陜西省氣候中心 ■ 雷楊娜 孫嫻程路 王娟敏
氣象因子對光伏發(fā)電量的影響效應(yīng)分析
陜西省氣候中心 ■ 雷楊娜 孫嫻*程路 王娟敏
針對華電陜西靖邊光伏電站一年發(fā)電量數(shù)據(jù)和同期氣象觀測資料,運用相關(guān)分析、回歸分析、通徑分析等常用的數(shù)理統(tǒng)計分析方法,分析逐日光伏發(fā)電量與各主要氣象因子的對應(yīng)關(guān)系。結(jié)果表明:日照時數(shù)與光伏發(fā)電量的正相關(guān)關(guān)系最為密切,日照時數(shù)對發(fā)電量的單位效應(yīng)量最大;最小相對濕度與光伏發(fā)電量的負相關(guān)關(guān)系最為密切;最高氣溫的單位效應(yīng)量最小。氣溫對光伏電站發(fā)電量的影響較為復(fù)雜,需要進一步深入研究。
氣象因子;光伏電站;發(fā)電量;影響效應(yīng)
太陽能是目前利用較多的可再生能源,年到達地球表面的太陽輻射量相當于130×1012噸標準煤。我國擁有豐富的太陽能資源,資源量相當于1.7×1012噸標準煤,與美國相近,高于歐洲和日本[1,2]。因此,太陽能產(chǎn)業(yè)有著巨大的發(fā)展?jié)摿?,近年發(fā)展迅速[3]。太陽能利用中,光伏發(fā)電技術(shù)最具意義,技術(shù)也較為成熟,已成為世界各國競相研究應(yīng)用的熱點和重點[4]。
影響并網(wǎng)光伏電站發(fā)電量的因素主要有裝機容量、綜合效率、太陽輻射3方面[5]。其中,太陽輻射受季節(jié)和地理位置影響較大,氣溫、濕度、日照等因素具有顯著季節(jié)變化和日變化,其他氣象要素如云量、氣溶膠濃度等因素也會影響太陽輻射的強弱,進而影響光伏電站發(fā)電量[6-9]。因此,光伏發(fā)電量預(yù)報顯得尤為必要。然而目前我國對光伏發(fā)電量預(yù)報方法的研究還比較薄弱,光伏發(fā)電量預(yù)報系統(tǒng)不能滿足發(fā)電量預(yù)報在準確性方面的需求[10-12]。因此,開展太陽能光伏發(fā)電量預(yù)測是光伏發(fā)電站并入電網(wǎng)系統(tǒng)的關(guān)鍵。而光伏發(fā)電量預(yù)報的準確性主要取決于影響光伏發(fā)電量的關(guān)鍵氣象要素的研究及氣象預(yù)報準確性[3]。
目前, 太陽能光伏發(fā)電與氣象要素條件方面的研究相對較少,何明瓊等[13]研究了武漢地區(qū)光伏發(fā)電量與氣象因子的關(guān)系,對光伏電站電力調(diào)控具有較好的指導(dǎo)作用。呂學梅等[3]利用灰色關(guān)聯(lián)度方法對日氣象因素與光伏發(fā)電量進行分析,找出影響光伏發(fā)電量的關(guān)鍵氣象要素,對開展光伏發(fā)電專業(yè)氣象服務(wù)提供了參考依據(jù)。劉玉蘭等[14]利用寧夏光伏電站的資料,分析了光伏發(fā)電量與氣象條件的關(guān)系,對預(yù)測光伏電站出力具有十分重要的意義。
本文利用相關(guān)分析、回歸分析和通徑分析等方法,分析逐日光伏發(fā)電量與各主要氣象因子的對應(yīng)關(guān)系,找出影響光伏發(fā)電量的關(guān)鍵氣象要素,分析關(guān)鍵氣象要素對光伏發(fā)電量的影響效應(yīng),以期為開展光伏電站太陽能資源評估和發(fā)電量預(yù)報提供參考依據(jù)。
光伏發(fā)電資料來自于華電陜西靖邊光伏電站(108.93°E,37. 61°N,海拔高度1301 m) 2014 年5月1 日~ 2015 年4 月30 日這1年的逐時發(fā)電量,同期輻射資料和氣象資料來自于光伏電站內(nèi)臨時氣象站,觀測項目包括總輻射、直接輻射、散射輻射、日照時數(shù)、氣溫、背板溫度、氣壓、相對濕度和風速等要素逐時值。靖邊光伏電站裝機5 MW,光伏陣列正南方位固定安裝,光伏組件傾角為38°。
為了盡量反映出逐日發(fā)電量對氣象因子的響應(yīng)關(guān)系,本文在相關(guān)分析中不僅計算了發(fā)電量與氣象因子之間的原始相關(guān)系數(shù),同時還計算了各序列之間的高頻相關(guān)系數(shù)。高頻相關(guān)系數(shù)計算首先需要對所有原序列的逐日資料進行濾波,濾波后只保留小于10 d的高頻變化,然后再計算發(fā)電量與氣象要素的相關(guān)性,以減少原始序列中月、季循環(huán)、異常值等對相關(guān)性的影響[15]。
2.1光伏電站發(fā)電量逐日波動與氣象因子的關(guān)系
表1給出了光伏電站逐日發(fā)電量與主要氣象因子的相關(guān)系數(shù),其中r1,r2分別為原始相關(guān)系數(shù)和高頻相關(guān)系數(shù)。逐日發(fā)電量波動與日照時數(shù)的關(guān)系最為密切,表現(xiàn)為顯著正相關(guān);其次為直接輻射及總輻射;與散射輻射相關(guān)性則較差。從逐日發(fā)電量和逐日氣象因子的高頻相關(guān)系數(shù)來看,逐日發(fā)電量與日照時數(shù)、直接輻射、總輻射的高頻相關(guān)系數(shù)也均達到了0.01顯著性水平,分別為0.886、0.758、0.638,這表明逐日發(fā)電量與這些氣象要素的高相關(guān)關(guān)系是穩(wěn)定的,是對相應(yīng)響應(yīng)機制的反映。此外,逐日發(fā)電量與日照時數(shù)的高頻相關(guān)系數(shù)大于原始相關(guān)系數(shù),與總輻射和直接輻射的高頻相關(guān)系數(shù)則小于原始相關(guān)系數(shù)。
表1 逐日發(fā)電量與同期氣象因子相關(guān)系數(shù)
除了日照時數(shù)和輻射變量以外,還分析了氣溫、背板溫度、風速和相對濕度對光伏發(fā)電量的影響。由表1還可知,發(fā)電量與平均風速、氣溫、平均背板溫度、最低背板溫度的相關(guān)性很小,說明這幾個氣象要素對光伏發(fā)電量的影響很小,因此這里對這些氣象因子不加討論。逐日發(fā)電量與相對濕度存在顯著的負相關(guān)關(guān)系,與平均相對濕度和最小相對濕度的原始相關(guān)系數(shù)分別為-0.542 和-0.695,且高頻相關(guān)系數(shù)也較大。逐日發(fā)電量與最高背板溫度的正相關(guān)系數(shù)雖遠小于總輻射、直接輻射和日照,但也達到了0.01顯著性水平,表明該氣象因子變化對光伏發(fā)電量有一定影響。但最高背板溫度與發(fā)電量的高頻相關(guān)系數(shù)卻明顯減小,這表明最高背板溫度對光伏發(fā)電量的影響程度不及輻射、日照和相對濕度要素。
綜上,與光伏日發(fā)電量相關(guān)性較好的氣象因子有總輻射、直接輻射、日照時數(shù)、最高背板溫度、平均相對濕度、最小相對濕度和最高氣溫,因此以下主要討論這些氣象因子對光伏發(fā)電量的影響。另外,因大多數(shù)光伏電站或輻射站僅有總輻射觀測,最小相對濕度與發(fā)電量相關(guān)系數(shù)較平均相對濕度高,故本文最終選擇總輻射、日照時數(shù)、最高背板溫度、最小相對濕度和最高氣溫討論。
2.2氣象因子對光伏日發(fā)電量的影響效應(yīng)分析2.2.1 氣象因子與光伏日發(fā)電量的多元回歸分析
根據(jù)氣象因素與光伏發(fā)電量的相關(guān)性分析結(jié)果,結(jié)合客觀實際,選取日照時數(shù)、日最高氣溫、日最小相對濕度、日最高背板溫度和日總輻射等5個氣象因子為自變量,以光伏發(fā)電量為因變量,進行多元回歸分析,建立最優(yōu)回歸方程:
該方程顯著性水平P<0.001,相關(guān)系數(shù)的平方R2=0.799,檢驗值F=230.661,Durbin-Watson統(tǒng)計量d=1.633。回歸方程中各變量的時間系數(shù)即該變量對光伏發(fā)電量的影響效應(yīng)量,其物理意義是排除其他因子后,每個氣象因子變化單位量時,光伏發(fā)電量相應(yīng)增加或減少的量。由方程可知,當日照時數(shù)增加(減少)1 h時,光伏日發(fā)電量就會增加(減少)1198.351 kWh,同理,日最高氣溫、日最小相對濕度、日最高背板溫度和日總輻射變化單位量時,對光伏日發(fā)電量的影響效應(yīng)量分別為-66.825、-449.317、313.076、262.676 kWh。日照時數(shù)對發(fā)電量的單位效應(yīng)量最大,其次為日最小相對濕度,日最高氣溫的單位效應(yīng)量最小。此外,日照時數(shù)、日最高背板溫度和總輻射對光伏發(fā)電量的影響效應(yīng)量為正值,而日最高氣溫和日最小相對濕度影響效應(yīng)量則為負值,這與前節(jié)相關(guān)系數(shù)的分析結(jié)果相吻合。
對各季節(jié)光伏發(fā)電量和各氣象因子進行多元回歸分析,得到各季節(jié)回歸方程,回歸方程參數(shù)和各因子回歸系數(shù)見表2和表3。由表2可知,各季節(jié)回歸方程R2均在0.8以上,所以P均小于0.001,回歸方程顯著。從表3可知,春、秋、冬3個季節(jié)日照時數(shù)對逐日發(fā)電量的正效應(yīng)最大,而夏季則是總輻射的正效應(yīng)最大;負效應(yīng)4個季節(jié)均是最高氣溫最大。同一變量對比來看,日照時數(shù)在冬季對光伏發(fā)電量的影響效應(yīng)量最大,夏季最??;最高氣溫則是夏、秋季影響效應(yīng)量較大,冬、春季較小;最小相對濕度在冬春季負效應(yīng)較大,秋季負效應(yīng)較小,夏季則是弱的正效應(yīng);最高背板溫度的正效應(yīng)量在秋季節(jié)較大,其他季節(jié)則較?。豢傒椛湓诙緦夥l(fā)電量的效應(yīng)量最大,春季和秋季則較小。由此可見,光伏發(fā)電量在不同季節(jié)對氣象要素的響應(yīng)程度不同。
表2 各季節(jié)回歸方程相關(guān)參數(shù)
表3 各季節(jié)回歸方程回歸系數(shù)
2.2.2氣象因子與光伏日發(fā)電量的通徑分析
通徑分析可用于分析多個自變量與因變量之間的線性關(guān)系,可處理較為復(fù)雜的變量關(guān)系。如當自變量數(shù)目較多且自變量間相互關(guān)系比較復(fù)雜,或某些自變量是通過其他自變量間接對因變量產(chǎn)生影響時,可利用通徑分析有效地評判各因子的影響效應(yīng)[16],確定不同因子對結(jié)果的影響程度,因此對各關(guān)鍵氣象因子與發(fā)電量進行通徑分析。
根據(jù)回歸分析結(jié)果可知,F(xiàn)=230.661(P<0.001),說明可以通徑分析[17]。R2=0.799,表明所選因子是影響光伏發(fā)電量的主要氣象要素。通徑分析結(jié)果見表4。
由表4可知,從直接效應(yīng)來看,日照時數(shù)對光伏發(fā)電量有較強的正效應(yīng),其次為最大背板溫度,總輻射的直接正效應(yīng)較??;最高氣溫和最小相對濕度對光伏發(fā)電量均有負的直接效應(yīng),最小相對濕度的直接效應(yīng)較小,可忽略不計。最小相對濕度對光伏發(fā)電量造成負效應(yīng),在間接效應(yīng)中,最小相對濕度通過日照時數(shù)對光伏發(fā)電量的影響最大,達到了-0.354。日照時數(shù)、最大背板溫度和總輻射通過最高氣溫對光伏發(fā)電量均呈現(xiàn)負間接效應(yīng)。最高氣溫對光伏發(fā)電量直接效應(yīng)為負,但間接效應(yīng)為正??梢姎鉁貙夥l(fā)電量的影響較為復(fù)雜,有待于進一步深入研究。
另外,剩余直接通徑系數(shù)為0.448,說明除日照時數(shù)、總輻射、氣溫、相對濕度、背板溫度外,還有其他因素影響光伏發(fā)電量。云量、空氣質(zhì)量及光伏組件的相關(guān)特性和質(zhì)量、逆變效率等因素均影響光伏出力[18,19]。
表4 氣象因子對光伏發(fā)電量影響的通徑分析
利用陜北某光伏電站近一年逐日光伏發(fā)電量資料和逐日氣象資料,通過相關(guān)分析、回歸分析和通徑分析等方法,分析了逐日光伏發(fā)電量與各主要氣象因子的對應(yīng)關(guān)系。結(jié)果表明,與光伏日發(fā)電量有顯著相關(guān)性的氣象因素為總輻射、直接輻射、日照時數(shù)、最高背板溫度、平均相對濕度、最小相對濕度和最高氣溫,其中以日照時數(shù)與光伏發(fā)電量的正相關(guān)關(guān)系最為密切,最小相對濕度與光伏發(fā)電量的負相關(guān)關(guān)系最為密切,均達到0.01顯著性水平。
回歸分析表明,日照時數(shù)對發(fā)電量的單位效應(yīng)量最大,其次為最小相對濕度,最高氣溫的單位效應(yīng)量最小。日照時數(shù)、最高背板溫度和總輻射對光伏發(fā)電量的影響效應(yīng)量為正值,而最高氣溫和最小相對濕度影響效應(yīng)量則為負值。另外,光伏發(fā)電量在不同季節(jié)對氣象要素的響應(yīng)程度是不一致的。
通過通徑分析發(fā)現(xiàn)氣溫對光伏電站發(fā)電量的影響較為復(fù)雜,氣溫升高光伏發(fā)電量會減少, 但氣溫通過日照和輻射對光伏發(fā)電量造成正的影響,氣溫對光伏發(fā)電量的影響有待于進一步研究。
[1] 陳正洪, 李芬, 成馳, 等.太陽能光伏發(fā)電預(yù)報技術(shù)原理及其業(yè)務(wù)系統(tǒng)[M].北京: 氣象出版社, 2011.
[2] 孫鵬杰, 陳正洪, 成馳, 等.太陽能光伏電站發(fā)電量變化特征及其與氣象要素的關(guān)系[J].2003, 31(11): 249-252.
[3] 呂學梅, 朱虹, 王金東, 等.氣象因素對光伏發(fā)電量的影響分析[J].可再生能源, 2014, 32(10): 1423-1428.
[4] 姜創(chuàng)業(yè), 王娟敏, 孫嫻, 等.太陽能光伏發(fā)電量動力統(tǒng)計預(yù)報模式研究[J].水電能源科學, 2012, 30(6): 205-208.
[5] 楊金煥.并網(wǎng)光伏電站發(fā)電量的估算[A]. 第十一屆中國光伏大會暨展覽會會議論文集[C], 南京, 2010.
[6] 王一波, 李晶, 許洪華.考慮電網(wǎng)安全穩(wěn)定約束的光伏電站最大安裝容量計算與分析[J].太陽能學報, 2008, 29(8): 971-975.
[7] 邱培春, 葛寶明, 畢大強.基于蓄電池儲能的光伏并網(wǎng)發(fā)電功率平抑控制研究[J].電力系統(tǒng)保護與控制, 2011, 39(3):29-33.
[8] 陳進美, 陳巒.太陽能光伏發(fā)電最大功率點間接跟蹤算法研究[J].水電能源科學, 2010, 28 (1): 148-150, 56.
[9] 李軍, 許繼生, 王生淵, 等.一種并網(wǎng)型光伏電站光功率及發(fā)電量預(yù)測的方法[J].青海電力, 2010, 29(2): 18-20.
[10] 馬金玉, 羅勇, 申彥波, 等.太陽能預(yù)報方法及其應(yīng)用和問題[J]. 資源科學, 2011, 33(5): 829-837.
[11] 何明瓊, 成馳, 陳正洪, 等.太陽能光伏發(fā)電預(yù)報評價[J].水電能源科學, 2011, (12): 196-199.
[12] 周晉, 吳業(yè)正, 晏剛, 等.利用神經(jīng)網(wǎng)絡(luò)估算太陽輻射[J].太陽能學報, 2005, 26(4): 509-512.
[13] 何明瓊, 陳正洪, 成馳.光伏發(fā)電量與氣象因子的關(guān)系及
其預(yù)報試驗簡報[A].第27 屆中國氣象學會年會氣候資源應(yīng)用研究分會場論文集[C], 北京, 2010.
[14] 劉玉蘭, 孫銀川, 桑建人, 等.影響太陽能光伏發(fā)電功率的環(huán)境氣象因子診斷分析[J]. 水電能源科學, 2011, 29(12):200-202.
[15] 張自銀, 馬京津, 雷楊娜.北京市夏季電力負荷逐日變率與氣象因子關(guān)系[J].應(yīng)用氣象學報, 2011, 22(6): 761-764.
[16] 石鑫.新疆近30年棉花生產(chǎn)水足跡時空演變分析[D].陜西: 西北農(nóng)林科技大學, 2012.
[17] 杜家菊, 陳志偉.使用SPSS 線性回歸實現(xiàn)通徑分析的方法[J].生物學通報, 2010, 45(2): 4-6.
[18] 尚華, 王惠榮.太陽能光伏發(fā)電效率的影響因素[J].寧夏電力, 2010, (5): 48-50, 57.
[19] 張紅梅, 尹云華.太陽能電池的研究現(xiàn)狀與發(fā)展趨勢[J].水電能源科學, 2008, 26( 6): 193-197.
2015-11-25
孫嫻(1969—),女,博士、正研級高工,主要從事氣候資源開發(fā)利用方面的研究。sunxiany@163.com