周 文

平潭煜想时代科技有限公司 福建福州 350400

随着世界经济对永续发展、自然环境、温度和天气模式的长期变化等议题的重视,世界上各个国家发展的重点在加紧速度利用开发可再生能源。在具有多种多样特征的自然资源中获得的能源里,太阳能发电(Photovoltaics)是一种可持续的能源,中国在太阳能发电领域具有发展、清洁、高效等优势,且应用范围非常广泛。中国太阳能发电的装机容量正在快速增加。截至2020年2月,太阳能发电的累计装机容量已达到2.043×108kW,比去年同期增长了17.3%,分布式太阳能发电的装机容量已经增加了1.220×107kW,同比增长了41.3%。其中,分布式太阳能电站的累计容量同比增长了24.2%[1]。未来,太阳能发电尤其是分布式太阳能发电将在能源供应中扮演重要角色。如遵照维运占1%的最高代价、光伏发电成本算术平均值5元/W来计算,光伏分布式维运将跨越30亿元[2]。目前,现代的分布式光伏维护正逐步向平台化和智能化方向发展。这也提高了对光伏维护经济性的要求。通过合理规划光伏维护的基本工作单位以及确定维护最佳周期,有效提高光伏发电效益,降低维护成本,这具有非常重要的价值。恢复光伏分布式电站的异常状态是维护光伏电站的主要交派的工作之一,这需要对设备技术状态进行监测和修复。对于探索规定的时间内完成规定的功能的能力以及光伏系统的确定维运周期相当重要,目前光伏整体在规定的时间内完成规定的功能的能力研究方向主要分为两种:基于资源限制的在规定的时间内完成规定功能能力的模型,其中一种可靠性模型是基于组件故障的模型。该模型的研究方法包括故障树分析、马尔可夫法和可靠性框图。文献[3]则建立了一个整体光伏系统能力评估模型,以衡量其在规定时间内完成规定功能的能力。该模型使用概率密度函数方法来评估整个光伏系统的可靠性和程度。此外,清洗光伏组件也是维护光伏系统的主要任务之一。由于光伏系统长期运作在自然环境中,空气中微小粒子很容易积聚在组件表面形成灰尘,如果灰尘长时间积累,就会减少光伏系统的发电量,降低光线透过介质的能力可能会导致面板被当作负载而消耗其他有光照的太阳能电池组件产生的能量。进而导致局部过热。通过对整体光伏积灰情况进行研究,发现发电机进行能量转换产出的电能数量少了12.7%,积灰密度在1个月内增添5.44g/m2。研究不同灰尘粒径下发电量损失与积灰的质量与体积的比值关系。一些研究确切指明随着时间变化,光伏系统因为长久蓄积的灰尘密度增大,会更减少发电量。针对这些疑难,本文基于考虑光伏分布式应用情境的前提,建立了一个维运周期模型。综合考虑了组件灰尘积累带来的损失、维修固定成本、零部件失效带来的损失以及维修时间成本等因素,旨在提出一种以最优生产和分配效果为目标的光伏分布式最优维运周期方法。通过不同的计算案例,验证了该维运方式的合理性和有效性。

1 太阳光电系统维护分布式周期模型

1.1 太阳光电系统分布式维护整体最优周期的概念

本文的目标是使用以尽量少的耗费取得尽量多的经营成果为导向的太阳光电系统分布式维运周期模型,在不同情境下确定最优的周期维运。每次维运需要对光伏组件进行清洗和修理异常状态的部件。建立的输入参数模型是将维运候选解按照相同的顺序重复出现的时间,输出参数则是维运发生的总成本和最佳维运周期。光伏分布式维运的总成本主要包括两个部分:一部分成本是每次维运的生产和再生产成本;另一部分成本是由于光伏系统零件失效或光伏组件积灰导致发电量减少。失去效用的零件越多,维运周期越长,加起来计算故障时间越长,与此同时组件积灰更不容易解决,使光伏发电机的能量转换效率下降,导致电能产量减少,进而减少光伏发电收益。另一方面,维运周期越短,则会使总计的维运最高代价更高,甚至超过发电机进行能量转换产出的电能数量经济成本损失。因此,本文通过建立光伏分布式维运周期模型寻找维运最高代价和发电机进行能量转换产出的电能数量损失成本的平衡,达成最佳维运效果。由于光伏分布式零件的故障是一个不定因子不断产生的重复过程,在每个维运周期内的维运最高代价和发电机进行能量转换产出的电能数量损失成本都不相同,因此建立零件可靠的性质和程度模型,这项研究利用概率密度函数来获取模型的概率分布结果。由于太阳能电池板表面会随着时间的增加而累积固体物质的细小颗粒,因此建立了一个考虑到灰尘累积的太阳能电池板模型,用于计算每天因灰尘累积而导致的发电量损失。

1.2 太阳光电系统应用分布式场景

由于不相同的太阳光电系统分布式应用情况下,整体功能的各个部分之间的组合和布置以及所处的地理情况和条件各不相同,因此最佳的周期维护也会有所不同。本研究针对太阳光电系统应用分布式场景构建了一个维护周期模型,该场景为光伏分布式电站,与其他场景不同的是,该系统具有较大的功率,整个系统采用集中连接的方式,共享交流电动机控制中心、汇流箱、逆变器等设备。本文参考福建财茂城一期的太阳光电系统分布式案例,选取其中关键零件建立太阳光电系统分布式系统数学模型。这座光伏分布式电站的总装机容量为1904.6kW,它分别由10个直流和交流光伏汇流箱、5个交流配电柜以及19台110kW的逆变器组成。在这个电站中,共有3558块535W的光伏组件分布在各个位置。

1.3 光伏可靠性零件模型

可靠的性质和程度定义是一个零件在特别指定的操作及环境条件下,不失去效用地在一定的时间内完成其规范的基本工作单位。在数据可靠性建模中,零件失效的时间是随机的未知值,可以用概率函数来表示。这意味着零件失效的时间无法准确预测,只能通过概率统计的方法来分析和评估。对于一个随机变量,它在某个时间点附近出现的概率可以用概率密度函数p(t)来表示。零件可以用累积密度函数C(t)来表示在一段时间t之前失效的概率。概率密度函数与累计密度函数的相互关系为:

(1)

可靠的性质和程度函数r(t)表示系统在(0,t]时间内不故障的概率:

(2)

通常,光伏分布式系统中的零部件失效使用概率密度函数指数分布来描述:

p(t)=λexp(-λt)

(3)

C(t)=1-exp(-λt)

(4)

r(t)=exp(-λt)

(5)

公式中的λ为零件失效率,用失效次数在单位时间内来表示。

2 实施模型方法

本文使用Python设立光伏分布式最佳按同样的顺序重复出现的时间维运模型,维运模拟重复出现的时间Tc∈[1,9]M的情况。本文使用概率密度函数来模拟每个维护运行重复出现的时间,运行模型1000次,以得到每个重复出现时间下的维护运行概率分布和总成本。然后,通过对这1000次结果的平均值进行模拟,确定最佳的维护运行重复出现时间。

模拟每次光伏分布式运作1a时间,拟运模型模行间隔时间为1h。全年维运次数为:

Ttal=|365/Tp|

(6)

因损失发电量而带来的成本,光伏发电量损失成本主要包括两个方面:其一是光伏组件因积累灰尘而导致的损失;其二是光伏系统零件失去效用所造成的损失。

2.1 故障零件损失

由于光伏系统故障零件导致光伏组件离线所引起的经济损失效益,可以表示为:

Vloss(t)=Mmod(t)P(t)pel

(7)

这个公式中,Vloss表示在t时刻由于零件故障而导致的分配效果和收益损失;Mmod(t)表示t时刻光伏系统中离线组件的总数;P(t)表示t时刻单个光伏零件的输出能量转换或使用的速率;pel表示并网电价。

(8)

2.2 蓄积的灰尘零件损失

由光伏积灰组件导致发电量下降所引起的以尽量少的耗费取得尽量多的经营成果,可以表示为:

Vash(t)=(Mtol-Mmod(t))P(t)ηash(t)pel

(9)

在这个公式中,Vash(t)表示由于积灰导致的经济效益损失,在时刻t持续存在;Mtol代表光伏组件的总数;Mtol-Mmod(t)表示在时刻t时,太阳光电系统组件的在线总数;ηash(t)表示t时刻因积灰引起的损失发电量。

3 讨论

3.1 运行模型的概率结果分布

太阳光电系统分布式维运同样顺序重复出现的时间分别取为7天、14天、21天、28天,光伏分布式电站的总成本在一个概率区域内呈现如下图1所示的散布情况。为了确定每日光伏发电量损失率,需要计算组件积灰模型的经验常数。对于位于财茂城的一个小型光伏分布式系统而言,在进行了运维1000次后,总成本的波动主要由时间标量代价所促成。从下图1可以观察到,随着所依赖的因素影响增加,周期性维运的概率峰值分布更明显。这主要是因为维运更加集中,使同样顺序重复出现的时间增加,波动的时间成本变小。维运的波动总成本主要是由零件失去效用损失导致。随着同样顺序重复出现的时间维运增加,光伏分布式电站的故障率较高,因此其概率分布更加离散。同样顺序重复出现的时间维运增加,导致影响更大且零件失去效用的数量增多。

(a)运维周期为7d

(b)运维周期为14d

(c)运维周期为21d图1 分布式光伏电站维运总成本概率分布图

3.2 模型运行平均值结果

3.2.1 基本方案

随着同一顺序重复出现的时间维运的增加,蓄积的灰尘程度、失去效用零件数量以及失去效用时间均增长,发电机进行能量转换产出的电能数量损失成本均增加。同时因为维运增加同样顺序重复出现的时间,一年内的总次维运数下降,总维运时间缩短,因此维运代价均降低。对于发电机进行能量转换产出的电能数量损失代价,光伏分布式主要为零件失去效用损失、蓄积的灰尘组件损失,其原因是光伏分布式电站零件的异常状态或是缺陷率较高且连接的光伏组件较多。

光伏分布式电站每次清洗所需的时间较短,因此对于主要由时间代价构成的维护成本而言,时间成本的降低幅度较小。然而,随着维护周期的增加,维护成本仍会增加。光伏分布式电站的最优维运周期为21天,每天平均的维运总成本为406.7元,每天平均的失效零件损失为132.9元,维护保养的固定成本为106.6元,零件因积灰而损失的成本为69.3元,而因时间推移而产生的维护成本为118.7元。

根据维运传统方案得到的太阳光电系统分布式电站的维运周期为29天,平均每天的维运总成本为451.7元。与传统维运方案相比,采用本文方案可以平均每天为光伏分布式电站节省30.3元的成本,全年可节省下1.1万元的成本。可以观察到,确定最佳运维周期的方法显著提高了分布式典型太阳光电系统的经济效益。

3.2.2 最佳周期的运维对于并网电价有何影响

利用模拟光伏并网电价,可以制造出不同的并网电价pel,进而调整最佳周期的运维时间顺序以产生影响。其中,pel的设定分别为0.28元/(千瓦·时)、0.43元/(千瓦·时)、0.58元/(千瓦·时)。在普遍情况下,所有按照同样顺序定期出现的维护,其总成本会随着并网电价的上涨而增加。其中,发电量损失成本的增加代表着成本的增长。随着周期性维护频率的增加,发电量损失成本在总成本中所占比重也逐渐增加。

因此,当并网电价上升,总成本的增长趋势将进一步增大。在并网电价分别为0.2元/(千瓦·时)、0.43元/(千瓦·时)、0.58元/(千瓦·时)时,光伏分布式电站的最佳周期性维护时间分别为24天、21天、14天。每天的平均维护成本分别为325.2元、413.5元、473.2元。

4 结论

(1)在考虑太阳光电系统分布式系统组件可靠性和程度、零件积累的灰尘速率等因素的基础上,建立了太阳光电系统分布式系统同样顺序周期性维护时间模型。该模型是以通用的方式实施和建立的,通过调整模型参数,可以通过考虑不同情境下的经济效益统计数据,建立数学模型并利用该模型计算分析对象的各项指标及其数值,从而评估分析方法、影响因素以及确定最佳维护周期。

(2)光伏分布式系统的应用情境中,确定最佳的同样顺序重复出现的时间维运是一个重要的因素。由于不同情境应用下,系统连接方式、部件组件数量各不相同,各项成本在总连接维运中的比重和整体的关系区分较大。因此,可以根据实际情况确定该最优维运周期方法,并将其开拓发展应用于不同类型的系统构造和受不同影响因素的光伏分布式系统中。