Research on photovolatic dust accumulation degree evaluation method based on PSO-RF algorthim

Abstract

随着全球能源转向可再生能源，光伏发电的高效运行与维护成为研究重点。在沙特阿拉伯等干旱多尘地区，组件积灰严重影响发电效率，现有模型在复杂气候下泛化能力不足。

本文以沙特 Abhur Al Janubiyah 地区为研究对象，提出了一种基于 粒子群优化-随机森林（PSO-RF） 的光伏阵列积灰评估方法，主要研究成果如下： 1. 利用 单二极管模型（SDM） 在 Matlab/Simulink 中建立光伏阵列模型，分析光照与温度对输出特性的影响，并通过 扰动观察法（P&O） 实现最大功率点跟踪（MPPT）。 2. 构建 PSO-RF 积灰评估模型，通过粒子群优化随机森林超参数，提升分类精度与泛化能力。在不同积灰程度（0、15、30 g/m²）下，模型在典型天气条件中的准确率最高达 92.31%，优于传统 RF 模型。 3. 结合沙特气象数据，利用 PVsyst 软件进行区域化仿真，结果表明：PSO-RF 模型在积灰分类中准确率达 94.8%，优于 SVM、XGBoost 等模型，验证了其在复杂气候下的环境适应性。