霧霾對光伏發電量的影響分析

倪春花，李弘毅，吳在軍

霧霾對光伏發電量的影響分析

倪春花1，李弘毅2，吳在軍1

（1.東南大學電氣工程學院，江蘇南京210096；2.南京外國語學校，江蘇南京210008）

太陽能被看作是抗擊霧霾"最有力武器"的清潔能源，但太陽能發電卻因霧霾頻襲而遭受嚴峻考驗。文中簡單介紹了光伏電池的基本原理，分析霧霾對光伏發電量的影響機制。根據相似日原理選出一組相似日，在控制其他影響因素基本相似的條件下，分析霧霾對光伏發電量的獨立影響，并通過浙江嘉興某光伏電站實測數據驗證分析結果的可靠性。

太陽能；光伏發電；霧霾；相似日

光伏發電系統的輸出受眾多因素影響，主要分為外部氣象因素（如太陽光輻射強度、輻射時長、溫度等）和光伏發電系統自身特性（如光伏電站位置、轉換效率、安裝角度等）［1］。因上述諸多因素的影響，光伏發電系統發電量是一個非平穩的隨機變化過程，對大電網會產生沖擊［2］。故需對各影響因素的作用機制與影響程度進行深入分析。對于一個既定的光伏發電系統，其系統信息包含在具有高度自相關性的歷史發電量時間序列中［3］，系統發電量主要取決于以太陽輻射強度為代表的氣象因子，但它是不可控的非人為因素。業界關于氣象條件對光伏發電影響的研究早已有之，但主要集中于太陽輻照強度、輻照時長、環境溫度、相對濕度等“傳統”氣象因素［4］。

近年來我國各地區越發頻繁出現的不同程度的霧霾天氣開始引起太陽能電力投資者的關注。因為發電量是衡量光伏發電系統性能優劣的最終指標，霧霾對發電量的影響程度直接關系到光伏電站投資的最終收益。霧霾嚴重程度的區域性差別大，且不同年份間的數據不存在必然規律，目前學界關于霧霾對光伏電站影響的研究剛剛開始，兩者間具體的關聯性尚未可知。本文以位于浙江嘉興的某光伏電站實測數據為基礎進行研究。由于光伏發電系統各氣象影響因素間存在關聯耦合作用［5］，為獨立分析霧霾嚴重程度與光伏發電量的關系，采用控制變量法，根據相似度原理，選出一組除霧霾程度以外的其他主要氣象條件接近的“相似日”。通過分析“相似日”的霧霾程度與發電量的關系，研究霧霾對光伏發電系統的影響。

1　光伏發電基本原理

光伏發電是指光伏電池利用“光生伏特效應”，把太陽輻射能直接轉變成電能的發電方式。除了光伏電池這一最基本的單元，光伏發電系統還包括電池的充放電控制器，計算機監控設備和蓄電池及一些輔助設備。太陽能光伏發電的原理是當具有適當能量的光子入射于半導體時，光與構成半導體的材料相互作用產生電子和空穴，如半導體中存在PN結，那么電子向N型半導體擴散，空穴向P型半導體擴散，并分別聚集于2個電極部分，即負電荷和正電荷聚集于兩端，用導線將這2個電極與外部電路連接，就有電荷流動，產生一定的輸出功率，這是一個光能直接轉化為電能的過程。

1.1光伏電池結構與原理

光伏電池的基本結構是能夠將光能轉換為電能的PN結，圖1是其精確的等效模型［6］，由二極管、光生電流源、串聯和并聯電阻組成。光生電流IL與光照強度λ成正比，流經二極管的電流Id隨著結電壓Ud及逆向飽和電流Io的不同而變化。光伏電池輸出電壓U和電流I的關系為：

式（1）中：I為電池單元輸出電流；IL為PN結電流，A；I0為反向飽和電流，A；V為外加電壓，V；q為單位電荷；K為玻爾茲曼常數（1.38×10-23J/K）；T為絕對溫度，K；n為二極管指數；Rsh為漏電阻；Rs為串聯電阻，它是構成光伏電池的半導體體電阻和透明電極電阻等的和。

圖1　光伏電池等效電路圖

1.2光伏發電輸出功率特性

光伏系統的輸出功率受光照強度、環境溫度、光伏陣列的安裝角度、太陽入射角度、轉換效率等很多因素的影響，具有波動性和間歇性。單位面積的光伏系統發電功率［3］：

式（2）中：I為光照強度，kW/m2；η為光伏電池轉換效率；t0為環境溫度，℃；S為光伏陣列的面積，m2。

轉換效率η和陣列面積S等參數已經隱含在歷史發電數據中，但太陽輻照強度I和大氣溫度t0的變化在輸入變量的選擇中必須考慮，較之大氣溫度t0，太陽輻射強度I對光伏輸出功率的影響更突出。

2　霧霾對光伏發電功率的影響機制

地球表面接受的太陽輻射要受到大氣條件的影響而衰減，主要原因是由空氣分子、水蒸氣和塵埃引起的大氣散射和由臭氧、水蒸氣和二氧化碳引起的大氣吸收。在晴朗夏天的正午時刻，大約有70%的太陽輻射穿過大氣層直接到達地球表面；另有7%左右的太陽輻射經大氣分子和粒子散射以后，也最終抵達地面；其余的被大氣吸收或經散射返回空間［7］。霧霾天氣越嚴重，即大氣中的懸浮顆粒物和二氧化氮濃度越高，大氣中各污染物對太陽光吸收和反射的越多，導致光伏組件表面接收到的太陽光輻照強度降低，從而導致光伏電站發電量降低。同時，如果霧霾天氣頻繁持續出現，電池組件表面的顆粒物不斷累積，在組件表面會形成難以清洗的積塵遮擋，造成電池組件表面污染。組件表面的積塵具有反射、散射和吸收太陽輻射的作用，會降低太陽的透過率，造成面板接收到的太陽輻射減少，導致光伏系統發電量降低。另外，積塵吸收太陽輻射后可使光伏面板升溫，并且積塵中含有一些腐蝕性的化學成分，這些均會導致光電轉換效率的降低［8］。

3　相似日選取原理

光伏發電系統的輸出功率受多種因素的影響，且與多個因素形成非線性、強耦合的關系。為獨立分析霧霾對光伏發電量的影響，需控制其他因素的影響，盡量保證其他影響因素基本一致。考慮到當天氣類型不同，太陽輻射強度差異很大，光伏系統發電量差異也很大。本文重點關注天氣類型、大氣溫度和霧霾對光伏發電量的影響。

3.1模糊變量的量化

天氣預報中給出的天氣參數一般為較模糊的類型描述，如晴天、晴轉多云、陰天、陰有小雨、小雨轉大雨等。根據不斷完善的光伏監控系統數據庫，對大量有效的歷史發電量數據進行統計分析，將模糊的描述性天氣類型映射為0～1的具體數值，如表1所示。

考慮到參與空氣質量評價的污染物為SO2，NO2，PM10，PM2.5，O3，CO等6項，空氣質量指數（KAQI）代表了PM10，PM2.5等一些細小顆粒物在空氣中的含量，且易于獲取公開數據［9］。而霧霾的形成主要與空氣中細顆粒物有關，故采用KAQI量化霧霾天氣程度的模糊描述。

表1　天氣類型編碼表

3.2相似日選取原理

考慮影響光伏發電量的主要因素為天氣類型、溫度和霧霾。為獨立分析霧霾的影響，構造以天氣類型和溫度為相似因子的氣象特征向量，計算相似度并排序，選取相似度高的若干相似日。根據相似度原理可知，各相似日的天氣類型和大氣溫度基本一致，可用于單獨分析KAQI與光伏發電量P的關系。

3.2.1構造氣象特征向量

根據前文對光伏陣列發電功率特性的分析，選取大氣溫度和天氣類型（反映太陽輻射強度）作為影響光伏陣列輸出功率的氣象影響因素，構造每天氣象特征向量［10］：

式（3）中：Tmax為最高溫度；Tmin為最低溫度；w為天氣類型。

3.2.2計算相似度

（1）首先采用“極差法”對各分量進行歸一化：

式（4）中：yi（j）為第i日的第j個分量；m（j）和M（j）分別為第j個分量的最小值和最大值，j=1，2，3。

歸一化后基準日和第j日的特征向量為：

（2）計算x0和xj第k個因素的關聯系數［11］：

式（7）中：ρ為分辨系數，其值一般取0.5。

（3）綜合各影響因素的關聯系數，定義x0和xj的相似度：

采用連乘方式定義相似度，可以簡單、自動地識別主導因素，并解決各因素權重設定問題［12］。按相似度由高到低排序選取前若干個相似日，利用這組相似日的公開氣象數據和光伏電站實際發電數據進行進一步分析。

4　算例分析

4.1直接分析

相關性是指2個變量之間變化趨勢的一致性，用SPSS軟件對變量進行相關性分析是常用數學統計分析方法，通過輸入待分析變量并選擇合適的相關系數類型，軟件輸出結果可直觀的顯示變量間的相關系數值r，對應的實際顯著性水平Lsig以及樣本數量N。r的絕對值越接近1，說明變量間相關性越大；Lsig代表假設檢驗中的顯著性，通常Lsig<0.05表明得到的相關系數具有統計學意義，變量間的確存在顯著相關。利用浙江嘉興某光伏電站實測功率數據與公開氣象數據，得到2014年6月至10月的KAQI與發電量變化曲線如圖2所示。2個變量間的關系比較隨機和復雜。對KAQI與發電量作相關性分析前先畫兩者的散點圖，如圖3所示。可直觀地看到2個變量的數據點分布雜亂，無明顯規律。為進一步分析兩者關系，利用SPSS對兩組數據進行相關性分析。相關性分析結果如表2所示，發電量與KAQI的相關系數為r=0.259＞0，這表明兩者存在正相關，但相關系數不大。顯著性指標Lsig=0.259＞0，這表明兩者間存在極顯著的相關，具有較強的統計意義。

圖2　總體KAQI與發電量變化曲線

圖3　總體KAQI與發電量散點圖

表2　總體KAQI與發電量相關性分析結果

這與理論預期結果相悖，需進一步分析出現此結果的原因。考慮到光伏發電量受多種因素綜合影響，太陽輻射強度、輻射時長、天氣類型等正相關因素的影響可能淹沒空氣質量指數對光伏發電量影響的趨勢。直接將受多種不同因素綜合影響的光伏發電量與KAQI進行相關性分析，分析結果可能呈現不同程度的甚至相反的趨勢。

4.2基于相似日原理的分析

為得到光伏發電量與KAQI實際可靠的相關性分析結果，首先利用2014年6～10月的公開氣象數據，根據前文所述相似日選取原理選取若干相似日，對相似日的發電量與KAQI利用SPSS軟件進行相關性分析。考慮到歷史數據庫的有限性，每個研究樣本選取15個相似日。

4.2.1晴相似日

選取氣象特征向量為Y1=［20 8晴］的15個相似日，其KAQI與發電量變化曲線如圖4所示，呈現明顯的負相關走勢。2個變量的數據點分布如圖5所示，分布雜亂，有一定規律但不明顯。利用SPSS軟件對2組數據進行相關性分析，分析結果如表3所示。根據相關性分析結果，發電量與KAQI的相關系數為r=-0.591＜0，這表明2個變量為負相關，相關程度為中度相關。顯著性指標Lsig=0.02＜0.05，這表明兩者間存在顯著的相關，具有較強的統計意義。

圖4　晴相似日的KAQI與發電量變化曲線

4.2.2多云相似日

選取氣象特征向量為Y2=［20 8多云］的15個相似日，其KAQI與發電量變化曲線如圖6所示。2個變量數據點分布如圖7所示，分布雜亂，無明顯規律。利用SPSS軟件對2組數據進一步進行相關性分析，分析結果如表4所示，。根據相關性分析結果，發電量與KAQI的相關系數為r=-0.443＜0，這表明2個變量為負相關，相關程度為中低度相關。顯著性指標Lsig=0.098＞0.05，這表明兩者間不存在顯著的相關，統計意義不強。

圖5　晴相似日的KAQI與發電量散點圖

表3　晴相似日的KAQI與發電量相關性分析結果

圖6　多云相似日的KAQI與發電量變化曲線

圖7　多云相似日的KAQI與發電量散點圖

表4　多云相似日的KAQI與發電量相關性分析結果

由上述圖表結果分析可知，晴相似日和多云相似日的光伏發電量與KAQI大致呈負相關，其中晴相似日的結果具有顯著相關性，而多云相似日的結果的顯著性指標不合格，統計意義較弱。這可能是因為多云天氣的氣象條件復雜多變，簡單地通過計算相似度選取相似日并不能保證各多云相似日的其他氣象條件基本一致。另外所采用的歷史數據庫數據比較有限，并不能保證所選到的相似日的相似度都很高。這些均可能導致相關性分析結果的顯著性指標不合格，但可以確定的是，在其他影響因素基本一致的前提下，光伏發電量與KAQI呈負相關，即霧霾對光伏發電量帶來的獨立影響是負面的。進一步的研究中，可通過回歸分析、卡方檢驗、參數檢驗等方法對兩者的關系進行定量的更準確的分析，以更好地掌握霧霾對光伏發電量的影響程度，減小霧霾帶來的經濟損失。

5　結束語

關注到近年來霧霾頻發對光伏發電的經濟和效益產生了一定的影響。為保證光伏電站投資的最終收益，需進一步了解掌握霧霾的影響機制，以采取相應的防治措施。本文通過量化天氣類型和霧霾程度，根據相似日選取原理選擇相似日，控制除霧霾外的其他氣象因素相似，進而分析霧霾對光伏發電量的獨立影響。最后利用我國浙江嘉興某光伏發電系統的實測數據，比較了直接分析霧霾（以KAQI為量化指標）對光伏發電量的影響和分析相似日條件下的霧霾對光伏發電量的影響，SPSS軟件的相關性分析結果可以體現出“相似日”原理與“控制變量”的研究方法對掌握霧霾對發電量實際影響的重要性。通過分析比較驗證了霧霾對光伏發電量存在中高度的負面影響，在后續的研究中，可將“霧霾”作為光伏發電量預測的輸入變量之一，有望提高光伏發電量預測的精度。

［1］李衛良，黃堃，陳璐，等.采用可控負荷平滑光伏發電功率波動的需求響應策略［J］.江蘇電機工程，2014，33（2）：40-43.

［2］楊德全.基于神經網絡的光伏發電系統發電功率預測［D］.保定：華北電力大學，2014.

［3］趙杰.光伏發電并網系統的相關技術研究［D］.天津大學，2012.

［4］呂學梅，朱虹，王金東，等.氣象因素對光伏發電量的影響分析［J］.可再生能源，2014（10）：1423-1428.

［5］郭佳.并網型光伏電站發電功率與其主氣象影響因子相關性分析［D］.保定：華北電力大學，2013.

［6］易桂平，胡仁杰.太陽能光伏電池建模與動態特性仿真［J］.江蘇電機工程，2014，33（5）：32-35.

［7］劉大為，彭文博，鮑亮亮，等.考慮空氣污染因素的光伏發電量回歸分析［J］.可再生能源，2014（12）：1785-1790.

［8］溫巖，趙東，袁春紅，等.積塵對光伏系統發電的影響研究綜述［J］.太陽能，2014（11）：36-41.

［9］WANG X H，LIU Y Y.Discussion on the Air Quality Index and Air Pollution Index［J］.China Terminology，2011（6）：49-51.

［10］王曉蘭，葛鵬江.基于相似日和徑向基函數神經網絡的光伏陣列輸出功率預測［J］.電力自動化設備，2013（1）：100-103，109.

［11］傅美平，馬紅偉，毛建容.基于相似日和最小二乘支持向量機的光伏發電短期預測［J］.電力系統保護與控制，2012（16）：65-69.

［12］孟洋洋.風電場發電功率短期預測模型研究［D］.重慶：重慶大學，2011.

Impact Analysis of Haze on Photovoltaic System's Power Generation

NI Chunhua1，LI Hongyi2，WU Zaijun1
（1.School of Electrical Engineering，Southeast University，Nanjing 210096，China；2.Nanjing Foreign Language School，Nanjing 210008，China）

Solar energy is regarded as the most powerful weapon to resist haze，while photovoltaic（PV）generations are facing severe challenge due to frequently-occurring haze.In this paper，the basic principle of PV cells is introduced and the mechanism of haze's affection to PV output power is analyzed.A group of so called similar days are chosen，and then the standalone affection of haze to PV output is analyzed while other factors are guaranteed to be nearly the same.The actual output power of a certain PV plant in Jiaxing validates the reliability of the proposed method.

solar energy；photovoltaic power generation；haze；similar day

TM72

B

1009-0665（2015）06-0077-05

2015-08-15；

2015-09-20

江蘇省2015年度普通高校研究生實踐創新計劃項目（省立校助）：SJLX15_0053

江蘇省2015年度普通高校研究生實踐創新計劃項目（省立校助）：SJLX15_0050

倪春花（1992），女，江蘇南通人，碩士研究生，研究方向為分布式發電與微電網；

李弘毅（1997），男，江蘇南京人，高中在讀，協助從事能源與環保相關試驗工作；

吳在軍（1975），男，江蘇南京人，博士生導師，研究方向為變電站自動化、分布式發電與微網、電能質量監測與控制。