氣候條件對光伏發電量影響淺析

北京科諾偉業科技股份有限公司 ■ 張玉娜 王偉 梁勃

0 引言

隨著社會經濟的飛速發展，各種所需能源與日俱增，傳統燃料能源的全球儲量正在逐步縮減，甚至面臨枯竭。與此同時，環境需求也處于歷史最為嚴峻的時刻，全球變暖、溫室效應、霧霾彌漫等極端惡劣條件的頻發，使人們不得不反思攫取能源的傳統方式是否過于粗暴。鑒于此，人們把目光投向了可再生能源，太陽能因其對環境友好、獲取便利、轉化高效、儲量豐富、使用安全等諸多原因，成為人們最為關注的新能源。

在此背景下，全球光伏發電產業增長迅猛，產業規模不斷擴大。通過最近十余年的極力發展，2013年光伏全球新裝機容量已達38.4 GW，累計達139 GW，在所有新能源發電新增裝機容量中占32.4%，位列第一[1]。我國光伏發電裝機總容量已達22.42 GW[2]。然而電站面積畢竟有限，太陽能又具有能量密度低的缺點，如何在有限的空間內更有效地設計光伏組件，使其發電量達到最大，提高單位空間有限成本內的發電量，才是我們更應關注的焦點。隨著光伏裝機規模的不斷擴張，電站的可靠和高效運營顯得格外重要，其實看似簡單的光伏組件才是光伏電站最核心部件，也最易受外界影響——傾角遮擋、風吹雨淋、日久積灰等不利因素都可隨時干擾光伏發電，降低發電量，尤其是無法人為改變的氣象因素的影響。因此，研究這些影響因素勢在必行。

1 評估數學模型

我國疆域廣袤，地理差異迥然，氣候千差萬別，太陽能資源各不相同。為簡化數學模型，此處僅考慮太陽直射情況下的日照輻射。

當光伏組件水平放置時，太陽照射到組件上的輻射能為：

式中，Z為地球表面的天頂角；E為太陽光入射的輻射通量密度(此處不考慮大氣散射和地面反射的情況，僅討論垂直入射的平行光束)。

當光伏組件傾角放置時，照射在傾斜組件上的輻射能[3]為：

式中，β為組件與水平面的傾角；δ為太陽赤緯角；λ為地理緯度；ω為太陽時角。

式中，n為一年中的天數，一年往返回到原點；δ的范圍為 -23.45°～23.45°[4]。

為求出每小時平均日照輻射的最大值，對式(4)求導得：

令式 (5)等于零。因 a≠0、b≠0 、E≠0，則sina≠0、sinb≠0 ，即 sin(λ-β)=0，可得：

式(6)表明當光伏組件和水平面傾角等于當地緯度時，發電量最大，相應年平均日照輻射強度最大。此時每小時平均日照輻射為：

因為年平均日照時間為12 h，則年平均每天日照輻射為[5]：

通過以上計算可建立較簡單模型，計算每天、每月、每年度理想發電量。如考慮氣候差異、大氣散射、地面反射等情況，β應根據實際情況在當地緯度基礎上于±5°～10°[6]范圍內波動。

2 氣象數據庫建立

太陽能在一年中不同季節、不同月份、不同時間的輻射強度和總量都在不斷變化。即使相似時間段，因氣象條件不同，光伏組件接收到的輻射強度和總量也有很大區別。這是和上述理論模型的差別所在。因此，實際建站應用時，光伏發電系統會根據負載特性的不同，選擇季節性或全年發電量最大的光伏陣列布置方式[7]。盡管一些光伏電廠會采用自動追日系統，可使發電量提高20%～30%，但由于支架成本及運行維護成本的大量增加(1～2.5倍甚至更高)[8]，在一定程度上限制了這種方案的推廣。因此，本文嘗試分析固定傾角鋪設方案，以青島即墨站數據為研究對象建立分析數據庫，得到理論平均日輻射、實際平均日氣溫、具體天氣等氣象參數和實際發電量之間的關系(見表1)，因為是同一光伏電站的數據，因此可排除緯度、海拔、傾角、系統、元器件等不同造成的差別。月發電量和月平均日發電量數據采自筆者公司光伏數據中心，晴、多云、雨雪天數及月平均日氣溫采自中國氣象網數據庫，月平均組件安裝面日輻射采自NASA數據庫。

3 氣象條件對發電量的影響

月發電量柱狀圖如圖1所示，可知理論和實際月發電量都呈規律的起伏狀態，理論月發電量同一年度內近似于浪形曲線。發電量從每年2月起開始攀升，4、5月時到達波峰，而后開始緩降，7月開始平緩，從10月開始繼續下滑至次年1月，循環往復，呈季節性變化。若簡化數據樣本，以一年為基準按季度分類，得到圖2。由此可更清楚地看出春季發電量明顯高出其他3季。

圖1 月發電量柱狀圖

即墨站位于山東半島西南，北緯32°，具有明顯的溫帶季風氣候，春季氣候干燥、氣溫回暖且日照時間變長，夏秋兩季多雨少晴，冬季日照時間短，可見其余3季相較于春季，氣象條件均明顯不足。太陽輻射強度具有季節性規律變化，所以導致發電量在趨勢上也呈相同變化。作為并網電站，不必考慮發電量的平穩性，如果要提高全年發電總量，應充分利用最優時間段，在高效時盡可能地發電。

表1 即墨站光伏系統氣象數據庫

圖2 季度發電量柱狀圖

對于同一電站，組件設計傾角、系統元器件選型、海拔緯度等因素完全一致，那么對年發電量影響最大的可能是氣候條件。對圖1相同時間段的氣溫情況分析得到圖3。兩圖對比發現，兩者有類似的起伏形態，區別僅在于月平均氣溫的振幅更大。空氣溫度取決于太陽輻射強度，光伏組件的發電量同樣取決于太陽輻射強度，那么空氣溫度和發電量間是否也存在某種聯系呢？

圖3 月平均氣溫圖

JIS發電量預測方法中對此做出了回答，JIS各月系統發電量為：

式中，GS為標準條件下日射強度，即式(1)和式(7)中的E，取值為常量1 kWh/m2；HAM為月累計傾斜面日射量；PAS為標準太陽電池板輸出能量；K為綜合設計系數。

式中，KPT為溫度修正系數；K′為基本設計系數。

式中，αPmax為最大輸出功率溫度系數(晶體硅組件：-0.40～-0.50%/℃)；TCR為平均太陽電池模塊的溫度。

式中，ΔT為太陽電池模塊的溫度上升調整值；TAV為月平均氣溫。

把式(12)依次帶入式(9)～(11)中，得到月平均氣溫同月發電量之間的關系：

由式(13)可知，月平均溫度TAV與溫升ΔT的代數和(太陽能組件TCR)同發電量EPM間存在線性關系。假設其余參考量恒定，僅存在變量TCR，可得組件溫度和發電量間關系曲線如圖4所示。由此可知，在不考慮其他參考量的情況下，太陽能組件溫度越高發電量越小。月平均溫度由低到高依次為：冬季、春季、秋季、夏季(見圖3)。僅考慮溫度一項，冬春兩季發電量較大，但由于即墨站位于北回歸線以北，冬季日照時間最短，故春季才是發電量最大的季節，和之前結論相符。

圖4 溫度-發電量曲線

NASA推導出的理論平均日輻射和實測平均日發電量之間的關系如圖5所示。

圖5 平均日輻射-平均日發電量對比圖

由圖5可知，理論月均日發電量的起伏和理論月均日輻射曲線完全一致，理論平均日輻射起伏和實際平均日發電量曲線大致相同，理論和實測基本吻合。輻射強度越大發電量就越大。但13-7和14-6兩處不相符值得關注，發電量陡然下降，可輻射曲線卻較為平緩。為探尋實測和理論的矛盾所在，需具體分析天氣情況。

對于組件接收太陽輻射而言，天空云量是其最直接的影響，鑒于此，我們可把各種天氣情況按氣象定義進行簡單分類，如圖6所示。

圖6 3種天氣分布圖

在這3大類中，有兩個極端項是晴和雨雪。雖然這兩項所占天數很少卻極其關鍵，一個是輻射強烈至極，一個是輻射忽略不計。相對而言，多云天氣反倒是最為普通常規的現象，對分析發電量暫時不具備特殊意義。故我們將多云天氣排除在外，晴雨比例圖如圖7所示。

圖7 晴雨比例圖

在圖7中尋找圖5對應曲線奇點處。13-7處無晴天，卻有20個陰天，占據了全月時間的64.5%，再次對應圖1的發電量，也解釋了當月發電量驟然下降的原因。14-6處也是同樣的原因，全月無晴天，11個雨天，占據了全月時間37%。查看數據庫中21個月的樣本，只有這兩個月是雨雪天氣超過1/3時間，同時無晴天。晴雨兩種極端天氣對發電量的影響也類似。但這也是綜合了30天的平均情況，其余月份數據中同樣也有晴雨兩種天氣的分布，卻未像這兩個奇點月顯現的如此明顯，那么我們抽取具體幾天，分析對組件發電量的影響。

圖8表示了相近兩段連續時間，每段時間都取3天為樣本，重點觀察兩個極端天氣的發電量。2014-09-23為晴天，日發電量達到15010.9 kWh，而2014-09-28為全天中小雨，日發電量僅為1406.6 kWh。相近的兩天，其余條件幾乎完全相同，差別為天氣情況，從柱狀圖中很明顯地看出，晴天的發電量幾乎是雨天的11倍。

圖8 單日發電量柱狀圖

為避免抽樣的特殊性，我們將2014年雨季(7～9月)中所有晴天和雨雪天抽出，做圖9以便比較。樣本數量增加后對比更加明顯，晴天時日發電量均在15 MWh以上，而雨天時發電量基本維持在5 MWh以下，晴天發電量為雨天的3倍。相較于圖8，雨天發電量較大。究其原因，圖8中，我們為了更好比較選擇全天下雨，發電量自然很小，而圖9中的雨天并非全天下雨，故而發電量有所提升。無論哪種樣式，具體天氣的影響或天空中云量對光伏發電的影響都很大。

圖9 7～9月份晴雨發電量

4 結論

在光伏系統前期進行發電預測評估時需考慮的因素很多，如光伏陣列傾角、轉換效率、太陽光輻射強度、當地氣候環境，以及其他一些因素，都會對光伏陣列的發電量產生影響。對于既定光伏系統來說，所有數據都自于同一套系統，因此采用歷史發電數據來進行評估待建光伏電站的發電量，比間接評估預測具有明顯的準確性和必要性。尤其是類似即墨站，采用屋頂鋪設組件，并選擇了最佳傾角固定安裝，當人為條件都已最優化后，愈發顯得氣象條件的重要。本文使用了即墨站的既有數據，通過和NASA推導數據進行綜合測評，分析了平均日輻射、陰晴天氣、平均溫度與光伏發電量之間的關系。由于樣本較為單一，在今后的工作研究中有待進一步充實數據，完善方案。

[1] European Photovoltaic Industry Association. Market& competitiveness [EB/OL]. http://www.epia.org/policies/sustainable-market-development/market-competitiveness/.

[2] 吳新雄. 攜手通向未來的亞太可持續能源發展之路[R].亞太經合組織第十一屆能源部長會議， 北京， 2014.

[3] 王炳忠. 相對于斜面的太陽位置計算[J]. 太陽能， 1999， (3):8－9.

[4] 日本太陽能學會. 太陽能的基礎和應用[M]. 上海:上海科學技術出版社， 1982.

[5] 吳少波. 光伏陣列年最大發電量固定傾角的確定[J].太陽能， 2011， (5): 27－29.

[6] 楊金煥， 葛亮， 陳中華， 等. 季節性負載光伏方陣的傾角[J].太陽能學報， 2003， 24(2): 241－244.

[7] Tsalidesa P， Thanailakisa A. Direct computation of the array optimum tilt angle in constant-tilt photovoltaic systems [J]. Solar Cells， 1985， 14(1): 83 － 94.

[8] 葉東嶸. 平單軸自動跟蹤系統簡介[A]. 北京市計科能源開發新技術開發公司, 太陽能光伏發電技術與優化設計交流會[C]， 北京， 2011.