大规模光伏电站（精选八篇）
大规模光伏电站 篇1
随着全球能源消耗的不断增长,世界范围内化石燃料等不可再生能源正在日益枯竭。近几年来全球光伏发电容量出现了爆炸性增长。在2010年欧盟新增发电装机容量中,光伏发电首次超过风电,成为欧盟新增发电装机容量最多的可再生能源。中国光能资源丰富,资源优势得天独厚,根据国家能源局发布的《太阳能发电发展“十二五”规划》,到2015年底中国的光伏装机容量将达到20GW以上[1],并计划于昆明石林、甘肃敦煌及青海柴达木盆地等地建设兆瓦级大型光伏电站。因此,光伏发电装机容量将在未来几年内持续增长,大型化和并网化将成为光伏电站今后发展的主要方向[2]。
与常规的火力发电相比,光伏发电不消耗化石燃料,是环境友好的清洁能源。然而受天气等因素的影响,光伏发电系统出力具有随机性与间歇性,大型光伏电站接入将给电力系统的安全可靠运行带来一定负面影响,因此系统必须预留一定的旋转备用容量以应对光伏发电系统出力的不确定性。
传统电力系统旋转备用需求评估通常采用系统负荷的固定百分比或者单机最大容量,这些方法简单易行,能够保证系统达到一定的可靠性水平,但是没有综合考虑系统运行的经济性和各类发电机组可靠性参数差异的影响[3]。而对于新能源接入后的旋转备用优化问题,目前在风电方面的研究较多[4,5,6,7,8,9,10,11], 但在光伏发电方面则比较欠缺。
本文在研究光伏发电系统出力特性的基础上, 提出了考虑大规模光伏电站接入的电力系统旋转备用需求评估模型,力求通过对旋转备用需求的合理评估,提高系统运行的安全性和经济性。
1光伏发电系统出力建模
1.1太阳辐照度概率分布模型
研究表明在一定的时段内,太阳辐照度近似为Beta分布[12]:
式中:r和rmax分别为太阳实际辐照度和最大辐照度;Γ(·)为Gamma函数;α 和β为Beta分布形状参数;μ和σ 分别为太阳辐照度的均值和标准差。
式(1)—式(3)表征的是单时段的太阳辐照度概率分布特性。若要获得日辐照度曲线,则需要对研究周期内每个时段的概率分布分别进行抽样。
1.2光伏发电系统出力概率分布模型
在太阳辐照度概率模型的基础上,光伏发电系统出力PPV可以表示为:
式中:S为光伏阵列有效面积;η为光电转换效率。
通过式(1)和式(4)可以看出,光伏发电系统的出力也呈Beta分布,其概率密度函数为:
式中:PPVmax为光伏发电系统的最大出力。
基于式(5),可以得到光伏发电系统出力的期望值E(PPV)和方差D(PPV)分别为[13]:
1.3基于Huffman树的改进K-means聚类算法
受计算复杂性的限制,在实际工作中不可能对每个光伏发电系统的出力场景都进行详细的分析和评估,而聚类分析是解决这一问题行之有效的工具。 其中,最常用的是K-means聚类算法。该算法首先随机选取若干个点作为初始聚类中心,计算各对象到各聚类中心的相似度,把对象归到离它最相似的聚类中心所属的类;然后再对所形成的新类重新计算聚类中心,若聚类中心不再发生变化,则对象划分完毕,否则继续计算直至所有聚类中心均不再发生变化为止。
可以看出,传统的K-means聚类算法存在一个明显的缺陷,那就是严 重依赖初 始聚类中 心的选取[14,15],若初始聚类中心选择不当,可能无法得到有效的聚类结果。Huffman树又称最优二叉树,是一类带权路径长度之和最小的二叉树。为了解决传统K-means聚类算法的缺陷,本文引入Huffman树的构造思想选取初始聚类中心[16],避免由于初始聚类中心选取不当带来的负面影响,步骤如下所示。
步骤1:设原始光伏发电系统的出力场景集合为S,包含n个场景,场景i与场景j之间的相异度为dij,将其存放于相异度矩阵D中。
步骤2:将S中的n个场景视为n棵树,构成森林H={H1,H2,…,Hn},每棵树只有根节点Oroot,i, 其权值为Wroot,i。在相异度矩阵D中搜索arg min D(Hi,Hj),并将Hi和Hj作为左右子树构造一棵新树Hl,其根节点 的权值Wroot,l= (Wroot,i+ Wroot,j)/2。
步骤3:在森林H中删去Hi和Hj,并加入新树Hl。
步骤4:重复步骤2和步骤3,直至森林H中只剩下一棵树为止,该树即为Huffman树。
步骤5:按照逆序找出树生长过程中形成的k1个节点,去掉这k-1个节点后可将该树分为k个子树,其根节点的集合即为初始聚类中心。
步骤6:分别计算各对象与各聚类中心的相似度,并将各对象归为与其相似度最大的聚类中心。
步骤7:按照K-means方法重新计算聚类后各类的聚类中心。若所有聚类中心均不再发生变化, 则聚类完成;若有聚类中心发生变化,则返回步骤6重新计算。
2旋转备用需求评估模型的建立与求解
2.1目标函数
结合上文的研究和分析,考虑大规模光伏电站接入的电力系统旋转备用需求评估以系统综合运行费用F最小为目标,如下所示。
式中:FR和FLOSS分别为发电能耗成本和系统停电期望成本;ps为场景s发生的概率;FR,t,s和FLOSS,t,s分别为场景s下时段t的系统发电能耗成本和系统停电期望成本;Ns为场景总数;T为总时段数;NG为火电机组总数;ui,t为时段t火电机组i的运行状态,取1为开机,取0为停机;ai,bi,ci均为火电机组i的成本系数;PGi,t,s为场景s下时段t火电机组i的有功出力;λVOLL为单位失 负荷惩罚 费用 (VOLL); PEENS,t,s为场景s下时段t的期望缺供电量[17],这里只考虑发电系统的可靠性,而未计及输电网络的影响。
2.2约束条件
1)系统功率平衡约束
式中:PPV,t,s为场景s下时段t的光伏发 电系统出 力;PL,t,s为场景s下时段t的负荷有功功率。
2)火电机组容量约束
式中:PGimin和PGimax分别为火电机组i的最小、最大技术出力。
3)火电爬坡约束
式中:γDi和γUi分别为火电机组i的下爬坡率和上爬坡率;ΔT为调度时段间隔。
4)旋转备用约束
式中:Ri,t,s为时段t火电机组i提供的旋 转备用; Rimax为火电机组i可提供的最大旋转备用。
2.3求解流程
基于上述评估模型,含光伏电站的电力系统旋转备用需求优化的求解步骤如下所示。
步骤1:输入机组、负荷、光伏发电系统等相关数据。
步骤2:利用拉丁超立方采样生成原始光伏发电系统出力场景。
步骤3:利用基于Huffman树的改进K-means聚类算法进行场景聚类,获得Ns个目标场景。
步骤4:确定系统旋转备用需求的上边界UB, 步长 ΔRS。令迭代次数k=0,初始旋转 备用需求RSk=0。
步骤5:根据式(9),调用CPLEX求解旋转备用需求为RSk时的系统综合运行费用F。
步骤6:若迭代结束,转步骤7;否则,k=k+1,返回步骤5。
步骤7:取系统综合运行费用F为最小值时的旋转备用需求为优化结果。
3算例分析
本文基于IEEE-RTS 96系统[18]进行算例 分析,该算例包含26台火电机组,火电机组参数见文献[18];在该系统中接入规模为110 MW的光伏电站,相关参数采用西部某光伏电站 的特性参数;以1日24个时段为 调度周期,负荷数据 参见文献[18];VOLL取1 000美元/(MW·h)[19]。
3.1光伏发电系统出力场景聚类结果
对于聚类结果的评价,希望簇内对象间的差异尽可能小,而簇间差异尽可能大。因此,分别利用簇内差异准则函数g和簇间差异准则函数G来评价聚类质量:
式中:Ci为聚类结果中第i个簇;x为Ci中的对象;mi和mj分别为Ci和Cj的聚类中心;K为聚类数目。
对每小时的光伏发电系统出力都进行拉丁超立方采样,采样规模 设置为1 000次,并采用基 于Huffman树的改进K-means聚类算法进行场景聚类,聚类数设置为10个,所得结果如图1所示。可见,削减后的场景走势并没有发生大的变化,但是场景数量大幅减少。由此可见,本文所采用的场景聚类方法对于随机性的光伏发电系统是有效的。
表1为传统K-means算法与改进K-means算法的聚类结果比较。可以看出,改进K-means聚类算法的簇内差异更小,即簇内紧凑性更好;而簇间差异更大,即簇间分离性更 大。因此,基于Huffman树的改进聚类算法能够有效地提高聚类质量,聚类效果更佳。
3.2光伏电站接入后对系统旋转备用需求的影响
图2反映了光伏电站接入后对系统旋转备用需求的影响。可以看出,在夜间无光照的时段内,由于系统的不确定因素主要来自负荷预测误差以及常规发电机组的强迫停运,因此两类曲线的变化趋势相同;而在白天有光照的时段内,由于光伏电站出力的不确定性增加了系统的安全运行风险,因此在光伏电站接入后系统预留的旋转备用容量要比光伏电站接入前大,以应对由于光伏电站出力的随机性变化对系统安全经济运行的影响。
3.3光伏发电容量对系统旋转备用需求的影响
图3反映了不同光伏发电容量对系统旋转备用需求的影响。而在有光照的时段内,随着光伏发电容量的增加,系统预留的旋转备用容量也相应地有所提高,这是由于随着光伏渗透率的不断增加,光伏电站出力的不确定性对系统造成的负面效应亦相应地增加,需要预留充足的旋转备用以保证系统的安全稳定运行,应对由于光伏电站出力随机波动可能产生的影响。
3.4VOLL对系统旋转备用需求的影响
图4反映了不同VOLL对系统旋转备用需求的影响。可以看出,随着VOLL的增加,系统的旋转备用需求也随之增加,这是由于模型中系统停电期望成本的比重随着VOLL的增大而增大,因此增加旋转备用需求在提高系统可靠性上带来的收益大于由此造成的系统运行成本的增加。
4结语
光伏发电系统出力的随机性,使得电力系统的运行风险在大规模光伏电站并网后迅速增加,如何合理评估含大规模光伏电站的旋转备用需求,对提高系统运行的经济性与可靠性具有重要意义。
光伏电站新冒险 篇2
光伏电站迎来了一波井喷。
10月16日，河北省张家口市张北县与恒大集团签署协议，共同开发建设光伏发电项目，总投资额达70亿元。当月初，张家口市也与恒大集团签订协议，3年内建成投资900亿元的全国最大光伏发电项目。
这并非孤例。在1000公里外的宁夏，成立不到一年的中国民生投资股份有限公司（下称中民投）在此投资300?500亿元建设光伏电站。与此同时，大量光伏制造企业也走上了电站开发的道路。英利集团总裁助理梁田对《财经国家周刊》记者说，今年英利在国内储备了超过1.4吉瓦的电站项目。
资本追逐光伏电站项目的背后，是全国光伏电站装机量的快速增长带来的良好盈利预期。今年上半年新增光伏发电并网容量332万千瓦，此前国家能源局已将全年光伏装机量调高至14吉瓦。
“光伏电站的内部收益率能达到10%左右，而且国家提供稳定的财政补贴。对投资者来说，可预期的收益和国家能源战略的要求是目前很多企业看上光伏电站的缘由。”中国可再生能源学会副理事长孟宪淦对《财经国家周刊》记者说。
逐利
光伏电站建设可谓一波三折。
2012年前，中国光伏制造业由于价格下滑，外部“双反”等原因陷入困境。在自救的解困路上，大量中上游制造商把眼光投向下游光伏电站领域，寄希望通过光伏电站消化日趋严重的库存，从供应商变成开发商，以谋求新生。这一轮自救让国内大量光伏上游企业选择了光伏电站。
彼时，对于挣扎于生死边缘的光伏企业，选择进入电站只是无奈之举，他们共同目标是建成电站然后整体销售。当然，国家执行每千瓦时1元的较高上网电价，吸引了众多外部投资者。
“一座理论运营25年的光伏电站，8年可以收回成本，保证10%以上的内部收益率。电站一旦建成，就能够获得稳定收益。”正信光伏总裁助理李倩对《财经国家周刊》记者说。
2013年，国家发改委出台政策，根据各地太阳能资源条件和建设成本，将全国分为三类资源区，下调了上网电价。但是持续25年的稳定收益，依然是一块具有吸引力的大蛋糕。更重要的是，获得这块蛋糕似乎不难。
“未来20年，最有前景的替代能源就是太阳能。”中民投董事长董文标说。8月28日，作为挂牌之后的首个项目，中民投将触角伸向素有光伏产业聚宝盆之称的宁夏。投资300?500亿元，建设3?5吉瓦光伏电站，这一大手笔投资，令一些投资圈人士大呼“看不懂”。
但是光伏行业人士认为，按照目前宁夏光伏电站0.9元/千瓦时的并网价格，3?5吉瓦光伏发电项目，每年将给中民投带来60?105亿元的现金流，在6?8年内回收成本。按20年的发电寿命保守计算，发电收益达到1200?2100亿元，即使减去建设成本和运营成本，项目利润也在千亿元左右。
在巨大的利益面前，曾经一度将电站建成转手即卖的光伏制造企业也开始保留优质电站自用。
“光伏发电的技术相对成熟，拥有可预测的能源产出和稳定现金流，被国内一些发电集团称为晒着太阳的现金奶牛。未来，光伏电站建成之后，将成为成熟的融资工具。”李倩说。
风险
显然，在利益的驱使下，新一轮光伏投资潮即将来临。但这并不意味着开发光伏电站是包赚不赔的生意。
“外部资本的大量进入有利于推动中国光伏产业的发展，但是大干快上容易忽视工程质量，一些光伏电站为了谋取更高利润而节省投资，采用质量不佳的光伏组件和支架来应付了事会带来不可预知的风险。”梁田说。
这并非杞人忧天。西部地区光伏电站已经出现了组件高衰减率等质量问题。北京鉴衡认证中心对国内容量3.3吉瓦的425个大型地面光伏电站和分布式光伏电站所用设备检测发现，光伏组件存在热斑、隐裂、功率衰减等问题。
10月29日，国家质检总局公布的2014年第3季度太阳能光伏组件用减反射膜玻璃产品质量抽查结果显示，抽查企业合格率和产品合格率仅为76.7%。
“电站开发表面上看很简单，但要做好高质量电站，需要专业技术支撑。特别需要重视发电质量。”协鑫新能源系统有限公司市场开发副总裁杨隽说。
对于生命周期达到25年的光伏电站而言，采用低品质组件能够减少每瓦的装机成本。但是却大幅度减少了电站的使用年限，导致电站未达到使用寿命就发生衰减影响光电转化率，甚至电站提前报废，盈利也就成为一句空话。
除发电系统质量风险外，并网问题一直是限制光伏发电的桎梏。由于光伏电站与电网建设周期不同步，地方电网的消纳能力有限导致的光伏“弃光”的现象已开始显现。
国家能源局7月18日发布的一份监管报告显示，甘肃一些地区由于配套电网没有与风、光伏发电项目同步规划建设和改造，送出能力不匹配，受限比例最高可达78%。严重的消纳危机使国家能源局10月专门发文加强光伏电站建设与运行管理工作，并对弃光限电较严重的地区警告，暂停下达新增建设指标。
大规模光伏电站 篇3
根据2016年计划安排草案的内容, 2016年, 青海将大力推进供给侧改革, 全面激活发展动能。围绕全省投资需求研究实施“投资品供给提升工程”, 以装备制造、建材、钢铁、光伏、新能源为重点, 扩大省内企业在我省重大项目、政府采购、企业配套中的比重。在新能源制造业方面, 青海省围绕打造全国有影响力的锂电产业基地和重要的光伏光热制造基地提出实施方案, 抓紧完成上游企业整合, 集中开展技术攻关, 破解技术瓶颈, 扩大现有碳酸锂、磷酸铁锂、锂电池企业产能, 深入推进与比亚迪等企业的战略合作, 形成新的增长点。
大规模光伏电站 篇4
1 大规模光伏系统的建模
1.1 光伏电池以及其阵列模型
该模型基于单二极管模型, 根据基尔霍夫原理建立了自己的光伏等效电路, 并且在此基础上对理论的公式进行简化, 得到了适合工程计算的数学表达式。光伏阵列的模型可以根据相应的光伏电池模型以及相互之间的串并联关系得到, 模型建立的关键在于计算出光伏阵列的光伏组件差异造成的P-V特性的多峰值, 这对光伏阵列的集群建模有着关键性的作用。
1.2 换流器以及内环控制模型
目前主要的换流器都具有内外环双环控制的结构, 外环主要负责电压输入的控制, 并将其转化为内环控制的参考电流, 进而决定并网的策略以及外特性;内环的电流输入主要依据与外环控制生成的电流参考值, 并且通过控制环节的控制以及与环流器的转换来实现电流的顺利入网。
1.3 光伏发电的动态模型
建立动态模型时, 需要使用方程组建立发电系统中的各组成部分的状态方程, 并将逆变器以及MPPT的控制转化为状态方程, 进而将两个方程联立, 组建起方程组, 建立光伏发电系统的模型。
1.4 光伏发电系统模型的研发
上述的建模原理为电力系统的仿真平台的建立与研发提供了理论基础, 目前为止, 已经研制成功的平台包括PSD-BPA以及PSASP两大类, 这两类平台集成了光伏发电的动态以及稳态模型, 初步形成了大规模光伏发电并网的仿真手段, 并且一些商业性质较强的平台软件已经具有了灵活的自定义的功能模块, 这些平台研发为发电站的建模研究提供了基础。
2 大规模光伏发电对系统特性的影响
2.1 对系统有功频率特性的影响
光伏发电具有的特性包括外出力的速记波动性、静止的电源、环路器并网过程中的无转动惯性、低电压穿越期间的不同特征以及脱网现象比较频繁等, 这些特性的存在使得大规模光伏发电的介入会使得系统的稳态与暂态特性发生变化, 进而对整个系统的运行与规划带来根本性的影响。
光伏发电的过程会产生大幅度的频繁的随机波动, 进而对系统的平衡造成冲击, 影响系统的一次以及二次调频, 对系统的有功经济调度等运行特性都有着根本性的影响与作用;同时系统备用的优化策略也会因为大规模光伏发电的接入而不得不做出适时的调整与变化;此外, 因为电源是静止的元件, 所以随着接入的光伏发电的规模的增大, 电源的不足之处便逐渐明显, 需要不断更换电源以适应光伏发电的需要, 甚至会因为光伏发电的功率过大而使得系统崩溃, 需要对系统不断进行维护。
2.2 对无功电压特性的影响
需要接入大规模光伏发电的电力系统多数位于荒漠戈壁地区, 这类地区的电力系统往往具有较低的负荷水平, 电网容量也比较小。所以大规模、远距离的光伏发电的传输容易对当地电网的无功平衡性造成影响与干扰, 进而造成母线沿线的电压出现大幅度的波动。
同时, 当地的实际并网的电压都具有比较弱的支撑能力, 所以在输电的过程中比较容易出现电压失稳的现象。因为大规模光伏发电的接入改变的不仅是当地电网原有的辐射状网架结构, 更改变了当地电网系统的电源结构, 影响了电网潮流的分布情况, 进而对配电网的电压质量造成根本性影响。
2.3 对攻角稳定性的影响
光伏发电的电源是静止的元件, 本身并不参与攻角的震荡, 也就不存在攻角需要稳定的问题。但是大规模光伏发电接入到系统中后, 系统的随机波动性以及无转动的惯性等性能均受到了影响, 系统的等效惯量不得不变小, 所以系统的攻角稳定性能便发生了变化, 其具体的变化方向与幅度取决于电网的拓扑结构、电网运行方式、电源控制技术、光伏发电接入的位置以及接入的规模等因素, 需要结合具体的情况进行具体的分析与计算。同时, 在电力系统中接入大规模的光伏发电还可能造成脱网现象, 尤其是在集中化、规模化之后, 脱网给电力系统带来的冲击会变得更加强烈。
攻角失稳的主要表现便是振荡型的失稳。因为波动的光伏出力改变了系统运行的特点, 加上并网的逆变器与常规机具有不同的控制策略, 所以系统的阻尼会在外界的影响下发生变化, 进而改变系统原有的机电震荡的模式, 带来新频段范围内的振荡。但是具体的光伏发电的接入会为系统带来怎样的影响, 需要根据实际情况进行具体的分析。
2.4 对小扰动稳定性的分析
在光伏电池使用过程中不存在机械与电磁量不平衡的动力学难题, 但是却存在电气运行不稳定的问题, 所以大规模的光伏发电的接入会影响电网的稳定性, 影响系统功能的顺利实现。光伏发电的接入改变了系统的功率, 小扰动法分析的结果显示, 在系统的内部出现了运行不稳定的现象, 并且这种不稳定的现象主要存在于系统内部的最大功率点的附近。因为系统的不平衡功率能够被系统的直流侧电吸收, 进而使得电容的存储能力减弱, 影响了系统的可靠运行。
3 结语
光伏发电具有清洁无污染的特性, 是比较理想的清洁能源之一, 能够缓解我国经济发展过程中能源紧张的问题, 促进经济的发展, 但是其大规模的接入会对目标电力系统的稳态特征、无功特性、攻角稳定性等性能造成显著的不确定的影响, 所以需要慎重考虑其大规模的接入, 充分发挥其作用与功能。
摘要：光伏发电作为一种清洁能源, 为电力事业的发展提供了新方向, 但是大规模的使用会对电力系统造成什么样的影响与冲击仍是各界人士担心与怀疑的问题。本文基于这种背景, 介绍了大规模光伏系统发电的建模, 并据此分析其大规模建设对电力系统的影响, 仅供相关人士参考。
关键词：光伏发电,电力系统,影响分析
参考文献
[1]丁明, 王伟胜, 王秀丽, 等.大规模光伏发电对电力系统影响综述[M].总过电机工程学报, 2014 (01) .
[2]赵争鸣, 雷一, 贺凡波, 等.大容量并网光伏电站技术综述[M].电力系统自动化, 2011 (12) .
[3]刘东冉, 陈述用, 马敏, 等.光伏发电系统模型综述[M].电网技术, 2011 (08) .
大规模光伏电站 篇5
1 光伏发电并网系统概述
光伏发电并网系统依靠光伏电池方阵形成电流、送入并网逆变器和变压器, 中间不经过蓄电池储能环节, 由变压器或逆变器直接将电能输入公共电网。由于光伏发电系统产生的电能并入电网不需要蓄电池的储能、释放等过程, 所以, 其能量消耗水平更低, 且占地空间更小。目前, 对于大规模光伏发电, 均采取并入大电网。但光伏发电并入大电网后, 往往因光伏部分的逆变器离散动作和发电间隙性的特点, 在向电网输送功率或被电网输送功率时, 都会造成整个电网系统电压的短时或长时变化, 这些是大规模光伏发电并网时需要研究和解决的问题。
2 大规模光伏发电对系统特性的影响
2.1 对系统无功电压特性的影响
对于光伏发电, 往往需要在海拔高、日照时间长的戈壁、沙漠等地区建设发电设施, 由于这些地区的人口数量少、对电力的需求较低, 所以, 负荷水平较低。光伏发电接入的地区不会存在过大的电网短路容量, 大量的光伏发电产生的电能都需要借助高压远距离输电网络输送。在此过程中, 出现的随机波动的有功出力会对电网的无功平衡特性造成一定的影响, 进而使输送线路沿线的母线电压出现大幅度波动。此外, 由于当前并入电网的大规模的光伏电源自身的无功电压支撑水平有限, 进而使电压质量出现越限甚至失稳的风险进一步增大。
2.2 对功角稳定性的影响
采用大规模的光伏发电时, 由于光伏电池方阵发电后的电能经过并网逆变器和变压器并入电网后, 具有随机波动和没有转动惯量的性质, 使电网原有通道的传输功率和潮流分布受到了一定的影响, 进而使电网系统的等效惯量减小。同时, 在穿越期间, 光伏具有与原来常规发电机组不同的动态支撑技术, 因此, 当大规模光伏发电接入系统后, 电网的功角稳定性会出现一定的变化。这种电网功角的变化与光伏并网的规模、位置、光伏电源的控制技术、电网的拓扑结构有关。结合相关研究分析发现, 光伏接入对功角稳定性可产生正面影响, 也可能起着负面作用, 进而降低电网功角的稳定性。
2.3 对电能质量造成的影响
大规模光伏发电机组接入电网运行后, 对原先电网系统中的单电源结构进行了扩充, 且不同数量和规模的光伏发电机组的接入使电网的网架结构出现了变化, 进而使电网的潮流分布难以得到有效控制, 降低了配网的电压质量, 加之电网中用户端电子器件的数量不断增长, 对电力系统也造成了一定的负担和污染。
3 结束语
对于大规模光伏发电而言, 不仅拓展了我国电力资源的来源, 还使人们越来越重视环境和节约用电问题。为了更好地促进大规模光伏发电机组的有效运行和生产, 从而广泛服务于大众, 应对光伏大规模光伏发电机组进行研究, 对于其接入配网系统的行为进行研究, 对其接入后可能对原先单一电源的电网造成的影响进行研究, 从而为相关专家和学者进一步研究消除这些影响的措施提供参考, 也为更好地利用太阳能作出一定的贡献。未来, 越来越多的光伏发电机组并入电网系统是不可逆转的趋势, 因此, 相关电力工作者应加快研究速度, 消除一切阻碍光伏发电并入电网的问题, 从而提升我国电力事业的发展水平。
参考文献
[1]丁明, 王伟胜, 王秀丽, 等.大规模光伏发电对电力系统影响综述[J].中国电机工程学报, 2014 (01) :1-14.
[2]李石头, 王小川, 胡彦雪.刍议大规模光伏发电对电力系统的影响[J].河南科技, 2014 (20) :20-21.
[3]王敏.分布式电源的概率建模及其对电力系统的影响[D].合肥:合肥工业大学, 2010.
[4]冯绍兴.光伏发电并网对电力系统电压稳定的影响分析[D].郑州:郑州大学, 2014.
大型光伏电站前景分析 篇6
光伏发电是将太阳光能转化为电能的发电方式。光伏发电利用太阳能电池板有效地吸收太阳光辐射能, 并使之转变成电能的发电方式。传统火力发电由燃料的化学能转换为电能经过了热能及机械能的转化过程, 能量损失大。光伏发电实现了直接从光子到电子转换, 发电形式极为简洁, 环境无污染, 发电效率较高。
光伏发电由太阳能电池方阵、光伏阵列防雷汇流箱、直流防雷配电柜、逆变器、交流升压配电系统等部分组成。现以渤海新区50兆瓦光伏电站为例作总体介绍。
1.1 建设方案
渤海新区光伏电站总装机容量为50兆瓦, 包括50个光伏发电单元。每个光伏发电单元由太阳能电池板、逆变器、升压变压器组成, 光伏板产生的直流电经逆变升压后成为35千伏交流电。50个光伏发电单元产生的电能汇集至35KV母线、经主变压器升压到110千伏并网。
1.2 站区总平面布置
光伏电站分为两个区域, 分别是变电站区域及光伏板区域。
变电站区域既是光伏电站的控制中心又是职工生活区, 东西长94.2m, 南北宽81m, 布置有变配电室、主控室、综合用房、生活水泵房及其他生活设施。
光伏板区域占地1615亩, 设置50个逆变升压室, 位于每个发电单元电池阵列中心, 每个逆变升压室内配置有逆变器、开关柜, 变压器等电气设备。
1.3 主要设备的选择
1.3.1 太阳能电池板
太阳能电池板是太阳能发电系统中的核心部分, 其作用是将太阳能转化为电能, 太阳能电池板的质量和成本将直接决定整个发电系统的质量和成本。目前国内市场上主流的光伏板产品主要是晶硅型和非晶硅型。本项目采用性价比高的多晶硅光伏板。
1.3.2 逆变器
光伏并网逆变器是光伏电站的核心设备之一, 其基本功能是将光伏电池组件输出的直流电转换为交流电。光伏并网逆变器可以分为大功率集中型逆变器和小型组串式逆变器两种。本工程装机容量很大, 按单机500k W逆变器选择。
2 开发大型地面光伏电站须解决的问题
2.1 土地
根据国家政策, 单纯开发光伏电站只能使用未利用地, 只能在不适宜发展农业的地块发展光伏项目。光伏电站包括固定成本和可变成本, 固定成本与光伏电站容量大小无关, 但都要分摊到每千瓦发电成本中, 因而规模效益显著, 容量小于2万千瓦的地面光伏电站经济上不可行, 从而要求光伏电站用地面积必须在650亩以上。
2.2 接入电网
适于开发大型地面光伏电站的地区一般经济比较落后, 人口密度小, 电能送出是需要考虑的问题。电站附近如没有变电站, 就要考虑长距离送电, 电站的经济性就会下降, 甚至经济上不可行。因而在偏远地区开发光伏电站应尽量增大装机容量, 分摊电能送出成本, 降低单位千瓦造价。
2.3 大型地面光伏电站的建设工期
跑办光伏项目前期手续较传统火电简单得多。传统火电环评手续难于办理, 是制约火电上马的决定性因素, 光伏发电无污染零排放, 环评不是问题;再加上国家鼓励发展光伏项目, 致使光伏项目从取得路条至核准仅需5个月时间。
光伏电站施工简便, 建设工期短, 从破土动工至并网发电需10个月左右。
渤海新区50兆瓦光伏电站从取得路条至核准耗时5个月, 主体工程施工时间是7个月, 尾工4个月, 就是说从项目开始跑办至并网发电用时一年。
3 大型地面光伏电站经济性分析
3.1 大型地面光伏电站电价分类
《国家发改委关于发挥价格杠杆作用促进光伏产业健康发展的通知》发改价格[2013]1638号文中指出根据各地太阳能资源条件和建设成本, 将全国分为三类太阳能资源区, 相应制定光伏电站标杆上网电价。
3.2 大型地面光伏电站成本
光伏电站每千瓦建设投资约为9000元左右;接入系统费用与接入距离成正比, 110KV架空线路每公里投资在90万元左右;加上其他费用, 总的来说光伏电站每千瓦投资约1万元。
3.3 案例
渤海新区50兆瓦光伏电站总投资为49350.82万元, 其中建设投资为48198.48万元, 建设期利息1124.99万元, 铺底流动资金27.35万元。
项目投产后, 年均销售收入5407.00万元, 年均利润总额为1793.27万元, 项目投资税前财务内部收益率为8.57%, 税后为7.58%, 项目具有良好的经济效益。
4 光伏电站社会效益
随着社会的发展, 能源需求将不断增长, 我国化石资源已日趋紧缺, 能源过度开发导致的生态环境问题已日益突出。光伏发电, 由于其所特有的可再生性, 在产生能源的同时, 极少的消耗其它资源和能源, 保护了生态环境, 改善了电力能源结构, 进而促进了国民经济的可持续发展, 为创造和谐社会起到了积极的促进作用。
其次光伏电站给社会提供了少量的就业机会。传统火电是燃煤产生高温高压蒸汽推动汽轮发电机发电, 全天24小时运行, 有高温高压蒸汽泄露危险、有噪音、粉尘, 因而发电工人需实时掌控设备的运行状况, 否则会出现事故, 工作环境不好, 需上夜班, 严重影响工人的生活质量。光伏电站依靠太阳能发电, 工作环境好, 不需要上夜班, 给工人的愉快工作、健康生活打下了基础。
5 结束语
以上是我在跑办光伏项目工作中的心得体会, 总的来说, 在国家政策的支持下, 利用盐碱荒地开发大型地面光伏电站是利国、利民的好事。对于国家来说, 光伏电站提供绿色电能, 扩大就业。对于当地村民来说, 发电企业租用土地, 村民得到租金。对于发电企业来说, 可扩大企业规模增加利润。
参考文献
[1]河北省人民政府关于促进光伏产业发展的指导意见[Z].冀政[2010]113号.
[2]中国的能源政策白皮书[Z]2011.
[3]国家能源局.太阳能发电发展十二五规划[Z].
大规模光伏电站 篇7
随着全球能源需求的不断增长, 化石燃料过度消耗所导致的全球气候变暖问题已成为当前社会经济发展面临的重大挑战。发展低碳经济, 加快能源结构调整, 实现能源系统的清洁化、高效化、低碳化已成为世界各国的共识[1]。
电力工业作为国家的基础性工业, 是国内煤炭消耗的主要行业, 其CO2排放量已经占到全国排放总量的38.76%[2], 因此, 电力工业的发展面临巨大的减排压力, 而如何在发电调度中合理地考虑各类低碳因素的影响, 在兼顾经济性的基础上实现低碳化, 是电力行业保持可持续性发展的关键。在能源发展低碳化的大背景下, 近几年来全球光伏发电出现了爆炸性增长。光伏发电不消耗化石能源, 无污染, 无碳排放, 是对环境友好的清洁能源。大力发展光伏发电产业, 并提高其发电利用率是国内电力工业低碳化的有效途径。
随着欧洲碳交易体系的建立以及碳交易市场的有效运行, 有关电力工业的低碳化问题已经引起了众多学者的研究兴趣。文献[3]全面分析了“低碳电力”的形势和特点, 剖析了这一新研究领域的发展方向。文献[4]利用碳税作为CO2排放的制约因素引入目标函数, 以此来考虑在经济调度中CO2的减排效益。文献[5]分析了各类电源的电碳调度特性以及低碳要素的引入对最优发电计划的影响, 建立了低碳电力调度决策模型, 对碳捕集电厂引入后系统的优化调度问题进行了初步探讨。文献[6]深入研究了碳捕集电厂的运行机制和特点, 提出了含碳捕集电厂的电力系统低碳调度模型, 将碳排放作为一组新的决策变量加以考虑。文献[7]揭示了碳捕集电厂具有良好的调峰特性, 有助于提高风电等清洁能源的接入规模, 能够降低系统整体的碳排放水平。以上文献从不同的角度对低碳环境下的电力系统优化运行及发电调度问题进行了研究, 并且取得了一定的成果。随着光伏发电大规模接入系统, 其发电波动性、无碳排放特性将会对电力系统优化调度方式产生重大影响, 而在现有的文献中缺乏对低碳经济背景下含光伏发电的电力系统优化调度问题的研究。因此, 如何针对光伏发电的特性, 在兼顾电能生产安全可靠的前提下, 实现低碳优化调度, 促进电力系统的可持续发展是一个值得进一步深入研究的问题。
本文基于低碳经济理念, 将碳交易机制引入电力系统经济调度, 以此来充分考虑光伏发电接入和清洁机组的利用对碳排放减少的贡献;建立了基于太阳辐照度变化特性的光伏发电出力概率分布模型;对于光伏发电系统的不确定性, 采用基于Kantorovich距离的场景削减技术实现对光伏发电出力场景的有效削减;提出了碳交易环境下含大规模光伏电源的电力系统优化调度模型, 兼顾了系统运行的经济性、低碳性及可靠性。采用本文模型, 对一个改进10机系统进行了仿真研究, 分析了光伏发电接入规模和碳交易价格对系统优化发电调度的影响。
1 碳交易机制的引入及其影响分析
低碳经济是以低能耗、低排放、低污染为基础的发展模式[8], 而碳交易机制是为了促进温室气体减排而提出的市场机制, 是电力调度需要关注的重点。
1.1 碳交易机制引入
全球碳排放交易市场主要有两种模式:一种是基于配额的市场, 比如排放贸易市场[9];另一种是基于项目的市场, 比如清洁发展机制 (CDM) 市场和联合履约市场[9]。目前, 中国根据国内经济发展阶段主要参与CDM交易。
基于配额的市场实行“总量控制与交易”机制, 即预先设定碳排放总量并将其分为若干单位, 通过一定的方式将初始排放额度分配给各经济主体, 允许各经济主体进行排放额度交易。在规定的时期内, 若经济主体的碳排放量小于分配额度, 则可将剩余额度出售获益;若经济主体的碳排放量大于分配额度, 则必须购买超额的排放额度以避免处罚。
基于项目的市场实行“基准排放与信用”机制, 即预先对各经济主体分配一个基准, 并对实际的碳排放量进行监测。在规定的时期内, 若经济主体的碳排放量小于基准排放量, 则可获得相应的信用额度并进行交易;若经济主体的碳排放量大于基准排放量, 则必须购买超额的排放信用额度。
1.2 电力生产碳减排成本/效益分析
碳交易机制的引入改变了电力系统运行成本的构成, 即当系统碳排放额度盈余时, 可以通过在市场上出售剩余排放额度获利, 从而等效降低系统的运行成本;当系统碳排放额度不足时, 则需要在市场上购买相应排放额度或为超额部分支付罚金, 而这将等效增加系统的运行成本。
为了更准确、更方便地开发符合国际CDM规则以及中国CDM重点领域的CDM项目, 中国国家发展和改革委员会应对气候变化司研究确定了中国区域电网的基准线排放因子。本文基于《2013年中国区域电网基准线排放因子》[10], 对系统的碳排放额度MD, t进行分配:
式中:N为发电机组总数;Pi, t为t时段发电机组i的出力;ε为单位电量排放分配系数, 由电量边际排放因子与容量边际排放因子加权得出[10];Δt为t-1到t时段的时间区间, 在本文研究中Δt=1。
若系统t时段的碳排放总量为MC, t, 那么系统t时段的碳交易成本FC, t可以表示为:
式中:KCDM为CDM单位交易价格;KP为超额部分单位排放量所需支付的罚金;ΔMCDM, t为t时段通过CDM交易获得的排放额度;ΔMP, t为t时段通过支付罚金的方式获得的排放额定;ΔMCDM, t′为t时段通过CDM交易在市场上出售的排放额度;ΔMt为系统碳排放总量MC, t与分配排放额度MD, t之差;NG为火电机组总数;PGi, t为t时段火电机组i的出力;αi, βi, χi均为火电机组i的排放因子[11]。
采用式 (2) 计算系统的碳交易成本可分为如下两种情况。
1) 当MC, t>MD, t时, 表示系统的碳排放量超过分配的排放额度, ΔMt即为超额排放部分, 需要通过CDM交易获得排放额度, 或者支付相应的罚金, 即ΔMt=ΔMCDM, t+ΔMP, t。
2) 当MC, t≤MD, t时, 表示系统的碳排放量未超过分配的排放额度, 即排放额度有盈余部分, 可以通过在市场上交易而获得经济收益, 从而等效地降低了系统的运行成本, 即ΔMt=ΔMCDM, t′。
2 光伏发电系统出力建模
光伏发电系统是利用光伏电池的光生伏打效应, 将太阳能转换成电能的发电系统, 其出力主要与太阳辐照度、光伏阵列有效面积和光电转换效率有关。
2.1 太阳辐照度概率分布模型
研究表明在一定的时段内 (一至几小时) , 太阳辐照度近似呈Beta分布[12]:
式中:r和rmax分别为该时段的太阳实际辐照度和最大辐照度;Γ (·) 为Gamma函数;α和β为Beta分布形状参数;μ和σ分别为太阳辐照度的均值和标准差。
2.2 光伏发电出力概率分布模型
在建立太阳辐照度概率模型的基础上, 光伏发电系统的出力PPV可以表示为:
式中:S为光伏阵列有效面积;η为光电转换效率。
通过式 (5) 和式 (8) 可以看出, 光伏发电系统的出力也呈Beta分布:
式中:PPVmax为光伏发电系统的最大出力。
结合式 (9) 可以得到光伏发电出力的期望值E (PPV) 和方差D (PPV) 分别为:
可以看出, 光伏发电出力的随机性主要受太阳辐照度随机波动的影响, 因此在制定发电调度计划时需要考虑光伏发电出力的不确定性, 减少由于光伏发电出力波动带来的负面影响。
3 碳交易环境下含大规模光伏电源的优化调度模型
3.1 基于Kantorovich距离的光伏发电出力场景削减
在电力调度的实际工作中, 不可能对每个光伏发电出力场景都进行详细的分析和评估, 而场景削减技术可以将原始场景中的相似场景用典型场景表示, 继而形成一组能较好逼近原始场景集的有限场景集, 为这一问题提供了有效的解决方法。
场景削减有很多不同实现方法, 其关键在于概率距离的选取。目前, 广泛使用的概率距离主要有Kolmogorov距离、Wasserstein距离、Kantorovich距离等。Kolmogorov距离计算简单, 但不能很好地反映概率分布的尾部特征;Wasserstein距离能较好地反映尾部特征, 但对于高阶矩不能达到最佳效果[13];而Kantorovich距离能够克服上述缺点, 较好地反映原概率分布。因此, 本文基于Kantorovich距离对光伏发电出力场景进行削减[14]。
文献[14]提出了两种场景削减算法:前推削减算法和后推削减算法。由于前推削减算法在每次迭代过程中, 容易忽略掉某些小概率的极端场景, 从而可能导致原始场景中一些重要信息的丢失;而后推削减算法能够较好地保留初始场景的分布特性, 尤其是在初始场景数规模较大时收敛较快。因此, 本文采用基于Kantorovich距离的后推削减算法进行光伏发电出力场景削减。
若已知两个场景集Ω和Ω′, 则其Kantorovich距离DK (Ω, Ω′) 为:
式中:s和s′分别为场景集Ω和Ω′中的场景;ps和ps′分别为场景s和s′在Ω和Ω′中的概率;c (s, s′) 为一个非负、连续、对称的距离函数;η (s, s′) 为场景s和s′的概率乘积。
结合光伏发电出力的具体情况, 若用Ω表示原始场景集, Ω′表示目标场景集, 则式 (12) 可以等价地表示为:
式中:T为调度周期;PsPVt和Ps′PVt分别为场景s和s′中t时段的光伏发电出力。
通过预先设定所需要的目标场景数Ns, 根据式 (13) 的反复迭代, 即可得到削减后的光伏发电出力场景。
3.2 目标函数
在保证系统运行可靠性的前提下, 低碳经济下含光伏发电系统的优化调度目标为最大化利用可再生能源, 降低碳排放, 同时使运行周期内系统的综合运行费用F最小, 其目标函数表示如下:
式中:FR和FC分别为系统发电能耗成本和碳交易成本;FPV和FLOSS分别为由于光伏发电随机性而带来的弃光惩罚费用和失负荷惩罚费用;FC, t, s为场景s下t时段系统的碳交易成本, 可按式 (2) 计算;FR, t, s, FPV, t, s, FLOSS, t, s分别为场景s下t时段系统的发电成本、弃光惩罚费用、失负荷惩罚费用;ui, t为t时段火电机组i的运行状态;Si, t为t时段火电机组i的启停成本;ai, bi, ci为火电机组i的成本系数;PG, i, t, s为场景s下t时段火电机组i的发电出力;CPV为单位弃光惩罚费用;EPV, t, s为场景s下t时段的弃光电量期望值;CLOSS为单位失负荷惩罚费用;ELOSS, t, s为场景s下t时段的失负荷电量期望值。
3.3 约束条件
1) 系统功率平衡约束:
式中:PPV, t, s为场景s下t时段光伏发电系统的出力;PL, t为t时段的系统负荷。
2) 常规火电机组相关约束, 包括出力上下限约束、启停约束等[15]。
3) 碳减排目标约束:
式中:MC, t, s和MD, t, s分别为场景s下t时段系统碳排放总量和分配排放额度;ΔMCDM, t, s为场景s下t时段通过CDM交易获得的排放额度。
4) 碳交易额度约束。对于CDM, 由于受到资金、技术水平等因素的制约, 项目所能达到的减排量会有一个上限:
5) 光伏发电出力运行约束:
3.4 求解流程
在建立优化调度模型的基础上, 利用商用优化软件CPLEX对模型进行求解, 基本流程如图1所示。
4 算例分析
本文基于文献[16]中的10机系统进行算例分析, 装机规模为1 662 MW, 并按国内火电机组的实际情况进行修改。在该系统中接入规模为340 MW的光伏电源, 渗透率为23%, 相关参数采用西部某光伏发电场的特性参数, S=1 300m2, η=0.093;以一天24h为调度周期, 负荷数据[16]如图2所示。假设所有的碳交易均通过CDM进行, 交易价格KCDM取20美元/tCO2, 单位电量排放分配系数ε取0.7t/ (MW·h) , 单位弃光惩罚费用CPV取100美元/ (MW·h) , 单位失负荷惩罚费用CLOSS取1 000美元/ (MW·h) [17]。
4.1 光伏发电出力场景削减结果
根据光伏发电预测出力, 利用Monte Carlo方法生成1 000个光伏出力场景, 并采用本文第3.1节提出的方法进行场景削减, 目标场景数设置为10个, 所得结果如图3所示。可以看出, 削减后的场景走势与原场景集基本一致, 但是场景数量大幅减少。由此可见, 本文所采用的场景削减技术对于处理光伏发电的随机性是十分有效的。
4.2 低碳优化调度的优化结果及分析
利用本文模型和传统经济调度模型 (不考虑碳排放成本) 对算例系统进行24h优化调度, 优化结果如表1所示。可以看出, 在传统的发电调度方案中, 系统发电能耗成本较低, 碳交易成本较高, 这主要是由于未考虑碳排放因素的影响, 排放较低、单位发电成本较高的清洁机组得不到充分利用, 因此系统CO2排放量较大导致碳交易成本较高。在低碳优化调度中, 由于考虑了碳排放因素的影响, 清洁机组能够得到高效利用, 使得系统虽然发电成本相对较高, 但是碳交易成本大幅减少。两种调度方案的弃光电量期望和失负荷电量期望略有差别, 这是由于发电调度问题本身属于混合整数规划, 不同开机方案导致实际的系统备用容量会稍有不同。综合以上因素, 低碳优化调度的综合运行费用较传统发电调度低。
万美元
4.3 不同光伏渗透率对优化结果的影响分析
不同光伏渗透率大小将对系统发电能耗、CO2排放总量及可靠性产生重要影响, 表2给出了不同光伏渗透率下系统运行的各项费用。可以看出, 当光伏渗透率为零时 (即光伏发电未接入系统) , 系统的发电成本和碳交易成本均比光伏接入后要高, 这是因为光伏发电系统的接入降低了火电机组的出力, 并且在运行过程中不产生碳排放, 因此能有效降低系统的发电能耗和排放量, 系统综合运行费用也随之减少。但是, 由于光伏发电出力具有随机性, 系统在光伏发电接入后整体弃光电量期望和失负荷电量期望增加, 并且随着光伏渗透率的增大而增大, 因此, 在调度中需要综合考虑系统的运行成本与运行风险, 做出合理的调度安排。
4.4 CDM价格对优化结果的影响分析
图4反映了CDM价格对系统运行费用的影响。CDM价格的变化主要影响系统的发电能耗成本和碳交易成本, 并进而对系统综合运行费用产生影响, 具体分析如下。
1) 系统发电能耗成本随着CDM价格的增加而呈现逐渐上升趋势。随着CDM价格的不断增加, 系统为了避免支付过高的碳交易成本而使清洁机组的出力不断增加, 但清洁机组的单位发电成本较高, 因此造成了系统发电能耗成本的不断上升。当CDM价格达到40美元/tCO2左右时, 由于清洁机组的出力已经基本达到上限, 因此系统发电能耗成本趋于饱和。
2) 系统的碳交易成本随着CDM价格的增加而呈现先增后减的趋势。CDM价格的增加一方面使得清洁机组的利用率不断提高, 系统由于排放量降低而获得减排效益, 另一方面, CDM价格的增加会引起排放成本增加。在CDM价格较低时, 系统的排放量大于所分配的额度, 通过CDM价格增加获得的减排效益不足以弥补排放成本的增加, 因此, 系统碳交易成本呈上升趋势;而当CDM价格达到18美元/tCO2左右时, 由于系统获得的减排效益大于排放成本的增加, 因此, 系统碳交易成本开始呈现下降的趋势。
3) 系统综合运行费用随着CDM价格的增加而呈现先增后减的变化趋势, 这是各项费用综合作用的结果。在CDM价格较低时, 随着CDM价格的增长, 系统发电能耗成本和碳交易成本都呈现增长趋势, 因此系统综合运行费用也随之增长。在CDM价格达到24美元/tCO2左右时, 由于清洁机组得到比较充分的利用, 系统碳交易成本的下降大于发电能耗成本的增加, 系统综合运行费用开始出现下降的趋势。在CDM价格达到26美元/tCO2左右时, 系统的排放量开始小于所分配的额度, 能够将多余的部分在市场上出售获益。在CDM价格达到40美元/tCO2左右时, 此时清洁机组的出力已经基本达到上限, 系统发电能耗成本趋于饱和, 因此随着碳交易成本的继续下降, 系统综合运行费用也随之继续下降。
5 结论
光伏发电的快速发展与有效利用是实现电力工业低碳化的有效途径之一。本文对低碳经济下含大规模光伏电源的电力系统优化调度问题进行了深入研究, 主要结论如下。
1) 建立了太阳辐照度和光伏发电出力的概率分布模型, 并采用基于Kantorovich距离的场景削减技术处理其发电出力的随机性。
2) 分析了碳交易机制对电力生产的影响, 根据国内经济发展的特定阶段, 建立了基于CDM交易机制的电力生产碳减排成本/效益分析模型。
家庭光伏电站很值得推广 篇8
笔者发现, 人们在家庭光伏电站建造、使用上会算一笔经济账, 很多人会认为不值。认为不值者, 打的是经济小算盘, 拿建一座装机容量3 kW的家庭光伏电站来说, 在苏北地区, 一年可发电3 600 kWh, 上网电价0.43元/kWh, 政府补贴0.42元/kWh, 一年可营业电费3 060多元, 2万多元建造投资本息合计需要7年多时间方能回笼, 何况7年后设备老化需要维护, 老化的光伏板发电能力又如何?让很多人犹豫、观望。
这种现象很现实。笔者认为, 这算的是眼前的经济小账, 如果站在能源开发运用的高度上看, 家庭光伏电站很值得推广, 是件利国利民、环保节能、造福子孙后代的大好事。虽说我国地大物博, 资源丰富, 但也有穷尽之时, 决非取之不尽, 用之不竭。而阳光是永恒的, 是自然界赋予地球上人类的富有资源, 无需花钱购买, 无需运输费、人工费等。开发利用光能是多少代人的不懈探求, 应该鼓励用光伏发电替代煤炭发电, 为人类节约煤炭资源, 将仅存的煤炭留给后人, 用到国家发展更需要的地方。
在我国农村有建造家庭光伏电站的广阔空间, 农村人居住房屋面积大, 房顶建造光伏电站是对空间的合理运用, 且农村居民手上也不差几万元钱的建造费用, 关键是对建造光伏电站认识不到位。我国对于建造家庭光伏电站给予了很多的政策支持, 按照发改委【2013】1381号《分布式发电暂行管理办法》文件规定:6 000 kW以下的分布式电源免费接入电网, 免收系统备用增容费, 免发电许可证, 所发上网电能量由电网全额收购。在江苏省, 收购价0.43元/kWh, 按发电能量还给予0.42元/kWh补贴, 补贴期20年。