影響光伏功率輸出因素的研究與分析

王仕俊 平 常 薛國斌 王定剛 姜 濤

?

影響光伏功率輸出因素的研究與分析

王仕俊1平 常1薛國斌1王定剛2姜 濤2

（1. 國網甘肅省電力公司經濟技術研究院，蘭州 730050；2. 國網甘肅省電力公司送變電工程有限公司，蘭州 730050）

本文分析了光伏電站輸出功率的影響因素，重點討論了光伏系統自身電氣參數以及氣象要素中的輻照度、天氣狀況、溫度和季節對光伏發電量的影響。通過對某30MW光伏電站的歷史發電功率數據進行分析整理，得出了相應的結論。該結論也為預測發電功率的輸入樣本的選取提供了理論基礎。

電氣光伏電站；電氣功率；電氣屬性；氣候條件

近年來，隨著國家補貼力度加大和光伏產業的科技進步，二次能源光伏產業得到了很大程度的發展，其組件成本也呈現出持續走低的勢頭。然而，太陽能屬于穩定度低、時斷時續的二次能源，使得光伏電站的輸出功率也存在穩定性差以及間歇性的特征。其中，光伏電站電氣屬性、天氣氣候條件是影響光伏發電量的重要因素，故準確認識到這兩個因素對預測光伏發電功率的影響，從而進行適當計劃和調度，具有重要的研究意義。影響光電功率的種類因素有很多，一般分以下兩類，一類是光伏電站本身電氣屬性，另一類是外部氣象環境，或者外部氣象屬性。一般認為：輻照度、天氣類型、季節、溫度等屬于外部氣象屬性。本文將依據某30MW光伏電站所采集到的歷史數據，對這兩個主要因素展開分析，從實例說明這兩個因素對光伏輸出的具體影響。

1 本身電氣屬性對光伏輸出的影響

對于光伏電站內部本身就擁有的屬性，要考慮因素繁多復雜，并且一些性能參數在工程中并不作參考之用。但是對光伏電站已并網投入運行的情況下，光伏輸出電量展現出較高的相關性，光伏板的自身屬性配置信息，包括光伏地理位置、安裝的高低角度、電池轉化為電能的效率、逆變器實現的轉換效率、電池表面是否清潔等，這些相關信息因素已經被考慮在歷史輸出功率之中，在光伏電池的相關組件的壽命期間，它們變化很小，在短期功率預測中將其視作為恒定不變的量，故通常把光伏歷史輸出的數據樣本當作預測模型的樣本輸入。

2 氣象要素對光伏輸出的影響

2.1 太陽輻照度的影響

本節依據某30MW光伏電站所測得的歷史數據，從2017年12個月份中，選取每月的15號，對其發電量、輻射量以及峰值日照時之間的關系進行說明。具體數據見表1。

表1 光伏電站歷史數據

1）發電量和輻射量的關系

輻照強度的概念是，在單位時間內地表單位面積受到的太陽垂直投射所接收的輻射能量。光伏板的輸出功率隨著吸收的輻照強度變強而增加。其關系圖如圖1所示。從走勢圖中可以直觀看出，光伏輸出功率的走勢隨著太陽輻照強度的走勢變化而變化，而且兩者波動趨勢相似。

圖1 發電量和輻射量走勢圖

2）發電量和峰值日照數的關系

先來解釋兩個定義：日照時數指當地直接太陽輻照度超過0.12kW/m2所有時間段的總和，單位為h。峰值日照時數指某地區一天時間內，地面上累計接收到的輻照度之和，再除以1kW/m2后所得到的光照小時數，單位為小時（h）。

本光伏電站所采集的輻射量是以MJ/m2為單位，依據峰值日照時數的定義，由輻照度推導峰值日照時數時，需要將其單位換為kW·h/m2，才能與定義相匹配。兩種單位換算式為：1J=2.778×10-7kW·h。比如：表1中1月15日有10h的太陽輻照度大于0.12kW/m2，則日照時數為10h。而全天太陽輻照度之和為18.93MJ/m2，先換算為5.3kW·h/m2，便可得峰值日照時數為5.3(kW·h/m2)/1(kW/m2)=5.3(h)。

依照峰值日照數、日照時數以及發電量的關系，可繪出其在一天內的走勢，如圖2所示。

圖2 發電量與日照時、峰值日照時走勢圖

由走勢圖直觀看到，發電量與峰值日照時的走勢十分接近，具有很強的相關性，而與日照時數的關系不是很緊密。

本節對輻射量的影響開展了直接分析，然后通過“峰值日照數”間接分析了輻射量的影響，得出結論：輻照強度在發電量中有所體現，且二者有密切的線性關系。同時證明了峰值日照時也可以作為預測光伏輸出功率的參考標準之一。

2.2 天氣類型的影響

由于存在不同類型天氣狀況，使得光伏電池板所接收的輻照強度、濕度、溫度有很大變化，會導致光伏輸出有較大的差異。本節選取了7月份18—25日的發電量數據，如圖3所示。

從結果分析可知，晴天的發電量最高，而陰雨天的發電量較低。即在不同天氣下的光伏輸出量有很明顯的不同，而在相同的天氣環境下，比如晴天，在一天內的發電總量基本相同。

圖3 不同天氣環境的發電數據

由本節對天氣類型影響的分析可知，要想最大限度提升光伏發電量的短期預測水平，就需按照不同天氣情況的特點，對光伏電站歷史發電量開展分類整理，將其作為發電預測的輸入樣本，以便達到良好的預測效果。

2.3 季節的影響

已并網運行的光伏發電站在天氣環境不同的季節當中，有效日照時數的長短、太陽入射角的高低不斷地變化，進而使得輸出功率也跟著產生波動。

本節通過光伏電站所測得的歷史數據進行作圖說明，見表2。本文挑選了春季2月20日、夏季5月9日，秋季9月13日以及冬季12月18日這4天的有效時間段內整點瞬時輸出的功率大小。這4天天氣狀況都為晴天。

表2 某光伏電站不同季節統計數據

為了直觀判斷季節對輸出發電量的影響，本文又依據表2數據繪制了圖4。從圖中可以看到，圖中分別體現了四季的日照時間長短以及一年四季輻照度的差異性對光伏發電輸出功率的影響。由4條曲線的走勢也可以得出：夏秋兩季的輸出功率的有效時間最長，而冬季的有效時間最短；而且春秋兩季相比較冬季而言其最大輸出功率較大。

圖4 季節功率數據圖

故由本節可知，不同季節中的同一種天氣情況下，光伏發電曲線的變化規律基本相似，但功率值的大小以及發電有效時間段的長短不同。若按照一年四季將發電數據進行模塊化處理，對光伏預測分而治之，則有利于降低預測復雜性，還可以提高準確性。

2.4 溫度的影響

環境氣溫的升高，致使光伏組件輸出的電流會有一定程度的增加，但光伏發電系統的轉換效率將明顯地降低，使得工作減小，但是下降幅度相對要厲害，所以輸出總功率也會跟著氣溫值的逐漸變高而漸漸減小。本文將以單晶組件DM60-285的性能參數為例來說明。光伏組件的電學性能見表3。

表3 光伏組件DM60-285的電學性

表中的“STC”指當光伏電池組件所處的環境狀況為輻照度為1kW/m2、電池溫度為25℃，大氣質量為1.5時，組件輸出峰值功率才能達到285W。

光伏組件的溫度系數見表4。

表4 光伏組件的溫度系數

由表4可知，“最大功率溫度系數”是-0.42%/℃，即光伏板的工作環境熱度每升高1℃，發電量減少0.42%。假設光伏電池所處環境的溫度是55℃，電池的輸出發電量相對于峰值功率減少的百分比為-0.42%×(55℃-25℃)=12.6%。

所以，氣溫有一定程度地升高，電池組件的輸出發電量就會有所減少。在實際光伏系統中，除了光伏電池，包括逆變器在內的其他組件也會受到溫度影響，進而影響光伏輸出。所以光伏預測中，溫度也是必須要考慮的因素之一。

3 結論

本文從光伏系統自身因素以及氣象要素兩方面入手：①分析了光伏發電的功率特性，并對數據進行了整理作圖；②對氣象要素即太陽輻照度、天氣情況、季節、溫度的影響做了分析，得到結論以及建議如下。

1）影響光伏發電的氣象因子是多元化的，譬如太陽輻照度、天氣類型、季節、環境溫度等都對光伏發電功率存在或正或負的作用。所以建議利用收集的歷史發電數據與氣象因素相結合的方式，對光伏輸出功率進行預測。即挑選與“待預測日”天氣環境相似的日期，將其歷史發電負荷視為輸入數據，然后對“待預測日”開展預測。選取相似日的方法是：依據待預測日的環境類型，選取前三年同一時期的前后10天的相同天氣類型的日期作為相似日[4]。

2）在此光伏電廠所處的環境氣候中，夏季很熱且冬季最為寒冷。若單獨考慮了溫度的作用，則冬季發電量應為最高。但春秋兩季氣候干爽，有效峰值日照時間長，陽光充沛，所以輻照度在時間和強度上明顯優于冬季，故春天和秋天才為光伏電站發電的最佳時節。綜上，發電量最好時刻應該在春秋兩季的晴天正午時刻，建議光伏電站將春秋兩季作為運行期，將檢修期盡量調整到冬季。

3）即使是相同的季節，由于每時每刻的天氣情況都是有所差異的，而且不容易定量分析，導致光伏組件輸出的發電量因真實天氣情況的變換而波動，給預測工作加大了難度。所以為了準確預測天氣環境，建議縮短預測的時間尺度，依據實際情況，將預測時間設為0.25～4h不等。

[1] 賈良寶. 基于神經網絡的光伏發電輸出功率短期預測的研究[D]. 鄭州: 中原工學院, 2014.

[2] 趙爭鳴, 雷一, 賀凡波, 等. 大容量并網光伏電站技術綜述[J]. 電力系統自動化, 2011, 35(12): 101-107.

[3] 李啟帆. 基于BP 神經網絡的新能源光伏發電功率預測方法研究[D]. 西安: 西安交通大學, 2014.

[4] 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.

[5] 王飛, 米增強, 甄釗, 等. 基于天氣狀態模式識別的光伏電站發電功率分類預測方法[J]. 中國電機工程學報, 2013, 33(34): 75-82+14.

[6] 陳寧寧, 宋子豪, 汪澤州. 模型預測控制在光伏并網逆變器中的應用[J]. 電氣技術, 2017, 18(4): 79-83.

[7] 婁寶磊. 灰色動態BP神經網絡在光伏短期出力預測中的應用[J]. 電氣技術, 2015, 16(12): 47-51.

[8] 趙書強, 王明雨, 胡永強, 等. 基于不確定理論的光伏出力預測研究[J]. 電工技術學報, 2015, 30(16): 213-220.

[9] 田春光, 田利, 李德鑫, 等. 基于混合儲能系統跟蹤光伏發電輸出功率的控制策略[J]. 電工技術學報, 2016, 31(14): 75-83.

Research and analysis of factors affecting the output of photovoltaic power

Wang Shijun1Ping Chang1Xue Guobin1Wang Dinggang2Jiang Tao2

(1. Gansu Electric Power Economy & Technology Research Institute, Lanzhou 730050; 2. Gansu Electric Transmission & Transformer Co., Ltd, Lanzhou 730050)

Aiming at the factors affecting the output power of photovoltaic power plants to do the research, discusses the influence of environmental conditions of photovoltaic system itself the electric parameters and the meteorological elements in the solar irradiance, weather, season and temperature on the photovoltaic power generation, power generation by analyzing and sorting the historical data of a 30MW photovoltaic power plant, get the corresponding conclusion the results also provide a theoretical basis for the selection of the input power of the sample forecast.

electrical photovoltaic power station; electrical power; electrical properties; climate conditions

2018-03-26

王仕俊（1988-），男，碩士研究生，工程師，主要研究方向：電力系統規劃、輸變電工程設計及電網建設等。