桑迪亚国家实验室的研究人员结合大量真实世界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发电厂的影响，并找出影响能源生产的因素。他们的研究结果于本月早些时候发表在科学杂志《应用能源》上。
飓风、暴风雪、冰雹和野火都直接以代价高昂的破坏形式和间接以阻挡阳光和减少电力输出的形式对太阳能发电场构成风险。两名桑迪亚研究人员从 24 个州的 800 多个太阳能发电厂中搜索了维护票，并将该信息与发电数据和天气记录相结合，以评估恶劣天气对设施的影响。通过确定导致性能低下的因素，他们希望提高太阳能发电场对极端天气的抵御能力。
“如果我们希望我们的可再生能源部门在不断变化的气候下具有弹性，那么试图了解未来的气候条件如何影响我们的国家能源基础设施正是我们需要做的，”该项目的高级研究员 Thushara Gunda 说。“现在，我们专注于极端天气事件，但最终我们将扩展到持续的极端高温等慢性暴露事件。”
飓风、雪和风暴，哦，天哪!
桑迪亚研究团队首先使用自然语言处理(智能助手使用的一种机器学习)来分析 6 年的太阳能维护记录中与天气相关的关键词。他们用于这项研究的分析方法已经发表，可供其他光伏研究人员和运营商免费使用。
“我们的第一步是查看维护记录，以确定我们甚至应该查看哪些天气事件，”Gunda 说。“光伏界经常谈论冰雹，但维护记录中的数据却讲述了一个不同的故事。”
Gunda 说，虽然冰雹的成本往往非常高，但它们并未出现在太阳能发电场维护记录中，这可能是因为运营商倾向于以保险索赔的形式记录冰雹损坏。相反，她发现在几乎 15% 的与天气相关的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。
“由于强风，一些飓风会损坏支架——支撑面板的结构，”该论文的第一作者妮可杰克逊说。“我们从维护记录和与我们的行业合作伙伴的交谈中看到的另一个主要问题是洪水泛滥阻止了对站点的访问，这延迟了重新启动工厂的过程。”
使用机器学习找到最重要的因素
接下来，他们将来自 16 个州的 100 多个太阳能发电场两年多的真实发电数据与历史天气数据相结合，以评估恶劣天气对太阳能发电场的影响。他们使用统计数据发现暴风雪对电力生产的影响最大，其次是飓风和其他一系列风暴。
然后，他们使用机器学习算法来发现导致这些恶劣天气事件性能低下的隐藏因素。
“统计数据为您提供了一部分图片，但机器学习确实有助于澄清哪些是最重要的变量，”杰克逊说，他主要负责统计分析和项目的机器学习部分。“是网站所在的地方吗?网站的年龄是多少?是天气事件当天提交了多少维护票?我们最终得到了一套变量，机器学习被用来追踪最重要的变量。”
她发现，总体而言，较旧的太阳能发电场受恶劣天气的影响最大。杰克逊说，这种情况的一种可能性是，运行超过五年的太阳能发电厂由于暴露在元素中的时间更长而磨损更多。
Gunda 表示同意，并补充说：“这项工作强调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预期运行。”
对于出乎意料地是对电力生产影响最大的风暴类型的暴风雪，下一个最重要的变量是由于云层覆盖和积雪量而导致该位置的低光照水平，其次是农场的几个地理特征。
对于飓风——主要是佛罗伦萨和迈克尔飓风——降雨量和最近飓风的时间对生产的影响仅次于年龄。令人惊讶的是，低风速非常重要。Gunda 说，这可能是因为当预测到高风速时，太阳能发电厂会先发制人地关闭，以便员工可以撤离，从而导致停产。
扩大应对野火的方法，电网
作为该领域的公正研究机构，桑迪亚能够与多个行业合作伙伴合作，使这项工作可行。“如果没有这些伙伴关系，我们将无法完成这个项目，”Gunda 说。
研究团队正在努力扩展该项目，以研究野火对太阳能发电场的影响。由于维护日志中未提及野火，因此他们无法在本文中对其进行研究。Gunda 说，当他们的太阳能发电场受到野火威胁时，运营商不会停下来撰写维护报告。“这项工作凸显了我们在研究极端天气事件时必须应对的一些数据限制的现实。”
“这项工作很酷的一点是，我们能够开发出一种综合方法来集成和分析性能数据、运营数据和天气数据，”杰克逊说。“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展这项工作，以研究恶劣天气对整个电网的影响，添加更多生产数据，并回答更多问题，以帮助电网适应不断变化的气候和不断发展的技术。
