随着绿色建筑、零能耗建筑的发展及光伏发电技术的成熟,建筑光伏发电系统的应用日益广泛。然而长期的积灰会导致建筑光伏发电系统的输出功率大幅下降,影响其有效使用。由于建筑光伏发电系统的输出功率具有波动性和随机性,并网后将给电网的安全稳定运行带来问题,为降低影响,需对光伏系统的输出功率进行准确的预测。实际中,大量的光伏输出功率预测方法主要考虑气象因素的影响,忽略了积灰的影响,从而导致输出功率预测精度降低。因此,考虑积灰因素的光伏输出功率预测方法研究具有重要价值。论文以建筑光伏系统为研究对象,研究积灰对其输出特性的影响,提出光伏组件表面积灰的检测方法,建立了积灰程度评价模型,并在此基础上构建光伏输出功率衰减模型。综合气象因素和积灰影响因素,建立光伏短期输出功率预测模型,以提高光伏输出功率的预测精度。论文研究内容:首先,对光伏组件表面积灰的物化特性进行实验分析研究,得到:建筑光伏组件表面积灰主要来源于土壤和道路扬尘,部分积灰可能来源于“雾霾”;开发建筑光伏组件输出特性监测系统,采集了积灰组件与清洁组件的发电参数及气象数据,对比分析了积灰对光伏组件输出特性的影响,分析发现:连续积灰12天的光伏组件输出功率衰减了8.87%;同时,在积灰累积的初期,光伏组件输出功率衰减较快,随着时间的推移,输出功率衰减逐渐趋缓。其次,提出了建筑光伏组件表面积灰检测方法和积灰程度评价模型。通过滤波和增强预处理积灰光伏组件的红外图像,使用改进的Otsu分割算法对红外图像进行处理,并良好的识别光伏组件表面积灰区域,取得了满意的识别检测效果。最后,结合积灰因素和气象因素,分别建立了光伏输出功率BP神经网络和SVM回归预测模型。利用两种预测模型对不同天气类型下的光伏输出功率进行预测,预测结果表明:对多云和阴天的光伏输出功率预测,BP神经网络预测模型的预测效果最好;而对于晴天,SVM回归预测模型的预测效果最佳,预测精度最高。总之,研究积灰对建筑光伏组件的影响及其检测技术,可为的后期的清洁维护提供技术支持;同时,准确预测建筑光伏组件的输出功率,对电网安全稳定运行及电网的操作管理与优化调度具有重要的意义。