太阳辐射数据分析及其在光伏系统设计中的应用

胡昌吉，屈柏耿，林为，段春艳

(佛山职业技术学院，广东 佛山 528137)

光伏发电系统是利用太阳电池半导体材料的光伏效应将太阳光辐射能直接转换为电能的新型发电系统，有独立运行和并网运行2种方式。太阳辐射能是地球上最主要的能量来源，具有总量巨大、时间长久、利用清洁安全、存在普遍等优点，同时具有不稳定性、分散性、效率低和成本高等特点[1]；因此，在太阳能资源的开发利用中，首先应清楚了解其资源总量、分布特点和变化规律[2]。太阳能资源评估是对一定历史时期内某个位置或区域内可用于能量转换的太阳辐射进行的描述。目前，尽管光伏发电成本逐年降低，但仍高于传统的水电和煤电。太阳能资源是决定光伏系统发电量及影响光伏电站收益的主要因素之一。太阳能资源受日地运动、地理条件及气候条件等多种因素综合影响，不同季节、不同气象条件下地球上不同地区的太阳能资源分布各不相同[3]。

太阳辐射数据分析和评估对光伏发电项目各个阶段都具有重要的意义[4]。在可行性研究阶段，了解太阳辐射总量、稳定性等信息有助于确定潜在的项目位置，估算光伏发电潜能，拟定光伏发电技术方案，从而评估光伏电站项目风险。太阳能资源分析可为光伏发电系统的站址选择和技术方案确定提供重要的参考依据，分析结果的差异对光伏发电项目启动及投资收益产生重大影响[5]；在设计阶段，了解太阳辐射成分，有助于选择最佳的发电技术方案，进行合理的系统配置，包括最佳倾角、光伏组件技术、安装方式、光伏阵列与逆变器的容配比等；在施工、安装调试阶段，由于光伏阵列的性能与太阳辐照量、温度等密切相关，且逆变器的输出也与太阳辐照量相关，因此太阳辐射数据可用于光伏电站性能测试和试运行情况评估；在运行阶段，则可根据光伏电站发电量、装机容量和太阳辐射数据，计算光伏系统综合效率系数，用于评估光伏发电系统性能[6]。

总之，掌握太阳能资源分布、充分利用太阳能资源、优化光伏发电系统设计是降低光伏发电成本的关键。采用适当的方式获取有效的太阳能资源数据，利用先进的方法处理太阳能资源数据，依据国家颁布的太阳能资源评估标准(或规范)对拟开发光伏发电项目的太阳能资源进行分析，对光伏发电系统的规划设计有着重要的指导意义[7-11]。

本文的太阳辐射数据采集自位于佛山市三水区乐平镇的太阳辐射现场观测站。乐平镇是广东省科技厅命名的广东省唯一的光伏专业镇，其所在的三水区也启动了广东省首个国家新能源示范城市建设。大批光伏企业在乐平镇聚集，并建设了大批光伏电站，初步形成光伏产业中下游产业链。因此，对佛山三水区的太阳能资源进行分析和评价具有实际应用价值。

1 太阳辐射数据分析

1.1 数据来源与质量检查

太阳辐射现场观测站采用型号为CMP11的总辐射表和型号为CR800的数据采集器，太阳辐射数据采集时间为2013年1月至2017年12月，数据经过严格的完整性、合理性以及极值等检查[12]。

采用PVsyst软件对太阳辐射数据进行质量检查。图1为2017年4月1日的水平面太阳辐照度随时间的变化图。在晴朗的天气条件下，实测的水平面太阳辐照度和晴空模型匹配很好，散射辐照度较低，没有出现太阳辐照度异常值。实测太阳辐射曲线与晴空模型存在较小的时移，需要进一步修正。

图1 PVsyst软件中实测太阳辐射数据与晴空模型数据对比Fig.1 Comparisons between measured solar radiation data and clear sky model data in PVsyst software

图2为2017年每天上午和下午逐小时的晴空指数分布图。晴空指数(clearness index，量符号为KT)是指入射到水平面太阳总辐照量与大气层外界太阳总辐照量之比[13]，上午和下午的晴空指数随太阳高度角的变化对导入气象数据的时移非常敏感。当时移为5 min时，晴空指数分布的对称性会有较大变化，如图2所示。当上午和下午的晴空指数统计分布较为一致时，表明导入的气象数据质量较好。如果导入数据存在晴空指数不对称分布的情况，则当上午和下午的晴空指数最高点都很一致时所对应的时移是最佳的。经检验，太阳辐射现场观测站采集的太阳辐射数据质量均较好。实测太阳辐照量数据时移修正值为5 min。

1.2 短期实测数据代表年订正

将短期实测数据订正为典型年数据的方法有比值法和相关法。由于缺乏参考气象站长序列数据中的同期数据，采用Sandia法在2013—2017年的太阳辐射数据中挑选12个具有代表性的典型月组成一个理想的太阳能资源典型年。Sandia法采用Finkelstein-Schafer统计算法，通过对比所选月份的逐年累积分布曲线与长期累积分布曲线的接近程度来选取典型气象年[14]。

2013—2017年的1月水平面太阳总辐照量的逐年累积分布曲线与长期累积分布曲线对比如图3所示。可以看出，2014年和2016年1月的曲线与长期累积分布曲线偏离较大，而2017年1月的曲线与长期累积分布曲线最接近。因此，2017年1月被选为近5年的1月典型月，并以此类推，选择其他11个典型月，最终形成太阳能资源典型年。

图2 晴空指数分布Fig.2 Clearness index distribution

图3 1月水平面太阳总辐照量的逐年累积分布曲线与长期累积分布曲线对比(2013—2017年)Fig.3 Comparison of cumulative distribution function of monthly global horizontal irradiation and long-term cumulative distribution function (2013—2017)

1.3 太阳辐射状况分析

1.3.1 太阳辐射总量分析

2013—2017年水平面太阳总辐照量为1 280～1 350 kWh/(m2·a)，折算成峰值日照时间为3.5～3.7 h，如图4所示。

图4 2013—2017年水平面太阳总辐照量变化曲线Fig.4 Variation of total horizontal solar radiation(2013—2017)

基于太阳能资源典型年数据，可得到年水平面太阳总辐照量约为1 303 kWh/(m2·a)。按照QX/T 89—2018《太阳能资源评估方法》，佛山三水地区属于太阳能资源丰富区[12]。其中，6—9月的总辐照量较大，而11—12月、1—4月的总辐照量较小，具体数据见表1。

表1 太阳能资源典型年太阳辐照量数据Tab.1 Solar radiation data for typical years of solar energy resource

1.3.2 太阳能资源直射比等级

当水平面上日落时的时角ωs<81.4°时，

(1)

当水平面上日落时的时角ωs为81.4°时，

(2)

月平均散射辐照量可由下式计算：

(3)

计算得到的直射比为0.41，即太阳能资源直射比等级为C级，散射辐射成分较多[12]。尤其是3—5月，太阳辐射成分中以散射辐射为主。3—5月的月平均直射比较低，阴雨天气是主要的原因。其他月份的直射比均不大于0.5，这与南方地区湿润温暖的气候有关。具体数据见表2。

1.3.3 太阳能资源稳定性分析

典型年各月水平面太阳总辐照量最小值为3月的1.99 kWh/(m2·d)，最大值为8月的4.98 kWh/(m2·d)。太阳能资源年变化特征及稳定度等级为最小值与最大值之比，计算值为0.40，即太阳能资源处于稳定等级[12]，有利于光伏项目的利用开发。2013—2017年太阳能资源稳定性分析数据见表3，可以看出，最低辐照量月份多为3月，而最高辐照量月份为6—8月。

1.3.4 太阳能资源日变化特征分析

太阳能资源日变化特征的分析，可以针对各月代表日(即日天文辐照量最接近当月平均值的日期，可通过天文辐射的理论计算得到)，从天文平均的角度评价太阳辐射的日变化特征，从而得到1 d中太阳能资源的稳定程度[17]。但是考虑了天气影响后，各月的代表日并不一定就是能反映典型天气条件的典型日；因此，只考虑影响更为重要的天气条件对太阳辐射日变化特征的影响。依据晴空指数将天气类型进行划分为阴天(KT≤0.3)、多云天(0.3

表2 太阳能资源典型年太阳散射辐照量和直射比数据Tab.2 Diffuse radiation and direct radiation ratio data in typical years of solar energy resources

以2014年10月为例：晴天典型日为10月15日，对应的KT值为0.59，太阳辐照量为5.12 kWh/(m2·d)；阴天典型日为10月26日，对应的KT值为0.23，太阳辐照量为1.92 kWh/(m2·d)；多云天典型日为10月4日，对应的KT值约0.47，太阳辐照量为4.24 kWh/(m2·d)。

不同天气条件对太阳辐照度变化影响较大，如图5所示。晴天的太阳辐照度变化最小，其次是阴天，波动最大的是多云天。采用短期实测太阳辐射数据中的分钟值，对太阳辐照度的时间序列进行差分处理，除以时间尺度(1 min)，得到太阳辐照度变化速率，如图6所示。多云天的辐照度变化速率可达150 W/(m2·min)，阴天为100 W/(m2·min)。由于辐照度正负变化速率产生的波动对光伏电站产生的影响，与光伏电站出力、电能质量等[19-21]类似，可通过辐照度变化速率绝对值的累积分布曲线，进一步分析不同典型天气条件下辐照度变化速率的分布情况，如图7所示。晴天条件下，最大变化速率小于20 W/(m2·min)；阴天条件下，变化速率小于20 W/(m2·min)的概率为95%，最大变化速率为100 W/(m2·min)；多云条件下，变化速率小于20 W/(m2·min)的概率为80%，最大变化速率为150 W/(m2·min)。

表3 2013—2017年太阳能资源稳定性分析Tab.3 Stability analysis of solar energy resources(2013—2017)

注：b为月最低辐照量与月最高辐照量的比值。

图5 2014年10月典型天气条件下实测太阳总辐照度Fig.5 Totalsolar irradiance measured under typical weather conditions in October 2014

图6 典型天气条件下实测太阳总辐照度变化速率Fig.6 Variation rate of measured totalsolar irradiance under typical weather conditions

水平面太阳总辐照度分布频率反映了太阳能资源丰富程度，并影响光伏组件和逆变器的转换效率，进而对光伏电站的发电效率和发电量产生影响[22-23]。水平面太阳总辐照度分布频率最大的区间为0～100 W/m2，占比约为35%；高辐照度区间(大于700 W/m2)占比约为10%；中低辐照度区间(100～700 W/m2)占比约为55%；大于1 000 W/m2辐照度区间的分布频率接近0，如图8所示。

图7 太阳辐照度变化速率绝对值的累积分布曲线Fig.7 Cumulative distributioncurves of absolute values of solar irradiance variation rates

图8 水平面太阳总辐照度各区间占比Fig.8 Proportion of each interval of total horizontal solar irradiance

对比当地时间上午(09：00—10：00)、中午(11：00—13：00)和下午(14：00—15：00)3个时段的太阳能资源，结果见表4。中午时段的太阳能资源最为丰富，全年占比达到40%以上，是上午和下午时段的2倍，这表明中午时段是最有利于太阳能资源利用的时段。09：00—15：00时段的太阳能资源全年总占比约为84%，充分利用该时段的太阳辐照量，可以有效提升光伏电站的发电量[24]。

表4 不同时段太阳能资源的分布情况Tab.4 Distribution of solar energy resources in different periods

2 太阳辐射数据的应用

2.1 光伏电站最佳倾角分析

基于典型气象年的太阳辐射数据，采用Klein和Theilacker提出K-T方法[25-26]，由水平面太阳总辐照量推算出不同倾角情况下的光伏组件表面的月均辐照量

(4)

(5)

(6)

ωs=arccos(-tanφtanδ).

(7)

(8)

式(6)—(8)中：φ为当地纬度；δ为太阳赤纬；n为一年中某一天的顺序数，如1月1日为1，12月31日为365，依此类推；G为G函数。

G函数的定义为

(a′A-bB)(sinω1-sinω2)-a′C(cosω1-cosω2)+

(9)

(10)

(11)

计算得到的全年最大太阳总辐照量为3.62 kWh/(m2·d)，对应的最佳倾角为16°。影响光伏组件最佳倾角的因素主要为天文、地理和气象[7]。由于散射辐射成分较多，因此最佳倾角比当地纬度(北纬23.24°)低一些[27]。

在佛山三水地区，可调光伏支架不论是半年调节、每季调节还是每月调节，太阳辐照量的增益并不明显。与固定式支架相比，每月调节支架的最高增益只有2.8%，具体数据见表5。

2.2 不同光伏支架类型分析

选择用于评价逆变器效率的4类太阳资源典型地区与佛山三水地区进行比较[28]。以5 kW(峰瓦)的光伏电站为例，假定系统的综合效率系数相同，采用PVsyst软件仿真研究在不同太阳能资源地区、不同支架类型对光伏电站发电量的影响，结果见表6。佛山三水地区处于第4类太阳资源典型地区，不同类型光伏支架对光伏电站发电量的影响与广州地区相似。可以看出，跟踪光伏支架对光伏电站发电量的提升并不显著，即便是双轴跟踪光伏支架所带来的发电量增益仅为15%左右，远低于第1类地区(如格尔木地区)的发电量增益。

表5 光伏支架安装调节方式对应的最佳倾角及太阳辐照量Tab.5 Optimum inclination angle andsolar irradiation for different installation and adjustment modes of photovoltaic support

注：所有“增益”均以因定式支架安装方式为基准。

2.3 容配比分析

由于大部分时间太阳辐照度在1 kW/m2以下，且光伏组件到逆变器之间存在线损、光伏组件之间串联失配、阴影遮挡等损失，逆变器基本处于非满负荷运行状态，造成了容量的浪费[29]。

以额定功率输出为5 kW的逆变器为例，光伏组件容量和逆变器容量比(即容配比)从1.0增加至1.4，采用PVsyst软件进行系统仿真，可得到不同容配比时的光伏电站的能量损失，见表7。逆变器的能量损失随容配比增大而逐渐增大，包括逆变器正常工作过程中的能量损失和因逆变器限功率运行产生的能量损失2个部分。尽管限功率损失占逆变器功率损失的比例从容配比为1.0时的0%变化到容配比为1.4时的27.11%，但是限功率损失占发电量损失的比例依然很低，最大时只有1%左右。容配比受到逆变器输入电压的极限值的限制以及光伏系统的经济性，如度电成本、投资内部收益率等因素的影响，因此容配比并非越大越好[30]。

表6 在不同太阳能资源地区、不同支架类型对5 kW(峰瓦)光伏电站发电量的影响Tab.6 Influences of different supports on power generation capacity of 5 kWp photovoltaic station in different solar energy areas

表7 5 kW(峰瓦)光伏电站在不同容配比时的能量损失Tab.7 Energyloss of 5 kWp photovoltaic power station at different capacity ratio

3 结论

太阳能资源评估工作对光伏电站项目开发、规划设计有重要意义。本文通过对太阳辐射现场观测站数据的分析，得出结论：佛山三水地区属于太阳能资源的丰富区，且太阳能资源处于稳定等级，有利于光伏项目的利用开发；太阳辐射成分中以散射辐射为主；固定式安装光伏方阵的最佳倾角为16°，可调光伏支架对光伏电站发电量的提升约为3%，双轴跟踪光伏支架对发电量的提升约为15%；时段09：00—15：00的太阳能资源占全年的84%，是最有利于太阳能资源利用的时段；太阳辐照度100～700 W/m2的中低辐照度在水平面太阳总辐照度分布中占比最大；光伏容配比的提高有助于提升光伏电站的发电量。