基于MATLAB的太阳能资源分析.docVIP

精品论文 参考文献 基于MATLAB的太阳能资源分析 （中国能源建设集团云南省电力设计院有限公司 云南昆明 650011） 摘要：为了减少数据处理的繁琐性和提高数据处理的准确度和效率，本文介绍了利用了MATLAB数据处理和图形处理而编制的一款太阳能资源评估软件，将太阳能资源数据按照最小二乘法等分析方法进行长序列征订、程序设计并数据处理，将结果用图表形式输出。 关键词：光伏电站；太阳能资源；分析 1 引言 截至2014年底，云南省内投产光伏电站达到300MW以上，目前正在规划、建设、设计的光伏电站超过约2000MW。由于云南省光伏电站具有海拔高、湿度大、地形复杂等特点，使得前期设计时间较长。尤其是因高原地形引起的太阳能资源分布复杂，对太阳能资源评估提出较大的挑战。 MATLAB具有程序简单可靠、处理时间短、计算精度高优点，并能得到仿真图像，所以编制了基于MATLAB的针对太阳能资源评估的分析、计算方法软件，利用MATLAB强大的数据可视化功能，实现了数据的可视化，使得数据的描述更为生动、直观，对太阳能资源评估更直观、将分析数据以图形的实行体现，并整理。在光伏电站的前期太阳能资源数据分析中，节省了大量的时间。 2 太阳能资源数据特点 根据《光伏发电工程可行性研究报告编制办法》（试行）[1]的要求：项目现场太阳辐射观测站至少连续一年的逐分钟太阳能的总辐射、直接辐射、散射辐射、气温等的实测时间序列数据。而《太阳能资源评估办法》（QX/T 89-2008）[2]中的方法不能满足《光伏发电工程可行性研究报告编制办法》（试行）的要求。 现有的太阳能资源评估的技术手段有三种：基于气象站历史观测资料的评估、基于辐射观测站观测资料的评估和太阳能资源评估的数值模拟（即：QX/T 89-2008中方法）； 为了提高对光伏电站太阳能资源评估的准确性，太阳能资源评价根据现场一年的实测数据，结合附近有代表性的长期测站的观测资料。将验证后的现场太阳能数据订正为一套反映光伏电站长期平均水平的代表性数据进行太阳能资源分析。但由于受气象及地形影响，太阳能资源的随机性较大。在一些光伏电站内，虽然太阳能年与长系列长系列年太阳能辐射统计值相同。但各月变化仍存在较大差别，且有正负之分。如果只是单一以实测数据年与长系列年太阳能辐射值差值作为订正太阳能数据的依据。并不能反映实测数据年内各月相对于长系列年太阳能辐射值各月的变化趋势，这将在太阳能资源评估中产生一定的误差。 因缺少太阳能资源评估详细的技术规范，目前云南省电力设计院在进行光伏电站的太阳能资源评估时，结合实际的工程经验和类似工程相应资源的评估办法，采用基于气象站历史观测资料的评估与基于辐射观测站观测资料的评估相结合的方式，编制一款太阳能资源分析、评估软件。本文首先以云南省某光伏电站实测数据及参考气象站为例。对代表年的数据进行订正。并对其结果进行比较分析。 3 太阳能资源数据分析 3.1 数据预处理 数据预处理包括数据修正、归一化和低通滤波。如前文论述，数据包含的各环境因子较多，各环境因子的数量级差别较大，因本文只对太阳能资源数据进行分析。本文不再对各环境因子进行规一化处理。 由于受传感器故障、AD采集转换模块故障、总线通信误码和电磁干扰等影响，测量数据在某些采样点波动很大，远远超出物理量的实际最大可能变化范围，须对其修正（修正方法见下文）。根据云南省光伏电站气象特征，结合前期光伏电站太阳能分析工作实践与相关国家标准、行业标准，制定以下数据趋势检验判别标准，如表1所示。 因记录的数据为每秒采样一次，并自动计算和记录的每1min的平均辐射值。因此，数据不再进行低通滤波。 3.2 数据的插补 采用期间（2010年4月1日00:00~2011年3月31日23：59）应获得的525600组数据（采样时间1min），因仪器故障等原因，数据缺失13248组数据，数据的完备率为97.48％。需对缺失数据进行插补， 缺失的数据分为如下几类：1）小时内少量不连续数据的缺失；2）一天内大量连续数据的缺失；3）几天数据的连续缺失。 针对上述三种情况，对数据的插补采用了如下不同的处理方式。 1）首先插值为前10点数据的平均值，比较并计算sigma;（sigma;为每点相对平均值的标准差）；平均值如相差超过plusmn;3sigma;，认为该插值需向上或向下修正；再将该值与以前的数据逐点平均，直到逐点平均值与前10 点数据