氣象因子對光伏發電量的影響效應分析

陜西省氣候中心 ■ 雷楊娜 孫嫻程路 王娟敏

氣象因子對光伏發電量的影響效應分析

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電量數據和同期氣象觀測資料，運用相關分析、回歸分析、通徑分析等常用的數理統計分析方法，分析逐日光伏發電量與各主要氣象因子的對應關系。結果表明：日照時數與光伏發電量的正相關關系最為密切，日照時數對發電量的單位效應量最大；最小相對濕度與光伏發電量的負相關關系最為密切；最高氣溫的單位效應量最小。氣溫對光伏電站發電量的影響較為復雜，需要進一步深入研究。

氣象因子；光伏電站；發電量；影響效應

0　引言

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，太陽能產業有著巨大的發展潛力，近年發展迅速［3］。太陽能利用中，光伏發電技術最具意義，技術也較為成熟，已成為世界各國競相研究應用的熱點和重點［4］。

影響并網光伏電站發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，太陽輻射受季節和地理位置影響較大，氣溫、濕度、日照等因素具有顯著季節變化和日變化，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電量［6-9］。因此，光伏發電量預報顯得尤為必要。然而目前我國對光伏發電量預報方法的研究還比較薄弱，光伏發電量預報系統不能滿足發電量預報在準確性方面的需求［10-12］。因此，開展太陽能光伏發電量預測是光伏發電站并入電網系統的關鍵。而光伏發電量預報的準確性主要取決于影響光伏發電量的關鍵氣象要素的研究及氣象預報準確性［3］。

目前， 太陽能光伏發電與氣象要素條件方面的研究相對較少，何明瓊等［13］研究了武漢地區光伏發電量與氣象因子的關系，對光伏電站電力調控具有較好的指導作用。呂學梅等［3］利用灰色關聯度方法對日氣象因素與光伏發電量進行分析，找出影響光伏發電量的關鍵氣象要素，對開展光伏發電專業氣象服務提供了參考依據。劉玉蘭等［14］利用寧夏光伏電站的資料，分析了光伏發電量與氣象條件的關系，對預測光伏電站出力具有十分重要的意義。

本文利用相關分析、回歸分析和通徑分析等方法，分析逐日光伏發電量與各主要氣象因子的對應關系，找出影響光伏發電量的關鍵氣象要素，分析關鍵氣象要素對光伏發電量的影響效應，以期為開展光伏電站太陽能資源評估和發電量預報提供參考依據。

1　資料與方法

光伏發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年的逐時發電量，同期輻射資料和氣象資料來自于光伏電站內臨時氣象站，觀測項目包括總輻射、直接輻射、散射輻射、日照時數、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電量對氣象因子的響應關系，本文在相關分析中不僅計算了發電量與氣象因子之間的原始相關系數，同時還計算了各序列之間的高頻相關系數。高頻相關系數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，然后再計算發電量與氣象要素的相關性，以減少原始序列中月、季循環、異常值等對相關性的影響［15］。

2　結果分析

2.1光伏電站發電量逐日波動與氣象因子的關系

表1給出了光伏電站逐日發電量與主要氣象因子的相關系數，其中r1，r2分別為原始相關系數和高頻相關系數。逐日發電量波動與日照時數的關系最為密切，表現為顯著正相關；其次為直接輻射及總輻射；與散射輻射相關性則較差。從逐日發電量和逐日氣象因子的高頻相關系數來看，逐日發電量與日照時數、直接輻射、總輻射的高頻相關系數也均達到了0.01顯著性水平，分別為0.886、0.758、0.638，這表明逐日發電量與這些氣象要素的高相關關系是穩定的，是對相應響應機制的反映。此外，逐日發電量與日照時數的高頻相關系數大于原始相關系數，與總輻射和直接輻射的高頻相關系數則小于原始相關系數。

表1　逐日發電量與同期氣象因子相關系數

除了日照時數和輻射變量以外，還分析了氣溫、背板溫度、風速和相對濕度對光伏發電量的影響。由表1還可知，發電量與平均風速、氣溫、平均背板溫度、最低背板溫度的相關性很小，說明這幾個氣象要素對光伏發電量的影響很小，因此這里對這些氣象因子不加討論。逐日發電量與相對濕度存在顯著的負相關關系，與平均相對濕度和最小相對濕度的原始相關系數分別為-0.542 和-0.695，且高頻相關系數也較大。逐日發電量與最高背板溫度的正相關系數雖遠小于總輻射、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電量有一定影響。但最高背板溫度與發電量的高頻相關系數卻明顯減小，這表明最高背板溫度對光伏發電量的影響程度不及輻射、日照和相對濕度要素。

綜上，與光伏日發電量相關性較好的氣象因子有總輻射、直接輻射、日照時數、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電量的影響。另外，因大多數光伏電站或輻射站僅有總輻射觀測，最小相對濕度與發電量相關系數較平均相對濕度高，故本文最終選擇總輻射、日照時數、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電量的影響效應分析2.2.1 氣象因子與光伏日發電量的多元回歸分析

根據氣象因素與光伏發電量的相關性分析結果，結合客觀實際，選取日照時數、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，以光伏發電量為因變量，進行多元回歸分析，建立最優回歸方程：

該方程顯著性水平P＜0.001，相關系數的平方R2=0.799，檢驗值F=230.661，Durbin-Watson統計量d=1.633。回歸方程中各變量的時間系數即該變量對光伏發電量的影響效應量，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，光伏發電量相應增加或減少的量。由方程可知，當日照時數增加（減少）1 h時，光伏日發電量就會增加（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，對光伏日發電量的影響效應量分別為-66.825、-449.317、313.076、262.676 kWh。日照時數對發電量的單位效應量最大，其次為日最小相對濕度，日最高氣溫的單位效應量最小。此外，日照時數、日最高背板溫度和總輻射對光伏發電量的影響效應量為正值，而日最高氣溫和日最小相對濕度影響效應量則為負值，這與前節相關系數的分析結果相吻合。

對各季節光伏發電量和各氣象因子進行多元回歸分析，得到各季節回歸方程，回歸方程參數和各因子回歸系數見表2和表3。由表2可知，各季節回歸方程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個季節日照時數對逐日發電量的正效應最大，而夏季則是總輻射的正效應最大；負效應4個季節均是最高氣溫最大。同一變量對比來看，日照時數在冬季對光伏發電量的影響效應量最大，夏季最小；最高氣溫則是夏、秋季影響效應量較大，冬、春季較小；最小相對濕度在冬春季負效應較大，秋季負效應較小，夏季則是弱的正效應；最高背板溫度的正效應量在秋季節較大，其他季節則較小；總輻射在冬季對光伏發電量的效應量最大，春季和秋季則較小。由此可見，光伏發電量在不同季節對氣象要素的響應程度不同。

表2　各季節回歸方程相關參數

表3　各季節回歸方程回歸系數

2.2.2氣象因子與光伏日發電量的通徑分析

通徑分析可用于分析多個自變量與因變量之間的線性關系，可處理較為復雜的變量關系。如當自變量數目較多且自變量間相互關系比較復雜，或某些自變量是通過其他自變量間接對因變量產生影響時，可利用通徑分析有效地評判各因子的影響效應［16］，確定不同因子對結果的影響程度，因此對各關鍵氣象因子與發電量進行通徑分析。

根據回歸分析結果可知，F=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電量的主要氣象要素。通徑分析結果見表4。

由表4可知，從直接效應來看，日照時數對光伏發電量有較強的正效應，其次為最大背板溫度，總輻射的直接正效應較小；最高氣溫和最小相對濕度對光伏發電量均有負的直接效應，最小相對濕度的直接效應較小，可忽略不計。最小相對濕度對光伏發電量造成負效應，在間接效應中，最小相對濕度通過日照時數對光伏發電量的影響最大，達到了-0.354。日照時數、最大背板溫度和總輻射通過最高氣溫對光伏發電量均呈現負間接效應。最高氣溫對光伏發電量直接效應為負，但間接效應為正。可見氣溫對光伏發電量的影響較為復雜，有待于進一步深入研究。

另外，剩余直接通徑系數為0.448，說明除日照時數、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電量。云量、空氣質量及光伏組件的相關特性和質量、逆變效率等因素均影響光伏出力［18，19］。

表4　氣象因子對光伏發電量影響的通徑分析

3　結論

利用陜北某光伏電站近一年逐日光伏發電量資料和逐日氣象資料，通過相關分析、回歸分析和通徑分析等方法，分析了逐日光伏發電量與各主要氣象因子的對應關系。結果表明，與光伏日發電量有顯著相關性的氣象因素為總輻射、直接輻射、日照時數、最高背板溫度、平均相對濕度、最小相對濕度和最高氣溫，其中以日照時數與光伏發電量的正相關關系最為密切，最小相對濕度與光伏發電量的負相關關系最為密切，均達到0.01顯著性水平。

回歸分析表明，日照時數對發電量的單位效應量最大，其次為最小相對濕度，最高氣溫的單位效應量最小。日照時數、最高背板溫度和總輻射對光伏發電量的影響效應量為正值，而最高氣溫和最小相對濕度影響效應量則為負值。另外，光伏發電量在不同季節對氣象要素的響應程度是不一致的。

通過通徑分析發現氣溫對光伏電站發電量的影響較為復雜，氣溫升高光伏發電量會減少， 但氣溫通過日照和輻射對光伏發電量造成正的影響，氣溫對光伏發電量的影響有待于進一步研究。

［1］ 陳正洪， 李芬， 成馳， 等.太陽能光伏發電預報技術原理及其業務系統［M］.北京： 氣象出版社， 2011.

［2］ 孫鵬杰， 陳正洪， 成馳， 等.太陽能光伏電站發電量變化特征及其與氣象要素的關系［J］.2003， 31（11）： 249-252.

［3］ 呂學梅， 朱虹， 王金東， 等.氣象因素對光伏發電量的影響分析［J］.可再生能源， 2014， 32（10）： 1423-1428.

［4］ 姜創業， 王娟敏， 孫嫻， 等.太陽能光伏發電量動力統計預報模式研究［J］.水電能源科學， 2012， 30（6）： 205-208.

［5］ 楊金煥.并網光伏電站發電量的估算［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.考慮電網安全穩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發電功率平抑控制研究［J］.電力系統保護與控制， 2011， 39（3）：29-33.

［8］ 陳進美， 陳巒.太陽能光伏發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.一種并網型光伏電站光功率及發電量預測的方法［J］.青海電力， 2010， 29（2）： 18-20.

［10］ 馬金玉， 羅勇， 申彥波， 等.太陽能預報方法及其應用和問題［J］. 資源科學， 2011， 33（5）： 829-837.

［11］ 何明瓊， 成馳， 陳正洪， 等.太陽能光伏發電預報評價［J］.水電能源科學， 2011， （12）： 196-199.

［12］ 周晉， 吳業正， 晏剛， 等.利用神經網絡估算太陽輻射［J］.太陽能學報， 2005， 26（4）： 509-512.

［13］ 何明瓊， 陳正洪， 成馳.光伏發電量與氣象因子的關系及

其預報試驗簡報［A］.第27 屆中國氣象學會年會氣候資源應用研究分會場論文集［C］， 北京， 2010.

［14］ 劉玉蘭， 孫銀川， 桑建人， 等.影響太陽能光伏發電功率的環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系［J］.應用氣象學報， 2011， 22（6）： 761-764.

［16］ 石鑫.新疆近30年棉花生產水足跡時空演變分析［D］.陜西： 西北農林科技大學， 2012.

［17］ 杜家菊， 陳志偉.使用SPSS 線性回歸實現通徑分析的方法［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狀與發展趨勢［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利用方面的研究。sunxiany@163.com