1、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》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/T89-2008)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》的要求。
目前基于数据订正的长序列数据来源主要有以下几种：基于数据库()数据、基于气象站历史观测资料、基于太阳能资源评估的数值模拟(即：QX/T89-2008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，虽然数据观测年与长系列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，目前各设计咨询单位在进行光伏电站的太阳能资源评估时，其方法各异。本文将对各设计咨询单位目前采用的主要方法进行探讨，以分析各类方法的差异。
2、太阳能资源数据预处理
2.1、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)。结合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，如下表所示。
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。
2.2、数据的插补
采用期间(完整年)应获得的525600组数据(采样时间1min)，因仪器故障等原因，数据一般存在缺失。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σ(σ为每点相对平均值的标准差)；平均值如相差超过±3σ，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点数据平均值相差小于±3σ或超过5个点，即将逐点平均值作为该点的插值(该插值方法同样用于数据的修正)。
2)首先找出年内与该天对称时间的数据进行最小二乘的线性拟合，而后进行插补。(该天对称时间定义如下：与该地真太阳时12时相差相同时长的时刻)。如对称时间的数据也缺失，则与相邻天的辐照值进行最小二乘的线性拟合，而后进行插补。
3)首先根据《太阳能资源评估办法》(QX/T89-2008)中方法计算数据缺失天及前后十天的理论辐射值，再对数据缺失天的前后十天的实测数据与理论值进行最小二乘的相关分析，最后根据拟合曲线，根据理论值推算缺失天的辐射值。
为得到光伏电站的太阳能资源平均状况，必须以参证站气候平均值为气候背景，将为期一年的太阳能样本数据进行长序列订正。
3、基于日照时数的线性相关数据订正方法
目前我国大部分地区均无太阳辐射的长序列历史数据。仅有近30年的太阳日照时数。大多设计咨询单位首先对日照时数进行相关，再将订正后的日照时数与辐射量进行线性相关。
其基于的理论基础为：
根据目前太阳辐射的气候学研究成果表明：(1)到达地面的太阳辐射量主要受太阳高度角、大气透明度、地理纬度、日照时数及海拔高度等因素的影响；(2)长期的太阳辐射量和日照百分率数据是统计线性相关的；(3)太阳辐射的月总量服从正态分布。
长期日照总辐射与日照百分率存在以下关系：
Q/Q0=a+bS1
其中：
Q——月太阳总辐射值；
Q0——月天文总辐射值；
S1——月均日照时数百分率；
a，b——经验系数，与大气平均透明系数、透光云的透射系数、各种云的散射能力等相关。
上式中由于月天文总辐射值Q0在每个时刻对同一地点是可以精确计算出来的，所以月均日照时数百分率S1的大小直接影响到了月太阳总辐射值Q的大小。而日照时数百分率S1是与日照时数直接相关。
3.1、基于太阳能资源评估的数值模拟
当该地区缺少历史数据时，首先根据《太阳能资源评估办法》(QX/T89-2008)中方法计算该地区理论日照时数，再与该地区实测的太阳日照时数进行相关性分析。根据得到的拟合函数，结合实测值进行订正。
进行相关性分析时考虑以下两种方法：1)各年日照时数理论值与实测日照时数相关分析；2)各年逐月日照时数理论值与逐月实测日照时数相关分析。分析结果如下：
工程采用方式为：如方法二中各月相关系数小于方法一，采用方法一结果订正；大于方法一的，采用方法二结果订正。
因《太阳能资源评估办法》中的计算方法使得各选取年的计算值差异不大，采用此方法订正，最终结果均将接近该地区的理论太阳辐射量的a倍(线性回归方程系数)。
3.2、基于历史年日照时长的线性订正方法
数据订正方法具体过程如下：
1)先求出附近参证站近30年逐日的5日滑动平均日照时数；
2)计算观测时段附近参证站的逐日日照时数；
3)求解观测时段内，观测点与对应时段附近参证站日照时数的线性回归方程；
4)求解观测点观测时段内，12个月逐日日照时数与总辐射线性回归方程，共获得12个方程；
5)将附近参证站逐日的5日滑动平均日照时数代入第3步所求得的方程，可得到观测点多年平均的逐日日照时数。
6)将观测点多年平均的逐日日照时数代入第4步所求得的方程，可得到观测点多年平均逐日太阳辐射量。
该方法避免了订正数据与理论值的趋同，但该方法无法避免多云地区的太阳辐射量的最终订正的准确性。
3.3、基于历史年日照时长的概率密度订正方法
由于太阳辐射受到大气透过率，云量，地形状况等众多因素的影响，具有很大的随机性，如果直接根据各年的太阳辐射数据来计算相关的工程设计参数，其结果会有较大的误差。所以需要依据气候学与统计学方法，从多年的气象数据中挑选出具有代表性的太阳日照时长。
工程代表年的选定是通过选择“标准月”来完成的。根据气候学对日照时长的月总量服从正态分布的研究成果，对已有的日照时长资料进行分析整理，选择出适合的代表月作为标准月。并以此对工程运行期间的太阳辐射量进行预测，在工程设计计算中以预测值来“代表”光伏电站25年运行期间的各月日照时长，每年均保持不变。
通过对日照时长的订正，在采用上述方法的完成代表年的太阳辐射量计算。
该方法多采用正态分布概率密度值进行选取标准月，鲜见部分设计咨询单位采用t分布、F分布等方法。正如前文描述：当可以取得该地区多年历史数据的情况下，采用概率密度订正方法。可选取出最大概率的该地区的各月日照时数，数据的代表性更强，该方法与风电中采用Weibull分布方式部分类似，即最终值以一定概率落在某置信区的程度。
3.4、此类方法主要存在的问题
众所周知，日照时数是指太阳每天在垂直于其光线的平面上的辐射强度超过或等于120W/m2的时间。即当辐射强度大于120W/m2时，参证站的日照时数即进行计数，而在我国东南、西南地区，因多云天气较多。按此原理，晴天与半阴天时日照时数一致，但全年累计辐射量差异明显。考虑到上述地区类似天气偏多，造成代表年数据失真。同时，在目前大量的实际案列中，数据在夏季数据偏差较大(部分月份存在30%以上的差异)。
4、其它改进的订正方法
用同样方法，将以参证站逐月日照时数作为标准量，通过实测站累年平均逐月日照时数与同时段参证站累年平均逐月日照时数的百分比作为比例系数，两者的乘积可推出实测站的同时段的太阳辐射的月际变化。同时，为验证推算准确性，将参考点国外数据库与之做相关性分析比较。
该方法一定程度了解决了多云地区订正数据失真的情况。在该方法的基础上，部分设计咨询单位对上述方法进行细化引申，主要有以下几类：
1)细化逐周数据进行百分比计算，以争取数据的精确性。
2)将日照时数与辐照量的乘积作为标准值，进行比例计算。
上述改进方法在一定的程度上对订正结果进行了优化。但是上述问题的根源在于我国具有太阳辐射观测的长序列数据的气象站较少。相信随着我国近年来的光伏电站的建设，通过光伏电站辐射观测的积累，各地区气象站对此问题的重视。在不久的将来，此问题将逐渐解决。
扫一扫关注微信
