基于用电大数据的光电建筑最佳光伏装机容量的估算研究

戴仁德，桂中心，张威振

(湖南中大设计院有限公司，长沙 410075)

0 引言

在人力成本不断攀升、物价不断上涨、市场竞争日益激烈的今天，企业若不能更好地开源节流、改革创新，将很难保持原有的竞争力。过去，厂房的租金及管理费用一直是生产企业最大的成本支出，需要投入大量的资金。作为分布式光伏发电的一种应用形式，光电建筑受到了国家的大力支持，作为生产企业闲散资源的厂房屋顶可得到充分利用。

随着光伏发电成本逐年下降，我国光伏市场近年来持续快速发展，可将光伏发电与建筑相结合的光电建筑具有应用场景灵活、开发周期短等优势，装机潜力巨大，发展前景广阔[1]。近零能耗、零能耗等更高节能水平的绿色建筑正逐步应用和普及，高效、智能化的光伏发电系统将成为新时期重要的建筑能源供应形式，有助于推动我国建筑从传统的耗能建筑逐步转向产能的光电建筑。分布式光伏发电是将电力接入配电网，实现了发电与用电并存，并解决了远距离输电的问题[2]。今后以光电建筑为主的分布式光伏发电项目将会越来越多，因此，光电建筑中光伏装机容量成为需要考虑的问题。基于此，本文以企业用电大数据为基础，对光电建筑中光伏电力自用电率最高时的最佳光伏装机容量进行估算，以期实现投资收益最大化。

1 光电建筑的电力消纳问题

分布式光伏发电系统多建于建筑物的屋顶，与建筑物相结合。光伏电力的消纳方式主要分为全额上网和“自发自用、余电上网”这2种模式。全额上网模式的电价采用当地脱硫煤电价进行结算；而“自发自用、余电上网”模式中，余电上网部分的电价采用当地脱硫煤电价，自发自用部分的电价则基本为屋顶企所用电电价或折扣电价。折扣电价为当前的主流形式，由专业的光伏发电投资企业(下文简称“投资企业”)租用用电企业的屋顶，投资企业对用电企业所产生的电费给予折扣优惠或对所租用的屋顶支付租金，从而实现投资企业和用电企业双赢。从投资企业投资收益最大化的角度来看，由于“自发自用、余电上网”模式的整体收益高于全额上网模式，尤其是自用电率较高时的投资收益更好[3]。因此，其可选择“自发自用、余电上网”模式。

在最大程度利用屋顶面积的同时，投资企业还需要考虑用电企业能否全部或大部分消纳光伏发电系统所发电量。由于余电上网的电价通常远低于自发自用的电价，因此，当余电上网电力的占比过高时，项目的经济性将大打折扣，而且当计算自用电率出现较大偏差时，将导致投资企业的投资收益率大幅下降，严重时甚至低于最低收益率标准值。

由于不同行业的用电量不同，而且同一行业采用不同的生产方式时也可导致用电量不同；且一个企业的用电负荷会随着市场需求、季节等因素呈现阶段性变化，也可能由于峰谷电价时段、生产需要、排班方式等因素在一天之内发生变化。与此同时，一天之内不同时刻、不同季节时光伏发电系统的输出功率也呈现不同规律。根据上述原因，存在企业全年用电量看似很高但光伏电力不一定能被完全消纳，或企业用电负荷比光伏装机容量小但光伏电力被完全消纳的情况。例如，某些铸造冶炼企业集中在低谷电价时段(00:00～06:00)工作，而在其他时间的用电量就很少；某些企业的冬季用电量大、夏季用电量小，而光伏发电系统是冬季发电量小、夏季发电量大，这样就会导致余电上网电力的占比较大。

常规计算光伏发电项目中自用电率的方法较为简单，主要是将企业的用电负荷与光伏发电系统的理论峰值输出功率进行比较，或将企业用电量与光伏发电系统发电量进行比较，从而确定自用电率。2019年某企业的总用电量与光伏发电项目预计发电量的对比如表1所示。

表1 2019年某企业的总用电量与光伏发电项目预计发电量的对比Table 1 Comparison of total electricity consumption of a company and estimated power generation capacity of PV power generation project in 2019

若采用上述常规方法计算光伏发电项目的自用电率容易存在较大偏差，这是因为常规方法容易忽略光伏发电系统输出功率曲线与企业用电负荷曲线之间的匹配性。因此可根据用电企业的用电大数据对该企业的用电情况进行详细分析。

2 总体方案

从电网公司的电力用户用电信息采集系统中导出目标企业(即用电企业)的用电相关数据，如该企业近5年内的日用电量，月用电量峰、平、谷时段用电量，以及有功功率曲线等；同时，可获取目标企业所有电气设备的功率负荷参数、配电图、设备工艺流程图，并采集企业内电气设备的用电数据，甚至可以采集目标企业未来规划的设备扩充方案；通过查询NASA、当地气象局，可获得项目所在地近20年的日照数据、温度数据。

利用VC++编程软件开发出计算时所需要的模拟软件，在软件界面输入上述所有参数数据，以特定模型的算法模拟得出单位量下的光伏发电系统输出功率曲线、每年的光伏发电量、目标企业的日用电负荷曲线(尤其是节假日和设备检修日的日用电负荷功率曲线)，以及该企业未来的用电量数据；然后根据不同光伏装机容量所对应的光伏发电系统日输出功率曲线，并结合企业的日用电负荷曲线，拟合得出不同光伏装机容量所对应的自用电率，以及模拟软件推荐的最佳光伏装机容量和对应的最佳自用电率。通过挖掘用电大数据，实现投资企业对投资风险的把控，提高投资收益。本文以湖南省某工业园的用电大数据为例，对最佳光伏装机容量和最佳自用电率进行分析。

2.1 太阳能资源情况分析

由于每个省份的电价存在差异，因此需查询项目所在地的峰段、平段、谷段时的电价。当光伏发电系统的系统效率取0.82 、项目所在地的太阳辐照量取 1198 kWh/m2时，根据《光资源分析报告》，采用Meteonorm 7.3软件计算得到项目所在地的太阳能资源等效利用小时数。本项目中光伏发电系统的首年理论发电小时数为 982.36 h，该发电小时数中不同时段时的太阳能资源中尺度评估数据如表2所示。

表2 项目所在地的太阳能资源中尺度评估数据Table 2 Mesoscale evaluation data of solar energy resources of project site

2.2 企业用电特点分析

由于工业园内的企业每年春节和国庆节都会休息，因此计算企业用电量时需扣除这些休息日。以2019年工业园内企业的节假日生产、作息情况为例进行分析，该园区内企业除春节(2月4—10日)、国庆节(10月1— 7日)休息外，其他日期均正常工作，则全年工作天数取 351天；每天主要的工作时间为07:00～20:00。

2.3 日用电负荷情况分析

从电网公司的电力用户用电信息采集系统查询得到该工业园区2019年1～12月各个时段的日用电负荷数据；然后随机从每个月内取2～3天的日用电负荷数据，共获得32天的完整日用电负荷数据，其中包括25个工作日、5个周日，以及2个休息日(国庆节取10月1日、春节取2月5日)；最后对日用电负荷数据进行处理。

1)将1天内各个时段的电力负荷数据相加，可得到24 h的电力负荷数据之和，同样方法可得到选取的32天的日用电负荷数据。

2)将32天的日用电负荷数据按月分类，对每个月的2～3天的数据取平均值作为当月的典型日用电负荷数据，并以此数据作为电力消纳分析的计算参数。

3)通过分析可知，企业工作日主要用电时段中07:00～20:00的平均用电负荷高位约为800～1230 kW，用电负荷曲线与光伏发电系统输出功率曲线相比较为平稳。

2.4 电力消纳分析

2.4.1计算参数说明

1)由于光伏发电系统的检修等工作一般会安排在晚上进行，避开了自发自用部分的限电，且项目所在地的电力消纳情况良好，余电上网部分不存在消纳压力。

2)由于利用Meteonorm7.3软件模拟得到的光伏发电系统的首年理论发电小时数982.36 h属于理论值，考虑到光伏组件衰减、光伏发电量逐年降低等情况，以该数据进行消纳分析会导致得到的自用电率偏低。

3)计算自发自用部分和余电上网部分的综合电价时，保守考虑 1%的非计划检修等因素导致的综合发电量损失。

4)根据工业园区的实际情况，以本文所取的2019 年的电力负荷数据作为计算参数(不含招商引资新入驻企业的新增用电需求)。

2.4.2 计算结果分析

根据当地太阳能资源和用户电力负荷需求，综合分析光伏电力自用电率后，计算得到工业园区内用户年均日用电负荷与光伏发电系统日输出功率情况、全年不同时刻的光伏发电量及自用电率情况，具体如图1、表3所示。

表3 全年不同时刻的光伏发电量及自用电率情况Table 3 PV power generation capacity and self-consumption rate at different times of year

图1 用户年均日用电负荷与光伏发电系统输出功率对比Fig. 1 Comparison of users’annual average daily electrici load and output power of PV power generation system

将项目所在地的气象数据、光伏发电自用电率、光伏发电余电上网率及当地的脱硫煤电价等相关数据输入模拟软件，得到该项目不同装机容量时的项目收益率，如图2所示。

图2 不同光伏装机容量时的项目收益率Fig. 2 Project rate of return for different PV installed capacity

由图2可知，当光伏电力的自用电率为85.11%时，本项目的最佳光伏装机容量为2.27 MW，当超过该装机容量后，随着装机容量的增大，项目收益率越来越低。

3 结论

本文利用电网公司电力用户用电信息采集系统和企业电气设备技术参数，通过Meteonorm7.3软件进行数据建模，得到企业日用电负荷曲线和光伏发电系统输出功率曲线，并以此得到项目的最佳光伏装机容量及最佳的光伏电力自用电率。利用用电大数据和模拟软件对光伏装机容量进行模拟具有以下优势：

1)利用软件和算法自动处理用电数据，令数据使用更加高效。利用处理后的数据一方面可为企业节能方案提供参考，另一方面可为光伏投资企业投资提供有力支撑，降低投资风险。

2)助推投资企业精准投资。在以往的实际光伏发电项目中，往往选择用电负荷稳定且明显高于光伏发电系统理论峰值输出功率的企业作为光伏装机容量计算时的用电方，但优质的屋顶是分布式光伏发电项目的稀缺资源；在优质屋顶面积足够大的情况下，对于光伏发电项目投资者来说，装机容量越大，越有利于管理和规模扩张。通过挖掘企业的用电大数据，建立用电负荷和光伏发电系统输出功率曲线模型，得出精准的光伏发电自用电率和最佳光伏装机容量，让投资企业有的放矢，精准投资。

3)优化调整发展思路，创新客户服务新模式。对于企业的用电大数据外部人员很难获取，而且企业自身往往也只关注电费。希望通过本文的研究能令用电企业对其设备进行节能改造或改变现有运行方式，提高节能效率。如此一来，光伏发电投资企业可主动精准地向建筑企业提供综合能效服务，提升目标企业的体验感和获得感。同时，这也是电网公司优化调整的发展思路，即创新客户服务新模式，以便大幅促进与建筑相结合的光伏发电系统的应用。