太陽輻射對大型漁光互補光伏電站發電效益影響分析

雷震 郝雨辰 孔伯駿

1 國網江蘇省電力有限公司 調度控制中心,南京,210024 2 國網江蘇省電力有限公司 揚州供電分公司,揚州,225001

0 引言

隨著我國能源結構的不斷調整優化,傳統化石能源在能源結構中所占比重不斷下降,清潔無污染的新能源所占比重不斷上升[1]．太陽能作為一種取之不盡用之不竭的新能源,可以從根本上解決能源短缺和環境污染等問題,大力發展太陽能光伏發電,對落實新發展理念、促進綠色低碳循環發展具有重要意義[2-5]．“漁光互補”是一種將漁業養殖與光伏發電相結合,實現“一地多用、漁光互補”的發電新模式[4],可以提高資源利用率和單位面積土地的經濟價值,對光伏電站大范圍落地應用具有重要的推動作用[5-7]．

光伏發電效益主要與光伏面板材質和外界環境有關[5,8-10]．非晶硅光伏面板輸出能量主要取決于光譜分布,而多晶硅則對光譜分布不敏感[11]．對于外界環境對光伏發電效益的影響,大多從氣象因素入手研究．黃偉等[8]分析了日照強度和云量對光伏發電的影響,確定了不同天氣情況對光伏發電影響系數．褚華宇等[12]研究了霧霾對光伏發電功率的影響,并建立了考慮霧霾影響的光伏發電功率預測模型．崔永琴等[13]從面板積塵影響因素出發,研究了風力、降雨、空氣污染、灰塵性質及面板傾角等對光伏發電效益的影響．曹英麗等[14]通過對光伏發電功率與同期氣象影響因子進行相關性分析發現,太陽輻射量、日照時數與光伏發現效益相關性最高．Kymakis等[15]將太陽輻照度作為光伏電站選址的重要參考指標．雖然國內外學者對光伏發電效益的影響因素進行了深入研究,但大多集中于陸面光伏電站,而對建于水面上的“漁光互補”光伏電站鮮有涉及．由于漁光互補光伏電站下墊面性質不同于常規陸面光伏電站,電站周圍形成的典型小氣候導致其發電效益影響因素也會與常規陸面光伏電站不同,但目前關于“漁光互補”光伏電站發電效益的氣象影響因素研究尚不多見,尤其是太陽輻射對其影響規律尚不清楚．

本文以江蘇寶應生態漁業光伏發電“領跑者”示范基地為研究對象,詳細分析太陽輻射對該地區光伏發電效益的影響規律,為提高漁光互補光伏電站太陽能利用效益和功率預報準確率提供技術支持．

1 研究區概況

寶應光伏發電示范基地是國家能源局批復的第三批全國10個領跑基地之一,位于江蘇省揚州市寶應縣,亞熱帶季風性濕潤氣候,多

年平均降水量966 mm,日照時數2 181 h,年平均氣溫14.4 ℃,全年無霜期260 d．基地占地面積為4 267 hm2,采用“漁光互補”開發方式,在魚塘水面上方架設光伏面板陣列,光伏面板下方水域可以進行魚蝦養殖等漁業活動．基地光伏電站建設容量為500 MW,面板安裝傾角為30°．

2 數據來源與預處理

本文數據資料主要來自寶應光伏發電示范基地中廣核柳堡電站2019年逐日光伏發電資料,該電站共裝設317 462塊315 W高效單晶雙面P型半片,華為70和100 kW逆變器分別為1 015臺和172臺,裝機容量100 MW．氣象數據來自于寶應縣氣象局(119.18°E,33.14°N)和基地電站實際觀測數據(119.69°E,33.28°N)．發電效益數據主要選擇日實際發電量、日并網最大功率、月實際發電量、月發電峰值等4個指標,其中：月實際發電量為每月日實際發電量之和,月發電峰值為每月日并網最大功率之和;太陽輻射數據主要選擇日平均輻照度(Ravg)、日最大輻照度(Rmax)、日累計輻照量(Rsum)、日有效利用小時數(H)等4個指標．由于可能會遇到設備故障進行組件檢修或不可控氣象災害影響,光伏面板并非時刻處于正常運行狀態,使得自動采集的某些數據存在較大偏差,出現部分資料缺失或異常情況,本文對環境觀測資料和運行日志數據進行預處理,剔除故障數據和疑誤數據,并采用插值法進行數據補全.為了更加客觀地反映輻射指標對發電效益的影響,本文采用氣象站和電站實際觀測值的平均值進行分析．

3 結果與分析

3.1 發電效益指標年內變化特征

不同月份并網最大功率與發電量分布如圖1所示．平均月發電峰值為68.0 MW,而9月的發電峰值最大,較均值提高了16.2%,1月發電峰值最小,較均值降低了37.4% (圖1a)．月發電峰值超過70 MW的月份還有3月、6月、7月、8月、10月．從月發電峰值的標準差可以看出,6月的發電峰值波動最小,而2月波動最大．總體而言,月發電峰值波動與季節相關性較高,5—10月夏秋季波動幅度較小,其他月份波動幅度較大．與月發電峰值規律類似,3月和6—9月的月發電量較高,均超過了400 MW,而1月的月發電量最低,僅為159 MW(圖1b),但1月發電量波動最小,穩定性最好．

圖1 逐月并網最大功率值與實際發電量統計特征Fig.1 Statistics of peak grid-connected power and actual power generation in each month

3.2 全年尺度下日發電量及峰值與輻射指標回歸分析

日并網功率最大值與太陽輻射指標之間呈現明顯對數關系(圖2)．日并網功率最大值與平均輻照度、最大輻照度和日累計輻照量之間相關性較高,相關系數均超過了0.80,說明隨輻射強度的增加,日并網功率最大值呈先急劇增加后逐漸趨緩的自然對數關系,但并網峰值上線閾值在90 MW左右;日并網功率最大值與日有效利用小時數之間相關度與前述3項指標相比較弱,擬合效果較差,R2僅為0.70．因此,在該地區開展光伏發電功率預測和前期太陽能資源開發利用評估時,可采用平均輻照度、最大輻照度、日累計輻照量3個指標作為參考指標,其預測和評估結果要比采用太陽總輻射、直射輻射更為合理;另外,可以通過平均輻照度、最大輻照度和日累計輻照量等指標來估算最大并網峰值．

圖2 日并網最大功率值與太陽輻射指標的散點圖Fig.2 Scatter plot of daily peak grid-connected power and solar radiation indices

與日并網功率最大值規律不同,日實際發電量與太陽輻射相關指標呈現線性關系(圖3)．日實際發電量與平均輻照度呈顯高度線性關系,平均輻照度每增加100個單位,日實際發電量增加10個單位．日累計輻照量、日有效利用小時數和日實際發電量之間的關系與平均輻照度類似,線性關系較為明顯,擬合趨勢線方程R2均超過0.95．最大輻照度與日實際發電量之間相關性較低,R2僅為0.55,這主要是因為日實際發電量由全天累計輻照量大小決定,而最大輻照度的影響時段較短,無法反映整天陽光輻射的情況．因此在進行資源評估和發電總量預測時,可采用平均輻照度和日累計輻射量兩個指標進行資源評估和遠景預估．

圖3 日實際發電量與太陽輻射指標的散點圖Fig.3 Scatter plots of daily power generation and solar radiation indices

3.3 不同月份峰值及發電量與輻射指標相關分析

不同月份并網功率最大值與太陽輻射指標相關分析結果如表1所示．平均輻照度、最大輻照度和日累計輻照量與日并網功率峰值之間呈顯著正相關關系,相關性均通過了0.01顯著性水平,但除了最大輻照度在3—5月、11—12月相關系數超過0.9以外,其他各指標相關系數均未超過0.9,這種結果與實際相符,因為月最大輻照度高低決定月并網峰值大小,而平均輻照度、累計輻照量大小則主要決定月實際發電量高低．但從表1分析發現,1—4月和8—12月日并網功率峰值與日有效利用小時數之間呈顯著正相關關系,而5—7月相關性卻不顯著,尤其是在5月日并網功率峰值與日有效利用小時數呈負相關關系,與實際規律差異較大,其中原因待進一步研究．

表1 不同月份日并網功率最大值與太陽輻射指標相關分析

注:**表明在0.01水平上顯著相關;*表明在0.05 水平上顯著相關．

不同月份發電量與輻射指標相關分析結果如表2所示．從表2發現：該地區月實際發電量與平均輻照度呈現出極顯著正相關,除了1—3月外,其他月份相關系數都超過0.9;最大輻照度與月實際發電量之間也呈現出較強相關性,但和其他3個指標相比,其相關系數相對較小,全年都未達到0.9,這種情況與理論實際都比較一致,因為最大輻照度只決定每個月最大發電量值,不能決定月發電量;月累計輻照度與月實際發電量之間呈現出極顯著正相關性,除了1月和3月,其他月份相關系數都超過了0.9；和其他幾個輻射因子相比,月有效利用時數和月實際發電量之間相關性出現異常,4—7月與實際發電量之間相關性不顯著,其中5月出現了負相關,而1—2月和8—12月日發電量與日有效利用小時數之間呈顯著正相關關系,月有效利用時數與并網峰值相關性分析呈現出同樣結果．這一方面可能是該電站這幾個月日有效利用時數指標觀測出現問題或者觀測設備出現問題,應及時檢查檢驗觀測數據和設備;另一個方面也可能是在電站設計、評估、功率預報和遠景評估時,采用平均輻照度、累計輻照度能客觀反映電站實際發電情況,能更科學地為發電企業提供可參考的決策支持.另外,建于水面之上的漁光互補光伏電站,夏季高溫容易引起周圍空氣濕度變大,消減太陽輻射強度,使得水面對輻射反射等引起異常．

表2 不同月份實際發電量與太陽輻射指標相關分析

3.4 不同月份峰值及實際發電量與不同輻射指標回歸分析

不同月份日并網功率最大值與太陽輻射指標的回歸分析結果如表3所示,可以發現日并網功率最大值與輻射指標呈顯著對數關系,其中影響1月、3月、5—9月和11—12月日并網功率最大值的關鍵輻射指標為最大輻照度,日并網功率最大值與最大輻照度呈顯著自然對數關系,除1月、6月和11月外,其余月份R2均超過了0.80．影響2月和10月日并網功率最大值的關鍵輻射指標為日有效利用小時數,而影響4月日并網功率最大值的關鍵輻射指標為日累計輻照量．

表3 逐月并網功率最大值回歸分析

不同月份發電量與太陽輻射指標的回歸分析結果如表4所示,可以發現,發電量與太陽輻射指標呈顯著線性相關,擬合度均較高．影響1—3月和8—12月發電量的關鍵輻射指標是有效利用小時數,隨著有效利用小時數增加,發電量呈線性增加趨勢;而影響4—7月發電量的關鍵輻射指標為累計輻照量,發電量隨累計輻照量增加而線性增加．從以上研究發現,影響該地區月發電量的主要輻射因子為有效利用小時數和累計輻照量．

表4 逐月實際發電量回歸分析

4 結論與討論

太陽輻射對漁光互補發電效益影響顯著,且不同月份輻射指標對發電效益影響存在明顯差異.具體結論如下:

1)漁光互補光伏電站發電的實際效能存在顯著季節差異,其中夏秋季日并網峰值及發電量較大,且穩定性較高,而冬春季發電效益和穩定性較差．

2)全年尺度下日并網功率最大值與太陽輻射各指標呈明顯的自然對數關系,而日發電量與太陽輻射呈明顯的線性關系．在該地區開展光伏發電功率預測和前期太陽能資源開發利用評估時,可采用平均輻照度、最大輻照度、日累計輻照量3個指標作為參考指標,其預測和評估結果要比采用太陽總輻射、直射輻射更為合理．

3)不同月份并網功率最大值和月發電量與太陽輻射指標相關性不同,夏秋季與太陽輻射相關性較低,而冬春季與太陽輻射相關性較高．不同月份下并網功率最大值和月發電量均與平均輻照度、最大輻照度和日累計輻照量呈正相關關系．在電站設計、評估、功率預報和遠景評估時,采用平均輻照度、累計輻照度能客觀反映電站實際發電情況,能更科學地為發電企業提供可參考的決策支持.

4)影響不同月份并網功率最大值和發電量的關鍵輻射指標略有差異．影響并網功率最大值月份最多的輻射指標是日最大輻照度,而影響發電量月份最多的指標是有效利用小時數．