光伏項目氣象災害致災危險性評估

摘 要：選取曲靖國家氣象觀測站地面觀測資料、閃電定位資料，對雷電、低溫冷凍、大風、冰雹氣象災害進行年際變化、月際變化和空間分布的統計分析和致災危險性評估。結果表明：（1）普樂村光伏項目所處區域主要氣象災害，按照發生頻率和影響風險綜合考慮，雷電最大，低溫冷凍次之，大風、冰雹稍小。（2）普樂村光伏項目所處大部分區域屬于雷電災害較低危險區，局部小部分區域屬于雷電災害較高危險區；項目大部分區域屬于低溫冷凍災害較低危險區，局部小部分區域屬于低溫冷凍災害較高危險區；項目所處區域屬于大風災害較高危險區，局部地區屬于冰雹災害較高危險區。

關鍵詞：氣象災害；致災危險性；光伏項目；風險評估

中圖分類號：TM615 文獻標志碼：B 文章編號：2095–3305（2024）10–0-05

云南省地處低緯高原，自然地理環境和氣候條件復雜多樣，立體氣候突出，氣象災害頻發。針對災害性天氣的風險評估和區劃，國內許多學者做過深入研究。例如，章國材[1]詳細研究了氣象災害風險評估與區劃方法。孟丹等[2]以湖北省為例，分析了影響湖北光伏電站的主要氣象災害種類及致災因子和指標要素。趙偉等[3]利用浙江省電網雷電信息系統的地閃數據和雷電災害統計資料進行了雷電致災危險性評估。祝新建等[4]以輝縣市為例，從暴雨、冰雹、大風、地質災害4個方面分析了致災因子。尹麗云等[5]根據層次分析法和權重判別模型，利用多重線性回歸研究了云南省冰雹災害危險性評估方法。

以云南省曲靖市陸良縣普樂村光伏項目為例，結合該地氣候特征，從雷電、低溫冷凍、大風、冰雹氣象災害入手，研究影響光伏電站的主要氣象災害的特征和致災危險性，得出主要氣象災害風險評估和區劃，以期減輕或避免光伏電站可能受到的災害性天氣的影響。

1 資料來源

陸良縣普樂村在2014年后停止了雷暴觀測，2020年后停止了霜凍和結冰觀測，因此選取曲靖國家氣象站建站以來至2013年的雷暴災害性天氣資料、建站以來至2019年的霜凍和結冰災害性天氣資料，以及建站以來至2022年的低溫、大風、冰雹災害性天氣資料，對影響普樂村光伏項目的主要災害性天氣時空特征進行分析，利用GIS繪圖軟件對項目區域氣象災害風險進行分析評估，形成氣象災害風險空間分布圖和區劃圖。

2 氣象災害風險評估概述

根據政府間氣候變化專門委員會（Intergovernm- ental Panel on Climate Change，IPCC）第五次評估報告（AR5）對風險的表述：災害風險是由致災因子、暴露度和脆弱性構成的函數，風險可表述為風險=f（災害危險性，暴露度，脆弱性），其中災害危險性指自然災害的致災因子強度，暴露度指處于災害危險下的承災體，脆弱性指承災體潛在的可能受損程度。若將脆弱性理解為暴露承災體的脆弱性，風險可表述為致災因子（強度和頻率）及暴露于某強度致災因子下的承災體脆弱性的函數，即風險=f[災害危險性，脆弱性（暴露度）]。氣象災害評估一般包括災前評估和災后評估，災前評估即氣象災害風險評估，主要包括氣象災害致災危險性評估、承災體暴露度評估和承災體脆弱性評估。

3 影響光伏電站的主要氣象災害

從影響陸良縣普樂村光伏項目的主要災害性天氣歷年平均出現日數及頻率（表1）可知，主要災害性天氣出現頻率較高的依次是雷電（17.78%）、低溫冷凍（霜凍10.78%、結冰4.93%、低溫4.80%）和大風（3.47%）。1957—2022年陸良縣普樂村光伏項目累年平均各月及年主要災害性天氣出現日數見表2。

表1" 陸良站主要災害性天氣出現日數及頻率統計

類型 歷年平均年出現日數/d 年出現頻率/%

雷電 64.91 17.78

霜凍 39.37 10.78

結冰 17.98 4.93

低溫 17.53 4.80

大風 12.68 3.47

冰雹 1.88 0.51

表2" 1957—2022年陸良縣普樂村光伏項目累年各月及年

主要災害性天氣出現日數" " " " " " " " " " " "d

月份 雷暴 低溫冷凍 大風 冰雹

霜凍 結冰 低溫

1 0.70 13.67 7.76 7.91 0.8 0.26

2 1.46 7.89 3.08 3.33 3.00 0.44

3 3.39 1.83 0.38 0.41 4.47 0.33

4 4.79 0.10 0.03 0.03 3.14 0.42

5 6.51 0.02 0 0 0.53 0.14

6 10.77 0 0 0 0.20 0.05

7 13.16 0 0 0 0.15 0.05

8 13.67 0 0 0 0.12 0.02

9 6.54 0 0 0 0.03 0.02

10 2.88 0.33 0.02 0 0.05 0.05

11 0.68 3.6 0.44 0.30 0.03 0.06

12 0.37 11.94 6.27 5.55 0.17 0.06

年 64.91 39.37 17.98 17.53 12.68 1.88

4 雷電災害分析與評估

4.1 雷暴日數

4.1.1 年際變化

從1957—2013年陸良站雷暴日數年際變化情況（圖1a）可看出，1957—2013年陸良站累年平均年雷暴日數為64.91 d，歷年年雷暴日數在33～91 d。1971—1972年雷暴日數≥90 d，其中1971年雷暴日數最多；1957、2003、2011年雷暴日數＜45 d，其中2011年最少。1957—2013年雷暴日數約以3.24 d/10年的速率呈減少趨勢，減少趨勢通過了0.01的顯著性檢驗。

4.1.2 月際變化

從1957—2013年陸良站累年平均各月雷暴日數（圖1b）可看出，1957—2013年陸良站累年平均月雷暴日數為5.41 d，各月雷暴日數在0.37～13.67 d。6—8月雷暴日數均＞10 d，其中8月最多；1、11、12月雷暴日數均＜1 d，其中12月最少。

4.1.3 空間分布

從曲靖市年平均雷暴日數的空間分布（圖1c）來看，普樂村光伏項目位于雷暴日數中等區域，年平均雷暴日數為55.9～59.7 d/年。

4.2 雷電災害致災危險性區劃

選用閃電定位資料及高程、坡度、地形起伏度數據，計算并疊加相關圖層數據，生成曲靖市雷電災害危險性評估區劃圖（圖1d）。從圖中可看出，項目所處大部分區域屬于雷電災害較低危險區，局部小部分區域屬于雷電災害較高危險區。

圖1" 1957—2013年陸良站雷暴日數年際變化情況（a）、陸良站累年平均各月雷暴日數（b）、

曲靖市年平均雷暴日數的空間分布（c）、曲靖市雷電致災危險性區劃（d）

5 低溫冷凍災害分析與評估

5.1 低溫日數

5.1.1 年際變化

低溫日數是指日最低氣溫≤0 ℃的天數。從1957—2022年的低溫日數年際變化情況（圖2a）可看出，1957—2022年陸良站累年平均年低溫日數為17.53 d，

歷年年低溫日數為1～45 d，1971年低溫日數最多，2007年低溫日數最少。1957—2022年低溫日數約以3.20 d/10年的速率呈減少趨勢，減少趨勢通過了0.01的顯著性檢驗。

5.1.2 月際變化

從1957—2022年的累年平均各月低溫日數（圖2b）可看出，1957—2022年陸良站累年平均月低溫日數為1.46 d，各月低溫日數在0～7.91 d，集中在冬季，其中1月最多；5—10月均無低溫天氣出現。

5.1.3 空間分布

從曲靖市年平均低溫日數的空間分布（圖2c）來看，普樂村光伏項目位于低溫日數較少區域，年平均低溫日數為17.0～23.0 d/年。

圖2" 1957—2022年陸良站低溫日數年際變化（a）、陸良站累年平均各月低溫日數（b）、曲靖市年平均低溫日數的空間分布（c）

5.2 霜凍日數

5.2.1 年際變化

從1957—2019年陸良站霜日數年際變化情況（圖3a）可看出，1957—2019年陸良站累年平均年霜日數為39.37 d，歷年年霜日數在18～70 d，1978、1979年霜日數＞60 d，其中1979年最多；2011、2013和2017年霜日數＜20 d，其中2013年最少。1957—2019年霜日數約以2.79 d/10年的速率呈減少趨勢，減少趨勢通過了0.01的顯著性檢驗。

圖3" 1957—2019年的霜日數年際變化情況（a）、陸良站累年平均各月霜日數（b）、曲靖市年平均霜日數的空間分布（c）

5.2.2 月際變化

從1957—2019年陸良站累年平均各月霜日數（圖3b）可看出，1957—2019年陸良站累年平均月霜日數為3.28 d，各月霜日數在0～13.67 d，集中在冬季，其中1月最多；6—9月均無霜凍天氣出現 。

5.2.3 空間分布

從曲靖市年平均霜日數的空間分布（圖3c）來看，普樂村光伏項目位于霜日數較多區域，年平均霜日數為31.5～37.8 d/年。

5.3 結冰日數

5.3.1 年際變化

從1957—2019年陸良站的結冰日數年際變化情況（圖4a）可看出，1957—2019年陸良站累年平均年結冰日數為17.98 d，歷年年結冰日數在3～42 d，1968和1971年結冰日數＞35 d，其中1971年最多，2007、2009、2010、2012年結冰日數＜5 d，其中2007年和2012年最少。1957—2019年結冰日數約以2.82 d/10年的速率呈減少趨勢，減少趨勢通過了0.01的顯著性檢驗。

5.3.2 月際變化

從1957—2019年陸良站的累年平均各月結冰日數（圖4b）可看出，1957—2019年陸良站累年平均月結冰日數為1.5 d，各月結冰日數在0～7.76 d，集中在冬季，其中1月最多；5—9月均無結冰天氣出現。

5.3.3 空間分布

從曲靖市年平均結冰日數的空間分布（圖4c）來看，普樂村光伏項目位于結冰日數中等區域，年平均結冰日數為14.6～20.6 d/年。

圖4" 1957—2019年陸良站的結冰日數年際變化情況（a）、陸良站的累年平均各月結冰日數（b）、曲靖市年平均結冰日數的空間分布（c）

5.4 低溫冷凍災害致災危險性區劃

低溫冷凍災害由霜凍、結冰、低溫等災種構成。對影響因子根據海拔、經緯度進行插值細分，分別建立各子災種的危險性指數，利用標準差法得到各子災種危險性等級空間分布。對各因子利用熵權法計算影響權重，得到低溫冷凍災害綜合危險性指數，經平滑處理后得到曲靖市低溫冷凍致災危險性區劃圖。從圖5可看出，項目大部分區域屬于低溫冷凍災害較低危險區，局部小部分區域屬于低溫冷凍災害較高危險區。

6 大風災害分析與評估

6.1 大風日數

6.1.1 年際變化

從1957—2022年陸良站大風日數年際變化情況（圖6a）可看出，1957—2022年陸良站累年平均大風日數為12.68 d，歷年大風日數在0～35 d，1983、1984、1986、1988、1989和2019年大風日數大于30 d，其中1983年、1988年最多；1957—2022年有5年未出現大風。總體來看，1957—2022年大風日數約以1.41 d/10年的速率呈增加趨勢，增加趨勢通過了0.05的顯著性檢驗。

6.1.2 月際變化

從1957—2022年陸良站累年平均各月大風日數（圖6b）可看出，1957—2022年陸良站累年平均月大風日數為1.06 d，各月大風日數在0.03～4.47 d，2—4月大風較多，其中3月最多，6—12月大風較少，其中9月和11月最少。

6.1.3 空間分布

從曲靖市年平均大風日數的空間分布（圖6c）來看，普樂村光伏項目位于大風日數少區域，年平均大風日數為11.6～15.8 d/年。

圖5" 曲靖市低溫冷凍致災危險性區劃

圖6" 1957—2022年陸良站大風日數年際變化情況（a）、陸良站累年平均各月大風日數（b）、

曲靖市年平均大風日數的空間分布（c）、曲靖市大風災害致災危險性區劃（d）

6.2 大風災害致災危險性區劃

選取國家氣象站近年逐日大風資料，選擇發生大風的年平均次數（頻次，單位：d/年）、極大風速大小（強度，單位：m/s）作為大風災害致災因子，綜合地形、植被覆蓋等因子加權生成大風災害危險性區劃。從圖6d可看出，項目所處區域屬于大風災害較高危險區。

7 冰雹災害分析與評估

7.1 冰雹日數

7.1.1 年際變化

從1957—2022年陸良站冰雹日數年際變化情況（圖7a）可看出，1957—2022年陸良站累年平均年冰雹日數為1.88 d，歷年年冰雹日數在0～6 d，1990、2000年冰雹日數最多；1957—2022年有14年沒有冰雹，2009年后無冰雹年顯著增多。1957—2022年冰雹日數約以0.21 d/10年的速率呈減少趨勢，減少趨勢通過了0.05的顯著性檢驗。

7.1.2 月際變化

從1957—2022年陸良站累年平均各月冰雹日數（圖7b）可看出，1957—2022年陸良站累年平均月冰雹日數為0.16 d，各月冰雹日數在0.02～0.44 d。冰雹天氣集中在冬季和春季，其中2月最多，夏季和秋季均＜0.1 d，其中8、9月最少。

7.1.3 空間分布

從曲靖市年平均冰雹日數的空間分布（圖7c）來看，普樂村光伏項目位于冰雹日數較多區域，年平均冰雹日數為2.0～2.2 d/年。

圖7" 1957—2022年陸良站冰雹日數年際變化情況（a）、陸良站累年平均各月冰雹日數（b）、

曲靖市年平均冰雹日數的空間分布（c）、曲靖市冰雹危險性區劃（d）

7.2 冰雹災害致災危險性區劃

應用海拔高度和地形坡度作為孕災環境因子計算冰雹孕災環境影響系數。應用回歸模型結合海拔高度格點數據生成冰雹頻數精細化空間分布，再根據冰雹災害危險性評估結果，綜合考慮行政區劃（或氣候區、流域等），對冰雹災害危險性進行基于空間單元的劃分，并根據危險性評估和分區結果生成致災危險性區劃圖。從圖7d可看出，項目片區屬于冰雹災害較低危險區和較高危險區。

8 結論與討論

（1）影響普樂村光伏項目的主要災害性天氣出現頻率從高到低依次是：雷暴（17.78%）、霜凍（10.78%）、結冰（4.93%）、低溫（4.80%）、大風（3.47%）和冰雹（0.51%）。累年平均雷暴日數64.91 d，累年平均霜凍日數39.37 d，累年平均結冰日數17.98 d，累年平均低溫日數17.53 d，累年平均大風日數12.68 d，累年平均冰雹日數1.88 d。

（2）普樂村光伏項目所處大部分區域屬于雷電災害較低危險區，局部小部分區域屬于雷電災害較高危險區。項目大部分區域屬于低溫冷凍災害較低危險區，局部小部分區域屬于低溫冷凍災害較高危險區。項目所處區域屬于大風災害較高危險區，局部地區屬于冰雹災害較高危險區。

（3）氣象災害的風險評估體系中，不同學者提出的評估指標和評估模型不同，造成風險評估結果有較大差異。光伏電站的氣象災害風險評估是一個綜合性的工作，需要針對性地考慮不同地區、不同種類的氣象災害風險因素及評估模型選擇，才能確保電站的安全運行。

（4）由于統計數據的限制或者資料的欠缺，有些因素很難量化，導致指標因子不全面。不宜量化的氣象災害風險在評估中如何體現還有待進一步研究。

參考文獻

[1] 章國材.氣象災害風險評估與區劃方法[M].北京：氣象出版社，2010.

[2] 孟丹，陳正洪，嚴國剛，等.光伏電站氣象災害風險評估研究：以湖北省為例[J].太陽能學報，2020，41（5）：359-364.

[3] 趙偉，楊續超，張斌.浙江省雷電災害風險分析及區劃[J].熱帶氣象學報，2014，30（5）：996-1000.

[4] 祝新建，臧新洲，段世萍.豫北氣象災害風險評估系統研究：以輝縣市為例[J].中國農學通報，2012，28（29）：285-291.

[5] 尹麗云，梅寒，張騰飛，等.云南省精細化冰雹災害危險性區劃分析[J].災害學，2022，37（3）：99-105.

收稿日期：2024-07-19

基金項目：云南省基層臺站氣象科技創新與能力提升計劃項目（STIAP202307）。

作者簡介：查燕飛（1978—），女，云南陸良人，工程師，研究方向為氣象防災減災。#通信作者：肖藜蕓，女，云南昭通人，研究方向為氣候變化，E-mail：1663896383@qq.com。