气象因素对光伏发电量的影响分析.docx

第 32 卷 第 10期2014 年 10月可再生能源Renewable EnergyResourcesVol.32No.10Oct. 2014气象因素对光伏发电量的影响分析吕学梅 1，朱虹 2， 王金东 2， 宋莹华2（1.平邑县气象局，山东平邑273300；2.临沂市气象局，山东临沂276000）摘要：利用某光伏电站2011年发电量数据和同期气象观测资料，进行气象因素与光伏发电量的灰色关联度和逐步回归分析。灰色关联结果表明：日照时数、蒸发量和风速的日变化趋势与日发电量的一致性最高，其次是温度、低云量、水蒸气压和总云量；温度因子与日发电量的关联度由大到小依次为日最高气温、地表温度、平均气温和日最低气温；与月发电量变化趋势一致性程度由大到小依次为月日照时数、月平均风速、月总云量、月平均最高气温、月蒸发量、月平均气温、月平均水蒸气压、月平均相对湿度、月平均地表温度、月平均最低气温、月 低云量、月降水量。逐步回归结果表明：对日发电量影响最大的气象因素是日照时数和蒸发量，均为正效应；对 日发电量影响相对较小的为地面温度、降水量、平均风速，均为负效应；对月发电量影响最大的气象因素是月日照时数和月平均气温，均为正效应，其次为月平均最高气温和总云量，均为负效应；月平均风速对光伏月发电量的影响最小，为正效应。关键词：气象因素；发电量；关联度；逐步回归；影响中图分类号：TM615文献标志码：A文章编号：1671-5292（2014）10-1423-06DOI:10.13941/ki.21-1469/tk.2014.10.0010引言上世纪80年代以来，随着光伏发电量在各国 电网总电量中所占比例的不断增加，美国、日本、 德国、法国等发达国家均大力研究及改进短期太阳能光伏发电预测方法，以期提高光伏电站的并网发电能力。我国太阳能光伏发电预测技术研究 起步较晚，相关研究尚处于初期发展阶段。随着国家“十二五”规划中新能源战略的实施，国内对光伏发电预测技术的需求迅速增加。然而，目前我国对太阳能光伏发电量预报方法的研究还很薄弱，几乎没有能满足太阳能光伏发电量预报需求的方法和系统[1]～[4]。光伏发电输出受太阳辐射周期变化和气温、 降水、云量、湿度等气象要素随机性变化的影响，具有明显的不连续性和不确定性。因此，提 供准确的短期光伏发电预测是光伏发电站并入电网系统的关键[1]。以数值天气预测模式和光伏发电原理为基础，充分考虑了降水、云等天气状况的光伏发电复杂物理模型类预测方法，是 未来大型并网光伏发电站将要采用的主要预测方法[4]。此方法的准确率，取决于对影响光伏发电量关键气象要素研究、相关性分析以及气象预报准确性。因此，在已有研究成果基础上，继 续完善、改进和探索新的方法，找出影响光伏发电量的关键气象要素，提高气象要素预报的准确率，建立合适的光伏发电量气象预报模型是亟待解决的问题。本文利用灰色关联度方法对日气象因素与光 伏发电量进行分析，找出影响光伏发电量的关键气象要素，以期为开展光伏发电资源评估，建立光伏发电量气象预报模式，开展光伏电站专业气象服务提供参考依据。1 资料来源与方法1.1 光伏发电量资料来源光伏发电量资料来自山东临沂某20MW级 光伏跟踪示范电站一期工程并网光伏发电系统2011年逐日、逐时光伏发电资料。根据研究需要， 对光伏发电站环境观测资料和运行日志的数据进 行了处理，剔除了故障数据和疑误数据。1.2 气象资料来源气象资料来自平邑国家气象站2011年的全年月报表，包括平均气温、日最高气温、日最低气收稿日期：2014-04-10。基金项目：国家公益性行业（气象）科研专项（GYHY201006036）；山东省气象局气象科研项目（2012sdqx08）。作者简介：吕学梅（1972-），女，学士，高级工程师，研究方向为生态与农业气象预报技术。E-mail：lxm234@126.com可再生能源2014，32（10）温、地表温度、日照时数、降水量、总云量、低云量、 平均风速、相对湿度、蒸发量、水蒸气压等12个气象因子的逐日、逐月气象要素值。1.3研究方法利用Excel对气象数据和光伏发电量进行整理。按照灰色理论要求，将2011年光伏发电量数 据、平均气温、最高气温、最低气温、地表温度、日 照时数、降水量、总云量、低云量、平均风速、相对湿度、蒸发量、水蒸气压视为整体，构建一个灰色系统[5]～[7]。光伏发电量为母序列，各气象要素为子 序列，最终采用DPS数据处理系统分别进行灰色 关联度分析。以光伏发电量为因变量，主要气象要素为自变量，采用DPS进行逐步回归分析。2 结果与分析2.1 气象因素对光伏日发电量影响分析2.1.1 计算日发电量和气象因子的关联系数各逐日气象因素x为子序列：x1为平均气温，x2为日最高气温，x3为日最低气温