Ключевые слова
Как цитировать
Аннотация
Введение. В статье предложен подход к оценке потенциального риска образования льда на фронтальной поверхности фотоэлектрических модулей на территории Узбекистана. В основу оценки положены продолжительность дневных отрицательных температур, число таких дней и нормированный индекс риска. Показано, что наиболее высокий риск характерен для горных, предгорных и отдельных северных районов страны.
Методы и материалы. В работе использованы картографические материалы по территории Узбекистана, отражающие суммарную продолжительность дневных часов с температурой 0 °C и ниже, а также число дней с такими условиями. Введены показатели H0,день, N0,день и индекс Iлед. Дополнительно рассмотрены факторы, уточняющие фактическое состояние поверхности модуля: температура поверхности, влажность, твёрдые осадки, скорость ветра, радиация в плоскости модуля и угол наклона.
Результаты. Анализ показал выраженную территориальную неоднородность потенциального риска. Максимальные значения характерны для горных и предгорных зон, а также для части северных регионов, тогда как в центральных и южных равнинных районах риск ниже и чаще связан с кратковременным утренним инеем. На основе индекса Iлед предложена предварительная классификация территорий по уровням риска.
Заключение. Продолжительность дневных отрицательных температур может использоваться как скрининговый климато-термический индикатор потенциального риска обледенения фронтальной поверхности ФЭМ. Предложенный подход полезен при выборе площадок, определении угла наклона модулей, планировании зимнего мониторинга и разработке регламентов эксплуатации. Для количественной оценки фактического обледенения и потерь генерации требуется дальнейшая верификация по данным натурных наблюдений.
Библиографические ссылки
[1]. IEA PVPS Task 13. Soiling and snow losses in photovoltaic systems. – Report IEA-PVPS T13-21:2022. – 2022.
[2]. King D.L., Boyson W.E., Kratochvil J.A. Sandia photovoltaic array performance model. – Sandia National Laboratories, Report SAND2004-3535, 2004. – DOI: 10.2172/919131.
[3]. IEA PVPS Task 13. Soiling losses: impact on photovoltaic power plant performance. – Report IEA-PVPS T13-21:2022. – 2022.
[4]. Marion B., Schaefer R. et al. Measured and modeled photovoltaic system energy losses from snow cover // Solar Energy. – 2013. – Vol. 97. – Pp. 112–121. – DOI: 10.1016/j.solener.2013.07.029.
[5]. Baldus-Jeursen C., Petsiuk A.L. et al. Snow losses in photovoltaic systems: validation of the Marion and Townsend models // IEEE Journal of Photovoltaics. – 2023. – Vol. 13, No. 4. – Pp. 610–620. – DOI: 10.1109/JPHOTOV.2023.3264644.
[6]. Jahn U., Herteleer B. et al. Operation and maintenance guidelines for photovoltaic power plants under various climatic conditions. – IEA PVPS Task 13, Report T13-25:2022. – 2022.
[7]. IEA PVPS Task 13. Photovoltaics and energy security in the Arctic region. – Report IEA-PVPS T13-40:2026. – 2026.
[8]. Quan Z., Lu H. et al. Experimental measurement and numerical modeling of snow coverage processes on PV modules // Coatings. – 2023. – Vol. 13, No. 2. – Article 427. – DOI: 10.3390/coatings13020427.
[9]. Ryberg D.S., Freeman J. et al. Integration, validation and application of a PV snow coverage model in SAM. – NREL Report NREL/TP-6A20-68705. – 2017.
[10]. PV Performance Modeling Collaborative. Sandia module temperature model // Sandia National Laboratories / PVPMC [Electronic resource].
[11]. Gilman P., Dobos A. et al. System Advisor Model (SAM) photovoltaic model technical update. – NREL Report NREL/TP-6A20-67399. – 2018.
[12]. Regional Energy Yearbook (REY). Cartographic materials and climate data of daily temperatures. – 2026.
Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.
Copyright (c) 2026 Avezova, N.R., Raximov, E.Y., Dexkonova, M.X., Rustamova, Sh.Sh. (Muallif)