基于WRF模式的光伏电站选址研究

湖北省电力勘测设计院 ■ 康慨卢胜

基于WRF模式的光伏电站选址研究

湖北省电力勘测设计院 ■ 康慨*卢胜

采用中尺度数值预报WRF模式进行光伏电站场址区域太阳总辐射数值模拟试验，输出的逐时辐射和温度资料为光伏电站选址提供了有利的支撑，对光伏发电工程的前期评价有较好的参考价值。

辐射；WRF模式；光伏系统

0 引言

21世纪以来，随着能源和环境问题的日益突出，光伏发电作为一种开发较为便利的绿色能源，正日益受到人们的重视。光伏电站系统设计基础之一是太阳辐射，目前国内太阳辐射观测站较少，一般只有一级气象观测站具有太阳辐射的观测功能，光伏场址周边缺少辐射观测资料，部分区域甚至缺乏日照观测资料；在进行光伏电站前期评估时，缺乏进行太阳辐射量推算、光伏系统设计、系统配置及发电量计算的依据，从而造成光伏电站场址的不合理，最终导致电站的非经济性，并对电网产生较大影响。因此，要想大幅提高光伏发电比例，保证光伏电站的合理系统配置、提高光电转换效率、降低光伏发电成本，光伏电站的太阳能资源推算和选址研究显得尤为重要。

纵观国内学者对太阳辐射模拟技术的研究：翁笃呜等[1-3]研究了一系列有关我国气候学总辐射的参数化计算方案；沈元芳等[4]研究了在GRAPES模式中地表短波辐射对短期天气预报过程模拟的影响；汪方等[5]利用WCRP CMIP3提供的多个气候模式，检验了其对东亚地区地表短波辐射的模拟能力，研究结论为WCRP CMIP3可以较好地模拟出地表短波辐射年变化；王明欢等[6]利用WRFV3模式进行了到达地表短波辐射模拟，结果表明，该模式对太阳总辐射在各种气象条件下均有一定的预报能力，但直接利用模式输出的地表短波辐射作为光伏发电系统发电量计算有一定的误差，需采用相关订正方法；白永清等[7,8]基于WRF模式对武汉区域的太阳辐射进行了模拟，并给出了影响辐射预报精度的因素和提高预报精度的方法；贺芳芳等[9]基于WRF模式模拟了上海地区月太阳总辐射，并采用宝山气象站数据比较了气候学计算和WRF 模式计算得出的月太阳总辐射量的分布，发现太阳总辐射值范围较一致。

本文采用中尺度数值预报WRF模式进行太阳总辐射数值模拟试验，并根据数值模拟的结果绘制了预选光伏电站场区的光资源图谱，输出了预选址点的逐小时辐照资料和温度；通过附近气

象站的辐射观测值对模拟结果进行验证和修正，并根据修正的结果给出光伏电站的选址。

1 模式简介和资料方法

1.1 模式简介

WRF(Weather Research Forecast)模式是美国开发的中尺度数值天气预报模式，主要针对中小尺度天气预报系统，以实时预报为目的。该模式通过尺度分析方法，简化支配大气运动的流体动力学和热力学方程组，利用数值方法进行近似求解来预报未来的大气环流形势和天气[10-12]。

WRF模式分为研究(ARW)和业务(NMM)两种形式，本文使用的是WRF-ARW。图1为WRF模式流程示意图。主要分为前处理、模式计算、后处理3部分。

图1 WRF模式流程图

前处理主要运用前处理软件WPS，包括初始场的产生、模型的建立、资料的收集、参数的设置等，提供给大气模式主模块以输入条件。

模式计算是WRF运行的主要部分，在输入前处理产生的输入文件之后，根据用户设置的物理过程参数化、计算时间、积分步长等参数进行积分，得到模拟风速场。

后处理主要是将模式输出的文件提取出需要的数据，转换成合适的格式，绘制成图像或表格。

1.2 模拟方案及资料

本文利用 WRF模式对广东省徐闻地区 2012年3月～2013年2月逐月的太阳辐射量进行模拟，选择 20.536°N、110.139°E为模拟区域中心。由于该地区下垫面多为裸露黄土地表，植被较少，地形平坦、单一，障碍物少，区域气候相对简单，水平网格选择3层嵌套，分辨率从外至内依次为10 km、3.33 km、1.11 km；垂直方向分27层，模式顶层气压50 hPa。在模拟计算中，微物理过程采用WSM 3-class微物理方案，长波辐射采用Rapid Radiative Transfer Model方案，短波辐射采用Dudhia方案，近地层过程采用Monin-Obukhov方案，陆面过程采用Noah方案，行星边界层采用Mellor-Yamada-Janjic方案，积云参数化采用Kain-Fritsch方案。

本文采用1°×1°分辨率的NCEP逐6 h再分析资料作为初始场和侧边界条件。NCEP背景场资料是美国NCEP和NCAR对全球从1948年到现在的气象资料进行再分析形成格点资料，此资料要素多、范围广、延伸时段长，且对外公开，为研究天气尺度和中尺度系统变化过程提供了良好的条件，已成为广大科研者的重要数据来源。其包括等压面资料7要素、地面资料11要求，以及地面通量资料42要素。地形资料默认采用美国地质勘探局(United States Geological Survey，USGS)采集制作的资料，精度包括10 m、5 m、2 m等，需根据模式网格分辨率的大小选择合适精度的USGS地形资料。

2 太阳能站址选择案例分析

2.1 太阳能资源

光伏组件的实际输出功率主要受太阳辐射度的影响，而太阳辐射在时间上具有较大的间歇性和随机性，与当地区域当时的大气透明度、水汽含量、气溶胶、云量、云状、云与太阳的相对位置等密切相关；同时受地球公转和自转的影响，其变化又具有一定周期性，包括日变化、季节变化。同时，与之相关的其他环境因素，如风速、温度等对光伏组件转化效率也会产生影响[13]。

为了保证光伏电站的经济性，首先需对光伏电站站址所在地的区域太阳能资源基本状况进行分析，并对相关的地理条件和气候特征进行适应性分析。根据光伏电站设计规范及气象相关标准要求，在对光伏电站选址和分析时需具备以下资料：

1)当对光伏电站进行太阳总辐射量及其变化趋势等太阳能资源分析时，应选择站址所在地附近有太阳辐射长期观测记录的气象站作为参考气象站。

2)当利用现场观测数据进行太阳能资源分析时，场址观测数据应连续，且应不少于一年。

3)大型光伏电站建设前期宜先在站址所在地设立太阳辐射现场观测站，现场观测记录的周期应不少于一个完整年。

目前光伏电站建设周期短，光伏电价波动较大，投资商在进行光伏电站投资时，大部分区域未进行测光，而光伏电站主要位于荒漠区域、山地区域或其他偏远区域，场址区域附近缺乏相应的辐照观测站。为保证光伏电站的科学选址，需进行光伏区域的太阳能资源推算。由于站址区域及附近缺乏相应的数据，本文采用新一代中尺度数值天气预报模式WRF模式对太阳总辐射数值进行模拟试验，在选定区域后根据1°×1°分辨率的NCEP逐6 h再分析资料、地形资料USGS，模拟的预选光伏电站场区光资源图谱如图2所示。

图2 场址区域位置及模拟的太阳能资源图谱

2.2 太阳能站址选择

根据GB 50797-2012《光伏发电站设计规范》光伏电站选址原则和模拟的区域太阳能资源图谱，综合考虑该区域的电网接入条件、环评、国土及林业要求，经现场调查后，确定选址区域位于图2所示中心位置，该区域为渔塘，可规划容量为30 MWp的渔光互补项目。该区域点的逐时光资源如图3所示。

图3 光伏电站站址点的逐时辐照与温度曲线

光伏场区近区域范围内无辐射观测站和日照观测站，距离光伏场址区域最近的辐射观测站为海口辐射观测站(约35 km)。海口区域光照时间长，大气透明度好，光穿透力强。据海口气象局资料，海南年平均太阳总辐射量为4500～5500 MJ/m2，年日照时数为1750～2650 h，光照率为

50%～60%。采用WRF模式，并采用海口气象站辐射数据同化后推算出2012年3月～2013年2月光伏场址区域的太阳总辐射量为5396.25 MJ/ m2，比海口气象站多年的辐射量偏高约6.15%，具体如表1所示。通过建立海口气象站与场址推算结果的相应各月辐射值线性回归方程，两者相关系数为0.9435，通过了置信度为0.01的显著性F检验。因此，可初步将推算的场址区域的辐射度作为本场区的辐射参考资料，进行光伏系统的设计。

表1 拟选光伏电站站址的辐照数据与附近辐射站的数据表

根据光伏组件伏打效应影响因素，并结合实际运行情况分析，在光伏电站实际设计及运行中需考虑光伏阵列效率η1、直流系统效率η2、逆变器转换效率η3、交流传输与并网效率η4及其他有关效率η5，光伏电站的效率(PR=η1η2η3η4η5)约在80%～90%。综合分析以上PR影响因素，除相关设备及线路引起的损耗外，影响光伏系统PR的主要气象影响因子为辐照度和温度[14,15]。

根据本文基于WRF模式经同化后输出的场址区域逐时辐射数据及环境温度，推算额定功率为260 W光伏组件理想状态下的瞬时出力曲线如图4所示。

图4 环境温度与光伏组件输出功曲线图

通过对图4的分析可知，受太阳辐射的变化影响，光伏电站组件的出力随之发生变化，以季节为变化周期，光伏发电系统的功率夏秋两季偏高，冬春两季偏小；晴天偏大，阴雨天偏小。根据站点的逐时辐射和温度曲线，可推算出采用固定倾角时，光伏组件的最佳接收辐射角度为15°，光伏组件的组串数为24块(一般设计为20块或22块)，光伏电站的最佳容配比为1.2∶1(一般设计为1∶1)。据此可进行光伏电站系统的优化设计和项目投资的效益测算。

综合以上考虑，本光伏场区总装机容量拟设计为30 MWp，经方案初步分析，该场区首年的年等效满负荷小时数为1221 h，年发电量为3662.55万kWh，25年年平均发电小时为1098 h，25年年平均发电量为3295万kWh。根据当前渔光互补光伏电站造价水平和光伏电站的上网电价，初步估计本光伏电站静态投资为24593万元，单位投资为8198元/kW；建设期贷款利息为480万元，流动资金为90万元，项目总投资为25163万元，单位动态投资为8388元/kW，资本金财务内部收益率为13.9%，具有一定的经济效益，为光伏电站的投资决策提供了参考意义。

3 结论及建议

目前光伏电站开发数量较多、位置较为偏远，大部分光伏电站周边辐射观测站较少，部分区域甚至缺乏日照观测资料，在进行光伏电站前期选址和评估时，缺乏相应的辐射和温度数据支撑。通过采用中尺度数值预报模式进行了太阳辐射数值模拟试验，同时结合附近气象站的辐射观测值对模拟结果进行了验证和修正，为缺乏辐射数据区域的光伏电站选址和前期评估提供了参考依据。结果表明，该方法对于光伏发电工程的前期评价有较好的参考价值。由于本文着重为光伏电站地址区域初步选址提供太阳能资源支撑，为具体项目的效益进行初步评估，更为详尽的项目经济效益评价需待后期搜集具体的地质、水文、电网等相关资料，进行方案设计后才可做出。

[1] 孙治安,施俊荣,翁笃鸣.中国太阳总辐射气候计算方法的进一步研究[J].南京气象学院学报, 1992, 15(2): 21－29.

[2] 翁笃鸣,孙治安,温珍治.中国大气向下辐射的气候学研究[J].南京气象学院学报, 1993, 16(1): 1－6.

[3] 翁笃鸣,李炬,高歌.晴天太阳总辐射的参数化及气候计算[J].气象科学, 1997, 17(1): 1－9.

[4] 沈元芳,胡江林. GRAPES模式中的坡地辐射方案及其对短期天气过程模拟的影响[J]. 大气科学, 2005, 30(6): 1129－1137.

[5] 汪方, 丁一汇. 全球气候模式对东亚地区地表短波辐射的模拟检验[J].应用气象学报, 2008, 19(6): 749－759.

[6] 王明欢, 赖安伟, 陈正洪, 王明欢, 等. WRF模式模拟的地表短波辐射与实况对比的初步研究[J]. 气象, 2012, 38(5): 585－592.

[7] 白永清,陈正洪, 王明欢, 等.基于WRF模式输出统计的逐时太阳总辐射预报初探[J].大气科学学报, 2011, 34(3): 363－369.

[8] 白永清,陈正洪,等.关于WRF模式模拟到达地表短波辐射的统计订正[J].华中师范大学学报, 2013, 47(2): 292－296.

[9] 贺芳芳,李震坤.基于WRF模式模拟上海地区月太阳总辐射的研究[J].可再生能源, 2015, 33(3): 340－345.

[10] 章国材.美国WRF模式的进展和应用前景[J].气象, 2004, 30(12): 27－31．

[11] 陈玲,赖旭, 刘雪,等.WRF模式在风电场风速预测中的应用[J].气象科学, 2012, 45(1): 103－106.

[12] 李红金,李鲲,徐丽人 等.大气环境的多分辨率建模研究[J].装备环境工程, 2008, 5(2): 62－65.

[13] 马金玉,罗勇,申彦东等.太阳能预报方法及其应用和问题[J].资源科学, 2011, 33(5): 829－837.

[14] 宁玉宝, 郑建勇, 夏俪萌.光伏电站综合出力特性研究与分析[J].太阳能学报, 2015, 36(5): 1197－1205.

[15] 陈荣荣, 孙韵琳, 陈思铭. 并网光伏发电项目的LCOE分析[J].可再生能源, 2015, 33(5): 731－735.

2016-05-19

康慨(1987—)，男，硕士、中级工程师，主要从事新能源发电技术方面的研究。kkangkai@163.com