太阳能光伏电厂相关环境指标变化：基于数据驱动的跨区域评估

《Solar Energy》：Environmental indicator changes associated with solar photovoltaic plants: A data-driven multi-regional assessment

　　

• •
  开发了一种数据驱动框架，用于预测光伏引起的环境变化。
• •
  光伏电站内受荫蔽区域和非受荫蔽区域的环境响应存在差异。
• •
  随机森林在预测六项环境指标时表现最优。
• •
  在两个独立光伏电站进行的外部验证达到了 $R^2>0.9$。
• •
  该框架支持公用事业规模光伏电站的环境评估与规划。

引言

近年来，光伏（PV）系统技术的进步和成本的持续降低推动了光伏市场的快速发展。人们越来越认识到，光伏已成为主要的可再生能源之一。截至2024年底，全球光伏装机容量已达1865 GW，较2020年的710 GW增长了163%，增幅显著。2024年见证了太阳能光伏部署的空前增长，新增装机容量达451 GW——是所有可再生能源技术中最高的年度新增量。这占全年全球可再生能源装机总扩张量的四分之三以上[1]。预计到2050年，全球光伏装机容量将超过8000 GW，发电占比将超过40%[2]。除了绿电发电带来的环境效益外，光伏电站的建设还会在其他方面对环境产生影响。大规模地面光伏电站的应用改变了地下结构，影响了地表能量平衡和水文循环，从而带来局部生态环境变化[3,4]。例如，局部能量平衡的变化会导致大气和地表温度在不同程度上发生变化，光伏阵列安装引起的降水重新分配会导致土壤水分分布的差异，进而影响植被和微生物。此外，光伏阵列还可以起到防风固沙的作用。面对未来光伏电站的大规模应用，环境指标评估具有重要意义。

为了客观反映光伏系统引起的环境变化，全球范围内已开展大量研究来分析和评估光伏系统的环境影响。现有大多数研究都是通过实地观测来评估光伏电站建成后现有环境指标的变化。主要环境指标集中在局部大气温度和湿度、土壤温度和湿度、近地表风速以及植被等方面[5,6]。结果表明，光伏电站运行期间站内的气温高于站外，温差在0.1至2.3摄氏度之间[7,8]。先前的研究报告指出，在某些光伏改造的微型气候条件下，大气湿度可能与大气温度呈现相反的变化趋势；然而，这种响应的幅度取决于当地气象条件和地表条件，以及面板下方（BL）与行间距（IT）面板区域之间的空间差异[9]。光伏组件下方区域的土壤温度和风速降低[10,11]，但深层土壤水分增加[12]，导致土壤含水量的空间分布不均匀[13]。光伏系统对局部大气和土壤环境的变化还可能增加植被覆盖率[5]，并可能在干旱地区提供潜在的生物多样性协同效益[14]。这些研究表明，光伏系统对环境指标的影响各不相同，不同参数类型的影响程度存在显著差异。但这些多个参数之间的复杂相互作用仍需进一步研究。

在光伏电站建设之前准确预测其环境指标，对于确保太阳能基础设施的可持续大规模部署至关重要。然而，这一关键研究领域仍处于起步阶段。

章节摘要

光伏电站环境影响预测综述

预测光伏电站环境指标变化的理论建模必须基于全面可靠的实测监测数据，同时充分考虑局部辐射平衡、能量传递和水文循环等关键物理过程，以优化模型参数并确保预测精度[15]。此外，此类建模还必须解决由不同生态条件和下垫面

光伏环境影响指标的分类

通过全面的文献综述和实地实测，我们发现光伏引起的土壤温度和土壤含水率变化随土壤深度有显著差异。特别是浅层土壤（5 cm）中观察到的响应模式与深层土壤（40 cm）中的不同，这表明土壤环境效应不应被视为单一均质过程[27]。这一发现促使我们将土壤相关参数分为两组：浅层土壤

采集数据的可视化

本研究根据数据采集设置对数据分布进行了分析。数据库共编译了来自BL、IT和OS监测点一年的28,675个数据点。来自BL、IT和OS监测点的包括SST、DST、SSMC、DSMC、AT和AH的环境参数如图4所示。

箱线图分析呈现了五个关键统计量：最小值（下须）、第25百分位数（Q1）、中位数、第75百分位数（Q3）和最大值（上须）。证据表

结论

本研究采用机器学习方法开发光伏EIF模型，旨在预测光伏电站建设后环境指标的变化。建模数据来自四个代表性的固定布局地面光伏电站，并在两个具有不同气候条件的额外固定布局光伏电站进行了验证。基于本研究中的综合分析，可以得出以下关于环境

CRediT作者贡献声明

Jia Zhang：撰写—审稿与编辑，撰写—初稿，验证，方法论，调查研究，形式化分析，概念化。Yadong Ge：验证，软件，形式化分析，数据整理。Zaixin Li：可视化，软件。Zhenchao Li：调查研究，数据整理。Yibo Wang：监督，项目管理，资金获取。Junyu Tao：撰写—审稿与编辑，监督，方法论。Beibei Yan：监督。Guanyi Chen：监督。

利益冲突声明

作者声明，他们不存在已知的可能影响本文报告工作的竞争性经济利益或个人关系。

致谢

本研究受中国科学技术部科技伙伴计划（KY202501003）和中国科学院国际合作伙伴计划（编号：116GJHZ2024036MI）资助。

Jia Zhang|Yadong Ge|Zaixin Li|Zhenchao Li|Yibo Wang|Junyu Tao|Beibei Yan|Guanyi Chen