Определение гарантированной интенсивности солнечного излучения для Ростовской области

Размещено на http://www.allbest.ru/

Статья по теме:

Определение гарантированной интенсивности солнечного излучения для Ростовской области

Воронин С.М., Цыганов В.В., Котылевский М.П. Азово-Черноморский инженерный институт (филиал Донского ГАУ)

Аннотация

солнечный излучение распределение

Параметры системы электроснабжения, которая основана на фотоэлектрических преобразователях, зависят от неуправляемого фактора - интенсивности солнечного излучения. Интенсивность солнечного излучения имеет случайный характер, поэтому для ее нахождения следует использовать математическую статистику. В статье проанализированы международные метеорологические базы данных, такие как «METEONORM», NASA SSE и научно-прикладной справочник по климату СССР. Методика исследования, изложенная в статье, включает теоретическое обоснование выбора закона распределения и гарантированной интенсивности солнечного излучения. Результатом исследования являются графики теоретического распределения интенсивности солнечного излучения для пяти месяцев, графики гарантированной интенсивности солнечного излучения, алгоритм расчета гарантированного излучения.

Ключевые слова: ГАРАНТИРОВАННОЕ ИЗЛУЧЕНИЕ, ФОТОЭЛЕКТРИЧЕСКИЕ ПРЕОБРАЗОВАТЕЛИ, МАТЕМАТИЧЕСКАЯ СТАТИСТИКА, PYTHON

Введение

Параметры фотоэлектрических преобразователей (ФЭП) зависят от интенсивности солнечного излучения и не симметричны относительно средних ее значений [1], то есть при уменьшении интенсивности мощность ФЭП уменьшается, а при увеличении - не увеличивается пропорционально. Это приводит к тому, что проектные мощности солнечных электростанций на ФЭП не достигаются на практике из-за колебаний интенсивности солнечного излучения. На наш взгляд, при проектировании солнечных электростанций на ФЭП следует ориентироваться на гарантированные значения интенсивности солнечного излучения, то есть на те значения, ниже которых интенсивность не опустится с какой-то (заданной) вероятностью. Такая интенсивность солнечного излучения и является гарантированной с заданной вероятностью.

Отсутствие таких данных в справочной литературе и методик определения гарантированной интенсивности солнечного излучения на основе современных баз данных подтверждает актуальность такой задачи.

Основная часть

Методика исследования

В России основным источником информации об интенсивности солнечного излучения является многотомный Научно-прикладной справочник по климату СССР [2]. Он предоставляет данные среднесуточных и среднечасовых значений прямой, диффузной, суммарной солнечной радиации и альбедо для характерных суток каждого месяца для всех регионов России со сроками наблюдения от 5 до 30 лет. Небольшое число пунктов наблюдений, устаревшие данные о поступлении солнечной радиации на поверхность Земли (1954-1980 гг.) являются недостатками этой базы данных.

К мировым базам данных значений интенсивности солнечного излучения, которые используются для проектирования солнечных электростанций, относятся:

программный продукт швейцарской компании Meteonorm «METEONORM» [3];

метеорологическая база данных NASASSE (Surface meteorology and Solar Energy) [4].

Meteonorm предоставляет данные более 8000 метеорологических станций, пяти геостационарных спутников. Период данных составляет 1991-2010 и 1996-2015 годы для данных солнечной интенсивности и 2000-2009 годы по другим параметрам. Meteonorm генерирует ежемесячные, ежедневные, ежечасные и минутные значения. С помощью моделей интерполяций возможен расчет метеорологических характеристик для любого местоположения по всему миру. Есть возможность импорта и экспорта данных в электронные таблицы таких форматов, как CSV, TMY2, TMY3, EPW, PVSol, PVSyst, Polysun, SAM и многие другие. Один из значимых недостатков - программный продукт Meteonorm является платным.

В базе данных NASA SSE собраны значения прямой, диффузной, суммарной солнечной радиации, альбедо суток каждого месяца за 22 года (1983-2005). В проекте SSE использовалась билинейная интерполяционная схема, которая увеличивает точность значений солнечной инсоляции. Дальнейшим развитием NASA SSE является WEB-ресурс POWER DataAccessViewer. POWER DataAccessViewer предоставляет метеорологическую базу данных NASA SSE в удобном формате и с возможностью экспорта электронных таблиц, что позволяет анализировать их в специализированном программном обеспечении. Недостаток NASA SSE - отсутствие среднечасовых значений солнечной инсоляции.

По массиву данных NASA SSE (табл. 1) был определен закон распределения интенсивности солнечного излучения для Ростовской области и высказано предположение, что он будет нормальным.

Проверка гипотезы о нормальном распределении генеральной совокупности проводилась по критерию Пирсона [5], так как он предназначен для различных видов распределений.

Таблица 1 - Значение среднесуточной интенсивности солнечного излучения для Ростовской области (пример)

Как уже отмечалось, для солнечного излучения более корректно использовать доверительный интервал его интенсивности. В метеосправочниках приводится средняя интенсивность. Вероятность интенсивности солнечного излучения соответствует вероятности попадания случайной величины в заданный интервал и определяется следующим образом [1]:

где: P(NX?N?Nmax) - вероятность того, что интенсивность солнечного излучения будет находиться в интервале NX...Nmax;

NX - гарантированная интенсивность солнечного излучения, Вт/м2;

Nmax - наблюдаемая максимальная интенсивность солнечного излучения в данной местности, Вт/м2.

Если интенсивность солнечного излучения распределена по нормальному закону, то искомую вероятность можно определить, используя функцию Лапласа [5]:

где: - математическое ожидание интенсивности солнечного излучения (данные метеостанций), Вт/м2;

уС - стандартное отклонение интенсивности солнечного излучения, Вт/м2.

Стандартное отклонение интенсивности солнечного излучения для любого момента времени легко определяется из данных NASA SSE.

Результаты и их обсуждение

После определения необходимых параметров математической статистики (среднее значение, стандартное отклонение, теоретические частоты) были построены теоретические кривые солнечного излучения для пяти месяцев (рис. 1-5).

Рис. 1 - Теоретическое распределение солнечного излучения для 15 июня

Рис. 2 - Теоретическое распределение солнечного излучения для 15 июля

Рис. 3 - Теоретическое распределение солнечного излучения для 15 августа

Рис. 4 - Теоретическое распределение солнечного излучения для 15 сентября

Рис. 5 - Теоретическое распределение солнечного излучения для 15 октября

Для проверки нормального закона был применен критерий согласия Пирсона. В библиотеке анализа данных языка программирования Python критерий согласия Пирсона рассчитывает функция normaltest(). На вход эта функция принимает данные, которые необходимо проверить на нормальный закон распределения. Результатом выполнения этой функции является значение -квадрат. С помощью функции ppf() можно получить табличные значения -квадрат при заданном числе степеней свободы и уровне значимости.

Анализ данных подтвердил, что на территории Ростовской области солнечное излучение распределено по нормальному закону.

Для автоматизации расчета гарантированного солнечного излучения был создан скрипт на языке программирования Python.

Алгоритм скрипта представлен на рис. 6.

Рис. 6 - Алгоритм скрипта для автоматизации расчета гарантированной интенсивности солнечного излучения

Для работы скрипта задаются вероятность и стандартное отклонение искомого месяца. Далее скрипт загружает данные искомого месяца из файла формата csv (интервалы времени, значения солнечной инсоляции). Функция enumerate() является встроенной функцией Python. Функция выполняет итерацию каждой строки загруженных данных. Строки данных «ожидаемая интенсивность солнечного излучения», «максимальная наблюдаемая интенсивность солнечного излучения», «стандартное отклонение» и «заданная вероятность» передаются функции calculate_ins(). Нами была разработана функция calculate_ins(), которая рассчитывает гарантированную интенсивность солнечного излучения по формуле 2. Полученное значение гарантированной интенсивности солнечного излучения записывается в массив guar_intensity при помощи функции append(). После окончания итерации полученный список guar_intensity сохраняется в файл формата csv.

На рис. 7-11 представлены графики гарантированной интенсивности солнечного излучения.

Рис. 7 - График гарантированной интенсивности солнечного излучения для 15 июня (с вероятностью 0,95)

Рис. 8 - График гарантированной интенсивности солнечного излучения для 15 июля (с вероятностью 0,95)

Рис. 9 - График гарантированной интенсивности солнечного излучения для 15 августа (с вероятностью 0,95)

Рис. 10 - График гарантированной интенсивности солнечного излучения для 15 сентября (с вероятностью 0,95)

Рис. 11 - График гарантированной интенсивности солнечного излучения для 15 октября (с вероятностью 0,95)

Выводы

Созданный скрипт позволяет значительно ускорить расчет гарантированной интенсивности солнечного излучения с заданной вероятностью. Полученные данные предполагается использовать для расчета необходимой площади фотоэлектрических преобразователей для автономной комбинированной системы электроснабжения.

Список использованных источников

1. Воронин С.М. Формирование автономных систем электроснабжения сельскохозяйственных объектов на возобновляемых источниках энергии: монография. - Зерноград: ФГОУ ВПО АЧГАА. - 2010. - 304 с.

2. Научно-прикладной справочник по климату СССР в 30 томах. Многолетние данные. - СПб: Гидрометеоиздат. - 1990.

3. METEONORM Version 6.0.2.5 METEOTESTFabrikstrasse 14 CH-3012 BemSwitzerland [Электронный ресурс]. - Режим доступа: http://meteonorm.com/.

4. Surface meteorology and Solar Energy [Электронный ресурс]. - Режим доступа: https://eosweb.larc.nasa.gov/sse/.

5. Гмурман В.Е. Теория вероятностей и математическая статистика. - М.:

6. Воронин С.М., Цыганов В.В., Котылевский М.П. Определение гарантированной интенсивности солнечного излучения для Ростовской области // АгроЭкоИнфо. - 2018, №3. - http://agroecoinfo.narod.ru/journal/STATYI/2018/3/st_352.doc.

Размещено на Allbest.ru