光伏辐照测量_太阳能光伏发电有辐射吗

扫码手机浏览

现在考试试卷分为“100分制”,“120分制”,“150分制”,同样得分在不同分制下不能一概而论,同样,不同的光伏电站发了相同的电量,又该如何判断电站运维的好坏?运维在就是某个电站在一段时间内该发多少电,为了保障电站正常运行所做的工作,在这个过程中,辐照数据是让业主或者运维人员知道电站应该发多少电, 也是判定运维工作好坏的一个标尺。但现有运维团队采用的辐照数...

现在考试试卷分为“100分制” ,“120分制 ” ,“150分制 ”,同样得分在不同分制下不能一概而论,同样 ,不同的光伏电站发了相同的电量,又该如何判断电站运维的好坏?运维在就是某个电站在一段时间内该发多少电,为了保障电站正常运行所做的工作 ,在这个过程中,辐照数据是让业主或者运维人员知道电站应该发多少电, 也是判定运维工作好坏的一个标尺 。但现有运维团队采用的辐照数据存在一些问题,针对这些问题在第三届光伏发电运营及后服务研讨会上 ,无锡烁日气象数据有限公司商务总监龙宝海全面剖析了国内电站运维过程中采用的辐照数据目前存在的问题和解决方案 。

现有辐照数据主要存在问题

1.大量中小型光伏电站没有安装任何的辐照测量设备

目前,大量分布式,中小型工商业 ,扶贫电站没有安装任何的辐照设备,因此公司运维团队只能采用电站初始设计时候的长年平均值来判定电站的运维水平。

以国内某电站为例,如果2006年至2018年未安装辐照测量设备 ,只有月度平均数据和年度平均数据 ,由于没有任何实时的辐照数据,只能通过电站初始设计的长年平均值来判断运维水平。

如果安装了测量设备,以下图中1月份数据可以看出 ,2012年1月是辐照量最低的一年,2014年1月是最高的一年,过去12年中1月的平均数据为92 ,最低年份比平均年份低32%,高年份要高42% 。另外,如果按年度平均数据来对比分析 ,最高年份比平均年份要高6.8%,低年份要低6.4%。所以只有在掌握了辐照数据的情况下,是运维水平变高了还是辐照水平变高了才能高下立判。

2.安装等级不高的辐照设备或者高等级的气象站缺乏数据校验导致数据可信度不高

目前国内大部分大型地面电站安装的还是国产的辐照设备 ,设备稳定性方面不高,由此获取的实时辐照数据计算出来的电站PR 往往能够大于100% 。因此业主及运维团队对此的信任度不高。而已经安装了高等级辐照设备的电站也因为设备维护、设备校验等各方面的问题,获取的数据也存在各种各样的问题。龙宝海选取了苏北平原地区2个相距约50公里左右的电站 ,都安装了荷兰KIPPE&ZONE CMP11(基准级)辐照仪器测量到的1年辐照数据 ,从表中我们可以看到2016年8月与2017年5月的数据差异非常明显,但是其他月份差异不大 。

为什么会出现这种情况,这个两个气象站到底是那个出了问题?通过将实测数据和Solargis卫星数据进行逐月和年进行对比可以发现 ,除了2016年8月份和2017年5月份solargis的数据和这两个站上实测的数据非常接近,因此分析出阜宁站的辐照设备稳定行欠佳,利用该数值将无法正确测算评估运维水平。

3.地面实测的辐照数据缺乏基本的校验比对分析

气象站运行过程中 ,即使用的是先进的设备,也会存在某一天或者几天因断电或者设备校验方面的问题而出现数据丢失,导致整月的数据或者整年的数据偏差过大而不可用。利用这类数据计算评估将会产生问题 ,因此就需要有其他数据源对测量到的数据进行填充完善,从而获得一个更加接近实际的辐照数据 。

4.无法提供未来一年电站不同概率情况下的辐照水平

2018年即将结束,2019款款而来 ,在面对新一年的预算上,到底什么样的数据才是合理的?发电量既是可控又是不可控的,可以通过提升运维水平控制发电量 ,但同时不可控因素则是本身的辐照度。以某电站数据为例 ,在采用长年平均数据进行未来一年的发电量预估时,有7年的数据偏差大于4.5%,占比63.6% ,预测准确率只有36.4%。企业需要稳定的现金流,而“压大压小”的方式明显并不合适 。

龙宝海强调,由于辐照数据的波动性 ,采取正态分布的曲线图更加科学合理 。对未来一个月或者一年的发电量预估,从而判定辐照的合理区间,避免单个预估值带来的偏差。通过对电站所在地多年历史数据的分析 ,就能够得到不同概率情况下的辐照水平。这对于第三方运维中合同中的发电量承保尤为关键 。

解决方案

1.覆盖全球的卫星数据源

龙宝海表示,通过无锡烁日提供的覆盖全球的卫星数据,填充因断电或设备校验而缺乏的数据 ,拥有准确的基础辐照数据才可以进行电站的进一步性能计算,帮助对运维水平的科学合理的评估。

卫星数据又是如何取得的?数据是否准确?卫星数据是通过卫星遥感获取大气中不同成分,包括水气 、云层 、大气溶胶 ,地面反射及地形数据 ,之后输入到模型中得到的数据,即太空中的辐射进入大气后,经过计算云层、大气与地面对光谱的吸收、反射量后 ,最终计算出这些数据。

Solargis 拥有覆盖从北纬60度到南纬50度的位的,分辨率为250x250米的太阳能资源数据 。通过在全球选取了189个GHI 、110个DNI的站点数据与Solargis系统内的数据进行了对比得出平均偏差在3.1%。

2.光伏发电基准指数

工商业屋顶、户用型扶贫电站拥有着庞大的基数,很难一一核算每个电站的PR值 ,龙宝海表示无锡烁日联合无锡英臻通过融合多个卫星气象数据源,地面气象站实测实时数据和分布在全国的电站的实时发电数据,采用大数据和云计算得到全国各城市的光伏发电实时基准指数。龙宝海强调 ,在一期推出的光伏发电实时基准指数的89个城市中,有86个城市月平均测试误差(偏差取绝对值)小于5% 。通过对无锡英臻平台上的超过7万个电站进行的发电量对比分析, 95%的电站月度数据偏差小于5%。

下图为无锡烁日某单个电站在9月的部分城市数据分析对比情况 ,通过对比可悉知电站日发电量应为多少,如果低于给定值,运维团队便可以测试问题出现在哪里 ,同时 ,这样也可以让业主了解到电站应发多少电,而不是盲目追求发电量。

3.光功率预测解决方案

功率预测直接影响着电站是否会被考核,同时也是目前国内考核的重点和难点 。据了解 ,从2018年3月至7月的考核情况来看,罚款近4000万元。造成罚款是因为数据漏报,错报 ,上报时间不对与准确率不达标,出现问题的原因主要包括天气预报数据质量不高,电站大规模维护或部分断网期未修改相应的并网规模。其中由于超短期准确率不达标的被考核的比重最高 。

出现准确率不达标的原因包括:一是考核方法不合理 ,部分电网公司要求电站预测每天的准确性都大于85%,这个目前是很难保障的特别是在季节交替的时候以及阴雨天的情况下;二是预报数据更新频率不够,目前国内电站使用的数据源都还是采用每天更新1-2次 ,但是超短期预报要求的数据是每15分钟上报更新一次,因此无法体现最新的天气变化情况;三是数据源质量不高 。

龙宝海表示,针对国内现有预测系统普遍采用的每天更新1-2次的数据源 ,无锡烁日联合国内外多个气象组织和机构 ,增加数据更新频率由现有的每天更新1-2次升级为每天跟新24次,从下图中我们可以看出,更密的跟新频率能够及时预测天气的变化情况 ,因此能够大大提高预测的准确性,减少罚款。

通过对卫星实际观测情况与预测情况的对比,可以看出预测大部分地区的预测与实际情况相吻合。

作者: 龙宝海 责任编辑:付斌

本文转载自互联网,如有侵权,联系删除

展开