基于PVsyst仿真的光伏系统发电性能评估模型的研究

上海电气工程设计有限公司 朱蕾蕾 李小鹏

太阳能光伏发电以其清洁、安全、建设快，维护简单等显著优势，在太阳能产业的发展中占有重要地位，随着国家节能减排的需求和“双碳”目标的指导下，产业规模将进一步扩大。

伴随国家补贴政策退出，光伏平价甚至低于地方煤电上网电价的情况将十分普遍，对于新建光伏电站，当前光伏电站上网电价越来越低的情况下，发电量是投资者关心的重要因素，而影响电站发电量的因素可归结为三个方面，第一个是电站的装机容量，第二个是当地光照等气象资源，第三个是系统性能。当电站的地点和规模确定以后，前两个因素基本已经定了，要想提高发电量只能从系统性能上下功夫[1]。

PVsyst 软件在光伏领域中得到越来越多的应用，借助其高效的光伏发电系统设计能力，在缩短设计周期的同时也节省了设计成本。PVsyst 软件的主要用途，在电站建设早期，基于不同设计方案进行发电量产出模拟结果比对，进而确定最优化的设计方案。

应用PVsyst 软件仿真的发电量模拟结果是根据气象年数据计算得到的，建成验收光伏电站时，需要根据实际的气象数据来进行评估，确认当前电站的实际性能和状态[2]。

本文将开发基于PVsyst 仿真的光伏发电性能评估模型，快速根据实际测量的气象数据和发电量来快速评估光伏项目的实际发电性能。

1 影响光伏发电量的主要因素

图1为PVsyst 软件仿真的光伏发电系统Loss图，通过对该图的分析和光伏发电的原理的研究，可确定影响光伏电站发电量的因素。这些因素包括当地光照资源、按照角度、光伏组件效率、排布引起的阴影遮挡、环境温度、污秽损失、组件的光致衰减（LID）、老化衰减、逆变器效率、交直流电缆损失、运维相关的系统利用率损失等。

图1 光伏系统损耗图

通过进一步对这些损失进行分析，可对这些损失分为三类：客观因素，主要由项目地的气象和地理条件决定，包括辐照量、温度、纬度、地形条件、地面反射率，一旦项目建成并网，除了辐照量和温度条件外，其他因素基本上是固定的；光伏系统结构性因素，包括阴影遮挡、组件的透射率、衰减、弱光损失、光谱响应、组件不匹配损失、逆变器损失、交直流线缆损失、变压器损失等，该类影响因素与项目设计、设备选型和工程施工质量相关，光伏项目建成后也基本固定；光伏系统非结构性因素，包括污秽损失、系统不可利用率等，该类影响因素与项目运维、电网输入条件等因素相关。

对于已经建成的光伏电站，评估其实际发电性能，应将气象因素和非结构性因素按照实际的条件进行修正。对于如何在实际评价过程中按照实际的非结构性因素修正，将另择文说明，本文将着重分析气象因素在实际评估光伏电站发电性能的修正方法。通过对光伏电站系统效率及光伏电池发电原理的研究可知，对光伏项目发电量影响最关键的气象因素是太阳光辐照和环境温度[3]。

2 光伏发电性能评估模型

光伏项目的PR 值其全称为光伏系统效率(PR，Performance Ratio)，是一个光伏项目评价性能的关键指标，是电站实际输出功率与理论输出功率的比值，反映整个电站扣除所有损耗后(包括辐照损失、线损、器件损耗、灰尘损耗、热损耗等)实际输入到电网电能的一个比例关系。IEC 61724(1)给出的定义如下：

PRT=EAC/(PehT)=EAC/(PeHT/G)

式中，EAC为T 段时间内光伏系统最终的并网发电量，kWh；Pe为电站组件装机的标称容量；hT为T 时间段内方阵面上的峰值日照时数，h；HT为T 段时间内光伏阵列单位面积倾斜面所接收到的的总辐射量，kWh/m2；G 为标准辐照度，kW/m2。PR在不同温度、辐照条件下是变动的，数值如图2所示。根据PVsyst 仿真模型，可以根据典型的气象年的辐照度、温度数据计算光伏发电站的发电量，生成辐照度、温度变量下相应的不完整的光伏系统PR 统计数据分布。

图2 某光伏项目经计算得到的一日内的PR 实际值

对于不完整的PR 统计数据分布，应选择合适的插值算法进行插值计算，从而生成完整的PR 数据分布图。根据光伏电池发电原理及实证分析可知，光伏组件在相同温度条件下，发电功率随辐照度的提高而提高，两者呈线性关系；同时，光伏组件在相同辐照条件下，发电功率随光伏组件温度的提高而下降，两者也呈线性关系。

根据文献[4]可知，组件温度与环境温度存在与辐照和风速相关的数值，本文暂不考虑风速的影响，因此在相同辐照条件下，组件发电功率和环境温度也是线性关系。因此光伏系统PR 值与辐照和温度的对应关系，可采用双线性插值算法来补充。双线性插值算法指的是对X 方向与Y 方向分别进行插值，其实共进行了三次单线性插值，所以这个“双”应该理解成两个方向的插值而非插值的次数。其算法的图解如图3所示，计算推导过程详见下式（1）～（3）。

图3 双线性插值算法图解

第一步：利用单线性插值在x 方向求f(R1)：

第二步：利用单线性插值在x 方向求f(R2)：

第三步：利用单可以求得线性插值在y 方向求f(P)：

由此可得：f(P)=(y2-y)/(y2-y1)((x2-x)/(x2-x1)f(Q11)+(x-x1)/(x2-x1)f(Q21))+(y-y1)/(y2-y1)((x2-x)/(x2-x1)f(Q12)+(x-x1)/(x2-x1)f(Q22))，写成权重的形式如下：f(P)=f(Q11)ω11+f(Q21)ω12+f(Q12) ω21+f(Q22)ω22。上述算法更加简单直接，容易实现。在主算法采用插值算法的基础上，同时可考虑设置经验判断方法，将明显不合理的极少量数据予以剔除，从而进一步提高准确率。

3 模型的应用

通过上述插值算法可计算得到完整的PR 值分布图，如图4所示。

图4 完整PR 值分布图

根据完整的PR 值分布，输入实际光伏站内实际测量的辐照度、温度值，即可快速得到光伏发电站理论发电量值。在项目运行初期选择某代表性光伏阵列，排除污损和不可利用损失的影响较为容易，通过比对多段时间的实际测量值和理论值，从而对项目模型进行修正，得到不同气象条件下项目的理论发电量值，并以此为基准确定整个项目的性能参数。污损和不可利用损失亦有专门的方法进行修正，将另文介绍。

实际的某光伏电站，采用该评估模型输入当年气象数据，对发电量和PR 值进行仿真，得到该光伏电站该年的理论发电量为343.31亿度，年度系统PR 值为0.833。排除污损和不可利用损失的影响，修正后得到该电站实际的发电量为340.67亿度，其准确度为99.23%。

综上，本文将开发基于PVsyst 仿真的光伏发电性能评估模型，能快速根据实际测量的气象数据和发电量，确定项目的理论发电量。该模型除了在项目验收时，快速评估该光伏项目的质量和性能，还可通过理论发电量数据与实际发电量数据对比辅助项目清洗运维的决策，在光伏工程和运维中有较大的应用价值。