使用 PVLib 与 PVGIS 计算光伏电站发电量

在做前期测算或可研分析时，我们通常会问三个问题：

这个地点的光照条件大概如何？
按规划装机容量，首年发多少电？
用不用“代表年”（TMY）来做更稳健的评估？

这一节，我们用 PVLib 结合 PVGIS 数据接口，演示两种常见的计算思路，并给出对应的 Python 示例。

数据与工具概览

PVGIS 数据源简介

PVGIS（Photovoltaic Geographical Information System）是欧盟联合研究中心（JRC）提供的一个光伏资源数据库和在线工具。它提供：

历史逐小时辐照度、气象数据（如 PVGIS-ERA5 数据库）
光伏发电模拟接口（考虑组件、系统损耗等）
典型气象年（TMY，Typical Meteorological Year）数据，用于“代表年”分析

通过 PVGIS 的 HTTP API，我们可以直接在代码里获取：

逐小时辐照度 & 发电量（get_pvgis_hourly）
典型年（TMY）气象数据（get_pvgis_tmy）

PVLib 是什么？

PVLib 是一个专门为光伏建模设计的 Python 库，提供：

太阳位置计算
辐照度模型（GHI/DNI/DHI → 倾斜面辐照度）
组件和逆变器电气模型
与各类气象/资源数据库的 I/O 接口（包括 PVGIS）

在本例中，我们主要用到：

pvlib.iotools 模块：从 PVGIS 拉数据
pvlib.location.Location：封装站点经纬度和时区信息
pvlib.irradiance：把水平面辐照度转换为组件平面上的辐照度（POA, Plane of Array）

方法一：直接使用 PVGIS 的“峰值功率”计算

第一种做法，是把系统规划容量直接丢给 PVGIS，让它帮我们算出逐小时发电量。适用于快速估算首年发电量的场景。

核心思路

指定站点经纬度、时间范围（如 2020 年全年）。
告诉 PVGIS 下列指标：
- 系统装机容量（AC/DC 峰值功率，单位 W）
- 系统损耗（百分比）
- 让它自动优化组件倾角和方位，或手动指定。
PVGIS 返回逐小时的辐照度和发电功率，我们对功率做全年求和即可得到总发电量。

示例代码

import pvlib

poa, inputs, metadata = pvlib.iotools.get_pvgis_hourly(
    latitude=latitude,
    longitude=longitude,
    start=2020,
    end=2020,
    # surface_tilt=tilt,
    # surface_azimuth=-azimuth,
    optimal_surface_tilt=True,   # 自动优化倾角
    optimalangles=True,          # 自动优化组件朝向
    pvcalculation=True,          # 让 PVGIS 进行光伏发电计算
    components=True,             # 返回分量数据
    peakpower=294_630,           # 系统峰值功率，单位 W，这里是 294.63 MW
    loss=14,                     # 系统损耗 14%
    raddatabase="PVGIS-ERA5",    # 辐照度数据库
    url="https://re.jrc.ec.europa.eu/api/v5_2/",
)

# poa['P'] 单位为 Wh，逐小时数据
annual_energy_mwh = poa['P'].sum() / 1_000_000  # Wh -> MWh
print(annual_energy_mwh)

说明：

poa['P'] 是 PVGIS 直接给出的发电功率时间序列。
调用中使用了 PVGIS-ERA5 数据库，基于 ERA5 再分析数据，空间分辨率和时间精度都较高。
loss=14 是系统损耗假设，可根据项目实际配置（线损、逆变器效率、温度损失等）调整。

本例结果

最佳倾角：≈ 35°
规划容量：294.63 MW
首年发电量：约 422111.42 MWh

这一方法的优点是：一行 API 完整包办从气象到发电，非常适合快速评估，缺点是可控性较低，细节上更多依赖 PVGIS 内部模型。

方法二：使用代表年（TMY）+ PVLib 自建辐照模型

第二种做法是更偏“工程师风格”的：拿到 TMY 数据后，用 PVLib 自己搭建辐照度与发电量计算流程。

核心思路

通过 get_pvgis_tmy 从 PVGIS 获取某地的典型气象年（TMY）数据。
用 pvlib.location.Location 建立站点对象，计算太阳位置、晴空辐照度。
利用 pvlib.irradiance.get_total_irradiance 计算组件平面（倾斜面）的总辐照度（POA）。
根据系统容量和辐照度，估算发电量。

这一路线更适合：

做不同倾角/朝向的敏感性分析
自己选用、替换不同辐照模型或组件模型
与已有仿真流程（如 PVSyst、内部模型）对接

示例代码

import pvlib
from pvlib import location, irradiance

# 时区与站点
tz = 'Asia/Shanghai'
latitude, longitude = 35.60873126, 112.67871068

# 创建站点对象
site = location.Location(latitude, longitude, tz=tz)

# 1. 获取代表年（TMY）数据
tmy_data, tmy_months_selected, tmy_inputs, tmy_metadata = pvlib.iotools.get_pvgis_tmy(
    latitude,
    longitude,
    map_variables=True,
    # raddatabase="PVGIS-ERA5",  # 可按需指定
    url="https://re.jrc.ec.europa.eu/api/v5_2/",
)

tilt = 35                # 组件倾角（度）
surface_azimuth = 0      # 方位角：0 表示正南，东负西正

# 2. 太阳位置与晴空辐照度
clearsky = site.get_clearsky(tmy_data.index)          # 晴空 GHI/DHI/DNI
solar_position = site.get_solarposition(tmy_data.index)

# 3. 计算组件平面总辐照度（POA）
POA_irradiance = irradiance.get_total_irradiance(
    surface_tilt=tilt,
    surface_azimuth=surface_azimuth,
    dni=clearsky["dni"],
    ghi=clearsky["ghi"],
    dhi=clearsky["dhi"],
    solar_zenith=solar_position["apparent_zenith"],
    solar_azimuth=solar_position["azimuth"],
)

# 4. 简单按线性比例估算年发电量
#    - poa_global 单位 W/m²
#    - 累加后 /1000 -> kWh/m²
#    - 再乘以装机容量（kWp），得到约略发电量（忽略细致电气模型）
installed_kwp = 294_630  # kWp，同 294.63 MW

annual_energy_kwh = (POA_irradiance['poa_global'].sum() / 1000) * installed_kwp
annual_energy_mwh = annual_energy_kwh / 1000

print(annual_energy_mwh)

说明：

这里为了演示，将发电量视作“POA 辐照度 × 容量”的线性关系，忽略了温度效应、组件效率曲线等细节。
实际工程项目中，可以继续接入 PVLib 的组件/逆变器模型，构建更完整的 DC/AC 仿真。

本例结果

最佳倾角：35°（人工设定，可做敏感性分析）
规划容量：294.63 MW
首年发电量（代表年）：约 351965.05 MWh

和方法一相比，这里的发电量略低，原因可能包括：

使用了代表年数据而非某具体年份（气象条件不同）
我们这里采用了简化的“线性比例”估算，没有考虑温度、电气损耗等细节
不同方法对组件倾角/朝向、损耗假设的处理略有差异

在实际可研或投融资模型中，往往会同时参考： “某具体年份模拟结果” + “代表年结果” + “多年份统计” 来共同判断项目的发电水平区间。

两种方法的对比与使用建议

可以简单理解为：

方法一：一键黑盒
- 适合：快速评估、方案比选初期
- 优点：实现简单、结果直观
- 缺点：细节受控程度有限，对内部假设透明度较低
方法二：自建模型路线
- 适合：需要深入分析、做敏感性或不确定性评估
- 优点：灵活，可插入更多物理、电气模型；方便与内部工具集成
- 缺点：实现成本稍高，需要对 PVLib 更熟悉

在实际项目中，一个比较自然的工作流是：

用 方法一 快速扫一遍，看看不同地点/容量方案的发电量大致区间。
对重点场址，使用 方法二 搭完整模型，做更细的倾角、组件选型、损耗假设敏感性分析。
将 PVLib 计算结果嵌入到你现有的技术经济测算流程中（IRR/LCOE 等）。