核心观点
本报告探讨了光伏系统发电量预测和评估中的不确定性，这些不确定性可能影响对光伏电站进行长期投资的企业决策。
关键数据和研究结论
- 测量不确定性：
- 光照测量不确定性部分源于仪器和测量实践。虽然手册和指南可以帮助减少操作问题，但与仪器本身相关的误差更难最小化或减少。
- 在 PVSENSOR 项目中，对各种仪器进行了表征，并识别和量化了许多系统误差。因此，可以根据仪器工作条件量化每个系统误差来源。
- STC 功率测量及其不确定性估计近年来引起了人们的关注，并取得了显著改进。
- 室内测试可以检查光伏组件的性能，包括其在标准测试条件下的功率、光致衰减、温度和低光行为。
- 系统测试着眼于整个光伏系统的性能，包括组件效率、失配和损耗。
- 长期稳定性相关的退化和不确定性仍然是光伏系统中最未被充分探索的影响因素之一。
- 建模不确定性：
- 长期能源产量预测 (LTYP) 是对定义位置在指定时间段内累积的总能源生产的估计。
- 与建模相关的几个步骤的不确定性：
- 太阳能资源：卫星图像衍生的辐照度数据越来越多地用于长期产量估算和参考产量监测和商业报告。文献中报道的基于卫星的辐照度数据的典型均方根误差介于每月 4% 到 8% 和每年 2% 到 6% 之间。
- 光伏组件特性：组件的直流能源产量取决于组件特性以及运行条件。
- 系统输出和性能：包括长期影响。
- 不确定性影响：
- 组件能源评级：旨在根据光伏组件的预期“标准能源交付”对其进行排序，而不是根据其在标准测试条件下的功率。
- 长期产量预测：开发了一种基于蒙特卡洛模拟的方法来处理影响寿命能源产量预测的所有不确定性来源，并向金融模型提供时间相关的产量估计和超出概率。
建议
- 使用经过校准和维护良好的仪器进行光照测量。
- 在进行 LTYP 时，考虑使用最近 10 年的太阳能辐照度数据作为预测未来太阳能资源的好方法。
- 在进行组件能源评级时，应考虑组件的参考数据集和预期能源产量之间的差异。
- 开发一种标准化的不确定性计算方法，以正确评估光伏项目的财务投资风险。
