基于青海地区在运光伏电站监测数据的容配比提升分析
2021-04-01
(中国电力国际发展有限公司,北京 100080)
0 引言
近年来,随着全球光伏组件技术的快速提升及光伏发电装机规模的爆发式增长,光伏市场呈现光伏组件的价格快速下跌、单块光伏组件的标称功率稳步上升的趋势。根据第11 版《国际光伏技术路线图2019》[1]的数据显示,自2010~2018 年,全球晶体硅光伏组件的平均价格从11.90 元/Wp下降至1.68 元/Wp;单块晶体硅光伏组件的平均标称功率也从241.5 Wp上升至302.5 Wp。
中国光伏行业协会的数据显示,截至2019年12 月,国内晶体硅光伏组件的价格已经降至1.590~1.762 元/Wp,主流晶体硅光伏组件的标称功率已达到330 Wp[2-3]。2010~2020 年,晶体硅光伏组件的价格下跌幅度超过10 元/Wp,单块晶体硅光伏组件的标称功率约上升100 Wp,且未来晶体硅光伏组件的价格仍有进一步的下降空间。
随着国内光伏发电装机规模日渐扩大,以及光伏组件价格的快速下降,早期投产的光伏电站陆续开展了大规模的扩容工程,这对光伏电站的经济收益意义重大。
本文基于青海地区正在运行的光伏电站(下文简称“在运光伏电站”)的实时监测数据建立了光伏组件-逆变器限电率模型,以度电成本(LCOE)为考核指标,分析在不同扩容工程的工程造价影响下,光伏组件-逆变器容配比(下文简称“容配比”)与LCOE的敏感性关系,以确定在运光伏电站扩容时的最佳容配比。
1 容配比的含义
根据NB/T 10394-2020《光伏发电系统效能规范》中的表述,光伏组件的安装容量(即光伏组件的标称功率之和)PDC与逆变器的额定容量PAC之比称为容配比η,其计算式为:
早期国内在运光伏电站的容配比一般为1:1,即与1 台500 kW 集中式逆变器配套的光伏组件的安装容量为500 kWp。但光伏电站会受失配损失、阴影遮挡、灰尘遮挡、光伏组件工作温度升高、光伏组件功率衰减、电缆线损等因素的影响,安装容量为500 kWp的光伏组件的实际输出功率会低于500 kW,使逆变器无法实现满负荷运行,存在额定容量浪费的情况,导致光伏电站的整体发电量低于预期值,最终影响光伏电站的经济效益。
针对额定容量浪费的情况,可在光伏电站直流侧适当增加光伏组件的数量或更换大功率光伏组件,以此增加光伏电站装机规模,从而可在容配比1:1 的基础上提升容配比,以提高光伏组件输出功率,增加逆变器满负荷运行的时数。
以某一晴朗日不同容配比时光伏组件的瞬时输出功率曲线为例进行分析,如图1 所示。从图中可以看出,容配比为1.0:1 时光伏组件的瞬时输出功率比容配比为1.1:1 及1.2:1 时光伏组件的瞬时输出功率低,即容配比提高后,光伏组件的输出功率也随之提高,逆变器实现了满负荷运行。
图1 不同容配比时光伏组件的瞬时输出功率曲线Fig.1 PV modules instantaneous output power curves at diffterent capacity ratios
提升容配比需考虑多种因素,下文对确定光伏电站最佳容配比需考虑的因素进行分析。
2 确定最佳容配比时需考虑的因素
虽然提升容配比可提高光伏组件的输出功率,进而提升光伏电站的整体发电量,但容配比不能无限制的提升,需对限电率、工程造价及LCOE进行综合考虑后,选取最佳的容配比。通过建立科学准确的针对光伏发电的限电率模型,再针对不同容配比时的工程造价及LCOE开展敏感性分析,即可准确评估不同容配比为光伏电站带来的经济效益。
相较于项目内部收益率,LCOE能更直观地反映扩容工程所带来的发电量收益,并排除其他财务指标变化造成的结果扰动。因此,采用LCOE作为经济效益的考核指标更佳。
2.1 建立限电率模型
限电率是指由于容配比提升,光伏组件的理论输出功率超过了逆变器的容量限制,从而造成了发电量损失,这部分损失的发电量即是被限制的那部分发电量,其占理论发电量的比例即为限电率N。
N的计算式可表示为:
式中,EDC,act为扩容后光伏组件的实际直流发电量;EDC,ideal为扩容后光伏组件的理论直流发电量。
对在运光伏电站中光伏组件的瞬时输出功率曲线进行面积积分,在数学处理上有助于快速建立限电率模型。该模型可表示为:
式中,t为时刻;Eact(t)为扩容后t时刻光伏组件的实际瞬时输出功率;Eideal(t)为扩容后t时刻光伏组件的理论瞬时输出功率;SDC,act为扩容后光伏组件的实际瞬时输出功率曲线的面积;SDC,ideal为扩容后光伏组件的理论瞬时输出功率曲线的面积。
其中,
式中,E(t)为t时刻逆变器的交流瞬时输出功率;δ为逆变器损耗,此处取2%。
以青海地区某在运光伏电站中安装容量为500 kW 的光伏阵列为例。根据从该光伏电站监测系统中提取的500 kW 逆变器的单日交流瞬时输出功率数据,利用式(4)可得出该光伏阵列的Eideal(t)。对于该光伏阵列而言,其单日的瞬时输出功率存在如下关系:若Eideal(t)≤500 kW时,则Eact(t)=Eideal(t);若Eideal(t)>500 kW 时,则Eact(t)=500 kW,即Eact(t)被限制为500 kW。
对上述光伏阵列进行扩容,当容配比为1.4:1时,光伏组件的理论输出功率超过了逆变器的容量限制,出现了逆变器限电的情况。基于9 月1~30 日的实时监测数据生成了部分日期内500 kW 逆变器的限电情况曲线,如图2 所示。
图2 容配比为1.4:1 时逆变器的限电情况Fig.2 Power limit of inverter when capacity ratio is 1.4:1
由于整个光伏电站的日实际输出功率曲线是在包含了当地气候、沙尘、温度,以及各种检修因素对光伏组件输出功率造成影响的基础上生成的,因此基于该功率曲线建立的限电率模型相对科学、准确,也对后续的分析更有指导作用。而基于光伏电站大量的全年实时监测数据则可以建立更准确的限电率模型。
通过限电率模型可计算得到光伏组件扩容后光伏电站整体的年发电量,其计算式为:
式中,EEXPAND为光伏组件扩容后光伏电站整体的实际年发电量;PEXPAND为光伏组件扩容后光伏电站的实际总装机容量;H为光伏电站运营期内的年等效利用小时数。
2.2 工程造价分析
近年来,大型地面光伏电站的工程造价逐步下降,已由2010 年的8000~10000 元/kWp降至2019 年的约4550 元/kWp,预计2020 年可降至约4350 元/kWp[2-3]。
对于在运光伏电站而言,提升容配比所涉及到的工程造价主要包括新增光伏组件、桩基础、光伏支架和线缆等的建设安装费;除此以外的其他工程投资额因较小,可忽略不计。
综上所述,当前扩容工程的工程造价应在2000~4000 元/kWp之间,且预计在未来几年仍有下降空间。
2.3 LCOE 分析
LCOE可表示为[4]:
式中,Ci为光伏电站全寿命周期内第i年的成本,包括光伏电站的初始投资成本、逐年生产总成本等;Ei为光伏电站全寿命周期内第i年的发电量;n为光伏电站全寿命周期年限,此处取25;DR为折现率,此处取8%。
3 结果分析
3.1 容配比与LCOE 的关系分析
以青海地区某装机规模为100 MWp的在运光伏电站为例,该光伏电站于2010 年建成,在考虑限电率、扩容工程的工程造价基础上,针对不同容配比时该在运光伏电站的LCOE进行模拟分析。其中,该在运光伏电站的初始投资为8.5 亿元,年生产总成本为2000 万元,扩容工程的工程造价(光伏组件及桩基建设安装费)为4000 元/kWp;光伏发电系统的系统效率为80%;以光伏电站全寿命周期25 年计算,光伏组件的首年衰减率为3%,后续24 年的逐年衰减率为0.71%;光伏电站的年等效利用小时数为1800 h。
图3 为容配比在1.0:1~1.8:1 区间内时该在运光伏电站的LCOE情况。
图3 在运光伏电站的LCOE 随容配比变化的曲线Fig.3 Curve of LCOE with chang of capacity ratio of PV power station in operation
由图3 可知,当容配比在1.3:1~1.5:1 区间内时,LCOE存在最小值。因此在容配比的变化幅度为0.1 的基础上,对该在运光伏电站在不同容配比时的限电率、LCOE及LCOE的变动幅度进行综合考虑,以便进一步缩小最佳容配比的选取范围,具体如表1 所示。
表1 在运光伏电站在不同容配比时的限电率、LCOE及LCOE 的变动幅度Table 1 Curtailment rate,LCOE and LCOE variation of PV power station in operation with different capacity ratios
由于容配比提高,工程造价也必将上升。由表1 可知,随着容配比的提高,限电率也在上升,这将造成光伏电站发电量收益的下降;但当容配比增至1.4:1~1.5:1 区间内时,LCOE值相对较低,且LCOE的下降幅度也相对较大。由此说明在该区间内LCOE存在最小值,即容配比存在最优解。
通过建立数学模型进行最优解运算,最终得出该在运光伏电站扩容后的最佳容配比为1.4024:1,虽然该容配比时的LCOE比容配比为1.4:1 时的略有优势,但较为接近,因此容配比为1.4024:1 时的LCOE也按0.5135 元/kWh 分析。扩容后该光伏电站的LCOE从0.5501 元/kWh 降至0.5135 元/kWh,LCOE下降了0.0366 元/kWh。
3.2 在运光伏电站扩容工程造价不同时的敏感性分析
综上所述可知,对于在运光伏电站而言,当扩容工程造价为4000 元/kWp时,该在运光伏电站的最佳容配比为1.4024:1。但随着用于光伏电站扩容的原材料成本持续处于下跌的趋势,扩容工程造价区间选取2000~4000 元/kWp、容配比区间选取1.0:1~2.0:1 后再次开展在运光伏电站的LCOE分析,结果如图4 所示。
图4 扩容工程造价不同时在运光伏电站的敏感性分析Fig.4 Sensitivity analysis of PV power station in operation with project cost of different expansion projects
由图4 可知,随着扩容工程造价的下降,不仅使在运光伏电站的最佳LCOE有进一步的下降空间,同时还使其最佳容配比也得到了进一步的提升。当在运光伏电站的扩容工程造价从4000元/kWp降至2000 元/kWp时,其最佳容配比从1.4024:1 上升到1.9600:1,这意味着光伏电站可加装更多的光伏组件,最佳LCOE也从0.5135元/kWh 降至0.4631 元/kWh。
扩容工程造价不同时,在运光伏电站对应的最佳容配比和最佳LCOE情况如表2 所示。
表2 在不同扩容工程造价下,在运光伏电站的最佳容配比及最佳LCOETable 2 Optimal capacity ratio and optimal LCOE of PV power station in operation under project cost of different expansion projects
3.3 拟新建光伏电站在不同扩容工程造价时的敏感性分析
上文对在运光伏电站的容配比提升时,扩容工程造价不同时的最佳容配比及最佳LCOE的情况进行了分析,现基于前述理论方法,对拟新建的光伏电站在不同扩容工程造价时的容配比提升情况进行分析。
拟新建一座光伏组件安装容量为100 MWp的光伏电站,其初始投资为4.35 亿元,其他参数与前文青海地区某100 MWp在运光伏电站一致。若在此光伏组件装机容量下提升容配比,则图5 为该拟新建的光伏电站在不同扩容工程造价下的敏感性分析结果。
图5 拟新建的光伏电站在不同扩容工程造价下的敏感性分析Fig.5 Sensitivity analysis of proposed newlly-built PV power station under project cost of different expansion projects
由图5 可知,不同扩容工程造价下拟新建的光伏电站的最佳容配比的浮动范围为1.1270:1~1.5551:1,最佳LCOE在0.3045~0.3303 元/kWh之间。
拟新建的光伏电站在不同扩容工程造价下对应的最佳容配比和最佳LCOE情况如表3 所示。
表3 拟新建的光伏电站在不同扩容工程造价下对应的最佳容配比及最佳LCOETable 3 Optimal capacity ratio and optimal LCOE of proposed newly-built PV power station under project cost of different expansion projects
3.4 小结
对青海地区某100 MWp在运光伏电站而言,在扩容工程造价为4000 元/kWp的情况下,经过光伏组件扩容后该在运光伏电站在最佳容配比时的LCOE可从0.5501 元/kWh 降至约0.5135元/kWh;当扩容工程造价从4000 元/kWp降至2000 元/kWp时,经过光伏组件扩容后该在运光伏电站在最佳容配比时的LCOE理论上最多可降至约0.4631 元/kWh。
对于青海地区拟新建的光伏电站而言,随着未来扩容工程造价下降特别是光伏组件价格的下降,光伏电站的最佳容配比范围将在1.1270~1.5551 之间浮动,LCOE有望低至约0.3045 元/kWh。
4 结论
近年来光伏产业渐趋成熟,优质的建设光伏电站的土地只会越来越少;随着工程造价的下降,对在运光伏电站开展适当的扩容工程既可有效降低在运光伏电站的LCOE,还具有极强的可操作性。基于此,本文以青海地区在运光伏电站的实时监测数据为基础,对此类光伏电站的容配比提升进行了分析。
由于在运光伏电站已取得土地及各项项目的批文,与新建光伏电站项目相比,其在项目开发成本、施工成本、工期成本等方面均具有较大的优势。对于投资额较大的早期的在运光伏电站,在政策允许的情况下,甚至可考虑开展大规模的光伏组件扩容工程,从而大幅提升光伏电站的光伏组件装机容量及整体发电量,充分挖掘原有优质土地的潜能,使光伏电站的经济效益最大化。
为此,充分利用在运光伏电站的实时监测数据,建立容配比分析模型,对未来企业开展大规模的光伏电站扩容工程设计有显著的指导意义。