• Energy Research

The use of image analysis has often been suggested as a practical way to monitor the soiling accumulated on the surfaces of solar energy conversion devices. Indeed, the deposited soiling particles can be counted and characterized to calculate the area they cover, and this area can be converted into an energy loss. However, several particle counting methodologies exist and can lead to dissimilar results. This work focuses on the role of thresholding, an essential step where particles are distinguished from a background based on the pixel brightness. Sixteen automatic thresholding methods are assessed using 13 200 micrographs of glass coupons soiled at nine locations globally. In low‐to‐intermediate soiling conditions, the “Triangle” method is found to return the minimum coefficient of variation and a mean deviation closer to zero. On the other hand, methods assuming a bimodal distribution of pixel brightness underestimate the area coverage. In addition, since soiling can be unevenly distributed over a surface, different loss estimations can be returned when the same image analysis process is used on different spots on a sample's surface. For these reasons, image analysis should be repeated at multiple locations on each investigated surface.

L'encrassement des capteurs solaires réduit l'efficacité des technologies solaires à concentration (CSP) et photovoltaïques (PV) et augmente les coûts d'exploitation et de maintenance (O&M). De nombreux pays à fort potentiel solaire comme le Maroc sont situés dans des régions caractérisées par des conditions climatiques sèches et rudes, des tempêtes de poussière et une forte pollution. Cette étude étudie l'impact de l'encrassement sur les technologies PV et CSP sous un climat semi-aride dans la ville de BenGuerir au Maroc. À cette fin, une année de données collectées à partir de deux types de capteurs de salissure, un TraCS (Tracking Cleanliness Sensor) et DustIQ, a été évaluée. Une station météorologique installée au Green Energy Park (Maroc). Une période avec des épisodes de pluie rouge et une période sèche ont été choisies pour quantifier l'impact de l'encrassement sur les deux technologies au cours de ces périodes. On constate que l'effet de salissure pour les miroirs CSP avec un taux de salissure moyen annuel de -1,18%/jour est environ 5 à 6 fois plus élevé que pour les PV (-0,23%/jour). La perte due à l'encrassement lors des épisodes de pluie rouge a été observée plus prononcée par rapport à la période sèche. El ensuciamiento de los colectores solares reduce la eficiencia tanto de la energía solar de concentración (CSP) como de las tecnologías fotovoltaicas (PV), y aumenta los costes de operación y mantenimiento (O&M). Muchos países con un potencial solar significativo, como Marruecos, se encuentran en regiones caracterizadas por condiciones climáticas secas y duras, tormentas de polvo y alta contaminación. Este estudio investiga el impacto de la suciedad en las tecnologías fotovoltaica y termosolar en un clima semiárido en la ciudad marroquí de BenGuerir. Para ello, se evaluó un año de datos recogidos de dos tipos de sensores de suciedad, un Tracking Cleanliness Sensor (TraCS) y DustIQ. Estación meteorológica instalada en Green Energy Park (Marruecos). Se seleccionó un periodo con lluvias rojas y un periodo seco para cuantificar el impacto de la suciedad en ambas tecnologías durante estos periodos. Se encuentra que el efecto de ensuciamiento para espejos CSP con una tasa de ensuciamiento promedio anual de -1.18%/día es alrededor de 5 a 6 veces mayor que para PV (-0.23%/día). La pérdida debido a la suciedad durante los eventos de lluvia roja se ha observado más pronunciada en comparación con el período seco. Soiling of solar collectors reduces the efficiency of both concentrating solar power (CSP) and photovoltaic technologies (PV), and increases the operations and maintenance (O&M) costs. Many countries with significant solar potential such as Morocco are located in regions characterized by dry and harsh climatic conditions, dust storms and high pollution. This study investigates the impact of soiling on PV and CSP technologies under a semi-arid climate in BenGuerir city of Morocco. For this purpose, one year of data collected from two types of soiling sensors, a Tracking Cleanliness Sensor (TraCS) and DustIQ, was evaluated. A meteorological station installed at Green Energy Park (Morocco). A period with red rain events and a dry period were selected to quantify the impact of soiling on both technologies during these periods. It is found that the soiling effect for CSP mirrors with an annually averaged soiling rate of -1.18%/day is around 5 to 6 times higher than for PV (-0.23%/day). The loss due to soiling during red rain events has been observed more pronounced compared to the dry period. يقلل تلوث مجمعات الطاقة الشمسية من كفاءة كل من الطاقة الشمسية المركزة (CSP) والتقنيات الكهروضوئية (PV)، ويزيد من تكاليف التشغيل والصيانة (O&M). تقع العديد من البلدان ذات الإمكانات الشمسية الكبيرة مثل المغرب في مناطق تتميز بالظروف المناخية الجافة والقاسية والعواصف الترابية والتلوث العالي. تبحث هذه الدراسة في تأثير الاتساخ على تقنيات الطاقة الشمسية الكهروضوئية والطاقة الشمسية المركزة في ظل مناخ شبه قاحل في مدينة بن جرير بالمغرب. لهذا الغرض، تم تقييم سنة واحدة من البيانات التي تم جمعها من نوعين من مستشعرات التلوث، مستشعر نظافة التتبع (TraCS) و DustIQ. محطة أرصاد جوية مثبتة في مجمع الطاقة الخضراء (المغرب). تم اختيار فترة ذات أحداث أمطار حمراء وفترة جفاف لتحديد تأثير الاتساخ على كلتا التقنيتين خلال هذه الفترات. وجد أن تأثير الاتساخ لمرايا الطاقة الشمسية المركزة بمتوسط معدل اتساخ سنوي يبلغ -1.18 ٪/يوم أعلى بحوالي 5 إلى 6 مرات من الكهروضوئية (-0.23 ٪/يوم). لوحظ الفقد بسبب الاتساخ أثناء أحداث الأمطار الحمراء بشكل أكثر وضوحًا مقارنة بفترة الجفاف.

High penetration of photovoltaics (PV) has been observed in the energy market over the last decade. However, its integration into electrical grids is challenging, as solar energy is highly fluctuating given its dependence on different weather variables. Consequently, short-term forecasting of solar irradiance provides a pivotal solution to ensure optimal use of the produced energy and reduce its uncertainty. This study proposes a hybrid convolutional neural network and Multilayer perceptron (CNN–MLP) model to forecast the global irradiance 15 min ahead. The model uses images from a hemispherical sky imager, time series of GHI, and weather variables collected from a ground meteorological station in Morocco. The evaluation of the proposed model under clear, mixed, and overcast days shows that the proposed model performs better than the persistence model. The root mean square error (RMSE) varies between 13.05 W/m2 and 49.16 W/m2 for CNN–MLP and between 45.76 W/m2 and 114.19 W/m2 for persistence. The coefficient of determination (R2) varies between 0.99 and 0.94 for the MLP–CNN and between 0.98 and 0.79 for persistence. The results show that the proposed model could be an appropriate choice for short-term forecasting even under cloudy conditions.