基于24節氣的光伏發電量均值并網方法研究

摘 要：針對光伏發電并網對電網穩定性產生沖擊的問題，以24節氣為基礎對光伏發電系統發電量進行分段分析，提出光伏發電均值并網思路，從而改善光伏發電頻繁并網造成的電網不穩定狀況。首先，以河北地區為例，根據河北地區氣象數據結合系統顧問模型（SAM）軟件對河北地區的光伏發電量進行仿真，再將其按24節氣進行分段，并分析光伏發電量與24節氣之間的相關性；然后，在此基礎上，選取中國多個地區作為研究對象，驗證中國各地區的光伏發電量與24節氣之間存在一定的相關性，提出基于24節氣的光伏發電量均值并網方法，并對所提出的方法和實時并網方法進行電網穩定性對比；最后，以河北地區某戶用并網光伏發電系統為例，驗證了采用基于24節氣的光伏發電量均值并網方法并網時電網的穩定性改善情況。研究結果表明：中國大部分地區的光伏發電量與節氣的相關性較為顯著；且采用基于24節氣的光伏發電量均值并網方法后，可有效降低光伏發電并網時對電網的沖擊。

關鍵詞：光伏發電；并網；電網穩定；24節氣；SAM軟件

中圖分類號：TM615/TM712 文獻標志碼：A

0 "引言

光伏發電作為可再生能源利用的重要方式，近年來受到廣泛關注[1-3]。由于光伏發電的間歇性導致其電能質量較差，隨著光伏發電裝機容量的逐年增長，光伏發電大規模并網時對電網穩定性的沖擊也逐年增加[4-5]，且此種沖擊主要是光伏發電最值對電網穩定性的沖擊，即在光伏發電達到峰值時并入的電量會快速增大，而在光伏發電谷值時可能會造成“脫網”，從而導致電網不穩定，影響電能質量。

減少光伏發電并網對電網穩定性的沖擊，對未來大規模光伏發電的接入至關重要。針對光伏發電并網時對電網的穩定性影響，張彥等[6]、王力為[7]提出面向日內的實時能量管理模型，通過實時預測、滾動優化和反饋等方式最大程度就地消納光伏發電，盡量避免接入電網。對于提升接入的光伏電能的質量，吳笛[8]提出通過電網電壓選頻前饋的方式抑制諧波，以提高弱電網下光伏發電接入時的穩定裕度。

除緯度、海拔等因素外，影響光伏發電量的因素還包括日照時長、太陽輻照度、氣溫等多種因素[9]，也就是當光伏發電系統的安裝地點確定后，受氣象參數的影響，光伏發電量會逐時、逐日不斷發生變化，而這一波動也同步反映在其并網工況上。

為分析光伏發電量受氣象參數影響的變化規律，以便于更好地預測光伏發電量，本文基于24節氣對氣象數據進行分段，從而提出光伏發電量分段并網的思路，并通過仿真驗證所述并網方式對電網穩定性的沖擊情況，為大規模光伏發電量并入電網提供一種新的思路。

1 "光伏發電量分段并網思路的提出

24節氣最早起源于中國黃河流域，最初用于指導農耕，之后逐漸發展成為古人判斷、預測天氣的依據[10]。24節氣是指將太陽每年的圓周運動軌跡（黃道）分成24段，每1段沿黃道占據15°。然而，由于太陽沿黃道的運行速度取決于地球和太陽之間的距離，太陽在兩個相鄰節氣之間運行的天數略有變化，因此每年24個節氣的具體日期并不完全相同[11]。

為提高光伏組件發電量，會盡量使其多運行在最大功率點，但這也導致光伏組件受氣候、氣溫等自然環境因素的影響加大[12-13]。若要考慮氣溫、太陽輻照度等氣象參數對光伏發電的影響，需在因月份分段而產生的全年巨大數據量及保證預測精度基礎上進行分析與優化。與傳統的利用月份分段方法相比，利用節氣分段能夠增加數據顆粒度，以河北地區2020年的氣象數據為例，該地區節氣及其所在月份與其相鄰前后一天的氣溫溫差、太陽輻照度差值數據如表1所示。

通過對比表1中的氣溫溫差方差和太陽輻照度差值方差可以發現：相較于月份變化，在節氣變化時氣溫、太陽輻照度的波動更小，說明研究氣溫、太陽輻照度對光伏發電量的影響時，分析節氣變化比分析月份變化更有意義。

因此，本文利用24節氣將全年氣象參數進行分段，在保證數據顆粒度能精確預測光伏發電量的情況下，再確定不同分段情況下的并網電量，以提高并網時電網的穩定度。

1.1 "24節氣下的光伏發電量分布

本文使用美國國家可再生能源實驗室（NREL）開發的估計模型收集氣象數據[14]，結合系統顧問模型（SAM）軟件的基礎模型Residential Owner[15]，通過設置相關參數，結合氣象參數，即可得到該光伏發電系統全年的發電量。以河北地區某地為例，通過估計模型收集得到其2020年全年的太陽輻照度、氣溫、風速等氣象參數，如圖1所示。

以河北地區某典型分布式光伏發電系統為例，在標準測試條件（STC）下，利用基礎模型Residential owner對該光伏發電系統的發電量進行仿真，該光伏發電系統的相關參數如表2所示。

確定光伏發電系統的輸出功率是設計光伏發電系統模型的關鍵，其直流側輸出功率Ppv利用基礎模型Residential Owner[15]進行確定，即：

（1）

式中：Epv為光伏發電系統額定輸出功率；Rm為實際的太陽輻照度；Tc為光伏組件的實際溫度。

光伏發電系統交流側輸出功率PAC為直流側輸出功率Ppv與逆變器轉換效率η的乘積[17]，即：

（2）

2020年24節氣對應日期匯總表如表3所示。

利用式（1）～式（2），再結合24節氣在2020年的分布情況，仿真得到不同節氣時河北地區某典型分布式光伏發電系統的發電量結果，如圖2所示。

1.2 "24節氣分段下的光伏發電量分析

光伏發電量的最值對電網穩定性沖擊最大，所以統計光伏發電量最值分布與節氣分布的相關性即可確定光伏發電量受節氣的影響程度。由于光伏發電量受外界環境影響因素較多，本文

圖2 "2020年不同節氣時河北地區某典型分布式

光伏發電系統的發電量仿真結果

Fig. 2 "Simulation results of power generation capacity of a typical distributed PV power generation system in Hebei

region during different solar terms in 2020

統計光伏發電量受節氣影響程度時假設3種情況：1）情況Ⅰ為光伏發電量最值出現在24節氣當天；2）情況Ⅱ為光伏發電量最值出現在24節氣前或后3天之內；3）情況Ⅲ為光伏發電量最值出現在兩個相鄰節氣中間。

以1月的小寒和大寒為例，則情況Ⅰ為光伏發電量最值出現在小寒或大寒當天，情況Ⅱ為光伏發電量最值出現在小寒或大寒的前或后3天之內，情況Ⅲ為光伏發電量最值出現在小寒和大寒中間。結合圖2中1月時河北地區某典型分布式光伏發電系統的發電量仿真結果，可得到該光伏發電系統的發電量最值，如圖3所示。

由圖3可知：1月時光伏發電系統發電量最小值出現在小寒前1天，滿足情況Ⅱ；光伏發電系統發電量最大值出現在大寒當天，滿足情況Ⅰ。

河北地區的光伏發電量受節氣影響程度Itot為光伏發電量最值出現在上3種情況時的占比（即影響程度）之和，其計算式可表示為：

Itot=IⅠ+IⅡ+IⅢ " " " " " " " " " " " " " nbsp; " " " " " " " " " " "（3）

式中：IⅠ為情況Ⅰ時的占比；IⅡ為情況Ⅱ時的占比；IⅢ為情況Ⅲ時的占比。

其中，上述3種情況時的占比計算式可表示為：

（i=Ⅰ，Ⅱ，Ⅲ） " " "（4）

式中：n為最值個數；t為第t個最值；ni，max、ni，min分別為在第i種情況下的最大值和最小值出現的個數。

對2020年河北地區某典型分布式光伏發電系統發電量最值及其與24節氣對應情況進行統計后發現，若根據24節氣將全年分為24個周期，則每個周期都會包含1個最大值和1個最小值，共48個最值。其中，光伏發電量最值出現在24節氣當天（情況Ⅰ）的數量為4個，占比為8.33%；光伏發電量最值出現在24節氣前或后3天之內（情況Ⅱ）的數量為17個，占比為35.42%；光伏發電量最值出現在兩個相鄰節氣中間（情況Ⅲ）的數量為6個，占比為12.50%。由此可知，河北地區光伏發電量受節氣影響的情況總占比為56.25%，即影響程度為56.25%。具體如圖4所示。

1.3 "中國各地光伏發電量與節氣相關性分析

中國各省、自治區、直轄市、特別行政區光伏發電量受節氣影響程度分析方式與上文同理， 2020年中國不同地區的光伏發電量受節氣影響程度情況，如圖5所示。本文將光伏發電量受節氣影響程度大于等于參考值（60.00%）的地區定義為光伏發電量受節氣影響程度強的地區，將光伏發電量受節氣影響程度介于參考值與臨界值（52.60%）之間的地區定義為光伏發電量受節氣影響程度弱的地區，將光伏發電量受節氣影響程度小于等于臨界值的地區定義為可忽略節氣影響的地區。

由圖5可知：中國大部分地區的光伏發電量均受到節氣的影響。

通過分析仿真得到的中國不同地區全年的光伏發電量結果后發現：將光伏發電量分為24段后，每段內最值出現的密集程度不同，大部分地區的光伏發電量最值出現在節氣附近和節氣中間部分，而出現在非上述3種情況下的概率密度較小。同時，中國大部分地區光伏發電量均受到節氣影響的結論也間接驗證了上文所設置的3種情況的合理性。

將中國不同地區的光伏發電量分別受月份和節氣變化時的影響程度進行對比，對比結果如圖6所示，其中，光伏發電量受月份影響程度的臨界值為26.23%。

由圖6可知：由于中國不同地區的光伏發電量受月份變化的影響程度均低于臨界值（26.23%），因此，光伏發電量與月份變化的相關程度可忽略。

2 "基于節氣的光伏發電量均值并網分析

本文利用方差S2來衡量光伏發電并網電量的穩定性，方差值越小，代表并網電量越穩定；方差值越大，代表并網電量越不穩定。方差的計算式可表示為：

（5）

式中：na為全年所包含的天數；為全年光伏發電并網電量的均值；xk為第k天的光伏發電并網電量。

其中，的計算式可表示為：

（6）

為降低光伏發電對電網的沖擊，以24節氣為基礎提供3種光伏發電量并網方式，分別為：1）以24節氣當天作為周期的時間劃分點，共劃分為24個周期，每個周期內包括一定天數，將這些天數對應的光伏發電量求均值后再乘以0.8即為日并網電量，稱為“并網方式1”；2）將全年光伏發電量按照24節氣前3天或后3天內作為周期的時間劃分點進行劃分，每個周期內包括一定天數，將這些天數對應的光伏發電量求均值后再乘以0.8即為日并網電量，稱為“并網方式2”；3）將全年光伏發電量按照24節氣中相鄰兩個節氣的中間點作為周期的時間劃分點進行劃分，每個周期內包括一定天數，將這些天數對應的光伏發電量求均值后再乘以0.8即為日并網電量，稱為“并網方式3”。

2020年河北地區某典型光伏發電系統并網電量均值處理前后的對比圖如圖7所示。

通過將圖7中3種并網方式下的得到的方差與原始并網電量數據得到的方差進行對比后發現，所提出的3種并網方式均可減少光伏發電并網對電網的沖擊，其中并網方式3對電網的沖擊最小，可降低42.74%的電網波動。

3 "算例驗證

以河北地區某戶用并網光伏發電系統為例，其于2018年建造，裝機容量為20 kW，包含72塊光伏組件，1臺光伏逆變器，并對該光伏發電系統的輸出功率、發電量、交流電壓、交流電流、交流頻率，以及逆變器內部溫度等關鍵信息進行實時監測。

對該光伏發電系統2020年并網電量進行統計，并依此計算得到并網電量的方差為1201.72，如圖8所示。

基于統計得到的該光伏發電系統2020年并網電量數據，依據上述3種并網方式進行處理，得到采用并網方式1時，該光伏發電系統2020年并網電量的方差為437.32；采用并網方式2時，該光伏發電系統2020年并網電量的方差為445.63；采用并網方式3時，該光伏發電系統2020年并網電量的方差為435.16。由此可知，采用并網方式3時的方差最小，且采用此種方式時，相較于未經處理的并網電量，理論上可降低63.79%的電網波動。

采用并網方式3時該光伏發電系統2020年全年理論并網電量分布情況，如圖9所示。

利用SAM軟件對采用并網方式3時該光伏發電系統2020年全年并網電量分布情況進行仿真，仿真結果如圖10所示。

由圖10可知：利用SAM軟件得到的采用并網方式3時該光伏發電系統2020年的并網電量方差為478.12，相較于未經處理的并網方式，可降低60.21%的電網波動。

4 "結論

本文針對光伏發電并網對電網穩定性沖擊的問題，基于氣象參數與24節氣的相關性，提出周期性均值并網的新型并網方式，以提高光伏發電并網穩定性，研究結果表明：中國大部分地區的光伏發電量與節氣的相關性較為顯著；且采用基于24節氣的光伏發電量均值并網方法后，可有效降低光伏發電并網時對電網的沖擊。

[參考文獻]

[1] 陳璟華，黃澤杭，楊苓，等. 多源多負荷直流微電網的穩定裕度分析及控制參數優化設計方法[J]. 太陽能學報，2024 ，45（7）：294-302.

[2] 李建華. 光伏發電系統并網控制策略研究[D]. 蘭州：蘭州理工大學，2018.

[3] 李明，張興，郭梓暄，等. 弱電網下基于電網阻抗自適應的雙模式并網穩定控制策略[J]. 太陽能學報，2021，42（7）：86-93.

[4] ERTUGRUL N，ABBOTT D. DC is the future[J]. Proceedings of the IEEE，2020，108（5）：615-624.

[5] 程麗. 改善電能質量的光伏逆變器的關鍵技術研究[D].廣州：華南理工大學，2016.

[6] 張彥，張濤，劉亞杰，等. 基于隨機模型預測控制的能源局域網優化調度研究[J]. 中國電機工程學報，2016，36（13）：3451-3462，3364.

[7] 王力為. 弱電網下光伏并網逆變器穩定運行組合控制策略[J]. 太陽能學報，2022，43（7）：86-92.

[8] 吳笛. 新能源接入智能電網的技術分析[J]. 太陽能學報，2023，44（9）：554.

[9] 王蓓蓓，唐楠，方鑫，等. 大規模風電接入系統多時間尺度備用容量滾動修訂模型[J]. 中國電機工程學報，2017，37（6）：1645-1657.

[10] 沈姣姣，徐虹，李建科，等. 近60年西安市24節氣氣溫變化特征及突變分析[J]. 資源科學，2013，35（3）：646-654.

[11] XIE J R，HONG T. Load forecasting using 24 solar terms[J]. Journal of modern power systems and clean energy，2018，6（2）：208-214.

[12] 蘇小玲. 微電網穩定運行分析與控制[D]. 北京：華北電力大學，2016.

[13] 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.

[14] MING B，LIU P，GUO S L，et al. Optimizing utility-scale photovoltaic power generation for integration into a hydropower reservoir by incorporating long-and short-term operational decisions[J]. Applied energy，2017，204：432-445.

[15] CHENNAIF M，MAAOUANE M，ZAHBOUNE H，et al. Tri-objective techno-economic sizing optimization of off-grid and on-grid renewable energy systems using electric system cascade extended analysis and system advisor model[J]. Applied energy，2022，305：117844.

[16] IEC. Photovoltaic devices—part 3：measurement principles for terrestrial photovoltaic （PV） solar devices with reference spectral irradiance data：IEC 60904-3：2019[S]. [S.l.]：IEC，2019.

[17] LI C，ZHOU D Q，ZHENG Y. Techno-economic comparative study of grid-connected PV power systems in five climate zones，China[J]. Energy，2018，165：1352-1369.

Research on grid connection method of average PV power generation CAPACITY based on 24 solar terms

Pan Wangjie，Li Qingqing，Jin Wangwang，Liang Zede，Li Yuan

（College of Civil Engineering and Architecture，Qingdao Agricultural University，Qingdao 266109，China）

Abstract：In response to the impact of grid connection of PV power generation on the stability of the power grid，this paper analyzes the power generation of the PV power generation system in segments based on the 24 solar terms，proposes the idea of average grid connection of PV power generation，and improves the unstable situation of the power grid caused by frequent grid connection of PV power generation. Firstly，taking Hebei region as an example，the PV power generation in Hebei region is simulated based on meteorological data combined with System Advisor Model （SAM） software. Then，it is segmented into 24 solar terms and the correlation between PV power generation and 24 solar terms is analyzed. Then，based on this，various regions of China are selected as research objects to verify the correlation between PV power generation capacity in each region of China and the 24 solar terms. A grid connection method based on the average PV power generation capacity of the 24 solar terms is proposed，and the stability of the power grid is compared between the proposed method and the real-time grid connection method. Finally，taking a household grid connected PV power generation system in Hebei region as an example，the stability improvement of the power grid is verified when using the average PV power generation capacity based on 24 solar terms for grid connection. The research results indicate that there is a significant correlation between PV power generation capacity and solar terms in most regions of China. After adopting the average grid connection method based on 24 solar terms，the impact of PV power generation on the grid can be effectively reduced during grid connection.

Keywords：PV power generation；grid connection；power grid stability；24 solar terms；SAM software