引言
随着全球能源日益紧张，作为可再生的清洁能源，对太阳能的应用越发广泛。在将其投入运行到特定的光伏电站中，一旦确定光伏组件的物理特性、规格型号、安装方式后，发电功率大小将会受到气象因子的影响。不同气象因子对光伏发电类型、数量及作用程度存在很大差异，在一定程度上增加了光伏站发电功率预测工作的复杂性水平。西藏境内具有丰富的太阳能资源，西部地区日照时数较长且强度高，还有大面积的戈壁滩未得到开发利用，在光伏发电方面具有很大优势，再加上西部地区常规电网难以覆盖，使用太阳能进行光伏供电，对于西部大开发战略的实施和“一带一路”建设工作的推进具有一定的指导意义。
1、光伏发电系统原理
光伏发电系统主要是通过光生伏特效应和光电转换将太阳你那个转化成电能的装置。发电系统有光伏组件和配套组件两部分，而太阳能电池、蓄电装置、控制装置和逆变器则是主要部件。根据功能不同，可以将光伏发电系统划分为独立系统和并网发电系统。前者的主要特征是通过蓄电池对能量进行储存，发电与电网并不是直接连接；后者是将太阳光伏发电系统与国家电网直接连接，以对电网进行补充。
2、多维气象因子与光伏发电效率的关联性
影响光伏发电效率的气象因子类型较多，在日常实际观测中，由于数据采集设备不同，而且在不同区域和不同时间段采集、记录到的气象因子种类和数量存在差异较大的情况。本文根据光伏发电的特点，从多个角度对影响光伏发电效率的主要气象因子进行分析研究。
2.1光伏发电站发电量逐日波动与气象因子的关系
如表1所示为光伏电站逐日发电量和气象因子的相关系数，其中表示原始相关系数，则表示高频相关系数。从表中不难发现，日照时数对逐日发电量波动的影响最大，两者之间呈现出显著的正相关关系；其次则是直接辐射与总辐射；而散辐射则与逐日发电量波动的相关性较差。结合逐日发电量与逐日气象因子的高频相关系数，得出了总辐射、直接辐射、日照时数与逐日发电量之间的高频系数分别为0.638、0.758、0.886，、均通过了α=0.01的显著性水平检验，结合高频系数，可以看出这些气象要素与逐日发电量之间的相关关系具有稳定性水平，可以将响应机制完全反映出来。除此之外，日照时数与逐日发电量之间的高频相关要比原始相关系数大，而总辐射、直接辐射与逐日发电量之间的高频相关系数比原始相关系数要大。
表1 光伏发电站逐日发电量与气象因子的相关系数
除了对日照时数、辐射变量与逐日发电量进行分析外，还对气温、背板温度、相对湿度、风速与光伏发电量之间的关系进行了相关性分析，其中平均风速、气温、背板温度、背板最低温度同逐日发电量之间的相关性较小，说明光伏发电量受这几个气象因素的影响较小，这里不再进行分析。平均相对湿度、最小相对湿度与逐日发电量之间均呈现出负相关关系，相关系数分别为-0.542、-0.695，均通过了α=0.01的显著性水平检验，而高频相关系数分别为-0.623、-0.751。最高背板温度与逐日发电量之间的相关系数为0.405，要比总辐射、日照时数、直接辐射与逐日发电量之间的相关系数小，但是也通过了α=0.01的显著性水平检验，由此不难看出，光伏发电量也要受到最高背板温度的影响，由于最高背板温度同光伏逐日发电量的高频相关系数较小，说明其对光伏发电量的影响程度要低于相对湿度、日照时数和辐射因素。
综合以上数据可以发现，总辐射、直接辐射、日照时数、最高背板温度、相对湿度的平均值、最小相对湿度、最高气温均与光伏逐日发电量之间的相关性较好。这里重点讨论这些气象因子对光伏发电效率的影响。除此之外，由于大部分的光伏发电站、辐射站中只配备有总辐射观测，而最小相对湿度与光伏逐日发电量之间的相关系数要高于平均相对湿度，这里重点讨论总辐射、日照时数、最高背包温度、最小相对湿度和最高气温分别于光伏日发电量效率的影响。
2.2光伏发电效率与气象因子关联分析
通过分析光伏逐日发电量与气象因子的相关性，并根据实际情况，选取5个自变量，分别是日照时数、日最高气温、日最小相对湿度、日最高背板温度和日总辐射，而因变量则是光伏发电量，在进行多元回归分析后，构建最优回归方程如下：
以上回归方程通过显著性水平检验，其中=0.799，检验值F=230.661。在回归方程中，不同因变量的时间系数，也就是该变量对光伏发电效率的影响，物理意义就是在将其他因子排除后，每个气象因子变化单位量时，光伏发电量将会增加或者减少对应的量。结合回归方程，若日照时数增减或者减少1h，光伏日发电量就会增加或减少1198.35kWh。同时，若是日最高气温、日最小相对湿度、日最高背板温度和日总辐射呈现出单位量变化时，光伏日发电量的效应量分别达到了-66.8、-449.3、、313.1、262.7 kWh。其中对光伏日发电量效率影响最大的日照时数，其次则是日最小相对湿度，而对其影响最小的则是日最高气温。除此之外，日照时数、日最高背板温度和总辐射对光伏发电效率的影响主要为正值，日最高气温和日最小相对湿度对其的影响则表现为负值，同相关系数的分析结果保持一致。
在对四季光伏发电量效率和气象因子进行回归分析后，可以得到不同季节对应的回归方程，其中回归方程参数与不同因子之间的回归系数。春、夏、秋、冬四季的回归方程R2数值均超过了0.8，通过了显著性检验。结合表中的数据，春季、秋季和冬季3个季节的日照时数与逐日发电量之间的正相关系数最大，夏季则是总辐射对其的正效应最大；而四季的最高气温对其的负效应是最大的。通过对比同一个变量，不难发现冬季日照时数对光伏发电效率的影响最大，而夏季则是最小的；夏季和秋季最高气温对光伏发电效率的影响最大，其余两季则较小；冬季和春季的相对湿度对光伏发电效率的负效应最大，秋季负效应较小，夏季正效应则较弱；秋季最高背板温度的正效应最大，其余三季则较小；冬季总辐射的效应最大，秋季和春季则相对较小。由此可以说明，不同季节的气象要素对光伏发电量的响应程度不尽相同。
3、结论
总辐射、直接辐射、日照时数、最高背板温度、相对湿度的平均值、最小相对湿度、最高气温均与光伏逐日发电量之间的相关性较好。这里重点讨论这些气象因子对光伏发电效率的影响；冬季日照时数对光伏发电效率的影响最大，而夏季则是最小的；夏季和秋季最高气温对光伏发电效率的影响最大，其余两季则较小；冬季和春季的相对湿度对光伏发电效率的负效应最大，秋季负效应较小，夏季正效应则较弱；秋季最高背板温度的正效应最大，其余三季则较小；冬季总辐射的效应最大，秋季和春季则相对较小。
4、相关建议
①优先选用相应的组件和逆变器，通过将不同组件或逆变器的发电量进行比对，选择性价比高的设备②为了增强发电效率，降低成本，应对系统集成加大研发力度；对新产品和新技术进行跟踪和应用；研究和解决技术信息化和工程共性难题；③将地理环志、客户需求、生态环境、风险控制等条件进行结合，进而设计出最佳的光伏发电系统，不断增强光伏发电站设计技术水平；④加强光伏发电站效率检测和工程评价，对相关方案不断进行研发，以进一步提升光伏发电效率。
参考文献：
[1]欧阳海玉.太阳跟踪控制器的设计与实现[D].上海:华东理工大学,2014:4-5.
[2] 黄丽芳.光伏发电效率检测及跟踪系统的实验研究[D].广西:广西大学,2014:6-7.
[3] 吴小进.光伏阵列及并网逆变器关键技术研究[D].北京:北京交通大学,2012:34-43.
作者简介：尼玛旦增（1994.09），男，藏族，西藏琼杰人，本科学历，助理工程师，从事光伏治沙、清洁能源工作。