基于年發電上網率的光伏發電項目并網經濟性研究

王敬敏，張麗麗，張 杰

(華北電力大學 經濟管理系，河北 保定 071003)

基于年發電上網率的光伏發電項目并網經濟性研究

王敬敏，張麗麗，張 杰

(華北電力大學 經濟管理系，河北 保定 071003)

在“自發自用、余電上網”的運營模式下，光伏發電項目的發電上網率是測算全壽命周期內上網發電量的基礎，對準確評估經濟性具有重要意義。為此，提出了建立發電上網率模型，以機組可輸出功率、氣候條件作為基礎擬合機組典型日機組出力，運用最短距離聚類與關聯度分析方法選取典型日負荷曲線。通過各季節典型日逐時光伏出力和用戶負荷的動態對比，測算年發電上網率,填補了定量計算年上網發電量的空白。在此基礎上，構建了光伏發電項目全壽命周期內的經濟評價系統模型，并以光伏大棚項目為實際應用案例分析光伏發電項目的并網經濟性。

發電上網率； 光伏發電；并網經濟性

在“自發自用，余電上網”運營模式下，光伏發電并網項目的系統發電量優先滿足用戶需求，剩余部分由電網收購，不足部分從電網購入。此類項目具有就地消化，節省輸變電投資、運行費用，不存在電力交易，降低用電成本，減少污染排放物等優點，是小規模分布式光伏發電項目的主要運營模式，在政府扶持下發展較為迅速。從投資主體來講，“自發自用，余電上網”模式以生態城、樓宇示范項目、校園和工業用戶為主[1]。分布式發電項目的經濟性是評估投資可靠性的核心指標，是投資者決策的決定性因素。目前，對分布式發電項目并網經濟性的評價主要集中在2個方面：提出經濟性分析的概念與分析方法，建立經濟性分析模型[1-5]；針對不同類型的投資主體進行光伏發電項目并網經濟性評價[6-8]。在項目的全壽命周期內，發電上網率是測算上網發電量的基礎，而以往的研究上網發電量往往根據經驗給出，因此不能準確反映光伏發電的經濟效益，具有一定局限性。我國光伏發電成本很高，與傳統能源相比并不具優勢，需要政府補貼。投資者進行投資決策時，需要綜合考慮太陽能光伏發電的經濟效益。鑒于此，本文構建上網發電率模型，并在此基礎上分析太陽能光伏發電的收益與成本，運用全壽命凈收益、內部回收率、動態回收期三個指標對項目進行經濟性評價。最后運用實際案例測算了并網光伏發電的綜合收益經濟性, 為相關主體提供投資參考。

1 年發電上網率模型

并網光伏發電項目示意圖如圖1所示。并網光伏發電系統主要由太陽能電池板、交直流逆變器、并網配電裝置、數據采集等部分組成。太陽能電池板利用太陽能轉化成直流電，逆變器將直流電轉變為能夠供各種電器設備使用的交流電。 當陰天、夜間太陽能電池不發電或者光伏發電量不能滿足用電需要時，不足部分從電網購電； 當系統發電量超過用戶需求時，剩余電力輸入電網，由電力公司收購。

圖1 并網光伏發電項目示意圖

發電上網率為發電上網量占總發電量的比值。年上網量取決于短期系統光伏出力與用戶負荷需求的動態平衡。當機組出力大于用戶負荷需求時，上網電量為該段時間內機組出力與用戶負荷之間的差值。當機組出力小于用戶負荷需求時，上網電量為零。對光伏項目而言，其光伏陣列的排列、系統效率是確定的，在相同季節光照和溫度一定的條件下，其輸出是一定的。但實際光伏陣列的輸出是通過光伏電池將太陽輻射轉換為電能，這就使得光伏電站的實際出力主要是受氣候因素影響，具有不確定性。為簡化計算，年發電上網率模型選取各個季節的典型日做近似計算。

1.1 短期典型日系統光伏出力

短期系統光伏出力受到氣候因素影響明顯，其出力具有間歇性。以光伏發電項目的運行數據和光伏電站所處位置的氣象數據為基礎，將每天的發電功率按天氣類型如晴、晴轉多云、陰、雨 (雪)進行分類統計，統計各個季節每種天氣類型的平均發電量。不同天氣類型的發電功率曲線有著明顯的不同，例如在晴天尖峰往往出現在中午，晴轉多云天氣類型中尖峰往往出現在前期等。按照天氣類型進行劃分更為合理和有效。進一步考慮到季節因素，在不同季節，溫度和光照差異較大，不同天氣類型平均發電量差異較為明顯。因此，年發電上網率應對不同季節進行分類計算。

具體步驟如下。

步驟1：對歷史數據(包括氣象數據、機組發電功率數據)進行分類。將歷史數據分為四個季節，各個季節按90天近似計算。每個季節按天氣類型將發電功率進行劃分，統計每種天氣類型的平均發電功率。

步驟2：確定天氣類型指數，將不同天氣類型之間的倍數關系映射為天氣類型指數。由于雨雪天發電量最小，設定其天氣類型指數為單位1，在相同季節，在光照、溫度較為穩定的情況下，可得出不同天氣類型的機組發電指數。

步驟3：確定各個季節的典型日機組出力。在各個季節，統計每天24個節點的天氣類型并進行發電量加權平均運算，計算出24個節點的加權發電功率，形成曲線，即為典型日機組出力。

在各個季節典型日的計算如下：

(1)

1.2 典型日用戶負荷

用戶典型日的選取將依托智能信息網絡，在項目內部署智能用電信息采集設備，依據項目采集存儲的負荷數據選取典型日。目前典型日的選取沒有統一的規定, 經常采用的方法主要有以下3種：選取日負荷率與月平均日負荷率最接近、且負荷曲線無異常畸變的日負荷曲線作為該月的典型日負荷曲線；選取最大負荷日負荷曲線作為典型日負荷曲線；選取每月某一固定工作日, 有的地區取每月第3 周的第3個工作日。但鑒于這些方法具有通用性差，不能很好地反映用戶年用電負荷特點，考慮采用系統聚類以及關聯度方法選取典型日。首先，將各個季節的原始數據采用最短距離法對原始數據進行聚類分析，找出畸變日并去除其影響，將去除畸變日的各日整點標么值負荷取平均值得到該季節的基準日負荷曲線, 根據關聯度的計算公式計算各日與基準日的關聯度。通過分析計算各日與基準日的關聯度找出典型日[9]。

1.3 年上網發電率模型

將光伏機組出力與需求側逐時負荷需求進行動態匹配分析，得到年發電上網率的理論ξ：

(2)

Ept=Ht×s×k×kt

(3)

式中pi，t——第i天t時刻的機組出力；fi，t——用戶負荷曲線,t1與t2為某日光伏發電起始時間，若氣候不具備光伏發電條件，t1=t2=0；Ept——光伏電站t年發電量；H——年平均太陽輻射量；S——電池板面積；k——光電轉換效率；kt——第t年系統衰減系數。

式(2)中涉及大量數據，為簡化計算，可選取各個季節典型日來近似計算一年的上網發電率

(4)

2 光伏發電項目評價體系

在“自發自用、余電上網”運營模式下，光伏發電項目評價體系綜合考慮度電補貼等經濟參數、環境價值參數、單位裝機成本等因素，計算系統發電收益、節能減排收益，投資成本、運行維護成本等，根據選定的經濟性評價指標評價光伏發電項目并網經濟性。光伏發電項目并網經濟性分析流程圖如圖2所示。

(1)收益分析。從用戶側分析，分布式光伏系統的年收益主要來自節省的電費收入、余電上網獲得的收入以及節能減排收益[10-11]。第t年光伏并網發電帶來的發電收益為

It，s=(1-ξ)Ept(λ1+ω)+ξEptλ2+
Ept×Ept×vcoal×Tcoal+Ept∑vkpk

(5)

式中λ1——當地電價；ω——補貼電價；λ2——上網標桿電價。

(2)成本分析。并網光伏發電項目成本主要包括裝機容量成本和運行維護成本為

(6)

(3)評價指標。考慮資金的時間價值，采用全壽命凈收益值、內部收益率[12]、動態回收期[13]3個指標對光伏項目進行評價。

圖2 光伏發電項目并網經濟性分析流程圖

3 實證分析

以承德市已建成的50 MW太陽能分布式光伏發電項目作為典型實例進行研究分析，項目地點水平面上年總輻射量為6 081.78 MJ/m2。工程選用250 W多晶硅電池組件，根據設備廠商提供設備信息，其主要技術參數見表1[14]。

表1 250 W多晶硅電池組件主要技術參數

選取2013—2015年的機組出力數據和氣象數據進行測算。不同天氣類型平均發電功率，計算結果如圖3所示。根據各天氣類型數據之間的倍率關系，將此倍率關系映射為天氣類型指數，如表2所示。不同季節雨(雪)天氣的機組發電功率，如表3所示。對各個季節、各個時點不同天氣類型的機組出力進行加權計算形成典型日機組出力曲線。通過對原始數據進行系統聚類以及關聯度分析，計算出各個季節用戶負荷典型日分別是3月11日，5月50日，9月8日，11月5日。光伏大棚項目各個季節典型日機組出力與用戶負荷需求動態對比如圖4所示。

圖3 不同天氣類型平均發電功率的計算結果

表2 不同類型天氣機組發電指數

表3 不同季節雨(雪)天氣機組發電功率 kW

圖4 四季典型日光伏出力和用戶負荷曲線的匹配分析

由圖4可以看出，光伏系統的出力主要集中在白天的高峰時段11:30～14:30。不同季節機組出力差異較大，夏季由于太陽輻射量較大，機組出力明顯高于冬季，秋季機組出力高于春季。在用電需求方面，各個季節差異也較為明顯。這主要和用戶用電特性有關，夏季電力需求主要為灌溉，每周提灌三次。而冬季電力需求主要是溫控、照明補光，冬季的用電需求明顯高于夏季。通過光伏出力和用戶負荷匹配分析，經測算全年發電上網率為51.92%，自用電量為48.08%。以2013—2015年的實際運行數據為基準，將基于年上網發電率測算出來的上網電量與項目設計初期經驗給出的年上網發電量作對比分析，結果如表4所示。

表4 測算出的上網發電量與設計初的年上網發電量對比結果

太陽能光伏發電價值參數見表5[15]，選取資源稅為10元/t。由于可再生能源可避免污染物的排放，選取標準的燃煤發電機組煤耗量為350 g/kWh，燃煤火電機組污染排放率及電力污染物環境價值標準見表6。

晶體硅光伏組件在光照及常規大氣環境中使用會有衰減，按系統第1年衰減1%，以后每年輸出衰減0.5%計算，25年發電量測算見表7。25年的年平均發電量為2 970萬kWh，因此可以計算得太陽能并網光伏全壽命經濟性分析結果見表8。

表5 太陽能光伏發電價值參數標準

表6 燃煤火電機組污染排放率及污染物價值標準

表7 年發電量測算

表8 經濟性分析結果

4 結語

本文建立了發電上網率模型定量測算年上網發電量，改進了以往經濟性評價上網發電量按經驗給出的方法。模型首先按照天氣類型對歷史數據進行合理劃分，提出將每種天氣類型的平均發電功率數據之間的倍率關系映射為天氣類型指數，對各個季節每天24個節點的天氣類型進行加權平均得出典型日機組出力。其次，利用采集的歷史數據，運用最短距離聚類與關聯度分析方法選取典型日負荷曲線，將典型日機組出力與用戶負荷進行逐時對比分析，測算年上網發電率。實際案例證明了模型的合理性。運用模型對并網光伏項目進行經濟性評價，為投資主體提供決策參考。

[1]蘇劍,周莉梅,李蕊. 分布式光伏發電并網的成本/效益分析[J].中國電機工程學報,2013,33(34):50-56.

SU Jian, ZHOU Limei, LI Rui. Cost-benefit analysis of distributed grid-connected photovoltaic power generation[J]．Proceedings of the CSEE，2013,33(34)：50-56.

[2]孫艷偉，王潤，肖黎姍，等. 中國并網光伏發電系統的經濟性與環境效益[J]. 中國人口·資源與環境，2011， 21(4)：88-94.

SUN Yanwei, WANG Run, XIAO Lishan, et al. Economical and environmental analysis of grid-connected photovoltaic systems in China[J]. China Polulation.Resources and Environment，2011， 21(4)：88-94.

[3]白峪豪，張承海，高振興．分布式發電機組的經濟效益評估模型[J].能源工程，2011(6) : 7-12.

BAI Yuhao, ZHANG Chenghai, GAO Zhenxing, et al. Economic assessment model of distributed generators[J]．Energy Engineering,2011(6)：7-12.

[4]史珺.光伏發電成本的數學模型分析[J].太陽能,2012(2):53-58.

[5]MASOUD F ,et al. Performance evaluation and characterization of a3-kWp grid-connected photovoltaic system based on tropical field experimental results: new results and comparative study[J]. Renewable and sustainable EnergyReviews,2015(42):1047-1054.

[6]吳瓊,任洪波,高偉俊,等. 基于動態負荷特性的家用光伏發電系統經濟性評價[J]. 可再生能源, 2014,32(2):133-138.

WU Qiong, REN Hongbo, GAO Weijun, et al. Economic assessment of residential photovoltaic system based on dynamic load characteristics[J]．Renewable Energy Resources，2014，32(2)：133-138.

[7]GULLI F. Small distributed generation versus centralized supply: A social cost-benefit analysis in the residential and service sectors[J]. Energy Policy，2006，34(7): 804-832.

[8]張曉林,王麗霞,白戈亮. 10 MW光伏并網發電項目成本及經濟性分析[J]. 電氣技術,2011(8)：73-75.

[9]蔡國偉，王大亮.一種基于最短距離聚類與關聯度分析的典型日選取新方法[J]中國電力，2008，41(4)：15-18.

CAI Guowei, WANG Daliang, WANG Yantao, et al. A new selection of the typical day based on the analysis of rainimum distance duster and interconnect degree theory[J]. Electric Power,2008,41(4):15-18.

[10]肖浩,裴瑋,孔力,等.考慮光伏余電上網的微網出力決策分析及經濟效益評估[J].電力系統自動化，2014,38(10)：10-16.

XIAO Hao, PEI Wei, KONG Li, et al. Decision analysis and economic benefit evaluation of microgrid power output considering surplus photovoltaic power selling to grid[J]. Automation of Electric Power Systems, 2014,38(10):10-16.

[11]錢科軍,袁越,石曉丹,等. 分布式發電的環境效益分析[J].中國電機工程學報,2008,28(29):11-15.

QIAN Kejun, YUAN Yue, SHI Xiaodan, et al. Environmental benefits analysis of distributed generation[J]. Proceedings of the CSEE,2008,28(29):11-15.

[12]孫薇,李金穎.技術經濟學[M]．北京：中國電力出版社,2009.

[13]肖先勇,楊洪耕.電力技術經濟原理[M]．北京：中國電力出版社,2010.

[14]馬軍杰, 張信, 王恩琦,等. 并網光伏發電價值的綜合評價[J].水電能源科學,2011, 29(6):169-171.

MA Junjie, ZHANG Xin, WANG Enqi, et al. Comprehensive evaluation model of grid-connected photovoltaic generation[J]. International Journal Hydroelectric Energy,2011, 29(6):169-171.

[15]胡超.基于環境價值的節能發電調度環境影響評價[D]. 北京: 華北電力大學, 2010.

(本文編輯：趙艷粉)

Economic Assessment of Photovoltaic Grid-connected Power Generation Project Based on the Annual Rate of Power Generation to Grid

WANG Jingmin, ZHANG Lili, ZHANG Jie

(School of Economics and Management, North China Electric Power University, Baoding 071003, China)

In the operation mode of "self-generating and self-supply in chief and remaining electricity for grid ", the annual rate of power generation to grid (ARPGG ) for the grid-connected photovoltaic project lays the foundation for figuring out the generation amount to grid. It is the prerequisite of reasonable benefit estimation. This paper establishes ARPGG model, takes unit output, climatic conditions as the basis for typical daily unit output, uses historical data, and combines with the nearest neighbor clustering & grey interconnect degree methods to form typical daily load curve. By means of dynamic comparison between unit output and the user load, the annual rate of generation to network is obtained. This research fills in the blank of quantitative calculation of electricity to the grid. On this basis, an economic evaluation system in the whole life cycle of PV power generation project was framed. To testify its rationality and usability, a 50MW grid- connected solar greenhouse was taken as the practical application case. The results shows that model bears better adaption to reality and the grid-connected PV power generation project is of good economic performance and worthwhile to invest on.

the annual rate of power generation to grid; PV power generation; grid connection economy

10.11973/dlyny201703018

王敬敏(1955—)，女，教授，博士生導師，從事管理信息系統與決策支持、技術經濟評價理論與方法、電力市場、電力需求側管理、低碳經濟等研究。

TM712

A

2095-1256(2017)03-0298-06

2017-03-14