裴雨清 李松麗 孔華鋒 姚文勇(上海市質(zhì)量監(jiān)督檢驗(yàn)技術(shù)研究院 上海 04)(公安部第三研究所 上海 004)

0 引 言

近年來(lái)，由于全球能源危機(jī)，太陽(yáng)能發(fā)電系統(tǒng)保持持續(xù)高速增長(zhǎng)的趨勢(shì)。我國(guó)政府在政策方面積極推進(jìn)，在2016年12月16日公布的《太陽(yáng)能發(fā)展“十三五”規(guī)劃》中明確提出，到2020年底，太陽(yáng)能發(fā)電裝機(jī)容量達(dá)到1.1億千瓦以上。隨著光伏組建技術(shù)和效率的不斷提升，光伏發(fā)電產(chǎn)品的成本持續(xù)下降，產(chǎn)品規(guī)模不斷擴(kuò)大，已成為我國(guó)為數(shù)不多的，可以同步參與國(guó)際競(jìng)爭(zhēng)，并有望達(dá)到國(guó)際領(lǐng)先水平的行業(yè)。然而,我國(guó)的霧霾天氣日益增多，霧霾對(duì)光伏發(fā)電系統(tǒng)的整體發(fā)電能力有著非常明顯的不利影響。2013年,中科院上海微系統(tǒng)所發(fā)現(xiàn)在重度霧霾污染下,光伏系統(tǒng)的日發(fā)電有效小時(shí)數(shù)由2.79小時(shí)降低為0.7小時(shí),降低了約80%。因此,霧霾對(duì)光伏組建的發(fā)電性能產(chǎn)生了巨大的影響，而清潔能源的大力推廣又是治理霧霾的有效手段之一。因此，研究光伏發(fā)電與霧霾的關(guān)系具有明確的現(xiàn)實(shí)意義。

數(shù)據(jù)可視分析[1]將采集或模擬的數(shù)據(jù)變換為可識(shí)別的圖像或視頻，以更直觀的方式(即可視化)呈現(xiàn)給用戶。數(shù)據(jù)可視分析是將數(shù)據(jù)可視化與數(shù)據(jù)分析結(jié)合，引導(dǎo)用戶從可視化結(jié)果分析推理出更多有效的信息，該技術(shù)已經(jīng)在多個(gè)領(lǐng)域得到廣泛應(yīng)用[2-3]。本文以上海市質(zhì)量監(jiān)督檢驗(yàn)技術(shù)研究院屋頂小型并網(wǎng)光伏系統(tǒng)為研究主體,以上海為主要研究區(qū)域,搭建了一套光伏數(shù)據(jù)可視分析平臺(tái)。通過(guò)該平臺(tái)快速高效地定性和定量分析霧霾對(duì)光伏發(fā)電量的影響,得出霧霾對(duì)光伏組件性能的影響因子。幫助研究人員做出適當(dāng)?shù)臎Q策，完善光伏發(fā)電系統(tǒng)。因此,該平臺(tái)的實(shí)現(xiàn)也是使用可視化技術(shù)將功能型光伏電站向智能型光伏電站的轉(zhuǎn)變的可行性研究。

1 系統(tǒng)整體設(shè)計(jì)

1.1 戶外并網(wǎng)光伏實(shí)證基地

在上海市質(zhì)量監(jiān)督檢驗(yàn)技術(shù)研究院的樓頂建設(shè)小型戶外并網(wǎng)光伏實(shí)證基地,單塊組件最大測(cè)試功率為300 W、500 W、1 000 W，三檔可選，可根據(jù)系統(tǒng)需求擴(kuò)容。本次研究選用300 W，最大電壓120 V，最大電流30 A。選擇目前市場(chǎng)上占主流的單晶(72片串聯(lián))、單晶PERC(60片串聯(lián))和多晶(60片串聯(lián))組件進(jìn)行試驗(yàn)。每種類型的組件選擇同一型號(hào)的兩塊組件進(jìn)行測(cè)試。6塊組件通過(guò)組件選擇器連接至高精度電子負(fù)載，巡回測(cè)試每塊組件的I-V特性。建立氣象站，對(duì)環(huán)境溫濕度、風(fēng)向風(fēng)速、被測(cè)樣品相同傾角的輻照度進(jìn)行數(shù)據(jù)采集和監(jiān)測(cè)。

1.2 相關(guān)數(shù)據(jù)采集

為了研究光伏組建在戶外的長(zhǎng)期性能變化，需要實(shí)時(shí)的光伏組件發(fā)電能力以及對(duì)應(yīng)的諸多天氣參數(shù)。上述光伏實(shí)證基地已經(jīng)具有環(huán)境濕度、總輻照強(qiáng)度、風(fēng)向風(fēng)速等基本天氣參數(shù)監(jiān)測(cè)、采集和存儲(chǔ)功能以及IV曲線掃描的功能。系統(tǒng)進(jìn)行數(shù)據(jù)采集的周期為每日6:00～18:00，采樣間隔為5 s。

為了了解實(shí)時(shí)的空氣質(zhì)量情況，以便對(duì)霧霾進(jìn)行分析，課題組通過(guò)上海市政府?dāng)?shù)據(jù)服務(wù)網(wǎng)提供的上海市環(huán)境環(huán)保局?jǐn)?shù)據(jù)接口獲得空氣質(zhì)量數(shù)據(jù)，包括空氣質(zhì)量指數(shù)AQI、首要污染物、空氣污染等級(jí)等重要參數(shù)。污染物濃度等參數(shù)基于網(wǎng)頁(yè)抓取技術(shù)定時(shí)向相關(guān)網(wǎng)頁(yè)抓取有效信息獲得。采集數(shù)據(jù)統(tǒng)一數(shù)據(jù)庫(kù)管理。采集器基于WINFROM開(kāi)發(fā)，包含數(shù)據(jù)轉(zhuǎn)存功能，網(wǎng)頁(yè)有效信息定時(shí)抓取功能。

1.3 數(shù)據(jù)可視化平臺(tái)

參考文獻(xiàn)[4]，基于B/S架構(gòu)開(kāi)發(fā)光伏發(fā)電與空氣質(zhì)量聯(lián)合分析系統(tǒng)。本系統(tǒng)采用Asp.net開(kāi)發(fā)，后臺(tái)數(shù)據(jù)庫(kù)采用Oracle數(shù)據(jù)庫(kù)，數(shù)據(jù)可視化展示使用Highcharts純JavaScript圖表庫(kù)。Highcharts數(shù)據(jù)可視化需要在模型層和控制器中準(zhǔn)備好數(shù)據(jù)，然后通過(guò)Ajax將Json數(shù)據(jù)傳送到前臺(tái)頁(yè)面，填充到Highcharts并展示出來(lái)。該系統(tǒng)是一套通過(guò)瀏覽器和數(shù)據(jù)庫(kù)及服務(wù)器后臺(tái)進(jìn)行實(shí)時(shí)交互的數(shù)據(jù)分析系統(tǒng)，整體設(shè)計(jì)如圖1所示。

圖1 系統(tǒng)整體設(shè)計(jì)

2 系統(tǒng)關(guān)鍵技術(shù)

2.1 Web信息抽取

本文參考文獻(xiàn)[5]針對(duì)HTML結(jié)構(gòu)，網(wǎng)頁(yè)更新頻率，使用正則表達(dá)式的匹配定時(shí)對(duì)WEB信息進(jìn)行提取。獲得了上海地區(qū)空氣污染物相關(guān)參數(shù)，包括每小時(shí)空氣質(zhì)量指數(shù)AQI，PM2.5(μg/m3)，PM10(μg/m3)，SO2濃度(μg/m3)，CO濃度(mg/m3)，NO2濃度(μg/m3)，O3濃度(μg/m3)。數(shù)據(jù)由環(huán)保部中國(guó)環(huán)境監(jiān)測(cè)總站發(fā)布。

2.2 相關(guān)性分析

平臺(tái)使用Math.Net開(kāi)源類庫(kù)實(shí)現(xiàn)了對(duì)任意兩個(gè)變量之間進(jìn)行相關(guān)性分析。用戶可任意選擇數(shù)據(jù)庫(kù)已有的兩兩相關(guān)參數(shù)進(jìn)行分析，亦可通過(guò)導(dǎo)入待分析變量并選擇合適的處理方法，得出相關(guān)系數(shù)。相關(guān)系數(shù)，或稱線性相關(guān)系數(shù)、皮氏積矩相關(guān)系數(shù)PPCC(Pearson product-moment correlation coefficient)等，是衡量?jī)蓚€(gè)隨機(jī)變量之間線性相關(guān)程度的指標(biāo)。它由卡爾·皮爾森(Karl Pearson)在1880年代提出，現(xiàn)已廣泛地應(yīng)用于科學(xué)的各個(gè)領(lǐng)域。相關(guān)系數(shù)r計(jì)算公式如下：

(1)

式中：μx、σx分別表示x的平均值和標(biāo)準(zhǔn)差；μy、σy分別表示y的平均值和標(biāo)準(zhǔn)差。x和y為兩個(gè)數(shù)據(jù)集，則x的平均值為：

(2)

標(biāo)準(zhǔn)差為：

(3)

r取值范圍為[-1,1]，r>0表示正相關(guān)，r<0表示負(fù)相關(guān)，|r|表示了變量之間相關(guān)程度的高低。特殊地，r=1稱為完全正相關(guān)，r=-1稱為完全負(fù)相關(guān)，r=0稱為不相關(guān)。通常|r|大于0.8時(shí)，認(rèn)為兩個(gè)變量有很強(qiáng)的線性相關(guān)性。

2.3 可視化技術(shù)

本文參考文獻(xiàn)[6]使用Highcharts及Highstock avascript圖表庫(kù)做可視化分析。主要使用Highcharts做參數(shù)相關(guān)性分析，而使用Highstock做時(shí)間段分析。應(yīng)研究要求，每隔5 s記錄光伏發(fā)電IV數(shù)據(jù)，因此顯示數(shù)據(jù)量龐大。而Highcharts和Highstock在處理大數(shù)據(jù)量數(shù)據(jù)時(shí)，會(huì)優(yōu)先使用GPU進(jìn)行數(shù)據(jù)渲染。在主流瀏覽器上，可以在半秒內(nèi)渲染百萬(wàn)級(jí)的數(shù)據(jù)，滿足了數(shù)據(jù)可視的速度要求。另外，Highstock可以用來(lái)開(kāi)發(fā)股票走勢(shì)或大數(shù)據(jù)量的時(shí)間軸圖表。它包含多個(gè)高級(jí)導(dǎo)航組件：預(yù)設(shè)置數(shù)據(jù)時(shí)間范圍，日期選擇器、滾動(dòng)條、平移、縮放功能。對(duì)細(xì)節(jié)性分析數(shù)據(jù)起到了很大的輔助作用。

3 可視化分析實(shí)例

參與空氣質(zhì)量評(píng)價(jià)的污染物為SO2、NO2、PM10、PM2.5、O3、CO等6項(xiàng)，空氣質(zhì)量指數(shù)AQI代表了PM10、PM2.5等一些細(xì)小顆粒物在空氣中的含量。霧霾的形成主要與空氣中細(xì)顆粒物有關(guān)，故采用AQI量化霧霾天氣程度的模糊描述。AQI為0～50，空氣質(zhì)量級(jí)別為一級(jí)，空氣質(zhì)量狀況屬于優(yōu)。51～100二級(jí)良，101～150三級(jí)輕度污染，151～200四級(jí)中度污染，201～250，重度污染，大于300嚴(yán)重污染。影響光伏發(fā)電量的主要因素有很多，包括太陽(yáng)輻照強(qiáng)度，大氣溫度和霧霾。其中,霧霾天時(shí)大氣中的懸浮顆粒物如PM2.5、PM10和二氧化氮濃度升高,大氣中各污染物對(duì)太陽(yáng)光吸收和反射增多,導(dǎo)致光伏組建表面接收到的太陽(yáng)輻照強(qiáng)度降低,從而間接導(dǎo)致發(fā)電量降低。而隨著累積在光伏組建表面的顆粒物增加，一方面是的太陽(yáng)光的透過(guò)率降低，另一方面積塵吸收太陽(yáng)輻射后使得光伏組建升溫，導(dǎo)致光電轉(zhuǎn)換率降低[7]。

而影響光伏發(fā)電效率的直接因素是太陽(yáng)輻照強(qiáng)度。利用光伏實(shí)證基地實(shí)測(cè)的功率數(shù)據(jù),得到如圖2顯示了2017年11月22日至24日的太陽(yáng)輻照強(qiáng)度發(fā)電量的關(guān)系，很明顯為正相關(guān)，Pearson相關(guān)系數(shù)達(dá)到了0.98。

圖2 太陽(yáng)輻照度SUN(W/m2)與發(fā)電量P(W)

根據(jù)上海地區(qū)公開(kāi)空氣質(zhì)量數(shù)據(jù)，從2017年11月份AQI指數(shù)曲線圖如圖3所示，挑選出典型的霧霾天(AQI指數(shù)最高超過(guò)100),本文選取11月3日、11月10日及11月22日作為研究對(duì)象,對(duì)時(shí)間積分后得以上三天的總發(fā)電量分別為1 434 Wh、711 Wh和448 Wh。將三天的發(fā)電功率與空氣污染物濃度進(jìn)行關(guān)聯(lián)性分析如表1。根據(jù)功率與AQI數(shù)據(jù)得出Pearson相關(guān)參數(shù),除11月10日，另外兩天均為正值，即發(fā)電功率與AQI正相關(guān)，明顯與理論不符，與文獻(xiàn)[8]結(jié)果相似。三天AQI指數(shù)相當(dāng)，而太陽(yáng)輻照度(圖4)相差較大，說(shuō)明在AQI指數(shù)未到達(dá)250之前，對(duì)于光伏發(fā)電，太陽(yáng)輻照度仍然是主導(dǎo)因素。因此，如需進(jìn)一步研究霧霾對(duì)光伏組建的影響，需采集空氣質(zhì)量指數(shù)超過(guò)250的重度或嚴(yán)重污染日?？v觀上海天氣，均未有重度霧霾日出現(xiàn)，光伏發(fā)電站發(fā)電能力不會(huì)受到明顯限制。

圖3 2017年11月AQI指數(shù)

表1 11月典型霧霾天發(fā)電功率與空氣污染物Pearson相關(guān)系數(shù)

圖4 2017年11月典型霧霾天太陽(yáng)輻照度SUN(W/m2)對(duì)比圖

4 結(jié) 語(yǔ)

本文針對(duì)霧霾對(duì)光伏組件的影響的研究需求，使用信息抽取、相關(guān)性分析技術(shù)，可視化分析技術(shù)構(gòu)建了霧霾影響光伏發(fā)電系統(tǒng)的可視化分析研究平臺(tái)。通過(guò)Highcharts、Highstock對(duì)光伏發(fā)電量和空氣污染物進(jìn)行相關(guān)性分析，使研究人員可快速高效地對(duì)霧霾和光伏發(fā)電量的關(guān)系進(jìn)行定性和定量的分析。本文利用該平臺(tái)對(duì)現(xiàn)有數(shù)據(jù)進(jìn)行可視化分析發(fā)現(xiàn)，在AQI空氣質(zhì)量指數(shù)小于250時(shí)，光照輻射強(qiáng)度是光伏發(fā)電量的主導(dǎo)因子，而霧霾對(duì)發(fā)電量的限制不大。

在今后的工作中,系統(tǒng)的功能還可以進(jìn)一步擴(kuò)展,實(shí)現(xiàn)對(duì)光伏電站的實(shí)時(shí)監(jiān)控,為光伏電站維護(hù)人員提供高效有序的實(shí)時(shí)信息,幫助研究人員做出相應(yīng)的措施，使得光伏電站運(yùn)行效率最大化。

[1] 陳為，沈則潛，陶煜波.數(shù)據(jù)可視化[M].電子工業(yè)出版社，2016.

[2] 王恬,李書琴,王志偉.農(nóng)業(yè)信息搜索可視化平臺(tái)研究[J].計(jì)算機(jī)應(yīng)用與軟件,2016,33(3):271- 274.

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

[4] 宋美娜,崔丹陽(yáng),鄂海紅,等.一種通用的數(shù)據(jù)可視化模型設(shè)計(jì)與實(shí)現(xiàn)[J].計(jì)算機(jī)應(yīng)用與軟件,2017,34(9):38- 42,96.

[5] 胡軍偉,秦奕青,張偉.正則表達(dá)式在Web信息抽取中的應(yīng)用[J].北京信息科技大學(xué)學(xué)報(bào)(自然科學(xué)版),2011,26(6):86- 89.

[6] 王子毅，張春海.基于ECharts的數(shù)據(jù)可視化分析組件設(shè)計(jì)實(shí)現(xiàn)[J].微型機(jī)與應(yīng)用，2016，35(14)：46- 48.

[7] 溫巖,趙東,袁春紅,等.積塵對(duì)光伏系統(tǒng)發(fā)電的影響研究綜述[J].太陽(yáng)能,2014(11):36- 41.

[8] 倪春花,李弘毅,吳在軍.霧霾對(duì)光伏發(fā)電量的影響分析[J].電力工程技術(shù),2015,34(6):77- 81.