科学家用机器学习识别恶劣天气对太阳能的影响 暴风雪是最主要的因素

恶劣的天气与自然环境，如飓风、暴雪、冰雹和野火，都对太阳能农场构成威胁，直接表现为摧毁与破坏，间接表现为阳光受阻和电力输出减少。

桑迪亚国家实验室的研究人员结合了大量现实生活的太阳能数据和先进的机器学习，以研究恶劣天气对美国太阳能农场的影响，并总结影响能源生产的因素。研究结果于本月初发表在科学杂志《应用能源》上。

两位研究人员对24个州里800多个太阳能农场的维修单进行研究，并将这些信息与发电数据、天气记录相结合，以评估恶劣天气对这些设施的影响。确定了导致性能低下的因素，他们希望能提高太阳能农场对极端天气的适应性。

桑迪亚研究小组首先使用自然语言处理，一种智能助手使用的机器学习，来分析六年的太阳能维修记录中与天气有关的关键词汇。研究发现，飓风在近15%的天气相关维护记录中被提及，其次是其他天气术语，如雪、风暴、闪电和风。

接下来，研究人员将16个州的100多个太阳能农场，两年以来的实际发电量数据与历史天气数据相结合，进行评估。统计发现，暴风雪对发电量的影响最大，其次是飓风和其他一般的风暴。

然后使用机器学习算法来发现导致这些恶劣天气事件的低性能的隐藏因素。经发现，从整体上看，老的太阳能发电站受恶劣天气的影响最大。

结果出乎意料的发现，暴风雪对发电量影响最大，接下来最重要的变量是由于云层和雪量造成该地点的低日照水平，再其次是农场的几个地理特征。

研究小组正在努力将该研究方法扩展到野火的研究中，以更详细了解其对太阳能发电的性能影响，以帮助太阳能农场适应不断变化的气候。

前瞻经济学人APP资讯组

论文原文：

https://www.sciencedirect.com/science/article/abs/pii/S0306261921008898?via%3Dihub