本文采用A地区某年实测辐射数据，选取其水平面总辐射、温度数据作为计算分析的依据^[1]。

实测数据采样时间为1 min，全年共计525 600组，数据完备率96.32%^[2]。完成缺失数据插补后，A地区全年水平面总辐射量为6 262.5 MJ/m²。根据《太阳能资源评估方法》(QX/T 89—2008)^[3]判定其太阳能资源很丰富，资源具备开发条件。

根据上述数据可得^[4]：逐月、年代表日逐时、月代表日逐时的辐射量(值)分布图(其中：文中时间为真太阳时，后同)。

根据图1,图2,图3可分析出A地区全年辐射分布具备如下特征：

图  1  A地区逐月总辐射量直方图

Figure 1.  Histogram of monthly global irirradiance

图  2  A地区年代表日总辐射值分布图

Figure 2.  Curve of annual characteristic day's global irradiance

图  3  A地区逐月代表日总辐射值分布图

Figure 3.  Curve of monthly characteristic day's global irradiance

1)A地区月总辐射量最大值发生在春、夏换季的5月；全年逐月总辐射量较平均，光伏电站全年月度发电量差异较小。

2)A地区年代表日总辐射极大值差异较小，其中4个年代表日差异主要是日照时长、当日天气状况而引起的日总辐射量、辐射量值瞬时特征的差异。同时对数据进行分析得：太阳总辐射值最高月与最低月之比为1.63，根据《太阳能资源评估方法》判定其太阳能资源稳定程度等级为：稳定。

3)A地区5月至8月的正午存在总辐射值超过1 000 W/m²的情况。根据对其原始数据的分析：总辐射值超过1 100 W/m²在6月时有发生，即逆变器存在直流侧输入功率过高而产生弃光的工况。

4)A地区10月至次年4月的空气质量好，透明度高，日总辐射值变化较平稳；总辐射的年内变化呈“春夏大，秋冬小”的特点。

本文研究的对象为单个光伏方阵。其中：光伏组件与逆变器的容量配置系数定义如下：

式中：α为容量配置系数；p_md为单块光伏组件容量，W；L_st为光伏组件串的串联数；N_st为光伏组件串的并联数；P_in为单个光伏方阵的逆变器容量，W。

容量配置系数数值区间取[0.8, 1.5]，根据式1即可计算出光伏组件串的并联数的极小值、极大值，即：

本文光伏方阵综合效率指：光伏组件至逆变器交流侧出口段的效率η_sys。

根据Liu和Jordan^[5]等理论，并结合前文的实测的全年辐射数据：

1)采取逐1 min水平面总辐射进行光伏方阵发电功率仿真。

2)根据按照球面天文学理论，采用地平坐标系作为基准坐标系，并借助赤道坐标系来进行空间坐标转换以获得全年各时刻的太阳高度角和方位角。

3)根据太阳辐射原理，首先采用Erbs法^[2]计算全年逐小时散射辐射量与总辐射的比值，分解出直接辐射、散射辐射、反射辐射。

4)采用Klein法^[5]，计算光伏组件倾斜面上的太阳辐射量。

5)通过对辐射站采集的环境温度的校正，计算出光伏组件表面的温度。再结合光伏组件的参数，计算出不同N_st值下的光伏方阵全年逐1 min发电功率P_sys，其中N_st值的步长取值为1。

当输入功率超过逆变器额定容量一定比值后，光伏方阵将存在弃光情况。因此本文定义逆变器允许短时超过其容量的百分比为：β(%)。根据逆变器工作原理^[6]，光伏方阵发电功率按照式(4)计算：

1)根据光伏方阵内设备价格，计算不同N_st值的电站投资。

2)由式(5)可计算各N_st值的光伏方阵的电量收益：

式中：E_gain为发电量收益，元；p_elc为光伏电站售电电价，元·kWh^-1。

3)结合价值工程，根据上述步骤结果可计算并得出最大净现值的N_st，最终根据式1确定容量配置系数α。

A地区的单个光伏方阵模型如下：

光伏阵列所处纬度：23°；光伏组件为60片型、容量为275 W，组串数取22，组串并联数取160～220回；电站综合效率分别取80%、85%；售电电价取0.60元/kWh；行业基准折现率取8%；电站综合单价取6.5元/W，光伏组件单价取3.0元/W；电站寿命期取25年。根据2.1节方法计算后，结论如下：

1)当电站综合效率η_sys取80%、β值分别取0%、5%、10%时，最大净现值对应的N_st为：172、181、189，则容量配置系数α相应为：1.041、1.095、1.143，如图4所示。

图  4  电站财务净现值分布曲线(η_sys＝80%)

Figure 4.  Curve of PV station's NPV(η_sys＝80%)

2)当电站综合效率η_sys85%、β值分别取0%、5%、10%时，最大净现值对应的N_st为：162、170、178，则容量配置系数α相应为：0.980、1.028、1.077，如图5所示。

图  5  电站财务净现值分布曲线(η_sys＝85%)

Figure 5.  Curve of PV station's NPV(η_sys＝85%)

3)分析可得：光伏电站综合效率的高低直接影响容量配置系数。随着综合效率的提高，容量配置系数将减小。电站在降低光伏组件初投资的同时，亦可提高电站收益。

4)建议电站在设备选型时，应结合当地的辐射数据合理选用具备短时过载能力的逆变器。针对A地区，其逆变器选型可要求其具备10%的短时过载能力(逆变器的短时过载时间的技术要求应根据前文计算出的逐时发电功率统计得出)。

5)光伏电站最优容量配置系数的影响因素包括：电站所在地的辐射数据、电站综合效率、逆变器过载能力、电站综合单价、光伏组件单价、行业基准折现率等。

本文首先完成A地区的实测辐射资源数据分析，拟合出光伏电站全年逐时的输出功率；通过设定光伏电站的η_sys、β、p_elc；计算出不同N_st的财务净现值；选取净现值最大的N_st值；最终确定α值。定量提出了光伏电站的容量配置系数α的计算方法，具有一定的推广价值。

通过本文的分析可以看出，光伏电站容量配置系数应以当地的实测辐射数据为依据，确定光伏电站各主要参数后方可优化出结果。目前光伏电站根据经验值进行容量配置系数的选择，不能满足光伏电站精细化设计的要求。

因此，光伏电站的容量配置系数应在设计前期结合上述各因素综合分析计算，以增强光伏电站的综合效益。