基于天气类型识别的跟踪式光伏发电系统能量评估及优化

发布时间：2020-12-22 05:44

　　基于2010～2011年北京地区太阳辐射及气象资料,提出一种基于修正后清晰度指数和总云量交叉划分的天气类型识别方法,比较3种经典的各向同性、异性斜面辐射模型,开展不同跟踪方式下光伏发电系统能量收益差异对比分析及动静态评估。结果表明:该文所提出的新型天气类型划分方法能显著区分总辐射中不同成分的差别;天气情况、季节变化对北京地区不同跟踪系统下光伏组件表面辐射接收情况有显著影响;不同天气类型及不同季节下,跟踪系统的适用度不同。 

【文章来源】：太阳能学报. 2020年11期 北大核心

【文章页数】：8 页

【部分图文】：

2010～2011年总有效小时数中各天气类型占比

图3为不同安装方式下散射辐射变化情况。图3a～图3c分别为Liu&Jordan模型、Hay模型、Perez模型的散射辐射计算值。3种散射辐射模型下，5种模式的散射辐射成分变化趋势基本相同。4种跟踪模式下，散射辐射均在6月份达到最大值，在1月份达到最小值；在夏半年散射辐射较多，波动明显，在冬半年散射辐射较弱，波动较为缓慢。这是因为夏半年北京地区辐射强烈，大气中水汽含量较高，对太阳辐射造成较为强烈的散射作用，冬半年太阳辐射较弱，气候干燥，水汽含量减少，对太阳辐射的散射作用降低。总辐射中反射辐射占比极小，因此不针对其进行具体讨论。图3 多种跟踪模式在不同散射模型下的散射辐射情况

图4为2010～2011年北京地区各类天气类型逐月占比。可见，在考虑天气类型的月变化波动时，天气类型1-1具有明显的波动规律，冬季最高，夏季最低；天气类型1-2较为平稳，天气类型2年波动方式与天气类型1-1相反，天气类型3与天气类型2波动方式相似。图5所示为2010～2011年北京地区2 a内平均各天气类型在日内（北京地方时07:00～18:00时段）的占比。第1大类天气类型变化趋势基本呈开口向下抛物线，在中午达到最大，占比最高。第1大类天气类型中，天气类型1-1变化趋势最剧烈，天气类型1-3变化趋势较为缓和。第2类天气类型、第3类天气类型与第1大类天气变化趋势相反，在早上与傍晚占比较高，中午占比较少。

【参考文献】：
期刊论文
[1]误差逐步逼近法在太阳辐射短期预报中的应用[J]. 陈正洪,孙朋杰,张荣.  太阳能学报. 2015(10)
[2]工业用光伏微网运行策略优化与经济性分析[J]. 茆美琴,金鹏,张榴晨,丁勇,徐海波.  电工技术学报. 2014(02)
[3]光伏阵列改进优化设计方法与应用[J]. 丁明,刘盛,徐志成.  中国电机工程学报. 2013(34)
[4]基于天气状态模式识别的光伏电站发电功率分类预测方法[J]. 王飞,米增强,甄钊,杨光,周海明.  中国电机工程学报. 2013(34)
[5]不同场景下的光蓄微电网调度策略[J]. 王成山,洪博文,郭力.  电网技术. 2013(07)
[6]光伏发电接入智能配电网后的系统问题综述[J]. 刘伟,彭冬,卜广全,苏剑.  电网技术. 2009(19)
[7]跟踪式光伏发电系统研究[J]. 窦伟,许洪华,李晶.  太阳能学报. 2007(02)



本文编号：2931243