多因素耦合对光伏发电性能影响的试验研究

仲仕晶, 赵书杰,2*

(1.苏州科技大学环境科学与工程学院，苏州 215009; 2.苏州科技大学建筑与城市规划学院，苏州 215009)

如今，建筑能耗逐步成为了节能领域所关注的焦点，如何开发和利用新能源以及降低建筑能耗已经成为关系到国家节能减排时效的重要工作，光伏作为可再生能源有了快速的发展，光伏建筑一体化、光伏照明等工程也将进一步的开展[1]。光伏组件的表面温度是影响光伏组件性能最主要的原因之一[2]，该温度由环境温度等多种因素共同影响；且光伏发电量与环境温度呈负相关[3]。由于光伏组件表面温度会影响太阳电池的短路电流和输出开路电压[4]，因此研究光伏组件表面温度对光伏发电性能的影响至关重要。

目前国内外对光伏发电性能影响的研究主要是从环境温度为主，较少直接研究光伏板表面温度，且环境因素的单一和交叉影响分析很少，需要全方位地分析各因素对发电性能的影响。李英姿等[5]结合了北京地区实际环境因素和光伏并网发电系统运行数据，利用灰色关联度模型，分析了系统因素与系统特征之间的相互影响的灰色关联度及系统准优因素，发现当雾霾较重时，PM2.5主要影响辐射量，当雾霾较轻时，可忽略对发电量影响。Hashim等[6]通过一系列的实验研究了多晶硅、单晶硅和硒化铜铟镓光伏组件在环境温度10～35 ℃温度下其发电性能的影响。丁勇等[7]通过在重庆地区搭建小型分布式光伏系统分析了辐射量、环境温度影响系统发电量和效率的主次关系，发现二者共同影响系统的发电量和发电效率。李西明等[8]分析了沙尘暴和日食等极端特殊天气对光伏发电系统出力影响。沈金荣等[9]通过采集常州地区一季度发电量数据，采用多因子综合回归分析日类型、空气质量等因素对发电量的影响，发现空气质量对该地区光伏系统发电量影响不大，辐射量影响最显著。赵永强等[10]发现积灰程度、海拔高度及某些地区特殊天气情况与其他因素耦合，共同影响光伏发电系统的工作效率。于秩彬等[11]对电站的发电量及周围环境因素等数据进行筛选和统计，对光照强度、温度及相对湿度这3个因素对发电功率的影响程度进行解耦分析，研究青岛等沿海地区特有气象对光伏发电效率的影响，可为该气候相似地区提供数据参考。

由于苏州地区的气象条件与上述地区有较大差别，太阳能资源等其他因素也大不相同，因此以上的研究并不适用于苏州。苏州位与夏热冬冷地区，经济发达但能源消耗极其严重。近年来，太阳能光伏产业成为苏州战略性新兴产业重点支持和发展的领域。为了更好地研究该地区光伏技术发展的适用性，搭建了太阳能光伏一体化材料试验平台，在其基础上进行相应的数据采集和试验，并将采集到的各项数据采用多元线性回归法及趋势面分析法综合分析了各个因素对光伏发电性能的影响，同时也为苏州地区光伏技术的发展提供理论依据和技术支持。

1 试验平台介绍

图1所示为试验平台及设备装置。试验台搭建于苏州科技大学某建筑楼楼顶，实验台由两个测试仓、通道、水路系统、电气系统、监控中心以及数据采集中心组成。整个实验平台的尺寸为6 m(长)×4 m(宽)×3 m(高)，主箱体的材料为聚氨酯板，厚度为100 mm，箱内和外壁的材料采用喷塑钢板。两个测试仓面积均为2.85 m(长)×2.7 m(宽)，测试仓一边各有一扇单开门与通道相连；另一边前壁处各留有一个预留窗口(1.7 m×1 m)用来安装太阳能光电组件，组件可根据需求开启不同倾角。同时实验台的底部中心及四周均安装有可转动的滑轮，可以满足实验台的不同朝向。该系统配备一套风冷冷水机组，末端采用风机盘管，同时配备加热器，可实现对测试仓的制冷制热。数据采集中心及监控中心主要用于数据的采集和监控，通道内同时可用于实验人员工作休息。

A为光伏板，B为中空玻璃，C为风机盘管，D为水路系统，E为监控中心，F为系统配电柜，G为数据采集中心，H为室外风速风向温湿度传感器图1 实验台主视图、三维图及设备装置图Fig.1 Main view, three-dimensional view and equipment diagram of the experimental platform

该试验平台的光伏发电系统由多晶硅光伏板、太阳能控制器、逆变器、蓄电池及负载组成。多晶硅光伏板为阿特斯公司所生产(型号CS6P-245P、额定功率245 W、开路电压37.1 V、短路电流8.74 A)，太阳能控制器(DC12/24 V-20 A)，并网逆变器(输入24 VDC，输出220 VAC)，阀控密封式铅酸蓄电池6块3串3并(东丰DFBL40-12/40 Ah/12 V)，负载选用灯泡(飞利浦PAR38/175 W)。采集测试主机主要由温度、辐照度巡回检测仪、微型计算机、硬盘、触摸屏和采集软件组成，尺寸为383 mm(长)×248 mm(宽)×195 mm(高)，可实现将所采集的所有数据自动保存在仪器内置的SD卡中；在界面对采集的数据进行实时查询，也可实现长期的无人职守数据采集。所有采集到的数据经过了RS485通信接口，将前端采集到的参量实时传送给系统数据中心，在主机对数据进行实时查看。同时采集主机与计算机相连，即可在计算机上可对数据进行实时查看监控。此外，系统还配置GPRS中国移动无线远传模块，数据可通过无线移动网络向指定IP地址的计算机传输数据，实现对系统数据的远程监控。该系统可采集室外温湿度、光伏板表面温湿度、太阳辐照(包括总辐射、直接辐射、散射等)、风速、风向、直流电压、直流电流、直流功率，发电量等物理量。可根据采集的数据进行相应的绘图和计算，评估系统的效率、经济效益。系统主要构成及技术指标如图2、表1所示。

图2 系统主要硬件构成Fig.2 The main hardware structure of the system

2 结果与分析

于2019年5月1—31日对实验台的多晶硅光伏板表面温度、环境温度、室外风速、太阳辐照、室外相对湿度以及发电量等数据进行测量，各测试仪器采集对应数据包括光伏板表面温度、环境温度、太阳辐照等，直流电能表显示累计发电量。为了研究各个因素对光伏板表面温度的影响以及利用趋势面分析研究光伏板表面温度和太阳辐射量对发电量的影响，试验选取5月13日的数据作为典型数据进行分析。所有数据可由采集测试主机自动采集并记录，时间间隔为10 s，试验时间为8：00—20：00，当日天气晴转多云。

表1 主要测试仪器及技术参数Table 1 Main test instruments and technical parameters

2.1 各因素对光伏板表面温度影响

图3为测试当日不同时刻下环境温度、室外风速、总太阳辐照、室外湿度及光伏板表面湿度与光伏板表面温度的变化曲线。从图3(a)中可以看出，从测试开始时，光伏板表面温度及环境温度都处于上升阶段，但可以明显看出，在时间为9：00—16：20时当室外太阳辐照较高时，光伏板表面温度与环境温度的变化不同步，这说明光伏板表面温度受其他因素的影响较大，过了16：20时，室外太阳辐照减少，光伏板表面温度随室外温度的降低而降低，此时有较好的一致性。从图3(b)可知，室外风速对对光伏板表面温度有较显著的影响。图3(c)表明，光伏板表面温度与总辐射强度变化曲线关联度很大。但从图3(d)可以看出，室外湿度及光伏板表面湿度对光伏板表面湿度的影响不是很大。

结合测试的结果可以得出，研究各个因素对光伏板表面温度的相关度和影响程度是非常有必要的。王春龙等[12]用灰色关联分析的方法，定量地分析了各影响因子与光伏板表面温度的关联度。得出最佳的关联顺序为太阳辐射强度>环境温度>风速>湿度。但是这种方法也会产生一些问题，如分析数据是按照时间的序列进行，采用初值化、极大化和极小化无量纲这个处理方法所得到的结果并不科学。为了对影响光伏板表面温度的因素进行更详细的研究，作者将当日所采集的所有数据用多元线性回归方程进行分析[13]，结果如表2所示。

图3 各影响因素对光伏板表面温度的影响Fig.3 Effect of various factors on surface temperature of photovoltaic panels

表2 多元线性回归方程数据分析Table 2 Data analysis of multivariate linear regression equation

得到了光伏板表面温度与环境温度T、风速v、太阳总辐射强度E及室外湿度RH(由于室外湿度影响着光伏板表面湿度，只取室外湿度进行分析)：

y=0.908T-0.056v+0.035E-0.172RH+7.237

(1)

从表2及式(1)可以看出，F小于显著性水平值0.05，故认为可以用线性模型描述自变量和因变量直接的相关关系。R2=0.971，说明了影响光伏板表面温度因素的总变差中，有97.1%可由环境温度、风速、太阳总辐射强度、室外湿度来解释，该多元线性回归方程的拟合优度较好。标准误差是说明在环境温度、风速、太阳总辐射强度、室外湿度来影响光伏板表面温度时，平均的预测误差为1.44 ℃。根据式(1)，环境温度每升高1 ℃，光伏板表面温度增加0.908 ℃；室外风速每增大1 m/s，光伏板表面温度降低0.056 ℃；总太阳辐射强度每升高1 W/m2，光伏板表面温度增加0.035 ℃；室外湿度每升高1%，光伏板表面温度降低0.172 ℃。

2.2 光伏板表面温度光伏板发电量的影响

由图4可以看出，光伏板发电量与表面温度基本正相关，8：00—11：00，随着光伏板温度的升高，发电量升高，但11：00—16：00，发电量基本维持不变，到了18：00以后，随着光伏板温度的降低，发电量骤降，经分析是太阳辐照强度的减少以及室外温度的降低等共同因素的影响造成的。

将光伏板表面温度看作是影响光伏发电量的自变量，将采集到的数据进行一元线性回归方程分析关系，结果如表3所示。

图4 光伏板表面温度对发电量的影响Fig.4 The influence of surface temperature of photovoltaic panel on power generation

得出发电量与光伏板表面温度T表的关系：

y=0.073T表+1.078

(2)

与上边分析相同，F小于显著性水平0.05，该方程可以描述自变量和因变量直接关系，但在发电量的总变差中，只有38.1%可由光伏板表面温度来影响，故该方程拟合度一般，说明影响发电量的因素很多，且发电量受到光伏板表面温度的影响并不明显。结果表明，光伏板表面温度每升高1 ℃，发电量增加0.073 W·h。

2.3 光伏板表面温度、太阳辐射量对发电量的趋势面分析

以上运用了多元线性回归的方法依次分析了环境温度、太阳辐照强度、室外风速湿度对光伏板表面温度的影响，以及运用一元线性回归光伏板表面温度对发电量的影响，但这种方法并不能直观地观察因变量和自变量之间的趋势变化。接着采用DPS数据处理系统对数据进行趋势面分析。趋势面分析是拟合了数学面的一种统计方法，具体的做法是用数学的方法计算出来一个数学曲面来拟合数据区域性变化的趋势，二次的趋势面一般为椭圆、抛物线或者双曲面图形，三次以上的趋势面则更为复杂的图形[14-15]。在进行趋势面分析的时候，要使模型回归平方和较大且剩余值较小，使得模型的拟合度较高，这样使得结果才更加准确[16]。

这里将典型日当日所采集到的太阳辐射量以及光伏板表面温度作为自变量，发电量作为因变量，进行趋势面的回归分析。二元二次和二元三次拟合精度和显著性结果如表4所示，且均符合统计的要求。接着利用DPS自带3D作图功能绘制出等值线-趋势面图如图5所示。

表4 光伏板表面温度和辐射量对光伏发电量影响趋势面拟合效果及二次趋势面回归方程Table 4 Trend surface fitting effect and quadratic trend surface regression equation of influence of surface temperature and radiation on photovoltaic power generation

从表4可以看出，光伏板表面温度和辐射量对光伏发电量影响趋势面分析结果的拟合效果均达到了显著水平，可以表明两者影响光伏发电量较大，二元二次趋势面拟合度为75.3%，二元三次趋势面拟合度为69.9%。

从图5可以看出：光伏板温度范围为20.125～46.6 ℃，辐射量范围为0～0.35 MJ/m2，光伏发电量的变化趋势为从高温度低辐射量到低温度高辐射量方向的逐渐递增，图形所呈现为对称轴的抛物面变化趋势，且中间区域变化幅度相对平缓；但到了高温低辐区间变化幅度明显，说明在过高光伏板表面温度和过低辐射量的共同影响下，发电量减少幅度较大。三次趋势面分析的结果比二次分析较为复杂，从图5中可以看出，低辐高温对发电量的衰减影响尤为明显，到中辐中温区间，变化逐渐平缓，但到了高辐低温区间，发电量变化幅度又增大，且两极分化比二次趋势面更为明显。

图5 光伏板表面温度、太阳辐射量对发电量影响的二、三次等值趋势面Fig.5 Binary and cubic equivalent trend surfaces of the influence of surface temperature and solar radiation on power generation of photovoltaic panels

3 结论

(1)通过已搭建的太阳能光伏一体化材料试验台，用总辐射计、温湿度传感器、直流电能表等相关仪器，测试典型日下8:00—20:00太阳辐照强度、环境温度、室外风速、室外湿度、发电量等参数。采用多元线性回归方法分析影响光伏板表面温度的主要原因，结果表明：回归方程的拟合程度优良，环境温度每升高1 ℃，光伏板表面温度增加0.908 ℃；室外风速每升高1 m/s，光伏板表面温度降低0.056 ℃；总太阳辐射强度每升高1 W/m2，光伏板表面温度增加0.035 ℃；室外湿度每升高1%，光伏板表面温度降低0.172 ℃。

(2)采用一元线性回归分析光伏板表面温度对发电量的影响，结果表明：回归方程的拟合度一般。得出光伏板表面温度每升高1 ℃，发电量增加0.073 W·h。

(3)运用DPS数据分析软件，采用趋势面分析的方法分析了光伏板表面温度和太阳辐照量对发电量的影响，结果表明：二次拟合、三次拟合结果均达到了显著水平，图形总体表现为双向变化的趋势，即太阳辐射量的正向变化，光伏板表面温度负向变化，且两级变化趋势明显，中间变化趋势平缓。

(4)此次试验的研究依托太阳能光伏一体化材料试验台，很多材料并不齐全，这里只对多晶硅光伏板进行数据采集分析，并没有分析单晶硅、薄膜组件等其他光伏材料。且该研究主要是以光伏板表面温度、辐照、环境温湿度及室外风速为指标进行分析研究，并没有考虑光伏板的阴影效应、弱光效应、光伏板灰尘损失及其他影响，同时在数据采集的过程中，也存在诸多问题，所以还需要对试验台进行进一步改进，对试验方法及对象进行优化，这样才能更好开展后续更深层次的研究。