光伏電站系統效率描述了光伏電站接受輻射能量到最終的輸出電能的轉換效率，是反映光伏電站綜合發電能性能的效率指標。實際電站在運行中，由于自然環境的因素（溫度、輻射）、設備性能的因素以及人為因素（包括設計不當、清潔不及時）等，導致同一電站在不同時間段以及相同配置的電站在不同區域，實際每天日PR體現出的較大差異。
 

　　太陽能電池組件會因溫度上升而輸出電壓降低、電流增大，組件實際效率降低，發電量減少，因此，溫度引起的效率降低是必須要考慮的一個重要因素。
 

　　本文重點針對環境溫度因素對光伏電站系統效率的影響進行分析，采用某地區三座分布式電站2016年1月—8月數據資料，分析電站系統效率與環境影響因素的之間關系，進而針對顯著影響因素建立回歸模型，定量分析環境溫度對系統效率的影響水平，為評估該地區分布式電站的發電潛能和經濟效益提供依據。

　　2、資料來源

　　本文發電數據來源于上航電力運維有限公司自主研發的航天級綠色能源智慧化管理平臺——eHorus智慧云（以下簡稱eHorus平臺），分布式電站通過環境監測儀記錄每日環境溫度以及日傾斜面累計輻射量，電站每日發電數據以及環境監測數據均在eHorus平臺實時記錄。
 

　　本文選取某市三座屋頂分布式電站2016年1月——8月數據，根據每日發電量數據以及每日傾斜面輻射量數據，逐日計算每日系統效率，并剔除由于設備檢修引起的發電異常數據。
 

　　3、結果分析

　　3.1、PR與環境溫度回歸模型
 

　　環境因素主要包括環境溫度以及太陽輻射，其中對系統效率影響最顯著的是環境溫度，從后續章節定性以及定量分析的結果也印證了這一點，這主要來源于溫度對組件開路電壓、短路電流的影響，進而影響組件峰值功率造成光伏電站系統效率發生變化。本文采用日最高溫度以及日PR來定量分析兩者之間關系。
 

　　采用A電站1月——8月日PR數據以及日最高溫度數據，建立兩者線性回歸模型，回歸模型通過了整體性能顯著性檢驗以及溫度系數顯著性檢驗，兩者呈現出較強的負相關性。歸回系數為－0.00166，即單位溫度上升對應的PR下降值；調整決定系數達到0.2073，即PR的變化中有20％是由于溫度變化引起的。
 

　　當模型加入日輻射量參數后，輻射量回歸系數并未通過顯著性檢驗，可見日PR與日輻射量之間不存在線性回歸關系。
 

　　殘差分析結果，可以看出殘差符合正態性檢驗，同時殘差與PR以及溫度不存在相關性，說明回歸方程無需引入溫度的二次項或者其他與PR有線性關系的自變量，進一步證明了日PR與日輻射量之間不存在線性關系。圖3給出日PR與日最高溫度之間的回歸關系線，以及在該溫度區段對應的PR擬合點的預測值以及95％置信度的預測區間。
 

　　考慮到同一地區不同電站PR之間也存在一定差異，針對B電站以及C電站，采用1月——8月數據，同樣建立日PR與日最高溫度之間的回歸關系模型。
 

　　對比A、B、C三座電站的回歸模型，調整決定系數大約在0.1—0.2，說明該地區導致PR變化的因素中，溫度的貢獻大約為10％—20％左右；溫度對PR的回歸系數在［－0.00197，－0.00166］，相當溫度每變化增加1℃，PR下降的幅度。
 

　　假定年度該地區日最高溫度變化在［0℃，40℃］，按照回歸模型分別計算出三座電站日PR變化范圍以及百分比，計算結果見表3。可以看出由于溫度變化導致的光伏電站一年的PR變化，最高可達到在7％—10％左右，該數據可用于該地區分布式光伏電站的年發電量評估，新建項目的優化設計及經濟效益評估。
 

　　表3年度PR變化范圍
 

　　
 

　　4、結論

　　本文采用某地區三座分布式電站1月——8月的實測數據，針對系統效率重點影響因素環境溫度，給出定量結論：
 

　　1）、建立日最高溫度與日系統效率之間的回歸模型，其模型顯著性均較高，回歸模型的調整判定系數達到大約在0.1—0.2，說明導致PR變化的因素中，溫度的貢獻大約為10％—20％左右；同時輻射量對系統效率不存在顯著影響。
 

　　2）、由于溫度年變化40℃導致的光伏電站系統效率一年變化，最高可達到在7％—10％左右。該數據可用于上海地區分布式光伏電站的年發電量評估，以及新建項目的優化設計、經濟效益評估。