污垢对光伏系统性能影响很大。灰尘、污垢、花粉、工业污染物或海盐会附着在光伏组件上，降低太阳辐射的透过率，从而导致能量损失和运营成本增加。
污垢的影响取决于当地条件，并因地区、气候、季节和时间而异。了解这种地理和时间分布，是准确估算发电量和制定有效清洁计划的关键。
Solargis Prospect 现已提供全球污损地图，这些地图为全球污损模式提供了极具价值的洞察，并帮助光伏运营商采取必要措施，将污损的影响降至最低。
在 Solargis，我们基于Coello 和 Boyle（2019）提出的概念性方法开发了一个全球污损模型。他们的研究展示了如何将环境条件转化为可测量的性能影响。
Solargis模型遵循类似的结构，将最先进的颗粒沉积物理原理适应于光伏组件的特定情况，并利用一致的输入数据集将其应用于全球范围。
此外，该模型通过重新定义响应机制，准确反映了颗粒物严重积聚地区的实际情况，从而克服了原始模型（其损失率在约34%时会自然饱和）的设计局限。
污损损失通过污损比进行量化，该指标将干净光伏组件的预期发电量与污损条件下的发电量进行比较。本文将深入探讨相关方法和计算公式。
结果以积聚颗粒物造成的有效太阳辐射损失百分比表示。该模型还考虑了光伏组件的安装结构和几何形状，因为固定倾角系统和跟踪系统面临的颗粒沉积情况不同。
模型中还纳入了自然清洁机制。降雨会清除部分积聚的颗粒物，其清洁效果取决于降水的特性。轻微或短暂的降雨可能效果有限，而强度更大或持续时间更长的降雨则能更彻底地清洁表面，并使污损水平恢复到初始状态。
Solargis 污损模型会根据降水的强度和持续时间对每次降水事件进行评估，从而能够更真实地估算光伏组件被自然清洗的频率。
输入数据在该模型中起着核心作用。
估算颗粒物沉积的两个关键参数是 PM2.5 和 PM10 浓度。这些数据集是通过协调处理生成的，该过程整合了多个独立数据源，以确保全球范围内的数据覆盖一致性。
气温、气压、风速和降雨量等气象变量源自 ERA5 和 ERA5-Land 再分析数据集（欧洲中期天气预报中心和哥白尼计划）。
由此得出的指标——即污损损失——可直接量化污损对性能的影响。该指标支持跨区域和跨季节的一致性比较，并有助于识别污损对运行影响最大的位置。
图1：观测值与模型估算值的日均“污损损失”时间序列。图中还显示了日累计降雨量及人工清洁事件。来源：https://kb.solargis.com/docs/soiling-losses
在 Solargis，我们以每日为时间步长，对 1994–2024 年期间进行了全球范围的模型运行。生成的地图显示了污损损失的长期平均影响。
该图展示了全球倾斜辐照度（GTI）的预计下降幅度，即到达最佳倾斜角度固定式光伏组件的全球倾斜辐照度。数值以百分比表示，概括了各地点污损的典型长期影响。
全球地图显示，污损程度的分布极不均匀。
在大气颗粒物负荷较低或降水频繁（可提供定期自然清洗）的地区，污损程度较低。在地图上以浅色表示的这些区域，太阳能资源的年均损失率很少超过5%。欧洲大部分地区、俄罗斯联邦、北美、热带拉丁美洲和热带非洲均属于这一类别。
其他地区则存在较高的颗粒物浓度，例如中亚、印度北部和中国东部。不过，这些地区也会出现强烈的季节性降雨，通过清洗组件表面部分抵消了沉积物的影响。即便如此，年平均污损损失仍可能超过10%，在某些地点甚至可能达到30%。
图2：基于Solargis污损损失模型数据的全球汇总图。
污损程度最高的是那些尘土持续飘散且降雨稀少的干旱地区。撒哈拉地区、阿拉伯半岛和戈壁沙漠受影响最为严重。在地图上以最深色标示的这些区域，若光伏组件长期未清洗，一年内可利用辐照度可能损失超过50%。 降雨稀少且往往雨量微弱，导致全年自然清洁效果有限。
图3：来自各大洲三个地点（见上图）的长期月度污损损失模式。这三个地点的年平均值几乎相同（6.9–7.2%，由黑色虚线表示）。但它们的季节分布存在显著差异，这突显了何时进行清洁能带来最大效益。
需要注意的是，该地图未考虑非常局部的污垢来源。采矿、重工业、不当的农业实践，或者仅仅是靠近尘土飞扬的道路等人类活动，都可能在局部范围内导致显著的颗粒物沉积。
因此，地图上看似污染较轻的地点，实际上仍可能因这些局部影响而遭受严重污染。
要最大限度地减少因污损导致的能量损失，首先要从周密的项目规划和系统设计入手。
选址时应考虑当地因污损导致的潜在能量损失以及降雨模式。对于高风险地区，使用防污涂层或选择表面光滑的组件，也能减少灰尘附着并增强自清洁能力。
运营策略同样重要。定期监测发电量和污损率有助于确定何时进行清洗在经济上合算。可以基于建模的历史污损损失数据和降雨事件，优化清洗频率和策略。对于大型安装项目，自动化清洗系统或机器人清洗机可以降低人工成本和用水量。
污损模型有助于指导清洁频率和整体维护决策。通过监测污损率并估算每日或每周的污损积累量，运维人员可以确定何时因能量损失而需要进行清洁。这使得采用数据驱动的方法成为可能，在保持光伏系统高性能的同时，优化成本、用水量和人力成本。
您可以在Solargis平台上通过以下几个层面获取光伏组件的自然污损数据：
1.Solargis Prospect 中的全球地图
提供自然污损损失的长期年均值和月均值预测。该地图图层有助于您了解空间变异性、比较不同地点和区域，并分析典型的月度变化规律。它还通过提供清洁需求和策略的预可行性视图，为早期规划提供支持。
2.Solargis Prospect 中的光伏预可行性模拟
提供月度污损损失水平，并支持相关参数的调整。
3.Solargis Evaluate中的高级光伏模拟
提供污损损失时间序列数据的可视化展示，基于月度长期平均值的光伏模拟，并支持手动设置清洁事件
您还可以在相关的 Solargis 咨询服务中获取关于潜在污损损失的详细报告章节。
如有任何疑问或需要更多信息，请联系我们，我们将很乐意为您提供帮助。
