Экстраполирование экспериментальных и модельных характеристик атмосферы как источников эеленойэнергетики

В связи с тем, что расширяется строительство и использование возобновляемых источников энергии, особое значение получают исследования, рассматривающие эффективность работы установок, использующих природные ресурсы, ресурсы «зеленой энергетики». Значительная роль среди таких установок принадлежит фотоэлектрическим станциям, использующим поток энергии солнца, и ветровым установкам. В свою очередь, энергия потока солнечного излучения, ветровые и тепловые энергетические характеристики зависят от места расположения станции и времени снятия характеристик в суточном и сезонном цикле. Для принятия решения о размещении установок зеленой энергетики необходима информация о пространственном и временном распределении ожидаемых энергетических характеристик. Оценка потенциала солнечной и ветровой энергии производится по данным сети метеостанций, созданной в СССР, на которых проводились регулярные актинометрические наблюдения. К настоящему времени на территории России количество станций, на которых ведутся измерения, составляет менее 130, среднее расстояние между ними около 500 км, а в менее населенных районах до 1000 км [5]. Имеющиеся измерения характеристик, полученных от естественных природных источников в различных гелио-геофизических условиях, должны служить обоснованием для планирования размещения станций зеленой энергетики. Кроме того, необходимо учитывать пространственную и временную структуру вариаций используемых энергетических характеристик. Поскольку имеющиеся экспериментальные данные охвачены довольно редкой сетью актинометрических и метеорологических станций, необходимо эти данные интерполировать или экстраполировать на требуемые географические условия. При анализе энергетического потенциала конкретного региона большое значение имеют результаты актинометрических наблюдений, полученные в данном географическом регионе.

Непосредственные регулярные измерения тока солнечных электрических батарей, скорости ветра, а также температуры окружающей среды организованы в национальном университете имени Петра Могилы, расположенном на юге Украины в г. Николаеве. Полученные авторами статьи результаты наблюдений, проводимых с 2012 года по настоящее время, позволили определить вариации энергетических характеристик для установок солнечной и ветро-энергетики [1, 2, 4, 6]. Полученные результаты можно использовать для планирования размещения установок зеленой энергетики в регионе, в котором проводились измерения - на юге Украины, а также вдоль северного побережья Черного моря. Чтобы определить более определенно, на какую пространственную область можно распространить полученные оценки, необходимо сравнить их с результатами, полученными в географически удаленных регионах и проанализировать их корреляционные характеристики.

Для пространственной оценки солнечных ресурсов и работы фотоэлектрических установок можно использовать информационную систему географического распределения фотоэлектрических данных PV-GIS (Photovoltaicgeographicalinformationsystem). Разработчиком этой системы является Объединенный научно-исследовательский центр Энергоэффективности возобновляемых источников энергии Европейской комиссии (EuropeanCommission, JointResearchCentreEnergyEfficiencyandRenewablesUnit - JRC), который находится в г Испре на севере Италии. В центре разработана методика расчета PV-GIS, в основу которой положена экстраполяция результатов актинометрических измерений по данным спутниковых снимков реального облачного покрова земли. На сайте центра JRCсодержится онлайн-приложение PV-GIS, которое можно использовать для расчета потока солнечной радиации и скорости ветра по заданным координатам [5, 6].

Для обоснования использования имеющихся современных данных следует провести верификацию материалов измерений, методов экстраполяции и модельных расчетов ожидаемых энергетических характеристик. С этой целью было проведено сравнение рассчитанных по методу PV-GISэнергетических характеристик с полученными авторами локальными экспериментальными данными.

Результаты сопоставления экспериментальных значений фототока и расчеты по методике PV- GISприведены на рисунке 1. По оси xприведены значения потока солнечной радиации в W/m², рассчитанные по методу PV-GIS, оси y- экспериментальные значения фототока в mA. Также на рисунке 1 обозначена регрессионная зависимость между экспериментальными значениями фототока и значениями, полученными по методике PV-GIS за период с 2007 по 2016 гг включительно. Эта зависимость аппроксимируется линейной функцией y=0.0045x,где y - значения фототока в mA, x - поток солнечной радиации в W/m². Тесноту связи экспериментальных значений фототока с расчетными значениями характеризует коэффициент детерминации R²=0.91. Такую высокую степень связи можно объяснить тем, что методика PV-GIS является некоторой экстраполяцией результатов актинометрических измерений по результатам спутниковых фотографий реальной облачности.

Рисунок 1 - Зависимость среднесуточного фототока от оценок в модели для г. Николаева 2012-2016 гг

Приведенные результаты показывают, что метод PV-GIS дает высокую надежность для оценки освещенности в регионе г Николаева, особенно, принимая во внимание тот факт, что в регионе не имеется специальных средств для актинометрических измерений, а ближайшая станция находится в Одессе на расстоянии около 110 км. Предполагая, что надежность оценок для других географических локаций в этой модели не будет хуже, чем для г. Николаева, авторами рассчитаны корреляционные соотношения значений мощности солнечных элементов для точек с разным удалением от г. Николаева в двух направлениях: западном и северном. Схема расположения направлений трасс проведенных расчетов показана на карте (рисунок 2).

Рисунок 2 - Схема ориентации трасс расчета корреляции

Для вычисления корреляционных отношений из базы данных почасовых значений PV-GIS были выбраны значения мощности солнечных элементов для 10-летнего интервала. По этим данным рассчитывались среднесуточные значения. Вычисленные средние дневные значения сравнивались для разных точек трассы в зависимости от их взаимной удаленности.

В качестве характеристики степени связи определялся коэффициент детерминации R² через коэффициент корреляции для пар значений географических положений точки - г Николаев и удаленная точка, т.е.:

где р - коэффициент корреляции.

Результаты регрессионного анализа представлены на рисунке 3. По оси х расположены отсчеты по дальности в км, по оси у - значения коэффициента детерминации R². Красным цветом обозначены результаты по трассе в направлении на запад, синим цветом обозначено направление на север.

Зависимость значений коэффициентов детерминации от расстояния, рассчитанные аналогичным образом для скорости ветра, представлены на рисунке 4. Расчеты производились в зависимости от удаленности от города Николаева в долготном и широтном направлении. Красным цветом выделены данные в направлении удаления на запад, синим цветом обозначено направление на север. Точками обозначены значения коэффициента детерминации, полученные на данном расстоянии, сглаженной линией обозначены возможные аппроксимации изменения R² от расстояния.

Радиусы пространственной корреляции (по уровню R²=0.25 или р=0.5) для солнечной освещенности составляет около 500 км в долготном направлении и около 700 км в широтном направлении. Радиусы пространственной корреляции скорости ветра составляет около 400 км в долготном направлении и около 1000 км в широтном направлении.

Результаты исследования сезонных взаимосвязей полей инсоляции и скорости ветра могут применяться для составления карты размещения установок зеленой энергетики. Сезонные колебания, как совокупность сезонных и квази-сезонных процессов проявляются в большинстве социально-экономических процессов [3], в том числе, в отраслях и сферах, связанных с энергетикой. Последствия таких колебаний можно частично нивелировать, перераспределяя потребление энергии, получаемой от различных источников. Для России характерны существенные сезонные колебания спроса и потребления энергии, как в масштабах производства, так и в быту. По основным социально-экономическим показателям, в краткосрочной динамике которых присутствует сезонная составляющая, Россия входит в десятку стран с самой большой амплитудой колебаний, что выдвигает исследование сезонных вариаций в условиях изменяющегося климата в число актуальных и значимых.

Рисунок 3 - Зависимости R² от расстояния (освещённость)

Рисунок 4 - Зависимости R² от расстояния (ветер)

Заключение

Результаты комплексных измерений тока солнечных батарей, скорости ветра и температуры окружающей среды, проведенные на юге Украины (г. Николаев), сопоставлены с оценками информационной системы географического распределения фотоэлектрических данных PV-GIS. Получена высокая степень соответствия рассмотренных характеристик с коэффициентом детерминации R²=0.91, что свидетельствует об адекватности экспериментальных данных.

По базе данных почасовых значений PV-GISна 10-летнем интервале вычислены средние дневные значения вдоль трассы, ориентированной по широте в западном направлении, и по долготе в северном направлении от точки измерений, что дает основание экстраполировать полученные данные на определенные области.

Радиусы пространственной корреляции среднесуточных значений солнечной освещенности и скорости ветра зависят от взаимной ориентации разнесенных географических точек, причем для ветра зависимость от ориентации значительно сильнее (400 км по долготе, 1000 км по широте), чем для освещенности (500 км по долготе, 700 км по широте). Учет полученных корреляционных значений может быть полезен при построении надежной сети из источников альтернативной энергии, не зависимой от погодных условий.

В связи с тем, что параметры внешней среды испытывают регулярные сезонные изменения, это следует учитывать при анализе на многолетних интервалах корреляционных характеристик связи этих параметров. При детальном анализе целесообразно рассматривать как корреляцию по усредненным сезонным изменениям, так и корреляцию по отклонениям от регулярного хода.

Исследование форм и степени сезонных взаимосвязей для определенного региона представляется актуальным, поскольку полученные результаты позволяют составить наиболее точный сезонный график по выработке энергии и перераспределению источников энергии.

Список литературы

1. Андреева, Н.Ю. Исследование вариаций солнечной радиации для оценки энергетической эффективности солнечных фотоэлектрических батарей / Н.Ю. Андреева, В.И. Кубов, Р.М. Кубова, Павленко А.А. // Наукові праці. т. 233, вип. 221. Техногенна безпека. Миколаїв: ЧДУ ім. П.Могили. - 2014. - С.126-133.

2. Боженко, А.Л. Особенности представления измерений скорости ветра в городских условиях / А.Л. Боженко, Д.Д. Зюляев, В.И. Кубов, Р.М. Кубова // Образовательные ресурсы и технологии. - 2015. - № 1 (9). - С. 83-92.

3. Землянский Д.Ю. Концептуальные подходы к исследованию сезонной ритмики в территориальных социально-экономических системах // Методология и методика региональных исследований: из прошлого в будущее (к 190-летию со дня рождения Я.А. Соловьева). Мат-лы школы-семинара молодых ученых. - Смоленск: Универсум, 2010.

4. Кубова, Р.М. Исследование характеристик возобновляемых источников энергии с учетом климатических особенностей побережья Черного моря / Р.М. Кубова, В.И. Кубов, А.Л. Боженко, Д.Д. Зюляев, А.А. Павленко // Современные проблемы использования потенциала морских акваторий и прибрежных зон. Материалы XI Международной научной конференции. - М.: изд. МУ им. С.Ю. Витте, 2015. - C.481-492.

5. Попель, О.С. Климатические данные для возобновляемой энергетики России (база климатических данных): Учебное пособие / О.С. Попель, С.Е. Фрид, С.В. Киселева [и др.]. - М.: Изд-во МФТИ, 2010. - 56 с.

6. Boshenko, A.Calculationofenergysupplyreliabilityundercomplexuseofsolarsystemsandwindturbines/ A. Boshenko, V. Kubov, R. Kubova// Экологические и природоохранные проблемы современного общества и пути их решения: материалы XIII международной научной конференции; в 4-х ч. / под ред. А.В. Семенова, Н.Г. Малышева, Ю.С. Руденко. - М.: изд. МУ им. С.Ю. Витте, 2017. - Ч. 1. - С. 8-18.

7. Photovoltaic geographical information system. PV-GIS. - URL: http://re.jrc.ec.europa.eu/pvg_tools/en/tools.html (датаобращения: 10.08.2018).

8. NREL's PVWatts Calculator. - URL: http://pvwatts.nrel.gov/(датаобращения: 10.08.2018).

Размещено на Allbest.ru