城市太阳能光伏地图开发应用及关键技术

■ 徐福圆 章坚民,2* 徐谦 相炜 方宇斌

(1. 杭州电子科技大学自动化学院；2. 浙江创维自动化工程有限公司；3. 国网浙江省电力公司经济技术研究院)

0 引言

城市是电力负荷集中地，而建筑又是用电用能集中地，为减少石化资源发电及长距离的电力输送，城市的可再生能源利用与发电就成为关键所在，其中屋顶太阳能利用包括光伏发电，不仅技术可行且可规模化开发。屋顶太阳能潜力可采用年平均太阳能辐射表征，其数值获取与屋顶地理三维坐标有关(包括经纬度、屋顶高度、地面海拔)，也与屋顶日照遮影密切相关。

为适应大规模城市屋顶太阳能资源的开发和利用，通过各类遥感及计算技术获取城市屋顶日照及阴影状态，并建立网站公开发布信息，同时提供太阳能开发方式选择、投资与收益评估等重要信息，为屋顶拥有者或开发承包商提供公开的引导服务，已成广大城市能源规划和管理部门的优先选择。

在这方面，美国已大幅领先于全球。根据美国的统计，70%的电力负荷为建筑使用；同时，美国终端用能采用电力方式比例相当高，因此屋顶太阳能利用主要不是采用太阳能热水方式，而是采用光伏发电方式。

基于现代遥感技术的屋顶太阳能及光伏资源的准确预测包括：光照、遮影、光伏电板角度等与建筑光伏密切有关的参数的精确获取与计算，所在楼宇屋顶的发电装机、功率特性、能量特性等的设计，结合政府补贴政策的造价估计等，均得到了较为充分的研究和应用。

本文对美国典型光伏服务网站进行介绍，对建设类似系统的关键技术进行分析和综述，冀以推动国内进行类似系统的研究开发与应用。

1 美国典型太阳能光伏地图网站介绍

1.1 旧金山城市能源(光伏)地图

旧金山光伏地图(http://sfenergymap.org/)由旧金山环保局和美国西图公司联合开发，提供了旧金山市太阳能及风能资源的分布概况、相应的资讯链接和详细资源参数，以帮助业主更好地了解可再生能源资源，学习如何安装可再生能源系统。

在城市地理图中，用标记识别城市中现有的太阳能光伏(PV)装置和太阳能水加热装置，点击标记就可看到该地相关的太阳能开发利用运行信息。旧金山太阳能分布图(图2)中以多种颜色的圆圈标注，不同颜色类别的圆圈标注表示市政、商业区、居民区、学校等各类。该系统可估算太阳能潜力，只要在图2地址栏里输入相应地区并点击“get my info”，就可显示该地的太阳能潜力、预计全年系统输出、相关的能源节约，以及预计每年温室气体排放减少量(图3)。

图1 城市屋顶太阳能资源展示

图2 输入建筑地址可获取PV的估计

图3 某屋顶的光伏发电参数及发电预测

该系统可快速地对太阳能成本进行简单评估(图4)，并对结果进行分析，包括：财务汇总、各月费用清单、各月用电预算、各月发电估算、资金流动、环境保护等方面。在地图的右下角还可看到旧金山太阳能光伏现状，包括：装置数、总容量、预计年发电量、预计年节约成本及预计年CO2排放减少量。

图4 太阳能潜力的分布

1.2 洛杉矶县光伏地图

洛杉矶县太阳能光伏地图(http://solarmap.lacounty.gov/)基于世界上最精确的大型太阳能模型开发，最小间隔为5英尺。该系统中包含了250多万的独立测量数据，包括：树木阴影、屋顶用途(烟囱、其他等)、屋顶间距、附近建筑物、山地等。该系统具有一些新的功能：1)放大查看屋顶哪些部位具有良好的辐射条件；2)校准屋顶上太阳能点；3)打印报告结果；4)查看三维建筑的太阳辐照结果；5)获得能源补贴和奖励的最新消息和公告；6)查看房屋的鸟瞰图；7)放大查看屋顶的太阳能潜力分布；8)使用新的能源效率计算器估算每月成本节省；9)获得能源效益项目的清单等。如图4所示，以不同颜色的点来表示屋顶不同部位的光照情况，红、黄、绿、蓝分别表示光照优越、良好、贫乏、不可取4种情况。另外该系统给每个屋顶设置了一个ID编号，点击屋顶上的编号即可显示该楼所在地区、该地区总屋顶面积，以及该楼屋顶进行太阳能发电的一些基本状况(如太阳能屋顶适宜覆盖的面积、预估的发电潜力、年发电量等)。目前洛杉矶政府甚至还开发了功能相对较完善的手机客户端。

2 太阳能光伏制图方法与对比分析

2.1 一般对比

表1为对美国现发布的太阳能潜力地图网站调研表，2012年有11个，2013年增加到13个。由表1可见，有3种典型的预测方法计算屋顶辐射及相关的光伏潜力。在2012年，被调查的地图中有3个(27%)对太阳辐射到达建筑屋顶采用了一个固定值假设；只有1个(9%)使用美国国家可再生能源实验室(NREL)的PVWatts计算模块(Marion等[1])；另5个(45%)使用Esri公司ArcGis程序(Fu等[2])中的Solar Analyst扩展插件；其余地图则没有介绍其计算方法。在2013年，有2个地图转变为用PVWatts作为其预测方法。2013年存在的13个地图中，39%(Anaheim、Denver、Madison、Sacramento 和 Orlando)需要手工输入坡度、方位和系统容量，这些地图不会自动生成太阳能潜力图。

这些太阳能潜力图有些是以太阳辐射强度在图中显示，也有些是以预估的PV潜力值(PV出力及PV发电量)展示。除了这些已存在的太阳能潜力地图，还有一些在研究中出现的方法。R.sun(Suri和Hofierka[3]，2004)已用于大的地理区域和城市太阳能潜力制图，但还没有用于如表1中城市规模发布的太阳能潜力制图应用。还有诸如 PV Analyst(Choi等[4]，2011)、PV-GIS(Suri等[5]，2005)及一系列其他太阳辐射和光伏计算方法。

表1 美国现有的太阳能潜力制图方法的调查

表2 现有的常见太阳能潜力计算方法对比分析

2.2 屋顶太阳能潜力影响因子及计算方法对比

主要考虑的影响太阳能潜能的因子包括：1)太阳辐射值，包括直接辐射和散射辐射，以及它们的百分比；2)邻近建筑和景观的遮阴；3)屋顶朝向和坡度；4)气象条件等。

采用固定值假设的太阳能潜力图忽略朝向和周围环境的影响，屋顶上所有点的太阳辐射值相同，该值取自附近气象站的全球水平的年辐射D量。对于非平屋顶，如尖屋顶的建筑每个屋面是面朝天空的不同方向，该方法预测的太阳辐射值不准确；另外周围遮挡屋顶的树木和相邻建筑也使这种方法给出的结果不准确。这种方法通常使用一个常量百分比(Oregon Clean Energy Maps，2012[6])或基于正射影像图像分析技术 (San Francisco Solar Map，2012[7]；Berkey Soral Map，2012[8])确定光伏装置的可利用屋顶面积。

美国国家可再生能源实验室(NREL)的PVWatts在线服务使用一个更为详细的方法(Marion等[1]，2001)，在美国全境范围内根据典型气象年(Typical Meteorological Year 2，TMY2)数据库将每小时的太阳辐射分布在40 km2的网格中。将当地的TMY2辐射数据结合手工输入的PV板倾角和朝向、温度条件和气候模型来确定能源输出。尽管该方法已考虑到了屋顶形状，但诸如遮阴、反射等因素，PVWatts模型并不能计算，因此不适应建筑密集的城市地区等。Cameron等[9](2008)使用无遮阴的机架式系统测量的数据，对PVWatts的误差进行了计算估计，其结论表明，PVWatts准确度的平均偏差在9.6%～10.2%之间。另外， PVWatts的方法，每个不同坡度和方位的屋顶必须单独输入，因此难以自动处理整个城市。目前只有纽约市太阳能地图(2013)可自动处理整个城市，而其他所有地图使用PVWatts均不能自动执行。

Esri公司的Solar Analyst插件将城市描绘成数字高程模型(Digital Elevation Modeling，DEM)。DEM是一个具有地理定位功能的栅格图像，其各像素值对应于高程测量值。根据DEM中每个像素周围的像素值生成天空掩膜(MASK，对处理的图像进行遮挡而选用的特定图像、物体称为掩膜)，辐射的直接部分和散射部分都根据天空可见像素的像素数计算。直接辐射根据太阳位置、DEM斜角、固定的天空透射率系数及太阳光穿过大气的距离计算。散射辐射计算和直接辐射计算类似，基于某种同等条件下的气象模型，只是尚未有太阳能地图在网站上说明其使用了哪种气象模型。因为Solar Analyst只使用了基于DEM的一个天空掩膜，所以它并不能对附近建筑、树木、城市地形的反射辐射进行建模。在Solar Analyst，天空透射率及直射和散射辐射量之间的比率全年都是固定的常数值，这些假设对年辐射计算结果有较大影响；波士顿洛根TMY3气象数据(美国国家能源局United States Department of Energy，2012)[10]表明，直接和间接辐射的比率在全年范围内变化非常大。设想某地上午晴天下午阴天，该地建筑东侧的太阳辐射接收量显然比西侧接收量多，而对这种特异气象Solar Anaylst不能处理。

R.sun(Suri和Hofierka[3]，2004)是在开源软件GRASS GIS上实施建模，能解决Solar Analyst模型中提到的局限性。相比于Solar Analyst，一个主要的区别是R.sun能够通过根据不同的气候带设置直接辐射和散射辐射的百分比作为栅格图像的输入，而不是像在Solar Analyst中的固定值，因此可模拟非常大的地理区域内的太阳辐射。第二个显著的区别是，R.sun能对地面反射的太阳辐射做出规定；然而，它的模型假定所有地面反射只考虑地面坡度、全球水平辐射和地面反射率，而未考虑地面有无遮阴部分，也未考虑环境中的实际几何形状。R.sun也有其显著的局限性：1)R.sun在一个时间只能模拟单日或单小时辐射，这意味着一个详细的年度计算至少需要建立365个光栅结果图并且独立处理。2)直射和散射辐射的百分比只能设置为光栅图像输入而不能作为固定值，这意味着对于模拟一个小的地理区域(例如一个城市)，它对气候影响的建模不方便。为了模拟典型的日变化，则需要单独建立一年中每日的直射和散射百分比的栅格图像；若要考虑典型的每小时变化，正如前所述的某地早上晴天下午阴天，则需要创建一年中每小时的栅格图像。同样地，该方法也未公开其具体的计算公式。

除了上述讨论的方法，也有很多文献提出使用地理信息系统(GIS)数据和多种仿真程序来分析城市和社区的光伏潜力。PV-GIS是一个基于web的工具，它用测量的直射和散射月平均辐射栅格图像改进的R.sun计算模型作为其气象数据源。PV Analyst结合瞬时系统模拟程序TRNSYS(Transient System Simulation Program)，于Esri的ArcMap工具箱中在DEM上模拟PV板，表明已验证的算法在太阳能潜力模型中的应用，但该工具还有待发布。PV Analyst依赖于Solar Analyst的阴影计算及TRNSYS的辐射和PV效益计算。其他人(Brito等[11]，2012；Nguyen和Pearce，2010[12]和2012[13])也有使用R.sun的月平均直射和散射数据计算相对较小城市的光伏潜力。Hofierka等(2009)[14]也进行了相同的实践，但未指出气候影响。然而，R.sun已经很大程度地应用到了非常大的地区，如欧洲和非洲 (Suri等[5]，2005；Bergamasco 等[15]，2011；Huld 等[16]，2012；Ruiz-Arias等[17]，2012；Palmas等[18]，2012)，且以栅格为基础的输入方法表明该工具是最适合大地理区域的。Lukac等[19](2012)根据测量的气象数据、屋顶朝向和坡度以及邻近建筑和景观的遮阴计算直接和散射辐射。Schallenberg-Rodriguez[20](2013)避免使用仿真系统，表明对于区域可行性的研究，相对简单的电子表格计算已足够；然而，对于空间详细的建筑屋顶分析，这些方式大都不能计算周围环境产生的阴影。

在调查的太阳能潜力的地图中，4个(28.6%)假设全市所有建筑都是高度已知的平屋顶；4个(28.6%)使用了详细的DEM；5个(35.7%)依赖于用户的输入的屋顶坡度和朝向；而其余的地图没有提及其假设。用平屋顶假设的城市，2个是假定固定百分比的屋顶适合安装光伏(Boston，Portland)；另2个则是依赖于对屋顶障碍进行正射影像图像分析的方法(Berkeley，San Francisco)，这两个地图利用DEM通过预计的屋顶辐射或年日照小时数确定可用屋顶面积。

2.3 城市数字高程测量(DEM)技术

DEM的高程测量值通常来自激光雷达LiDAR(Light Detection And Ranging)，是90年代初首先由西方国家发展起来并投入商业化应用的一门新兴技术。它集成激光测距技术、计算机技术、惯性测量单元(IMU) /DGPS差分定位技术于一体，在三维空间信息的实时获取方面产生了重大突破，为获取高时空分辨率地球空间信息提供了一种全新的技术手段。它具有自动化程度高、受天气影响小、数据生产周期短、精度高等特点。机载LiDAR传感器发射的激光脉冲能部分穿透树林遮挡，在测量时飞行器发射快速激光脉冲并记录发出与返回时间，同时通过全球定位系统(GPS)跟踪其位置；所收集的位置和时间返回数据之后将处理成地理定位点数据。实际上，LiDAR是测量整个城区面积最准确的方法，包括了详细的屋顶形态和景观。因此大多数的城区太阳能潜力研究中使用LiDAR点数测量值建立数字高程模型作为太阳辐照度计算的输入(Brito等[11]，2012；Nguyen 等[12,13]，2010 和 2012；Yimprayoon 等[21]，2010；Lukac 等[19]，2012；MadiSUN[22]，2012；Geostellar[23]，2013)。

3 总结与展望

从查阅的资料和网站来看，太阳能光伏地图已在美国得到较为深入的研究，并在城市光伏开发和利用方面起到很大作用。基于先进的遥感技术和地理信息系统技术，通过建筑物，尤其是考虑到各类遮荫的屋顶太阳日照的精确计算、已建成的电站公开其运行及收益累计数据等，为屋顶业主、光伏开发商、城市能源规划与政策制定机构等提供了极大地推动作用。

建筑日照测量，显然是太阳能光伏的关键技术，国外广泛应用机载LiDAR用于城市屋顶太阳能潜能测算，但中国在该方面仍处于尝试阶段[24,25]，因此与发达国家仍存在较大距离。另外，屋顶光伏作为分布式电源，对城市公共配电网也形成了很大冲击；无论分布式发电在何地以何种形式开发，城市公共电网才是大规模开发应用分布式发电的载体、依托和依靠[26]。对于城市配网规划和建设部门而言，研究城市屋顶光伏资源分布，尤其是大规模开发潜力，才能提出配电网适应性规划。遗憾的是，国外投运的光伏地图均没有涉及到就地负荷及城市配电网的现状，因此太阳能光伏地图还需要进一步扩展其功能。

中国公开的光伏地图很少，如www.pvmap.net只提供少数愿意公开的光伏电站资料；光伏宝www.pvbao.net可提供所选择的开发点距离最近的已公开的运行光伏站的一些资料，其光伏站设计功能需要输入许多选择项(包括光伏板选型及串并拓扑、安装朝向及倾角、逆变器选型等)后给出逐月发电量估计，因此功能相对简单，不能达到为一个城市大规模屋顶光伏开发依据或引导的作用。

中国要进行城市屋顶光伏大规模开发，政府的作为和功能尤其关键；光伏地图作为一种技术手段，起到新能源开发利用引导和信息服务作用，需要预先资金投入和信息资源整合，应作为智慧城市的一个重要模块，由政府能源管理部门负责建设、维护；美国的实践也证实了这点。

[1] Marion J B， Anderberg M， George R. et al. PVWATTS version2-enhanced spatial resolution for calculating grid-connected PV performance [R]. National Renewable Energy Laboratory，publication NREL/CP-560-3094, 2001.

[2] Fu J P, Rich P M. Design and implementation of the solar analyst: An Arc View extension for modeling solar radiation at landscape scales [A]. Proceedings of the 19th Annual ESRI User Conference[C], SanDiego, USA, 1999.

[3] Suri M, Hofi erka J. A new GIS-based solar radiation model and its application to photovoltaic assessments[J]. Transactions in GIS,2004, 8(2):175－190.

[4] Choi Y, Rayl J, Tammineedi C, et al. PV Analyst: coupling ArcGIS with TRNSYS to assess distributed photovoltaic potential in urban areas[J]. Solar Energy, 2011, 85(11): 2924-2939.

[5] Suri M, Huld T A, Dunlop E D. PV-GIS: a web-based solar radiation database for the calculation of PV potential in Europe[J].International Journal of Sustainable Energy, 2005, 24(2):55－67.

[6] Oregon Clean Energy Map [EB/OL]. http://oregon.cleanenergymap.com, 2012.

[7] San Francisco Solar Map[EB/OL]. http://sf.solarmap.org,2012/2013.

[8] Berkeley Solar Map[EB/OL]. http://berkeley.solarmap.org,2012/2013.

[9] Cameron C P, Boyson W E, Riley D M. Comparison of PV system performance-model predictions with measured PV system performance [A]. IEEE Photovoltaic Specialists Conference[C],San Diego, California, 2008.

[10] United States Department of Energy. Energy plus weather data[EB/OL]. http://apps1.eere.energy.gov/ buildings/energyplus/cfm/weather_data.cfm, 2012.

[11] Brito M C, Gomes N, Santos T, et al. Photovoltaic potential in a Lisbon suburb using LiDAR data[J]. Solar Energy, 2012,86(1): 283－288.

[12] Nguyen H T， Pearce J M. Estimating potential photovoltaic yield with R.sun and the open source geographical resources analysis support system[J]. Solar Energy, 2010, 84(5):831－843.

[13] Nguyen H T, Pearce J M. Incorporating shading losses in solar photovoltaic potential assessment at the municipal scale [J]. Solar Energy, 2012, 86(5): 1245－1260.

[14] Hofi erka J, Kanuk J. Assessment of photovoltaic potential in urban areas using open-source solar radiation tools[J]. Renewable Energy, 2009, 34(10): 2206－2214.

[15] Bergamasco L, Asinari P. Scalable methodology for the photovoltaic solar energy potential assessment based on available roof surface area: Application to Piedmont Region (Italy)[J]. Solar energy, 2011, 85(5): 1041－1055.

[16] Huld T, Müller R, Gambardella A. A new solar radiation database for estimating PV performance in Europe and Africa[J].Solar Energy, 2012, 86(6): 1803－1815.

[17] Ruiz-Arias J A, Terrados J, Perez-Higueras P, et al.Assessment of the renewable energies potential for intensive electricity production in the province of Jaen， southern Spain[J].Renewable and Sustainable Energy Reviews, 2012, 16: 2994－3001.

[18] Palmas C, Abis E, von Haaren C, et al. Renewables in residential development: an integrated GIS-based multi-criteria approach for decentralized micro-renewable energy production in new settlement development: A case study of the eastern metropolitan area of Cagliari, Sardinia, Italy[J]. Energy，Sustainability and Society, 2012, 2(10): 937－945.

[19] Lukac N, Zlaus D, Seme S, et al. Rating of roofs' surfaces regarding their solar potential and suitability for PV systems，based on LiDAR data[J]. Applied Energy, 2013, 102: 803－812.

[20] Schallenberg-Rodriguez J. A methodological review to estimate techno-economical wind energy production[J]. Renewable and Sustainable Energy Reviews, 2013, 21: 272－287.

[21] Yimprayoon C, Navvab M N. Quantifcation of available solar irradiation on rooftops using orthophotograph and LiDAR data [A].SimBuild 2010: Proceedings of the 4th National Conference of IBPSA[C], New York, USA, 2010.

[22] MadiSUN [EB/OL]. http://solarmap.cityofmadison.com/madisun, 2013.

[23] Geostellar[EB/OL]. http://www.geostellar.com/, 2013.

[24]王雷, 司海燕, 刘妍. 全站仪在日照测量中的应用[J]. 测绘工程, 2013, 22(4): 68－71.

[25]张多才. 三维城市日照模拟分析及其应用研究[D]. 湖南:湖南科技大学, 2012.

[26]徐谦, 章坚民, 潘弘. 适应分布式发电接入的配电网规划有关问题探讨[J]. 华东电力, 2012, 40(12): 2132－2137.