文摘

太阳能光伏发电和相关的应用程序现在被认为是最有前途的技术一个可持续发展的未来。光伏电站的性能不是详细研究对各种气象参数的影响像雨,相对湿度,对能源和大气压力。本研究的目的是分析和模型的天气影响发电厂在热带地区的光伏电站。方法涉及到光伏电站性能的详细分析各种天气季节和建模的能量生成基于从太阳辐射资源评估获得重要的气象参数(SRRA)站安装在光伏电站位置本身。太阳能发电及其性能的影响在雨季期间,这是一个典型的现象在潮湿的热带地区。太阳能发电的回归模型的所有天气季节生成基于不同的气象参数。

1。介绍

太阳能光伏有一个更重要的角色在全球能源转变为应对气候变化的挑战。巴黎协定要求全球国家限制全球气温上升到1.5°C。能源碳排放必须每年减少3.5%左右2050年应对这一挑战。对太阳能的需求增加世界各地,并成为最具竞争力的选择发电在许多国家的数量。太阳能光伏有望成为最便宜的能源,到2050年,太阳辐射的地区是丰富的1]。总累积太阳能光伏安装容量627千瓦到2019。太阳能光伏产能增加的兴趣导致增加至少1兆瓦容量的29个国家的2019多个。发电是可再生能源的主要份额从屋顶太阳能发电厂和部门。太阳能光伏的成本持续下降主要是由于价格的降低光伏模块(2]。根据国际可再生能源署,太阳能发电是比前一年增加了28%的基础上,可以从数据源的数据(3]。装配太阳能光伏项目的主要份额在全球装机容量70 - 72%。大规模储能光伏工厂继续世界光伏产能的主要因素除了[4]。太阳能光伏电站的性能受到各种气象参数,像太阳能辐照温度、风速、雨、湿度和大气压力。光伏模块的输出取决于表面的太阳辐射减少。太阳能光伏发电厂的运行和维护起到至关重要的作用在提高光伏电站的性能。光伏电站的运行和维护非常重要的可持续性(5]。

太阳能光伏电站的性能受到各种气象参数,像太阳能辐照温度、风速、雨、湿度和大气压力。光伏模块的输出取决于表面的太阳辐射下降(6]。Parretta称等人评估各种光伏技术的性能在热带地区。韦杰等人描述了各种软件工具处理可行性,操作,和维护成本,光伏电站的性能、辐照计算(7]。Killinger等人描述了面向发电之间不同的光伏系统基于测量从一个参考系统(8]。Martin-Martinez等人研究了环境温度和风速的影响性能的六个大型光伏电站在西班牙9]。Mussard和Amara讨论各种光伏模块的性能分析技术在干旱气候条件10]。Dabou等人评估输出功率在不同的气候条件在阿尔及利亚南部[11]。碧娜等人分析了太阳能光伏装置安装在拉脱维亚利用回归模型(12]。Vasel和Iakovidis讨论了风向的影响性能的大规模储能光伏工厂(13]。不同气候地区的相关性能研究总结在表1。

表1
总结相关性能的研究在不同的气候区域。

基于表1光伏电站的,性能比被发现在61%到88%之间变化。有一个大工厂的性能的变化在不同的气候。

大多数的大规模储能电站安装使用嵌入式数据监测系统,其中包括细胞或thermopile-based日射强度计为太阳辐射测量。大部分的研究都是利用传统的数据进行数据监控系统嵌入式太阳能发电厂项目当它是由开发人员。传感器用于测量环境温度、风速、温度和模块还包含在大多数嵌入式数据监测系统。所有这些研究的局限性,因为数据是完全依赖于测量仪器的各种素质。也有可能,仪器可能不是按标准校准。然而,这些测量仪器如果不定期校准可能得到错误的测量会导致错误的太阳能发电站的性能的结论。所有上述研究进行了基于平均月度数据,而不是基于平均每小时或每天平均水平。因此,所研究的结果和结论详细的每小时/每天分析的局限性。

全面分析光伏电站的性能建模生成和天气的影响参数,如湿度的影响,大气压力,和雨不报告的详细研究。考虑到差距在文献研究发现,本研究工作进行最精确和可靠的数据从太阳辐射资源评估(SRRA)站安装的一部分国家太阳能资源评估项目在印度进行的。

摘要天气的影响参数,如太阳辐射,空气温度、雨、风速、大气压力和露点光伏性能的植物上详细研究了利用一个非常复杂的太阳辐射研究评估(SRRA)站。

本研究工作的目标如下:(1)分析天气影响大规模储能的光伏电站在潮湿的热带地区利用SRRA数据(2)发展太阳能发电的数学回归模型在不同天气季节利用所有的气象参数(3)建立一个概率分布模型在不同辐照度预测太阳能发电

3所示。方法

3.1。网站细节和条件

光伏工厂坐落在南印度南部喀拉拉邦的。这项研究是基于2019年的近期SRRA数据。研究2兆瓦太阳能电厂选择位于潮湿的热带地区雨更有相当大的影响力在该地区的天气模式(29日]。2兆瓦太阳能发电厂坐落在Kuzhalmannam Palakkad喀拉拉邦,印度南部。的网站视图2 MWp光伏电站在图给出1。站点位于距Palakkad镇17公里。工厂于2016年12月。光伏电站的地理坐标10.717 76.613纬度和经度。光伏电站是仅仅属于新能源和可再生能源研究机构和技术(ANERT),这是可再生能源的国家节点机构在喀拉拉邦政府权力部门。


图1
网站的观点ANERT 2 MWp Kuzhalmannam太阳能光伏电站。

托马斯和Prasannakumar喀拉拉邦的经历描述热带湿润气候条件与两个季风期超过三个月的雨季(29日]。Ananthakrishnan和索曼描述雨在喀拉拉邦的全面评估30.]。据亨特和梅农在喀拉拉邦季风分布在6个月平均300毫米的雨(31日]。

3.2。数据收集

一个典型的SRRA站安装如图2。这SRRA站安装作为一个单独的一部分太阳辐射资源评估项目在不同的地区和安装在同一场所的2兆瓦的太阳能光伏工厂原来是小说安排不同气象参数的测量利用先进的测量仪器。方法需要准确的天气数据收集从太阳辐射资源评估(SRRA)站。这SRRA站作为主要研究数据收集来源。SRRA车站运营2018年11月以来,大数据流从SRRA站之后,被存储在中央服务器上。连续监控这些数据在中央服务器。这个数据在一分钟间隔收集通过以上测量传感器和SRRA站的实时传输。最近的2019年被分析天气的影响以及光伏电站的发电数据可以从传统的嵌入式数据监测系统。


图2
专用SRRA站在现场和中央数据服务器的实时收集数据。

表2给出了总结SRRA站的测量仪器,用于测量天气参数的光伏电站。

表2
总结SRRA站的测量仪器。

以下数据可以从SRRA站:(我)直接正常辐照(DNI)(2)全球水平照射(GHI)(3)扩散水平照射(济)(iv)风速和风向(v)相对湿度(vi)雨(七)大气压力(八)太阳高度(第九)太阳能方位(x)露点

SRRA站提供的数据通过一个日射强度计全球水平的辐射。全球倾斜照射计算确定各种性能参数性能比率和模块的温度。数据记录器和在SRRA站结合GPRS调制解调器将完成数据采集和监控的任务。

3.3。确定全球倾斜照射和模块温度从SRRA数据

本研究工作包括以下的方法:(我)主数据收集从SRRA站(2)确定的全球辐射和模块温度从SRRA数据倾斜(3)对光伏发电建模运用Minitab软件(iv)分析光伏电站性能的变化(v)季节性的植物的性能比较

Kalogirou巩固各种数学方程用于全球倾斜照射的决心和模块温度(32]。下面的方程给出。

3.3.1。估计全球倾斜照射

全球倾斜照射( )或辐射光束倾斜表面被乘以计算全球水平照射(GB)和电子束辐射倾斜因子(RB)。全球水平照射的总和梁(直接)和散射辐射,也被称为“全球辐射。”

辐射光束倾斜因子(RB)给出

赤纬角( )被定义为之间的角线加入太阳和地球的中心,这也决定了直接来自太阳的光线的方向和投影在赤道平面的吗

的价值 日期范围从1到365的数字。

天顶角是太阳光线的夹角和线垂直于水平面,和时角是太阳从本地的角位移子午线由于地球自转绕自己的轴(33]。

时角( )是由

纬度( )也是一个重要因素决定上面给出的时角。

估计模块给出的温度

3.4。数据分析和建模

天气的状态大致分为四个季节包括两个季风,夏季和冬季的季节。太阳能光伏电站的性能评估上述四个季节利用SRRA整个2019年收集的数据。东北季风,西南季风,夏季和冬季季节分别分析了光伏电站的行为基于不同气象参数的变化。以下是2019年收集的数据进行分析从SRRA车站:(1)选择月详细分析在一个赛季(2)年度数据分析

代表的典型特征的各个月的季节选择回归建模和到达能源发电模型方程。

3.5。对光伏发电建模与气象参数

一款统计软件是用于分析和统计工具从大数据到达回归模型方程。一款统计软件是一个统计软件包开发的宾夕法尼亚州立大学、美国。它提供了各种计算领域的大数据分析。这里,天气参数选为变量,生成了应对不同的季节。这种方法的结果是一个数学模型的发展2 MWp光伏电站参数根据不同的天气。一旦创建了模型,生成可以在理论上计算的数学模型。回归建模的重要气象参数选择表3。

表3
天气参数回归建模。

一款统计软件也可以用于拟合的概率分布情节为典型的一代(千瓦时)对代表平均每日太阳能发电(一天 )的一年。

4所示。结果与讨论

不同季节的能源配置文件将在下一节中讨论。总结了植物性能结果表4为到达的结论。

表4
总结月平均气象参数。
4.1。季节性植物的性能

季节的分类如下:(我)西南季风(六月到九月)(2)东北季风(10月至11月)(3)夏季(5月2)(iv)1月冬季(12月)

2019年在喀拉拉邦面对暴雨,尤其是Palakkad地区光伏电站所在地。热带潮湿地区的特点是雨季,会影响这些地区的公关由于下雨。Month-wise代,全球倾斜的一代,太阳的高峰时间,公关、风速、空气温度、相对湿度、大气压力,和雨总结在表4。

这是观察到的性能比(PR)工厂是合理的在夏季(4月3月2月- 71.67,- 71.72,- 69.75,和5月- 72.69),显然由于更高的能源。冷温度的优势进一步提高了植物的公关在雨中6个月(75.95)和(74.09)7月相比,夏季虽然整体代低。植物中观察到的最高公关9月(79.50)由于较小的太阳辐射。太阳高峰时间也被观察到最低4.41,4.04,3.48,和4.18在6月,7月,8月,2019年9月,分别标明减少太阳能日晒在雨季。这直接影响植物的性能。

4.2。温度对生成的影响

8代表天选择了不同季节的影响研究温度对生成和展示在表5。八天,选择研究中,最低的平均环境温度记录在1月显然由于冬季。冬天的日常能源高于其他天选择分析。最佳温度和日照时间的综合效应导致了更高的一代这清楚地表明,冬季也有利于能源发电在热带潮湿地区。夏至在热带地区西南季风季节的下降,因此,小代观察由于条件的地区多云有雨。这强调的影响雨在保持环境温度相比,冬季较低。空气温度和模块温度显示整个赛季连续的相关性。在一个典型的夏日,上面的模块温度可以达到44°C和模块温度雨月来显示一个相对低的水平一般在热带地区的倾向。模块的温度几乎不间断地遵循空气温度的整个夏天的季节,是一种常见的趋势在热带地区。

表5
公关和代变异对各种选择的日平均温度。
4.3。辐照度对生成的影响

八个代表天选择了不同季节对能源研究辐照度的影响见表6。全球最高的倾斜的辐照度已经观察到在冬天的日子里,和相应更高的能源发电发生。8天,4天完成8000千瓦时以上代展示了全球倾斜的辐照度之间的相关性和一代。已经观察到最高的全球平均倾斜射线发生在夏季和冬季的季节。发现两个夏季和冬季天提供最好的太阳能发电中所选的日子。全球最高的倾斜观察辐照度主要是在夏天除了三天季风。这表明夏季的重要性在热带地区在实现更高的性能从高代值很明显在夏天季节。

表6
一代天平均辐照度和公关。

因此,可以得出结论,典型的喀拉拉邦潮湿气候支持好生成的前六个月,下降到较小的一代在季风几个月,直到最后几个月恢复状态。

4.4。建模的太阳能发电在不同季节的天气

SRRA气象监测站的数据分析了2019年,并且已经被用于开发一个回归模型对整个四天气季节2 MWp光伏电站安装在热带地区。建模输出计算的典型一天选择季节按下面的模型方程,然后,该值必须乘以天数在那个赛季总代。天气参数研究认为全球倾斜照射、风速、空气温度、相对湿度、大气压力和站点的雨。在这里,天气太阳能发电来自所选参数。开发的数学模型方程(Ajith Gopi, Sudhakar,和以下命名为AGS模型)为典型的天的不同天气季节,到达利用回归建模,下面列出:

西南季风:

东北季候风:

桑玛:

冬天:

上面的模型是利用2020 SRRA数据测试,检查结果并与实际的生成数据表中给出7。

表7
使用2020测量数据模型测试和验证。

上述AGS模型可以用来预测能源2 MWp光伏电站的一个典型的一天在每个赛季基于在热带地区重要的气象参数如上所述。模型测试和验证利用2020年的实测数据。平均百分比变化预测的能源使用模式是在可接受的范围内(9.87%)。这种模式带来的新奇的工作是重要的气象参数如风速、空气温度、相对湿度、大气压力,和雨到这个模型之前并没有了任何研究工作以及季节性太阳能光伏电站的一代。

4.5。概率分布模型

平均每日生成的数据集(千瓦时)策划反对全球倾斜的辐照度作为一个散点图,和一条曲线拟合,给出图最好的价值3。抵达立方模型利用一款统计软件统计工具。散点图完成的概率分布如下每立方模型方程给出。


图3
概率分布模型适合2兆瓦光伏电站。

这个概率分布预测的值代在一天不同的辐照度时乘以365天将预测年度的一代。

概率分布模型的验证是使用2018年和2020年的实测数据,进行了测试和模型也与PVsyst模拟一代相比,和总结了细节表8。概率模型预测生成的百分比变化的2018年和2020年是在可接受的范围内与实际的一代。

表8
验证使用2020测量数据的概率分布模型。

这个简单的模型预测平均每日代2 MWp光伏电站安装在热带地区一个完整年度全球倾斜照射的单个参数的方程。这个模型有助于对快速预测的太阳能光伏电站在热带地区的网站。预见性维护、遥感和太阳能预测将有助于监测太阳能电厂的性能。

5。结论

这个研究工作研究重要的气象参数的影响性能的大规模储能电站安装在潮湿的热带地区在喀拉拉邦,印度南部。与传统的数据收集、大数据收集从太阳辐射资源评估(SRRA)站在这个研究工作用于准确的估计。除了通常的气象参数,如环境温度,全球倾斜的辐照度和风速、其他有影响力的参数,如下雨,气压和湿度也进行了分析和建模的主要天气季节地区。以下是这项研究的主要结果。(我)太阳能发电及其性能的影响在雨季期间,这是一个典型的现象在潮湿的热带地区。也明白,盛行风雨季时期没有多大影响光伏电站的性能(2)光伏发电的植物在热带地区严格遵循辐照度的模式。全球水平辐照和全球倾斜照射在类比提供相对较高值相比,季风(3)可以看出高代期间发生低大气压在热带地区(iv)高代和合理的公关是夏天的季节。太阳能发电和性能特征的冬季几乎是相同的在热带地区夏季以来所有的性能参数都观察到的相似。植物表现良好在夏季和冬季相比,季风季节(v)季风雨的影响该地区的环境温度降低了模块的温度。一般趋势,模块温度之前,环境温度在整个季节(vi)2 MWp太阳能光伏装置有相对较高的公关在雨季由于雨季利用较低的温度(七)太阳高峰时间最低的4.41,4.04,3.48,和4.18观察在6月,7月,8月,2019年9月,分别提示的低价值在月这三个季风月份太阳日晒(八)光伏电站每年一代2709.601兆瓦时的2019年年度辐照度为1959.9千瓦时/ m2(第九)太阳能发电模型,以下称为AGS模型,预测天气季节的一代已经开发了一个2 MWp PV热带地区的植物,能运用Minitab软件回归建模利用重要的气象参数如全球倾斜照射、风速、空气温度、相对湿度、大气压力和站点的雨(x)2的最佳代在一个典型的一天在热带地区使用一代MWp光伏工厂和全球倾斜照射获得基于概率分布模型:

本研究工作将帮助未来的光伏性能分析研究植物在其他地理区域不同的气候条件。

命名法

: 电子束辐射对倾斜表面(全球倾斜照射)(W / m2)
: 电子束辐射对水平面(全球水平照射)(W / m2)
: 电子束辐射倾斜因子
: 纬度(°)
: 倾斜角度对光伏模块(°)
: 赤纬角(°)
: 时角(°)
: 日期一年,值范围从1到365
: 全球倾斜的辐照度(千瓦时/ m2)
: 环境空气温度(°C)
: 倾斜的辐照度(千瓦时/ m2)
WS: 风速(米/秒)
: 空气温度(°C)
RH: 相对湿度(%)
: 大气压力(mb)
: 雨(毫米)
: 交流能量注入电网(千瓦时)
: 区域的光伏模块(m2)
公关: 性能比。

数据可用性

所有的性能数据用于支持本研究的结果中包括这篇文章。

信息披露

作者承认参与本研究的数据,信息,和结果可能包含不确定性的假设,不准确或错误。这手稿的作者明确排除任何不准确或错误责任法律允许的最大程度。的观点或事实或见解和讨论在本文档仅作者。它并不反映任何组织直接或间接的政策和立场。因此,作者不负责任何后果的信息提出了这项工作。

的利益冲突

作者宣称没有利益冲突。

确认

作者承认新能源和可再生能源研究机构和技术(ANERT),这是喀拉拉邦再生节点代理在喀拉拉邦政府权力的部门,在印度,这个研究工作提供数据。作者也承认国家风能研究所(NIWE),钦奈,印度为关于SRRA站提供的信息。马来西亚彭亨(大学提供的支持http://www.ump.edu.my)通过PGRS210349 Sreenath先生Sukumaran,博士学者,人民运动联盟,和前主人MANIT-Bhopal的学生,印度,大大地承认。第二作者大大感谢董事会管理,Maulana Azad技术研究所(MANIT),博帕尔,印度为提供长期无薪休假在马来西亚彭亨大学开展教学和科研活动。