分布式光伏电站系统效率环境影响因素分析(上航电力)

1分布式光伏电站系统效率温度影响分析1 前言光伏电站系统效率 描述了光伏电站接受辐射能量到最终的输出电能的转换效率， 是反映光伏电站综合发电能性能的效率指标 。实际电站在运行中，由于自然环境的因素（温度、辐射） 、设备性能的因素以及人为因素（包括设计不当、清洁不及时）等，导致同一电站在不同时间段以及相同配置的电站在不同区域，实际每天日 PR 体现出的较大差异。太阳能电池组件会因温度上升而输出电压降低、电流增大，组件实际效率降低，发电量减少，因此，温度引起的效率降低是必须要考虑的一个重要因素本文重点针对环境温度因素对光伏电站系统效率的影响进行分析，采用某地区三座分布式电站 2016年 1 月 8 月数据资料， 分析电站系统效率与环境影响因素的之间关系 ，进而针对显著影响因素建立回归模型，定量分析环境温度对系统效率的影响水平， 为评估该地区分布式电站的发电潜能和经济效益提供依据。2 资料来源本文发电数据来源于上航电力运维有限公司自主研发的航天级绿色能源智慧化管理平台 eHorus智慧云（以下简称 eHorus 平台） ， 分布式电站通过环境监测仪记录每日环境温度以及日倾斜面累计辐射量 ， 电站每日发电数据以及环境监测数据均在 eHorus平台实时记录。本文选取某市三座屋顶分布式电站 2016年 1 月 8 月数据，根据每日发电量数据以及每日倾斜面辐射量数据，逐日计算每日系统效率，并剔除由于设备检修引起的发电异常数据。3 结果分析3.1 PR与环境温度回归模型环境因素主要包括环境温度以及太阳辐射，其中对系统效率影响最显著的是环境温度 ，从后续章节定性以及定量分析的结果也印证了这一点，这主要来源于 温度对组件开路电压、短路电流的影响 ，进而影响组件峰值功率造成光伏电站系统效率发生变化。本文采用 日最高温度以及日 PR 来定量分析两者之间关系。采用 A 电站 1 月 8 月日 PR 数据以及日最高温度数据，建立两者线性回归模型，回归模型通过了整体性能显著性检验以及温度系数显著性检验，两者呈现出较强的负相关性。归回系数为 -0.00166， 即单位温度上升对应的 PR 下降值；调整决定系数达到0.2073，即 PR 的变化中有 20 是由于温度变化引起的。当模型加入日辐射量参数后，辐射量回归系数并未通过显著性检验，可见日 PR 与日辐射量之间不存在线性回归关系。残差分析结果如图 2 所示，可以看出残差符合正态性检验，同时残差与 PR 以及温度不存在相关性，说明回归方程无需引入温度的二次项或者其他与 PR有线性关系的自变量，进一步证明了日 PR 与日辐射量之间不存在线性关系。图 3 给出日 PR 与日最高温度之间的回归关系线，以及在该温度区段对应的 PR拟合点的预测值以及 95置信度的预测区间。2图 1 残差分析图 2 日最高温度与残差相关分析图 3 A 电站日 PR 与日最高温度回归关系线及拟合预测区间考虑到同一地区不同电站 PR 之间也存在一定差异， 针对 B 电站以及 C 电站， 采用 1 月 8 月数据，同样建立日 PR 与日最高温度之间的回归关系模型。对比 A 、 B、 C 三座电站的回归模型，调整决定系数大约在 0.1 0.2， 说明该地区导致 PR 变化的因素中，温度的贡献大约为 10 20左右；温度对 PR的回归系数在 [-0.00197 ， -0.00166] ，相当温度每变化增加 1℃， PR 下降的幅度。假定年度该地区日最高温度变化在 [0℃ ,40℃ ]， 按照回归模型分别计算出三座电站日 PR 变化范围以及百分比，计算结果见表 1。可以看出由于温度变化导致的光伏电站一年的 PR 变化， 最高可达到在 7 10左右，该数据可用于该地区分布式光伏电站的年发电量评估，新建项目的优化设计及经济效益评估。表 1 年度 PR 变化范围电站最高温 0℃PR 最高温 40℃PR 变化百分比A 0.86902 0.8026 7.64 B 0.75319 0.6744 10.46 C 0.86071 0.7891 8.32 4 结论本文采用某地区三座分布式电站 1 月 8 月的实测数据，针对系统效率重点影响因素环境温度，给出定量结论1 建立日最高温度与日系统效率之间的回归模型，其模型显著性均较高，回归模型的调整判定系数达到大约在 0.1 0.2， 说明导致 PR 变化的因素中， 温度的贡献大约为 10 20左右；同时辐射量对系统效率不存在显著影响。2 由于温度年变化 40℃导致的光伏电站系统效率一年变化， 最高可达到在 7 10左右。 该数据可用于上海地区分布式光伏电站的年发电量评估，以及新建项目的优化设计、经济效益评估。