰尘。研究人员通过测量每次测试后施加的灰分量并称重，来确定完全阻挡入射光或完全减少功率输出所需的灰尘量。研究发现，细颗粒比粗颗粒更容易阻挡光线 [18]。需要注意的是，在室内环境中进行灰尘污染模拟实验缺乏标准化方法。然而，实验策略之间可以观察到一定程度的一致性，这促使许多研究人员倡导实验协议的标准化 [19]。实际上，已经提出了多种标准化模型用于室内实验，以研究灰尘积累的影响 [20]。如图4所示，许多研究采用了标准化的实验方案 [21]。由于该领域缺乏明确的标准化，本研究旨在进一步探讨灰尘积累对这一高价值且迅速发展的能源生产领域的不利影响，因为它被视为一种极具前景的能源来源。可以合理假设，面板暴露在空气中以及上述各种因素可能会影响其性能和效率。换句话说，有必要确定来自煤炭燃烧、木材、工业过程或其他来源的飞灰积累是否会对面板温度升高等产生显著影响。鉴于许多研究表明每升高1摄氏度电效率就会下降0.45%，这一点尤为重要。本研究的目的是确定沉积在光伏面板表面的飞灰的物理、光学和热特性是否会对热量积累和效率损失产生关键影响。这项研究将有助于预测并考虑减轻此类损失所需的方法。为了全面回答问题和关切，必须更深入地研究飞灰沉积在光伏面板上的热行为。这项调查必须仔细检查构成光伏的每一层所经历的热变化。需要进行适当性质的计算机模拟研究，并结合使用相同数据和模拟参数的第二个研究，以便对两种情况进行比较分析，从而讨论和解释所得结果。为了实现研究目标，调查将集中在光伏在特定时间间隔内暴露在太阳辐射下以及在定义的气候条件下的热变化，随后在实验室中使用最合适的实验仪器进行测试。实验和测量工作在摩洛哥El Jadida国家应用科学学院（ENSAJ）的工程科学能源实验室进行。2.1. 研究和测量2.1.1. ET 250测试台为了从合适的光伏面板背面某一点，特别是Tedlar层获取温度测量数据，我们在实验室使用了ET 250实验仪器（图3）。下载：高分辨率图片（171KB）下载：全尺寸图片图3. (a) FTV200设备；(b) 连接图（FTV200/Photocells [22]。下载：高分辨率图片（76KB）下载：全尺寸图片图4. 来自Chouaib Doukkali大学的JASCO V-770 A UV/可见近红外光谱仪。ET 250测试台是一个先进的实验平台，专门用于定量评估光伏面板的性能。它专门设计用于准确测量光伏面板产生的关键参数，包括电电压和电流、面板表面的入射辐照度（以W·m?2表示），以及环境和面板温度。这些变量对于可靠评估光伏系统的电气行为和效率至关重要。从测试台获得的数据可用于各种目的，包括计算光伏效率、识别能量损失、优化安装配置以及该领域的其他实际应用。ET 250实验单元，型号E-TM535690 WW，配备了两个可调节倾斜角度的单晶硅光伏板，可以通过电缆串联或并联连接。安装在本光伏板上的日射强度计可以测量入射太阳辐射，并在需要时直接在测试台的显示控制台上显示温度和电气特性（I-V）。每个模块的有效表面积为0.54平方米，采用数据采集系统实时记录参数以供后续分析。诸如ET 250这样的测试台被：- 研究中心和大学用于开发和测试新的光伏技术。- 光伏制造商使用这些测试台在上市前验证产品质量。- 安装人员和技术人员使用它们在现场优化光伏系统。用于这项工作的FTV200（Chauvin Arnoux）是一种便携式仪器，通过电流-电压（I-V）曲线追踪对光伏发电机进行现场特征分析。它允许将测量性能与制造商的参考值进行直接比较。该设备记录关键电气参数，包括电压、电流、最大功率（Pmax）和填充因子（FF），以及环境变量，如太阳辐照度和面板温度 [22]。使用FTV200分析仪在真实运行条件（OPC）下测量电气参数，然后通过IEC/EN 60891转换为标准测试条件（STC），以便与制造商的光伏规格进行比较。FTV200的一个主要优点是它可以实时生成和显示I-V和功率-电压（P-V）曲线，这对于评估实际系统效率、识别异常（如不匹配、遮挡、污染或电池/模块故障）以及验证模拟模型至关重要。FTV200设计用于现场部署，支持预防性维护和研究导向的性能评估。它还提供了全局太阳辐照度（G, W/m2）的直接测量，代表单位面积的入射太阳功率。在本研究中进行的实际测试中使用的飞灰颗粒样本进行了全面的光谱特性分析，使用了Choua?b Doukkali大学的技术设施，在UV-可见近红外（NIR）和红外（IR）区域进行。这项分析旨在识别影响太阳辐射通过光伏面板玻璃层传输的因素，这些因素阻碍了光子有效穿透到设备的掺杂半导体层中。JASCO V-770 UV/Vis/NIR是一款高性能的双光束光谱仪。它配备了双单色器配置，提供了卓越的光学分辨率和增强的光通量，特别适合在紫外线到近红外光谱范围内进行敏感测量。该系统专门优化了在近红外区域的灵敏度。2.1.2. 研究本研究中使用的灰尘是由飞灰组成的，这些灰尘被仔细分布在ENSAJ实验室暴露的面板玻璃表面上。这种暴露持续了一个月，在此期间，样品每天大部分时间都暴露在阳光下。飞灰是一种由含碳或矿物质的材料不完全燃烧产生的细颗粒物。它们在城市环境中的普遍存在归因于多种人为活动，包括工业操作、道路交通和家庭供暖 [21]。参考了以下来源：1. 热电厂和焚化炉（煤炭和废物燃烧）[21]。2. 道路交通是刹车片磨损和燃料燃烧的一个促成因素 [23]。3. 住宅供暖系统的使用，包括木材、煤炭和燃料油等各种燃料，是住宅能源消耗的重要组成部分 [24]。4. 已确定以下工业活动也会产生飞灰：水泥厂和冶金业 [25]。5. 已确定特定的自然现象是这种现象的主要来源，包括但不限于火灾和沙漠灰尘。飞灰含有二氧化硅、氧化铝、铁和钙，以及铅、锌和镉等微量重金属 [26]，[27]。下载：高分辨率图片（158KB）下载：全尺寸图片图5。实验装置示意图，显示：(a) 飞灰颗粒样本；(b) 灰尘沉积（在玻璃层上均匀分布）；(c) 热电偶安装在每个模块的后部中心，温度通过校准的检测器记录。使用煤飞灰来模拟光伏模块表面的真实污垢条件。首先根据ASTM E11标准对材料进行筛分，以获得简化但物理上具有代表性的粒径分布。选择了三种粒径范围，即<20 μm、20–45 μm和45–63 μm，这些范围对应于大气中飞灰颗粒的主要尺寸范围。这种分类能够捕捉到与细颗粒和粗颗粒沉积相关的主要光学和热效应，同时确保实验的可重复性。在沉积过程之前，将一定量的颗粒均匀地通过筛网撒在光伏模块表面上。这是通过轻轻的水平振动来实现的，这种振动有助于颗粒逐渐通过筛网并在重力作用下沉积。该过程在完全无风的环境中进行，这一因素对于最小化颗粒聚集和确保几乎均匀的空间分布至关重要。通过在ET2150玻璃表面进行湿润处理（使用细小水滴模拟现实世界中的户外污垢条件和自然环境），使颗粒以薄层的形式附着在模块上。为了确保均匀性，沉积过程在空气干扰较小的条件下进行，并通过视觉检查验证了空间均匀性。这一假设得到了观察结果的支持，即单位面积上的沉积质量是控制污染的主要参数。一个既简化又具有物理代表性的粒径描述足以再现主要的热光效应。

为了实施实验设计并获得所需的测量结果，光伏模块（ET250）在晴天时段（09:00–17:00）暴露在阳光下。在测量开始时，两个光伏面板处于几乎相同的条件下，特别是在辐照度、风速、环境温度和倾斜角度方面。沉积物在整个光伏表面显示出显著的均匀性，实验开始时覆盖有飞灰的光伏面板上每个点的温度梯度分布也几乎是均匀的（见图6）。第一个热电偶安装在干净光伏模块的后部中心，而第二个热电偶则安装在覆盖有薄层飞灰的光伏模块的后部。

本研究使用了一种红外热相机（Chauvin Arnoux C.A. 1886型号，也称为“Ray Cam”）来捕捉光伏面板背面的热谱。这种专业级设备原本设计用于工业维护、能源审计以及建筑和电气工程领域的热成像。其主要目的是为了方便观察热量的变化。系统被配置为每小时记录一次热流成像光谱，时间范围为09:00–17:00。如图7所示，光伏模块表面的灰尘均匀分布以及几乎均匀的温度梯度非常明显。

图7显示了在相同辐射条件下清洁面板和覆盖有飞灰的面板之间的温度值对比。图7展示了两个光伏模块在相同太阳辐射条件下的温度变化过程：一个保持清洁（红色曲线），另一个部分被飞灰沉积覆盖（黑色曲线）。由于确保了辐照度相同，观察到的差异可以完全归因于模块的表面状态，而不是入射能量的外部波动。清洁模块的温度上升更快，中午时分达到约70–72°C的峰值，而覆盖有飞灰的模块则稳定在较低的60–62°C。这种差异突显了飞灰的热屏蔽效应，它减弱了太阳辐射的直接吸收，从而减少了模块内的热量积累。相比之下，清洁模块未受遮挡的表面促进了更强的辐射吸收，导致温度升高更为显著。重要的是，这种升高的温度可能对光伏转化效率产生不利影响，因为光伏电池具有众所周知的负温度系数。在昼夜循环结束时，两种配置的冷却行为进一步有所不同：清洁模块散热更快，而覆盖有飞灰的模块冷却更为缓慢，表明颗粒层阻碍了与周围环境的对流和辐射交换。

图8中的图像展示了两种不同情况下热相机每小时记录的温度梯度：(a) 清洁的光伏面板；(b) 覆盖有飞灰的光伏面板。温度趋势明显显示了两者之间的差异：清洁面板温度上升更快，中午时达到约70–72°C的峰值，而覆盖有飞灰的面板温度则在60–62°C之间稳定。这种差异归因于飞灰的隔热效果，它减少了太阳辐射的直接吸收，从而降低了模块内的热量积累。

图8说明了在相同辐射条件下测量的清洁面板和覆盖有飞灰的面板之间的温度变化。通过确保辐照度相同，观察到的温度差异可以仅归因于模块的表面状态，而不是入射能量的波动。清洁模块的温度上升更快，中午时达到约70–72°C的峰值，而覆盖有飞灰的模块则稳定在约60–62°C。这种差异突显了飞灰的热屏蔽效应。

图8展示了两个实验配置下面板温度的时间对比：一个表面覆盖有飞灰（Ash），另一个表面保持清洁（Clean），两者都暴露在相同的太阳辐射下。这种受控条件确保了观察到的温度变化是由光伏模块的表面状态引起的，而不是由于入射能量的波动造成的。温度变化在[9:00]至[19:00]之间被记录下来。在[09:00]时，覆盖有飞灰的模块起始温度约为28°C，随着时间的推移温度逐渐上升，这立即反映了沉积颗粒的隔热效应。到[10:00]时，面板温度接近40°C，温度上升速度明显慢于清洁面板，表明了热屏蔽行为的开始。到[11:00]时，表面温度接近50°C，显示出一个持续但温和的加热过程，飞灰继续限制了太阳辐射的直接吸收。大约在[12:00]时，模块温度接近58°C，达到热峰值；随后温度上升趋于平稳，表明颗粒层达到了限制作用。到[13:00]时，温度稳定在59°C左右，标志着一个中间温度平台的形成，变化很小。到[14:00]时，温度略微下降至约57°C，标志着冷却阶段的开始，尽管下降幅度相对于清洁面板来说仍然较小。到[15:00]时，温度逐渐降至约55°C，证实了灰尘层引起的热惯性的存在。到[16:00]时，表面温度进一步降至约52°C，显示出热量释放的过程缓慢但稳定。到[17:00]时，面板温度降至约48°C，冷却变得更加明显，但仍受到隔热层的限制。到[18:00]时，表面温度降至约42°C，随着太阳辐射的减少，散热速度加快。最后到[19:00]时，模块温度降至约36°C，显示出飞灰沉积带来的持续热保留效应。

图8中的热谱显示，覆盖有飞灰的光伏面板的响应明显减弱。飞灰层的存在显著改变了加热和冷却过程：在早晨阶段，面板表面温度逐渐上升，但上升幅度低于清洁面板，反映了由于颗粒引起的太阳辐射吸收减少。中午时的平台期表明飞灰限制了温度的最大升高，这与未受阻碍的面板形成了对比。下午时，覆盖有飞灰的面板冷却过程更慢且不规则，表明颗粒层不仅减少了辐射吸收，还阻碍了对流和辐射散热。这些观察结果强调了飞灰在加热阶段作为热屏障和在冷却阶段作为热阻隔的双重作用，这对光伏系统的能量产出和长期可靠性有影响。

为了在二维空间中对模块进行建模，采取了以下步骤：1. 设计了一个包含五层（R1、R2、R3、R4、R5）的模块，每层的厚度各不相同，各层之间有完美的接触。2. 实现了所有层的几何、热学和光学属性。3. 包括了实验室测量的大气条件（大气压力、相对湿度、该地区的平均风速、天空温度等）。光伏模块的前玻璃面受到太阳辐射，前表面（玻璃）和后表面（Tedlar薄膜）同时受到自然对流的影响，倾斜角度为35°，方位角为0°。在初始假设下，模块是清洁的，没有任何形式的污垢或污染（见图9(a)）。

为了评估表面污垢对热性能和电性能的影响，保持了与基线情况相同的光伏模块配置和操作参数。然而，在这种情况下，模块的前玻璃表面故意覆盖了飞灰颗粒，以模拟真实的灰尘沉积情况。这些颗粒在形状和大小上有所不同，从而在玻璃上形成了不均匀的灰尘层。这种配置旨在模拟半城市和工业环境中常见的污垢条件，以便比较清洁状态和污染状态下的热梯度、热流和潜在的电性能损失（见图9(b)）。

2.2.1. 热传递
光伏模块各层之间的热传递方式如下：
1. 玻璃层受到太阳辐射的影响，部分辐射被反射，部分被散射，其余部分传递到模块的内部层。
2. 玻璃层（前面）和Tedlar层（后面）上的环境空气产生了对流。
3. 未被转换为电能的辐射通过热传导转化为热能，在层内传播。
此外，温度的升高不仅显著增加了电能损失，还降低了光伏电池的效率和输出。热传播方程“E.P.C”用于计算光伏模块在任何点的能量平衡守恒，从而能够计算通过光伏面板的空间和时间热传递方程。(1)ρCpdTdt=Ki?T+Qi其中：?= ?2T?x2+?2T?y2；?2T?x2 = 0（沿y轴的热传递）在玻璃表面：(2)Qt = Q r + Q c = hc (T - Tambt) +εσB(T4 + T4 sky)为了确定Tsky，需要参考[28]发布的数据。这个值可以通过以下公式表示：(3)Tsky = 0.055×2 (Tambt) 0.5在区域2的边界和玻璃与EVA之间的层中，热方程的组合形式如下：(4)?K1dTdt=hc(T?Tambt)+εσB(T4+T4sky)对于流体（空气）和墙壁（玻璃）之间的热传递：(5)Nu=hLK=fRal,Pr(6)因此：hc=Nu.KL根据Churchill和Chu的相关性对于倾斜平面（其中φ = 36°），雷诺数Ra < 109表示在面积为16 [m/s]时流动是层流的。(7)hc=kL(0.68+0.67(cosφRa)14(1+(0.492Pr)916)49)由此可得：(8)hc=kL(0.68+0.67(cosφRa)14(1+(0.492kμCp)916)49)在模块内部，通过其组件：(对于i, j =1,2,3,4,5且i≠j)(9)KidTidy=KjdTjdy在模块的背面，在区域(R5)有“Tedlar背膜”，见图9(a)：(10)?K5dTidy=hc(T?Tambt)2.2.2. 结果与比较使用ET 250设备进行的实验期间收集的测量数据，结合使用适当的计算工具进行的模拟，使我们能够生成以下图表。下载：下载高分辨率图片（245KB）下载：下载全尺寸图片图10. (a)：清洁面板背面的温度变化：观测值和模型值。(b)：覆盖有粉煤灰颗粒的玻璃表面的面板背面的温度变化：观测值和模型值。图11(a)展示了两个温度曲线的比较分析：第一个（红色）代表实验测量值，而第二个对应于数值模拟生成的值。两条曲线显示出相似的热趋势，在[8:00]到[12:00]之间温度急剧上升，在中午时分稳定在70°C左右，之后在[14:00]之后略有下降。全天测量值和模拟值之间的差异很小，表明热模型能够准确复制系统的实际行为，尽管在下午晚些时候观察到了一些小的偏差。下载：下载高分辨率图片（108KB）下载：下载全尺寸图片图11. 在[13:00]时光伏模块各层的温度变化。EVA = 乙烯-醋酸乙烯酯；PV = 光伏。图11(b)展示了光伏面板背面的温度变化，其前玻璃直接暴露在太阳辐射下，并故意涂有粉煤灰颗粒。该图表比较了[9:00]到[18:00]时间间隔内的实证数据（红色曲线）和数值预测（黑色曲线）。从大约10:00开始，两条曲线都显示出明显的温度升高，在[11:00]附近达到峰值。实验数据达到约70°C的最大值。相比之下，模拟得出的值略低，约为68°C。在这个峰值之后，观察到温度逐渐下降，两条曲线之间有很强的吻合性，直到大约[17:00]，此时下降变得更加明显。总体而言，比较结果证实了数值模型在捕捉面板整体热力学行为方面的有效性，尽管在特定时间间隔内可能会出现轻微的偏差，这是由于测量不确定性或建模假设造成的。表1. 热传递模型的统计指标值统计指标值清洁面板值脏面板值NMSE0.00165385761380.0089178321510观测平均值61.2186666754.60874217模型平均值61.4293333357.60108696NMSE = 标准化均方误差。2.2.3. 对比统计数据标准化均方误差（NMSE）是一种统计度量，用于通过将计算模型的热预测与实验数据进行比较来评估其准确性。在本研究中，脏面板的NMSE值约为0.008917，清洁面板的NMSE值约为0.0016，这表明模拟温度与测量温度之间的均方误差非常低，当通过测量数据的方差进行归一化后。低NMSE意味着模拟的温度变化在幅度和趋势上与实验值非常接近，从而证实了模型在给定环境条件下可靠预测光伏电池实际热行为的能力。模拟曲线与测量曲线之间的差异可以归因于几个因素：模型中的近似：一些参数被近似处理，如下：1. 模块中所有材料的热属性被认为是各向同性的，层与层之间的接触是连续且完美的。2. 热传递沿垂直轴（Y轴）发生。3. 假设模块的侧面和端部是绝热的。4. 玻璃层受到环境空气的辐射和自然对流的影响。5. 光伏模块的层与层之间的接触被认为是完美的。6. 假设每层的透射率和吸收率与太阳辐射的波长无关。未预见的环境和属性变化：太阳辐照的暂时变化或局部热流的变化（如阴影或气流）可能导致模型中未考虑到的偏差。此外，实际使用的物质成分与计算机化模拟模型中的成分之间存在差异。实验不确定性：传感器测量的微小不准确或对外部影响的校正不足也可能导致观察到的差异[29]。表2. 使用的静态指标的值指标值清洁面板值脏面板值RMSE0.79 °C4.80 °CMAE0.62 °C3.30 °C皮尔逊相关性（r）0.9970.95决定系数（R2）0.9940.82NMSE = 标准化均方误差；RMSE = 均方根误差。通过将模型预测值与实际观测值进行比较，评估了温度模型的性能。研究结果表明两组数据之间有显著的一致性，这一点通过皮尔逊相关系数（rp = 0.997）和决定系数（R2 = 0.994）得到了证实。这表明存在稳健的线性关联，并几乎完全解释了观察到的方差。预测误差，通过均方根误差（Root Mean Square Error = 0.79°C）和平均绝对误差（MAE = 0.62°C）测量，保持较低，从而证实了模型的整体准确性。最后，用于数值模拟的热模型在再现研究条件下观察到的整体温度演变方面表现出令人满意的性能。模拟结果与实验数据很好地吻合，从而验证了模型结构及其基本假设的有效性。然而，为了进一步提高预测的准确性，有必要整合动态环境变量，如风速和 ambient 湿度的实时变化，同时考虑光伏面板不同层之间的不完美热接触。此外，根据实际局部条件对模型参数进行更精细的校准将增强其可靠性和适应性。这种计算模型的性能因此能够预测光伏模块不同层之间的温度变化和梯度，为模拟期间任何时间的每个组件的每个厚度提供温度分布。图11涵盖了从[13:00]的时间间隔，展示了模型在阳光最强烈时期的模块内在热行为捕获能力。此外，这种建模允许通过调整本研究中使用的数值模拟器提供的输出数据的时间分辨率，提取光伏模块各层在任何时间的内在温度数据：热配置的比较分析1) 粉煤灰（黑色曲线）在包含粉煤灰的配置中，记录的温度稳定在65–66°C左右，随着层厚度的增加而适度上升。这一趋势与基于粉煤灰的材料的众所周知的隔热性能一致，这些材料通常表现出低导热性，范围从0.2到0.4 W/m·K [30]。这种材料的有限热传递能力解释了在厚度增加时观察到的温度上升受到抑制。2) 清洁光伏（红色曲线）相比之下，“清洁光伏”配置显示出显著更高的温度，峰值约为70–71°C。这种增加可能归因于涉及材料更高的导热性或热容量，这阻碍了有效散热。光伏（PV）材料的化学组成和孔隙度影响它们的热行为[31]。如果没有有效的散热机制，这可能导致热积累，从而影响整个系统的性能。在两种配置中，玻璃层始终表现出较高的温度，强调了其在系统热动态中的关键作用。钠钙玻璃的导热性大约为1 W/m·K，有利于热传导[32]。然而，其保持热量的能力可能导致局部温度过度积聚，从而带来热降解或结构故障的风险，特别是在光伏或热集成设备中。在“清洁光伏”案例中，玻璃层观察到的更高温度表明向周围环境的散热效率低下。这可能会影响系统效率。总结来说，玻璃层在两种配置下始终保持高温，特别是在“清洁光伏”案例中这种效应更为明显。这一发现突显了需要优化的热设计策略，例如使用导热性较低或散热能力更好的材料。全面了解热物理属性，包括材料的热导率、热容量、密度等其他属性，对于提高光伏系统的性能和寿命至关重要。目前的例子同样表明，所提出的建模框架能够准确解决光伏模块内的层内温度梯度问题，从而可靠地重建多层结构下的热场[34]。A) 电产率和记录的温度值的比较分析：光伏系统的性能取决于两个因素：照射在面板玻璃表面的入射太阳光功率，以及这种光能转换为光伏系统可用的电能的效率。光伏面板上的入射太阳辐射功率P?（以瓦特为单位）与太阳辐照度G（以W/m2为单位）和面板的有效表面积S（以m2为单位）成正比。这些变量之间的关系可以表示如下：(11)P? = G × S光伏面板的效率（η）定义为提取的有用电能与照射在其玻璃表面的太阳辐射功率之间的比率。它是评估光伏模块性能的基本指标。所讨论的效率表示如下：(12)η=P_maxPn=(I_mpp×V_mpp)(G×S)图12展示了在相同辐照度（G）条件下测得的两种面板的电效率比较结果。下载：下载高分辨率图片（107KB）下载：下载全尺寸图片图12. 比较了两个面板的电效率：一个未受污染，另一个被粉煤灰污染，在相同的G值下。比较不同温度下的光伏面板性能发现效率明显下降：?清洁面板：效率从25°C时的16.5%下降到70°C时的8%，45°C的温度范围内下降了8.5个百分点。?带有粉煤灰沉积的面板：效率从14%下降到8%，在同一温度范围内下降了6个百分点。这些观察结果突出了光伏系统对温度的敏感性以及表面的额外影响。1. 变异系数（CV）表示数据集的相对分散程度，表示为：(13)CV=(σμ)×100%其中：?σ是效率的标准差。?μ是温度范围内的平均效率。2. 近似CV计算方法a. 温度变化下的效率变化：•清洁面板：ΔE_clean = 16.5% - 8% = 8.5% (14)•粉煤灰面板：ΔE_ash = 14% - 8% = 6% (15)b. 平均效率：•清洁面板：μ_clean ≈ (16.5+8)2= 12.25% (16)•粉煤灰面板：μ_ash ≈ (14+8)2= 11% (17)c. 标准差近似：假设温度范围内的效率呈线性（均匀）下降，标准差可以使用以下公式近似：(18)σsd≈ΔE√12•清洁面板：σsd_clean ≈ 8.5√12≈ 2.45% (19)•粉煤灰面板：σsd_ash ≈ 6√12≈ 1.73% (20)d. 变异系数（CV）：•清洁面板：CV_clean ≈ (2.4512.25) × 100% ≈ 20% (21)•粉煤灰面板：CV_ash ≈ (1.7311) × 100% ≈ 15.7% (22)1. 从图表推导出的方程：（估计的线性）•清洁面板：(23)η_clean(T)= -0.16?T+21.2 [%/°C](24)η_clean(T)= -0.0016?T+0.212(η? = 0.212 - 0.0016×25 = 0.172)(25)ηη0=pP0=?0.0016?T+0.2120.172=?0.0093?T+1.232=1+βClean?(T?25)βClean=?0.0093°C?1（要么 ?0.93%/°C）或者 η0 是25°C时的效率。•脏面板：(26)ηdirty((T)=?0.16?T+19.2 [%/°C](27)η_dirty((T)=?0.0016?T+0.192(28)(η? dirty= 0.192 - 0.0016×25 = 0.152)(29)η_dirtyη0(dirty)=pP0=?0.0016?T+0.1920.172=?0.0105?T+1.263=1+βClean(T?25)(30)?0.0105?T+1.263=1+βDirty (T?25)(31)β Dirty =?0.0105°C ?1 （要么 ?1.05%/°C）2. 一些关于β的引用：表3。文献中对于受污染面板（飞灰）的β值有所不同：

| 参考文献 | 沉积物类型 | β (清洁) | β (受污染) | 降至25°C的方法 |
|----------------|------------------|-------------|-------------|----------------------|
| Kaldellis等人 [35] | 火山灰 | -0.0043 °C?1 | -0.0050 °C?1 | 田间试验（希腊） |
| Jiang等人 [36] | 煤灰 | -0.0045 °C?1 | -0.0055 °C?1 | 实验室（IEC 60904） |
| | | | | β降解导致Δβ=13%（|β|增加）。a 类似但略低于火山灰/煤灰的研究。b β的绝对值更高，但随污染增加|β|的趋势得到确认。 |

图13(a)和13(b)的比较分析提供了关于在OPC条件下飞灰沉积对光伏模块性能影响的关键见解。当模块部分被飞灰覆盖时[图13a]，电流-电压(I-V)特性显示出明显的不规则性，包括多个拐点，这是由于光照分布不均导致的不匹配损失的症状。这种模块表面上的不均匀性破坏了光电流的均匀产生，并产生了局部阴影效应，从而导致相应的功率-电压(P-V)曲线中出现多个局部最大值。这种行为复杂化了最大功率点跟踪(MPPT)，并导致最大功率点电压(V_mp)和可提取峰值功率(Pmax)大幅下降。观察到的畸变进一步表明特定电池内部出现了电应力和热应力；这种情况通常与热点形成和光伏模块加速老化有关。

相比之下，清洁模块[图13(b)]显示出了平滑的I-V特性，随着电压的增加电流呈单调减小，并且P-V曲线中有一个定义明确的峰值。这种行为反映了没有外部污染的模块的正常工作状态，确保了稳定且容易识别的最大功率点。重要的是，开路电压(Voc)和短路电流(Isc)的值都接近其标称参考值，这证实了飞灰主要削弱了有效辐照度，而不是改变了光伏电池的固有半导体属性。

图7(a)中观察到的性能退化与文献中报道的污染不利影响一致，特别是在工业污染和颗粒浓度高的环境中。先前的研究强调，由于飞灰颗粒的细粒度和化学组成，它们会牢固地附着在光伏表面，通过降低透射率和增加反射率来造成光学损失。此外，它们不均匀的沉积模式加剧了不匹配损失，降低了填充因子(FF)和整体转换效率。目前的发现证实了这些结果，显示出由于多个局部最大值而导致功率产额和运行不稳定性的急剧下降。

从实际角度来看，这些结果强调了实施主动缓解措施的重要性。定期清洁计划、疏水或防污涂层以及能够区分全局和局部最大值的先进MPPT算法是维持受灰污染地区光伏系统性能的关键策略。除了能源产额考虑之外，减轻污染还通过最小化热点形成、封装材料老化和不可逆热损伤的风险来提高模块的长期可靠性。

在飞灰沉积下，I-V和P-V特性中的退化与文献中关于光伏污染的发现一致。Maghami等人[37]回顾了大量田间和实验室研究，表明颗粒积累会降低光透射率，从而降低短路电流(Isc)、填充因子(FF)和最大功率输出(Pmax)。IEA-PVPS技术报告[38]进一步量化了污染损失，指出典型的年损失率为3-14%，在极端情况下超过30%，具体取决于环境条件和颗粒类型。Radonji?等人[39]证明，由于飞灰颗粒的细粒度和强附着力，与自然灰尘相比，它们造成更显著的光学和电气损失，这促进了不均匀沉积。这种异质性引入了不匹配损失和P-V曲线中的多个局部最大值，Piliougine等人[40]也证实了这一点，他们将局部阴影和不均匀污染与I-V特性中的不规则步骤联系起来。Chanchangi等人[41]在实验室控制实验中确定飞灰和工业颗粒物是效率下降和热点形成的关键因素。总的来说，这些参考文献证实了图7(a)中描述的行为是现实的，并代表了在严重污染条件下光伏模块的操作情况。

总结与解释：
这项分析确认了光伏面板效率随温度显著下降，表面沉积物（飞灰）的存在改变了这种行为。清洁面板对温度的敏感性更高，相对变化率为约20%。受飞灰污染的面板表现出较低的CV（约15.7%），表明其退化更为稳定但同样令人担忧。这些发现与文献中的实验研究一致，这些研究报道由于热和环境因素导致的光伏性能变化通常落在这个范围内。分析表明：
- 尘埃沉积显著降低了光透射率。
- 效率损失可能与光吸收和温度升高有关。

为了全面理解这一点，我们需要研究灰尘的光学特性，以确定当光伏面板被飞灰污染（附着在玻璃表面，这是直接暴露在太阳辐射下的部分）时，光伏电力显著下降的直接原因。获得的结果可以归纳为三条主要曲线：即吸收、反射和透射[吸收（左上）、反射（右上）、透射（底部）。这些光学特性在确定飞灰对光伏电池光电性能的潜在影响方面至关重要。

1. 吸收
吸收光谱（左上）在紫外线区域（200–400 nm）显示出高吸收率，在近红外（NIR）区域的1000 nm处降至约0.3。这种行为表明在紫外线区域存在大量的光学活性化合物，特别是主要金属氧化物及其质量分数，例如：TiO?: 0.5 – 2.0%；SiO?: 45 – 60%；Al?O?: 20 – 30%；Fe?O?: 5 – 15%；CaO: 1 – 10%；以及非晶碳残留物，这些都常见于燃煤过程中产生的飞灰[26]。由于含有高量的氧化铁(Fe?O?)和未燃烧的碳，煤飞灰具有强烈的太阳辐射吸收能力，这增强了表面加热，从而显著提高了底层表面的工作温度，进而影响了能量转换效率[42]。

在光伏设备的背景下，紫外线-可见光范围内的强吸收有利于收集太阳能。然而，400 nm之后的吸收率迅速下降，特别是在可见光和近红外区域，限制了光谱利用效率，可能会阻碍标准光伏系统的整体能量转换潜力。

2. 反射
反射曲线（右上）在紫外线-可见光区域（200–500 nm）显示出低于20%的反射率，这有助于最小化由于表面反射造成的光学损失。然而，超过500 nm后，反射率稳步增加，在1000 nm时达到约50%，表明在近红外区域光吸收相应减少。从光伏的角度来看，这种趋势不太有利，因为太阳光谱的很大一部分位于红外域。因此，这一区域的反射率增加可能会降低整体太阳能到电能的转换效率，特别是在旨在利用整个太阳光谱的系统中。

3. 透射
透射曲线（底部）在紫外线-可见光范围内显示出低透射率，然后在500 nm之后逐渐增加，最终在1000 nm时达到约50%。这一趋势表明飞灰在紫外线-可见光区域内是光学不透明的，但在近红外区域变得部分透明。这种光谱选择性表明飞灰在多层或串联光伏电池设计中可能具有潜在的作用，其中其对近红外光的部分透明性可以与其他针对不同光谱带优化的材料结合使用。

讨论：
研究结果表明，飞灰在紫外线(UV)区域具有强吸收，在红外(IR)区域具有中等至高的反射率，并且在红外区域透射率增加。清洁光伏面板的电气效率显著高于被飞灰覆盖的面板，尤其是在[10:00]到[14:00]之间，对应于太阳辐射峰值时期。

图14. 通过JASCO V-770分光光度计在200 nm到1000 nm范围内进行的UV-Vis-NIR光谱表征。
飞灰的吸收光谱显示出在紫外线和可见光区域（尤其是300纳米到700纳米）具有显著的光吸收能力。这个光谱区间对应于太阳辐射最大的区域。因此，飞灰层在光子到达面板表面之前吸收了大部分入射太阳光子能量，从而减少了可用于光伏转换的辐照度。

图14中显示，飞灰层在整个光谱范围内的透射率都非常低，表明只有极少量的光能够穿透飞灰层到达光伏（硅）层。这种直接的光学阻挡是面板电气输出下降的主要原因。

图14中还显示，飞灰在红外区域的反射率随着波长的增加而逐渐增加，特别是在近红外区域。这表明大部分入射辐射被反射掉，进一步减少了光伏模块吸收的能量。虽然这种现象在较长波长处更为明显，但它与吸收一起加剧了整体的能量损失。