雾霾影响下的光伏发电系统的可视化分析平台研究

裴雨清 李松丽 孔华锋 姚文勇(上海市质量监督检验技术研究院 上海 04)(公安部第三研究所 上海 004)

0 引 言

近年来，由于全球能源危机，太阳能发电系统保持持续高速增长的趋势。我国政府在政策方面积极推进，在2016年12月16日公布的《太阳能发展“十三五”规划》中明确提出，到2020年底，太阳能发电装机容量达到1.1亿千瓦以上。随着光伏组建技术和效率的不断提升，光伏发电产品的成本持续下降，产品规模不断扩大，已成为我国为数不多的，可以同步参与国际竞争，并有望达到国际领先水平的行业。然而,我国的雾霾天气日益增多，雾霾对光伏发电系统的整体发电能力有着非常明显的不利影响。2013年,中科院上海微系统所发现在重度雾霾污染下,光伏系统的日发电有效小时数由2.79小时降低为0.7小时,降低了约80%。因此,雾霾对光伏组建的发电性能产生了巨大的影响，而清洁能源的大力推广又是治理雾霾的有效手段之一。因此，研究光伏发电与雾霾的关系具有明确的现实意义。

数据可视分析[1]将采集或模拟的数据变换为可识别的图像或视频，以更直观的方式(即可视化)呈现给用户。数据可视分析是将数据可视化与数据分析结合，引导用户从可视化结果分析推理出更多有效的信息，该技术已经在多个领域得到广泛应用[2-3]。本文以上海市质量监督检验技术研究院屋顶小型并网光伏系统为研究主体,以上海为主要研究区域,搭建了一套光伏数据可视分析平台。通过该平台快速高效地定性和定量分析雾霾对光伏发电量的影响,得出雾霾对光伏组件性能的影响因子。帮助研究人员做出适当的决策，完善光伏发电系统。因此,该平台的实现也是使用可视化技术将功能型光伏电站向智能型光伏电站的转变的可行性研究。

1 系统整体设计

1.1 户外并网光伏实证基地

在上海市质量监督检验技术研究院的楼顶建设小型户外并网光伏实证基地,单块组件最大测试功率为300 W、500 W、1 000 W，三档可选，可根据系统需求扩容。本次研究选用300 W，最大电压120 V，最大电流30 A。选择目前市场上占主流的单晶(72片串联)、单晶PERC(60片串联)和多晶(60片串联)组件进行试验。每种类型的组件选择同一型号的两块组件进行测试。6块组件通过组件选择器连接至高精度电子负载，巡回测试每块组件的I-V特性。建立气象站，对环境温湿度、风向风速、被测样品相同倾角的辐照度进行数据采集和监测。

1.2 相关数据采集

为了研究光伏组建在户外的长期性能变化，需要实时的光伏组件发电能力以及对应的诸多天气参数。上述光伏实证基地已经具有环境湿度、总辐照强度、风向风速等基本天气参数监测、采集和存储功能以及IV曲线扫描的功能。系统进行数据采集的周期为每日6:00～18:00，采样间隔为5 s。

为了了解实时的空气质量情况，以便对雾霾进行分析，课题组通过上海市政府数据服务网提供的上海市环境环保局数据接口获得空气质量数据，包括空气质量指数AQI、首要污染物、空气污染等级等重要参数。污染物浓度等参数基于网页抓取技术定时向相关网页抓取有效信息获得。采集数据统一数据库管理。采集器基于WINFROM开发，包含数据转存功能，网页有效信息定时抓取功能。

1.3 数据可视化平台

参考文献[4]，基于B/S架构开发光伏发电与空气质量联合分析系统。本系统采用Asp.net开发，后台数据库采用Oracle数据库，数据可视化展示使用Highcharts纯JavaScript图表库。Highcharts数据可视化需要在模型层和控制器中准备好数据，然后通过Ajax将Json数据传送到前台页面，填充到Highcharts并展示出来。该系统是一套通过浏览器和数据库及服务器后台进行实时交互的数据分析系统，整体设计如图1所示。

图1 系统整体设计

2 系统关键技术

2.1 Web信息抽取

本文参考文献[5]针对HTML结构，网页更新频率，使用正则表达式的匹配定时对WEB信息进行提取。获得了上海地区空气污染物相关参数，包括每小时空气质量指数AQI，PM2.5(μg/m3)，PM10(μg/m3)，SO2浓度(μg/m3)，CO浓度(mg/m3)，NO2浓度(μg/m3)，O3浓度(μg/m3)。数据由环保部中国环境监测总站发布。

2.2 相关性分析

平台使用Math.Net开源类库实现了对任意两个变量之间进行相关性分析。用户可任意选择数据库已有的两两相关参数进行分析，亦可通过导入待分析变量并选择合适的处理方法，得出相关系数。相关系数，或称线性相关系数、皮氏积矩相关系数PPCC(Pearson product-moment correlation coefficient)等，是衡量两个随机变量之间线性相关程度的指标。它由卡尔·皮尔森(Karl Pearson)在1880年代提出，现已广泛地应用于科学的各个领域。相关系数r计算公式如下：

(1)

式中：μx、σx分别表示x的平均值和标准差；μy、σy分别表示y的平均值和标准差。x和y为两个数据集，则x的平均值为：

(2)

标准差为：

(3)

r取值范围为[-1,1]，r>0表示正相关，r<0表示负相关，|r|表示了变量之间相关程度的高低。特殊地，r=1称为完全正相关，r=-1称为完全负相关，r=0称为不相关。通常|r|大于0.8时，认为两个变量有很强的线性相关性。

2.3 可视化技术

本文参考文献[6]使用Highcharts及Highstock avascript图表库做可视化分析。主要使用Highcharts做参数相关性分析，而使用Highstock做时间段分析。应研究要求，每隔5 s记录光伏发电IV数据，因此显示数据量庞大。而Highcharts和Highstock在处理大数据量数据时，会优先使用GPU进行数据渲染。在主流浏览器上，可以在半秒内渲染百万级的数据，满足了数据可视的速度要求。另外，Highstock可以用来开发股票走势或大数据量的时间轴图表。它包含多个高级导航组件：预设置数据时间范围，日期选择器、滚动条、平移、缩放功能。对细节性分析数据起到了很大的辅助作用。

3 可视化分析实例

参与空气质量评价的污染物为SO2、NO2、PM10、PM2.5、O3、CO等6项，空气质量指数AQI代表了PM10、PM2.5等一些细小颗粒物在空气中的含量。雾霾的形成主要与空气中细颗粒物有关，故采用AQI量化雾霾天气程度的模糊描述。AQI为0～50，空气质量级别为一级，空气质量状况属于优。51～100二级良，101～150三级轻度污染，151～200四级中度污染，201～250，重度污染，大于300严重污染。影响光伏发电量的主要因素有很多，包括太阳辐照强度，大气温度和雾霾。其中,雾霾天时大气中的悬浮颗粒物如PM2.5、PM10和二氧化氮浓度升高,大气中各污染物对太阳光吸收和反射增多,导致光伏组建表面接收到的太阳辐照强度降低,从而间接导致发电量降低。而随着累积在光伏组建表面的颗粒物增加，一方面是的太阳光的透过率降低，另一方面积尘吸收太阳辐射后使得光伏组建升温，导致光电转换率降低[7]。

而影响光伏发电效率的直接因素是太阳辐照强度。利用光伏实证基地实测的功率数据,得到如图2显示了2017年11月22日至24日的太阳辐照强度发电量的关系，很明显为正相关，Pearson相关系数达到了0.98。

图2 太阳辐照度SUN(W/m2)与发电量P(W)

根据上海地区公开空气质量数据，从2017年11月份AQI指数曲线图如图3所示，挑选出典型的雾霾天(AQI指数最高超过100),本文选取11月3日、11月10日及11月22日作为研究对象,对时间积分后得以上三天的总发电量分别为1 434 Wh、711 Wh和448 Wh。将三天的发电功率与空气污染物浓度进行关联性分析如表1。根据功率与AQI数据得出Pearson相关参数,除11月10日，另外两天均为正值，即发电功率与AQI正相关，明显与理论不符，与文献[8]结果相似。三天AQI指数相当，而太阳辐照度(图4)相差较大，说明在AQI指数未到达250之前，对于光伏发电，太阳辐照度仍然是主导因素。因此，如需进一步研究雾霾对光伏组建的影响，需采集空气质量指数超过250的重度或严重污染日。纵观上海天气，均未有重度雾霾日出现，光伏发电站发电能力不会受到明显限制。

图3 2017年11月AQI指数

表1 11月典型雾霾天发电功率与空气污染物Pearson相关系数

图4 2017年11月典型雾霾天太阳辐照度SUN(W/m2)对比图

4 结 语

本文针对雾霾对光伏组件的影响的研究需求，使用信息抽取、相关性分析技术，可视化分析技术构建了雾霾影响光伏发电系统的可视化分析研究平台。通过Highcharts、Highstock对光伏发电量和空气污染物进行相关性分析，使研究人员可快速高效地对雾霾和光伏发电量的关系进行定性和定量的分析。本文利用该平台对现有数据进行可视化分析发现，在AQI空气质量指数小于250时，光照辐射强度是光伏发电量的主导因子，而雾霾对发电量的限制不大。

在今后的工作中,系统的功能还可以进一步扩展,实现对光伏电站的实时监控,为光伏电站维护人员提供高效有序的实时信息,帮助研究人员做出相应的措施，使得光伏电站运行效率最大化。

[1] 陈为，沈则潜，陶煜波.数据可视化[M].电子工业出版社，2016.

[2] 王恬,李书琴,王志伟.农业信息搜索可视化平台研究[J].计算机应用与软件,2016,33(3):271- 274.

[3] Ennert M, Madoš B, Dudláková Z. Data Visualization Of Network Security Systems[J]. Acta Electrotechnica et Informatica, 2014,14(4): 13- 16.

[4] 宋美娜,崔丹阳,鄂海红,等.一种通用的数据可视化模型设计与实现[J].计算机应用与软件,2017,34(9):38- 42,96.

[5] 胡军伟,秦奕青,张伟.正则表达式在Web信息抽取中的应用[J].北京信息科技大学学报(自然科学版),2011,26(6):86- 89.

[6] 王子毅，张春海.基于ECharts的数据可视化分析组件设计实现[J].微型机与应用，2016，35(14)：46- 48.

[7] 温岩,赵东,袁春红,等.积尘对光伏系统发电的影响研究综述[J].太阳能,2014(11):36- 41.

[8] 倪春花,李弘毅,吴在军.雾霾对光伏发电量的影响分析[J].电力工程技术,2015,34(6):77- 81.