太陽能開發利用氣象保障服務進展綜述

湖北省氣象服務中心 湖北省氣象能源技術開發中心 ■ 王林 陳正洪 成馳

0 引言

2014年11月，IPCC公布的第五次評估報告(AR5)中指出，1880～2012年，全球地表平均氣溫約上升了0.85 ℃[1]。而正是由于化石燃料的燃燒排放，使得大氣中CO2濃度比工業革命前的水平上升了40%[2]。因此，隨著世界各國環保意識的不斷增強，以及對能源需求的不斷增長，可再生能源的推廣和應用已不可避免。

我國面臨著越來越大的溫室氣體減排壓力，合理開發利用太陽能，促進低碳技術和低碳經濟發展，實現節能減排是保護環境的一項重要措施。加強我國太陽能資源監測網建設，開展資源監測、評估技術、工程應用技術，推進光伏電站氣象預警服務，以及各種技術規范的研究開發和標準規范制定勢在必行。

太陽能是一種環保、安全、無污染的可再生能源，其開發利用受到許多國家的高度重視，是未來能源發展的重點。太陽能又屬于氣候資源，其時空變化與氣象因素密切相關，開發利用的全過程離不開健全的氣象保障服務，如太陽能資源的監測與評估、光伏發電功率預報、光伏電站選址規劃、光伏電站氣象災害評估等[3]。因此，近年來部分先進國家結合氣象高科技產品，采用較為先進的服務手段，促使太陽能開發利用的氣象保障服務迅速發展。

1 國外太陽能資源氣象服務現狀

太陽能資源開發利用，依靠的就是氣象要素之一的太陽輻射，因此對氣象服務的需求是多方面的，基本貫穿整個光伏生命周期過程，包括太陽能資源監測及評估、氣象風險評估、太陽能發電功率預報、氣象災害預警、光伏電站性能評估(后評估)等[4,5]。

1.1 太陽能資源監測網及數據庫建設

世界輻射數據中心(WRDC)具有全球約1280個輻射觀測站點，其中有近900個站點的觀測時間超過10年[3]。美國的太陽能監測站網有1454個輻射站，可為衛星數據的校正、資源評價等提供高質量的觀測數據[5,6]。美國可再生能源實驗室(NREL)研發了太陽輻射氣候模式，結合云蓋、水汽和氣溶膠在其推出的System Advisor Model軟件中，給出了更為準確的光資源數據。該軟件為中國提供了分辨率為5 km的太陽能輻射數據[7,8]。其他如瑞士MeteoTest公司開發的Meteonorm軟件、法國美迪公司的Meteo Dyn Solar工具，也可提供逐小時不同緯度斜面總輻射和法向直接輻射的估計值。

歐洲GeoModel Solar開發的SolarGIS是太陽能資源評估數據庫軟件，SolarGIS使用的輻射數據是基于Meteosat和GOES衛星遙感數據，另外結合Meteosat和GOES的云指數和降雪指數、GFS數據庫的水汽數據、MACC數據庫的大氣光學厚度數據、GFS和CSFR的積雪厚度數據及SRTM-3的數字地形數據，最終計算出包括太陽輻射、溫度在內，覆蓋四大洲，空間分辨率達到250 m的一系列氣象要素值[9]。

芬蘭的3TIER基于覆蓋地球表面的9顆高清晰衛星建立了分辨率為3 km的太陽能資源地圖和數據集[10]，能夠提供全球范圍內任意一點最長的歷史輻射數據，包括GHI(水平總輻射)、DNI(法向直接輻射)和DIF(水平散射輻射)，可全方位評估近10年平均太陽能輻射值，也可進行更精確的點對點的輻射值比較[11]。

日本有64個輻射觀測站，臺站密度約0.6萬km21個站，其中14個有直接輻射觀測[5]。日本的Solar-Mesh軟件提供分辨率為5 km的太陽能輻射數據，計算指定地點同一時刻各個朝向的斜面輻射量[12]。

1.2 太陽能光伏發電功率預報

太陽能光伏發電預報技術是通過數值天氣預報模式對未來太陽輻射量進行預報，結合光伏電站基本參數和歷史發電量數據，得到未來光伏發電量(功率)。光伏發電量預報技術避免了并網光伏發電系統輸出功率固有的間歇性和不可控等缺點對電網的沖擊，可配合電力系統調度、常規能源發電規劃等。

國外已有許多研究機構建立了基于數值天氣預報進行光伏發電功率預測的系統[13]。3TIER的太陽能預測系統基于數值天氣預報模式技術，充分考慮云霧、復雜地形、海岸效應等局地效應針對項目區發電量進行預測，同時采用統計方法整合實測數據到預測模型中進行實時訂正[14]。

德國奧登堡大學的Lorenz E基于歐洲數值預報中心設計了大范圍并網集成的太陽能光伏發電功率預報方法，并針對高緯度積雪對光伏發電的影響提出了簡易的經驗預報法[15]。

1.3 太陽能光伏電站性能評估

太陽能光伏電站性能評估可為電站可行性研究編制和優化設計、系統集成商/業主/投資者收益評估、系統維護人員運行管理及電力部門制定光伏發電規劃、調度等提供指導。

歐洲的Geo Model Solar公司面向光伏發電廠推出了新一代性能評估工具SolarGIS pvSpot[16]，它借助于衛星太陽能建模和電力模擬的最新進展，用于監測歐洲和南非任何一家光伏電站出現的性能不佳情況。其開發的SolarGIS通過輸入裝機容量、組件類型、折減系數、安裝方式、方位角、傾角等，將某一地點的光伏項目產能進行模擬預估，使太陽能項目的規劃更為精準并更具成本效益，降低決策的風險性[11]。

RETScreen清潔能源項目分析軟件是由聯合國環境規劃署和加拿大自然資源部開發，可評估3個基本光伏應用(并網、離網和排水)的光伏項目模型，包括能源產量、太陽能資源和系統負荷計算，以及成本分析、溫室氣體排放降低分析、財務概要和敏感性與風險分析[17]。構建的光伏能量模型還可評估中樞電網和獨立電網的光伏系統。

由瑞士人André Mermoud博士研發的PVSYST仿真光伏系統，可依據不同的太陽能系統(獨立運轉型、并聯市電型等)及太陽能電池(單晶硅、多晶硅、薄膜)，分別設定環境參數(日輻射量、溫度、經緯度及建筑物相對高度等)，計算出發電總量，并架構建筑物對應關系與遮蔽效應影響評估[18]。此外，日本的Solar-Mesh軟件也可模擬計算發電量、投資計劃、收益資金及安全對策[12]。

2 國內太陽能資源氣象服務現狀

隨著國內太陽能光伏裝機容量的迅速擴大以及大型并網光伏發電或分布式并網電站步入大規模發展階段，我國氣象部門正積極做好技術準備，在太陽能資源監測、光伏電站選址規劃、光伏發電功率預測、光伏電站管理及后評估等方面的氣象保障服務齊頭并進，這對我國可再生清潔能源的充分利用具有重大現實意義。

2.1 我國太陽能輻射監測網

目前我國國家級的業務地面輻射觀測站點共有98個，平均每10萬km21個輻射觀測站[19]，其中一級站17個，二級站33個，三級站48個。一級站觀測項目為總輻射、直接輻射、散射輻射、反射輻射和凈輻射；二級站觀測項目為總輻射和凈輻射；三級站只觀測總輻射。

由于目前的輻射觀測網密度無法滿足需要，因此有計劃將輻射觀測站點增加至337個，其中一級站22個，二級站127個，三級站188個。觀測項目也增加了很多，除了觀測光熱和光電性的直接、散射和反射輻射外，還增加了緯度傾斜面輻射、單雙軸跟蹤面輻射、垂直面輻射及氣溶膠光學厚度等其他輻射項目。

2.2 我國太陽能資源評估

我國在太陽能資源評估中一般使用3種方法：氣候學統計方法、基于衛星遙感的物理反演方法，以及復雜地形下的計算方法。遠期將開展太陽能資源減排潛力評估和太陽能資源變化趨勢預估。

中國氣象局采用最常用的氣候學方法日照百分率模型計算了我國總輻射分布，并結合衛星遙感的云量、云光學厚度、氣溶膠等，得到了直射和散射分離模型[20]。湖北、寧夏、甘肅、山東、江西、西昌、貴陽、杭州等多個省市采用氣候學算法基于各地太陽輻射及日照百分率資料進行太陽能資源豐富度評估[21]。其中，湖北建立了基于日照百分率的斜面總輻射推算模型及風光互補型資源稟賦定量評價的指標[22]，福建省基于GIS繪制了全省太陽能總輻射時空分布圖[23]。南京信息工程大學基于DEM數據的起伏地形，利用衛星遙感等資料建立了太陽直接輻射、散射輻射和地形反射輻射分布式模型[24]。

2.3 太陽能輻射數據庫建設

我國有輻射觀測的氣象站較少，一般根據氣象站記錄的日照時數或日照百分率及天文總輻射量監測數據進行推算，即氣候學方法推算法。目前常用的太陽能輻射數據根據來源和不同算法分為3個：太陽輻射實測數據庫(CMA)、氣候學方法推算數據庫(CWERA)和衛星數據庫(CWERA)。

部分省高校也開展了太陽能輻射數據庫建設研究。上海電力學院創建了不同傾斜面上太陽輻射數據庫，包括適合于太陽能應用的遍布全國的太陽能輻射資料，以及不同方位角和傾角的傾斜面上太陽輻照量的計算程序[25]。河南省科學院能源所整理了國家氣象中心193個氣象觀測站40年的日照輻射量，覆蓋了全國14個省，30個主要城市[26]。云南師大太陽能研究所和云南省氣候中心開發了云南省太陽能資源數據庫，可詳細提供云南省17個地州、133個氣象臺站30年的太陽能資料，包含輻射量、日照、濕度等16種數據[27]。成都電子科技大學將觀測的太陽能數據與地理信息數據有效融合，對每個太陽能觀測站點數據進行分類存儲，建立了基于GIS的太陽能信息數據庫[28]。

2.4 太陽能光伏發電預報系統

華北電力大學設計開發了并網型光伏電站發電功率預測系統并投入應用。該系統進行超短期預測和短期分類預測，可實現缺失天氣類型信息歷史數據的類型辨識和輻照度預測值修正。預測結果經導出模塊傳輸至綜合數據層進行存儲和發布[29]。

吉林在光伏發電量預測模型建立系統中，提出了一種依據天空圖像識別技術對太陽能光伏發電量進行預測的新方法[30]。武漢暴雨研究所基于WRF模式逐時輸出結果，對模式模擬的到達地表短波輻射進行誤差訂正，進一步提高輻射預報的準確率[31]。

湖北開發的《光伏發電預測預報系統V2.5》采用“原理法”和“動力統計法”實現未來3天短期，以及未來4 h超短期逐15 min光伏發電量預報和太陽輻射量預報。目前該系統已應用于全國9個省市，20余家光伏電站。

東潤環能根據數值天氣預報和電場運行信息針對1 MW以下分布式光伏電站開發了分布式光伏發電功率預測系統，實現增強分布式發電穩定性的目的[32]。國網電力科學研究院清潔能源發電研究所研發的光伏電站功率預測采用精細化數值天氣預報技術，并結合實時氣象數據，為大規模光伏電站的并網接入、調度決策提供預測分析[33]。

我國近期的太陽能光伏發電預報是以近期實現輻射直散分離為目的，遠期將以發展衛星云資料應用、滾動訂正技術為目標，實現太陽能光伏電站發電量預報從科研到業務的轉化。

2.5 太陽能光伏電站微觀選址及性能評估

中國氣象局公服中心對金沙江光伏電站選址工程采用了MODIS衛星反演技術，參考常規氣象數據進行氣象風險分析評價，結合GIS空間分析確定了優先開發區域[34]。華北電力大學對中國3個風能、太陽能均較為豐富地區進行綜合評價，給出了風光互補電站選址的優劣排序，為我國風光互補型電站選址問題提供了理論基礎[35]。

重慶大學電氣工程學院建立白天、黑夜分時段出力模型，采用離散聯合概率分布構造光伏出力與電網負荷相關特性的聯合多狀態模型，以及分時段可靠性評估指標，實現了白天和全年可靠性指標的獨立計算[36]。湖北省確立了包含光伏陣列效率、逆變器效率、系統能效比和容量因子等一套武漢光伏電站綜合效率評估指標，對示范電站最佳傾角、年均電站性能、年上網電量及滿發時數進行了計算，對光伏發電規劃有重要的工程指導意義[37,38]。

2.6 太陽能光伏電站管理及后評估

水電水利設計規劃總院研究開發了光伏電站智能化信息管理系統[39]。華北電力大學采用熵權法和模糊綜合評價模型對廊坊一座10.192 kW的太陽能光伏電站發電系統完成項目進行綜合評估[40]，提出適應未來發展的方向、管理及政策等。這對供電企業提高管理水平、科學統一規劃有著重要意義。

3 思考和建議

3.1 與國外太陽能氣象服務的差距

太陽能資源監測網密度較低，平均約為10萬km21個站，其空間分辨率難以滿足對太陽能開發利用的評估服務需求。太陽能輻射觀測項目也比較單一，僅為基本觀測項目，未開展對傾斜面和跟蹤面的總輻射、分光譜輻射等詳細的觀測項目。太陽能資源評估受到空間分辨率和時間分辨率的限制，難以給出精細化的太陽能數據；同時評估方法陳舊，仍以五六十年代氣候學方法為主，使得結論存在較大誤差，其相對意義大于實際意義，很難作為太陽能資源開發利用的準確參考。

太陽能光伏發電預報技術雖已引起氣象部門的重視，但基于模式的預報方法還有待提高和跟進，目前不能完全滿足電力調度部門和太陽能電站的需求。光伏電站缺乏維護和管理意識，沒有完整的后評估體系，氣象服務與氣象保障與電站的正常運行仍有脫節。

3.2 建議

1)強化太陽能資源數據庫建設，開展氣候可行性論證工作。加快太陽能監測網建設，建立較為完善的太陽能資源監測網。推動太陽能資源的普查工作，發展衛星遙感、地理信息系統結合輻射傳輸原理計算和方法，對重點地區進行區域高分辨率精細化詳查，建立監測資料均一化分析和質量控制平臺，形成完整的太陽能資源數據庫。開展對大型太陽能電站建設項目進行氣候可行性論證，避免和減少重要設施、建設項目遭受極端天氣氣候事件的影響。

2)完善太陽能光伏電站風險評估和后評估。不同氣象災害所產生的風險性質和大小也不同。氣象災害風險對于太陽能光伏電站具有一定的必然性，氣象災害的孕災環境和承災體的性質是客觀存在的，致災因子的出現只是時間問題，氣象災害突發性和隨機性之后隱含著一定的必然性[41]。因此，需建立健全的新能源氣象服務體系，及時為新能源企業、光伏電站提供暴雨、冰雹、大風、沙塵暴等災害性天氣的預報預警信息，及時進行氣象災害風險評估，為太陽能電站發電安全穩定運行提供有力的氣象科技支撐和優質的氣象保障服務。

[1] IPCC. Working group I contribution to the IPCC fifth assessment report climate change 2013: The physical science basis[EB/OL]. http://www.ipcc.ch/home_languages_main_chinese.shtml, 2013-09.

[2]沈永平,王國亞. IPCC第一工作組第五次評估報告對全球氣候變化認知的最新科學要點[J]. 冰川凍土, 2013, 35(5)：1068－1076.

[3] 李芬, 陳正洪, 段善旭, 等.太陽能資源開發利用及氣象服務研究進展[J].太陽能, 2014, (3): 20－25.

[4] 錢渝.我國太陽能發電管理策略研究[D]. 成都: 電子科技大學, 2012.

[5] 陳曉燕.光伏產業國際競爭力研究[D].天津: 南開大學, 2010.

[6] Krystal. NREL推出更新版美國太陽能輻射數據庫[EB/OL].http://www.solarzoom.com/article-21402-1. html, 2012-11.

[7] Myers D R. Solar radiation modeling and measurements for renewable energy applications: Data and model quality[J]. Energy,2005, 30(9): 1517－1531.

[8] Gilman P, Dobos A. System advisor model, SAM 2011.12. 2:General description[R]. NREL, 2012.

[9] Geo Model Solar.關于SolarGIS[EB/OL]. http://www.geomodelsolar.eu/cn/, 2015.

[10]華人風電. 全球風能和太陽能資源地圖和數據集[EB/OL].http://www.wp-forum.cn/ArticleShow.asp?nid=E76B5D06-E5E9-4BF6-986B-B06471161388.

[11] 3TIER.全方位太陽能評估[EB/OL]. http://www.3tier.com/cn/solar/solar-fullview/.

[12] OREL. 太陽輻射量數據庫[EB/OL]. http://www.orel.co.jp/c/irradiation.html.

[13]代倩,段善旭,蔡濤, 等. 基于天氣類型聚類識別的光伏系統短期無輻照度發電預測模型研究[J].中國電機工程學報,2011, 31(34)：28－35.

[14] 3TIER. 太陽能發電功率預測[EB/OL].http://www.3tier.com/cn/solar/solar-forecasting/.

[15] 王鴻璽.光伏發電功率預測方法研究[D].秦皇島: 燕山大學, 2013.

[16] 北極星太陽能光伏網. 印度決心推進太陽能資源地圖集計劃的實施[EB/OL]. http://guangfu.bjx.com.cn/news/20140819/538214.shtml.

[17] Retscreen. 什么是RETScreen? [EB/OL]. http://www.retscreen.net/.

[18] PVSYST. Terms and conditions of sale Software and training[EB/OL]. http://www.pvsyst.com/.

[19] 21SPV. 我國的太陽能輻射觀測站分布情況[EB/OL]. http://www.21spv.com/news/show.php?itemid=6556.

[20] 任小麗,何洪林,張黎, 等. 1981-2010年中國散射光合有效輻射的估算及時空特征分析[J].地理學報, 2014, 69(3)：233－333.

[21]韓世濤,劉玉蘭,劉娟.寧夏太陽能資源評估分析[J].干旱區資源與環境, 2010, 24(8): 131－135.

[22] 成馳,許揚,楊宏青. 并網風光互補資源評價與系統容量優化配置[J].水電能源科學, 2013, 32(6): 193－196.

[23] 高建蕓,張容炎,文明章, 等.福建省太陽能資源評估[R].福建省氣候中心, 2009.

[24] 尹靜秋,邱新法,曾燕, 等.基于DEM的浙江省散射輻射分布式模擬[R].煙臺, 2008.

[25] 楊金煥, 葛亮, 蔣秀麗, 等.中國不同傾斜面上太陽能輻射資料庫的創建[A]. 第八屆全國光伏會議暨中日光伏論壇論文集[C], 深圳& 香港, 2004.

[26] 李克煌.河南省的太陽能資源極其利用區劃[J].河南大學學報(自然科學版), 1985, 3: 14－16.

[27] 林文賢,高文峰,蒲紹選,等.云南省太陽能輻射資源研究—直接輻射[J].云南師范大學學報, 1995, 15(3, 4): 65－83.

[28] 劉圓. 基于ArcGIS的太陽能信息管理系統設計與實現[D].成都:電子科技大學, 2010.

[29] 王飛.并網型光伏電站發電功率預測方法與系統[D].北京:華北電力大學, 2013.

[30] 投資吉林. 吉林市太陽能光伏發電量預測系統及裝置產業化項目[EB/OL]. http://www.jl.gov.cn/tzjl/gdzjgxjs/201403/t20140328_1639486.html.

[31] 白永清,陳正洪,王明歡, 等.關于WRF模式模擬到達地表短波輻射的統計訂正[J].華中師范大學學報(自然科學版),2013, 47(2): 292－296.

[32] 東潤環能. 分布式光伏發電功率預測云服務[EB/OL].http://www.eeechina.cn/article-3378.aspx.

[33] 北極星太陽能光伏網. 國網電科院研制光伏電站功率預測系統投入實驗運行[EB/OL]. http://guangfu.bjx.com.cn/news/20100707/251582. shtml, 2010.

[34] 肖建華,姚正毅,孫家歡. 并網太陽能光伏電站選址研究述評[J].中國沙漠, 2011, 31(6): 1598－1605.

[35] 烏云娜,楊益晟,馮天天, 等.風光互補電站宏觀選址研究[J].電網技術, 2013, 37(2): 319－326.

[36] 高英. 計及相關性的光伏電站容量可信度評估[D].重慶:重慶大學, 2013.

[37] 李芬,陳正洪,蔡濤. 并網光伏系統性能精細化評估方法研究[J].太陽能學報, 2013, 34(6): 974－982.

[38] 李芬,陳正洪,成馳. 武漢并網光伏電站性能與氣象因子關系研究[J].太陽能學報, 2013, 34(8):1386－1391.

[39] 北極星太陽能光伏網.光伏電站智能化信息管理系統正式發布[EB/OL]. http://guangfu.bjx.com.cn/news/20121219/408943.shtml, 2012.

[40] 孟忠.太陽能光伏發電項目的后評價及實證研究[D].北京:華北電力大學, 2012.

[41] 楊惜春,肖子牛,張鈦仁.我國氣象災害風險評估立法環境與需求[J].氣象科技進展, 2013, (5): 63－66.