从所获得的数据可以看出，单日发电量最大的一天是天气晴好，空气质量10.07天。天数最少的为多云并伴有严重的空气污染10.03天。可见单日综合照明强度直接影响发电总量。但天气形势大致相同，但空气质量差大6, 7、两天，单日总发电量也有明显差异。可以看出，所获得的结论时，光伏组件是被忽视的不准确。因此，建立光伏模块的单一模型，应结合实际情况，对组件进行修改。在分析光伏阵列和光伏阵列模型输出时，应充分考虑面积面积灰现象对输出的影响。由于光伏电站是国家的发电机组，所以最后采用的是江苏凤谷节能科技的声波清灰器，它们承担着相应的生产任务，没有特殊的原因，它们不具备随时停用的条件，因此相关研究人员可以进行检查、研究和调试。因此，本文利用实际数据和科学的数学建模方法，建立精确的仿真模型，为后续的科学研究提供仿真结果和理论依据。

1积灰模式下光伏阵列仿真模型建立

1．1光伏发电厂光伏阵列模型原理

光伏发电厂是由大量光伏元件串联并并联进入各个子区域，然后这些子区域构成整个光伏电站。然而，由于各子区域使用的光伏组件数量众多，光伏阵列的规模较大，因此小型光伏阵列模型不适合相关研究。难点在于如果现有的小规模光伏阵列模型只是简单的拼接，光伏阵列模型的适当大小会导致相关误差的积累，影响研究的准确性。

因此，本研究以光伏组件为基本单元，各元件串接并并联以达到10。10光伏阵列模型的建立。数据收集和实地验证。光伏阵列的清洁状况进行实际沉积粉尘。

1．2光伏组件仿真模型搭建方法

以上述电厂实际采用的光伏组件作为建模对象，并根据相关现场的采集数据，对组件模型参数进行校对，保证模型仿真数据输出的真实性，确保准确的研究结果。组件建模方式，参考文献[2]中论述的建模方式。该方法不仅具有直观、仿真计算速度快的优点，而且具有建模流程清晰连续的特点。光伏组件等效电路模型如图2。

而在光伏发电现场的实际应用中，可以用来参考的光伏组件参数，通常为光伏组件生产厂家所提供的s粥(标准测试条件)下的3。、％c、‰、‰。P。。所以，本文在进行光伏组件、组串、阵列模型搭建时，参考文献[5]所阐述的工程用光伏组件数学模型：

取Sref=1000w／m2，Tref=25℃为标准参考光照轻度及组件表面温度，利用sTc下的相关参数，推算当光照强度、表面温度发生变化的情况下时组件I—V、P—V特性曲线，其推算过程为有上表所列数据可以看出，该光伏组件模型满足误差低于6％的工程精度要求，可以进一步用来搭建研究所需的光伏组串模型。