对印度古吉拉特邦50个公用事业规模的太阳能光伏电站的性能进行了基准测试,这些数据来自五个资源数据库

《Solar Energy》:Benchmarking performance of 50 utility-scale solar PV plants against five resource databases in Gujarat, India

【字体: 大 中 小 】 时间:2026年08月30日 来源:Solar Energy 7.9

编辑推荐:

  • 来自古吉拉特邦50个太阳能电站的五年数据显示,预测结果可能与实际情况存在偏差。 • Meteonorm数据与实际测量产出最为吻合;SolarGIS和NREL的TMY数据分别高估了7-8%。 • 全部电站之间的相关性较高(r约为0.93),但掩盖了单个电站约18%的平均

  • 来自古吉拉特邦50个太阳能电站的五年数据显示,预测结果可能与实际情况存在偏差。
• Meteonorm数据与实际测量产出最为吻合;SolarGIS和NREL的TMY数据分别高估了7-8%。
• 全部电站之间的相关性较高(r约为0.93),但掩盖了单个电站约18%的平均误差。
• 一个新的绩效指标显示有10个电站表现不佳,而21个电站表现优于预期。
• 仅数据库的选择就能使平准化成本(LCOE)偏离约8%;投资者在三年内收回了投资成本。

**引言**
截至2026年3月,印度安装的电力生产能力达到了533吉瓦,其中53%来自非化石能源[1](图1)。煤炭仍然是电力供应的主要来源,2023年能源行业的排放量约为2.8 gigaton [2,3]。根据印度国家自主贡献计划(NDCs),该国承诺到2030年实现500吉瓦的非化石能源装机容量,并在2070年实现净零排放[4,5];在这一目标下,预计到2029-30财年,太阳能装机容量将达到约293吉瓦[6]。截至2026年3月,太阳能光伏(PV)装机容量已达到150吉瓦[7]。要实现2030年的目标,不仅需要快速增加装机容量,还取决于这些资产在其使用寿命期间的运行表现。

在过去十年中,印度公用事业规模光伏技术经济可行性和规模发生了显著变化。贾瓦哈拉尔·尼赫鲁国家太阳能计划(JNNSM)第一阶段及各州项目初期,光伏电站规模通常较小(1-5兆瓦),并依赖较高的上网电价支持。随着竞争加剧和光伏成本下降,竞争性逆向拍卖成为主要的价格形成机制[8,9]。2017年是一个重要的转折点——巴德拉太阳能公园(Bhadla Solar Park)设定了当时创纪录的上网电价2.44卢比/千瓦时[8],到2020年这一价格进一步降至1.99卢比/千瓦时[10]。2021年至2023年间,由于模块价格、基本关税(BCD)和批准型号及制造商清单(ALMM)的影响,成本有所上升[11],但此后电价又开始下降,2024年时约为2.15卢比/千瓦时[12]。电站规模也从小型独立电站发展为数百兆瓦的集群和吉瓦级的太阳能公园[13]。虽然规模和可负担性有所提升,但这并不能保证性能的稳定性,对于即将进入运营第二个十年的项目组合而言,这一因素尤为重要。在这一背景下,古吉拉特邦是进行详细绩效分析的典型案例:该地区拥有丰富的太阳能资源、适合安装光伏的半干旱土地,以及悠久的可再生能源发展历史。印度国家太阳能研究所(NISE)估计古吉拉特邦的地面光伏潜力约为243吉瓦(全国地面光伏潜力约为3343吉瓦[15])。截至2026年5月,古吉拉特邦安装的可再生能源装机容量达50.4吉瓦(其中太阳能29.3吉瓦,风能15.9吉瓦[16]),并设定了到2030年达到105吉瓦的目标[16](图2左侧)。其装机容量结构见图2右侧。

正是这种资源质量、政策雄心与运营规模的结合,使得古吉拉特邦非常适合长期评估公用事业规模光伏资产的性能。

2009年,古吉拉特邦率先在全国范围内出台了太阳能政策,早于JNNSM的启动,推动了包括Charanka太阳能公园在内的多个标志性项目的私人投资。这些项目采用较高的上网电价支持建设。许多项目已经运行了12-15年,但建于资本成本较高、模块技术较旧、电网法规较宽松的时期。

越来越多的国际和印度文献表明,许多公用事业规模光伏项目的实际发电量低于初始预测[20,21]。类似的现象也在印度以外地区出现:欧洲屋顶光伏和公用事业光伏系统的长期性能对比研究[22],以及中东和北非地区沙漠气候条件下光伏电站的加速衰减[23],都揭示了设计与实际性能之间的差距。印度的研究显示,由于灰尘积累、高运行温度、组件故障和不良运维实践等因素,长期性能比和容量利用率经常低于设计预期[25-, 26-, 27]。另有研究表明,常用的太阳辐射数据集之间存在差异:测量数据、卫星数据及模型数据之间的不同可能导致辐照度估计、发电量模拟结果以及项目评估技术经济指标的偏差[28-, 29-, 30]。针对早期古吉拉特邦项目而言,这种不确定性尤为重要,因为模型预测与实际资源之间的不匹配,加上设备老化和长期运维挑战,可能严重影响实际回报和资产残值。

**再发电**(替换或升级老旧组件、逆变器和系统平衡设备以恢复或超过原始设计发电量)是对这些老化资产的应对措施。Motiwala等人的研究[31]从全国范围量化了再发电的潜力,估计在现有购电协议(PPA)限制下可有5.33吉瓦的额外装机容量,在更广泛的技术条件下可达9.6吉瓦;该分析基于设计阶段的容量和调试年份数据,未具体指出哪些项目需要再发电或需要提升的程度。目前尚缺乏关于这些早期项目长期运行情况的实证证据,也无法明确实际成果与设计预期的差距,以及这些成果对州级政策、运营策略和再发电决策的影响。

本文通过详细评估2009年古吉拉特邦太阳能政策推动下的公用事业规模光伏项目,填补了这些知识空白。具体而言,研究内容包括:(i)描述古吉拉特邦的太阳能资源和政策发展背景;(ii)利用实测数据与模拟数据进行代表性成熟项目绩效对比;(iii)分析长期性能差异对性能提升、资产管理及未来改造或再发电路径的影响。通过聚焦印度首批发展光伏的邦级案例,本研究旨在为未来的政策设计、运营优化和投资决策提供实际参考。

大量研究使用监测数据和标准指标(如最终收益、参考收益、性能比(PR)和容量利用率(CUF)来评估公用事业规模光伏项目的性能。Padmavathi和Daniel分析了卡纳塔克邦的一个3兆瓦并网电站,发现年平均性能比为70%,损失主要集中在逆变器和电网故障期间[27]。与他们的单站分析不同,本研究对比了五个数据库中的50个项目,从而得出组合级而非单站级的结论。Singh等人在拉贾斯坦邦的一个10兆瓦电站也得到了类似结果[21],而科学技术政策研究中心则记录了更多印度公用事业规模电站因组件可靠性问题导致的性能偏差[32]。综合来看,设计合理的光伏电站能够获得优异的性能,但结果因技术、气候区和运维方式而异(Sharma和Chandel的综述[33])。在良好运行条件下,性能比可达70-80%,但项目实际表现仍常与设计预期有差异。

多项研究通过光伏系统(PVsyst)等工具和不同太阳辐射数据库对比实际发电量与模拟结果。在拉马古丹(Ramagundam)的10兆瓦电站,Shiva Kumar和Sudhakar发现实际与模拟年发电量基本一致,但也指出模块温度、线路和逆变器问题导致了一定程度的损失[21]。Purohit和Purohit[20]评估了国家太阳能计划第一阶段下的39个交互式电站,发现容量利用率和平准化成本等指标的偏差范围为-12%至+31%。他们还研究了印度不同太阳辐射数据库之间的可比性,发现Meteonorm、NASA SSE和SolarGIS等数据源的差异可能显著影响电站的可行性评估,尤其是在缺乏长期地面测量的地区[29]。

具体到古吉拉特邦,大量公用事业规模电站是在2009年太阳能政策下建设的,因此资源质量、政策目标与运营规模共同决定了其长期性能。本研究旨在为未来光伏资产的政策设计、运营优化和投资决策提供实用参考。关于并网太阳能光伏电站的性能和技术经济评估的精选文献摘要及其与本研究的具体相关性见附录E。这项以古吉拉特邦为重点的研究利用了多个公用事业规模项目的长远实际发电量和可用性数据,这些项目是在古吉拉特邦2009年太阳能政策指导下开发或受到其强烈影响的。它将这些数据与标准工具和辐射数据集得出的模拟性能进行比较,并在政策设计、长期运行和重构机会的背景下解释了相应的性能和技术经济指标。

**数据和方法**
本节描述了研究区域、公用事业规模项目的样本、计量的和模拟的数据来源,以及用于构建多年性能和技术经济分析一致数据集的预处理步骤。

**分析**
本节展示了2020-2024年间50个项目组合的技术经济性能结果。技术经济性能通过两个相关指标进行评估:容量利用率(CUF),它反映了相对于安装容量的技术产出;平准化电力成本(LCOE),它将这种产出转化为一个可比较的成本指标。更广泛的技术经济维度,如电网集成成本或土地使用经济学,则不在本研究的范围之内。

**结果和讨论**
本节利用第2节所述的数据和方法,展示了公用事业规模太阳能光伏电站的性能基准测试结果,并讨论了其含义。

**结论**
本研究通过2020-2024年的年度计量发电量以及来自五个广泛使用的太阳能资源数据库(SolarGIS、PVGIS TMY、Meteonorm、NREL TMY和NASA SSE)的相应光伏系统模拟年发电量,评估了古吉拉特邦50个公用事业规模太阳能光伏项目的运行性能。比较是在项目组合和单个电站层面进行的,使用了包括MBE、MAE、RMSE、MAPE和皮尔逊相关性在内的既定验证指标[20,29]。

**资金声明**
本研究未从公共部门、商业部门或非营利部门的任何资助机构获得特定资助。

**作者贡献声明**
Saurabh Motiwala:撰写——原始草稿、软件开发、形式化分析
Sudarshan Kumar:资源获取、调研
Ashish Kumar Sharma:形式化分析、调研
Ishan Purohit:撰写——审阅与编辑、监督、概念化

**关于写作过程中使用生成式AI和AI辅助技术的声明**
在准备本研究时,作者使用了ClaudeAI来提高手稿的语言质量和可读性。作者审阅并编辑了所有由AI辅助生成的内容,并对出版内容的准确性和完整性负全责。AI工具未被用于生成科学内容、分析数据或得出结论。

**关于利益冲突的声明**
作者声明他们没有已知的可能会影响本文报告工作的财务利益冲突或个人关系。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号