光伏

光伏组件衰减率与长期发电量 — Jordan & Kurtz 2013 分析综述

· 南京运梦科技算法团队 · 评审 算法负责人

光伏组件衰减率与长期发电量 — Jordan & Kurtz 2013 分析综述 封面

光伏电站投资方最头疼的问题之一，是银行或保险公司拿着一份 P90 发电量报告来问：你们的 25 年发电量预估，有没有把组件衰减算进去？很多项目的回答是：算了，按每年 0.8% 线性衰减打折就行了。这个 0.8% 其实并非空穴来风——它接近 Jordan 与 Kurtz 综述里同一组数据的均值；只不过该分布明显右偏，少数高衰减样本把均值拉高了，更具代表性的中位值约为 0.5%/年。问题在于，无论取 0.8% 还是 0.5%，一个全局统计量都难以回答：它适用于内蒙古的高辐照干旱气候，也适用于广东珠三角的高温高湿环境吗？

现实情况是，大多数可研报告在处理组件衰减时，要么引用一个来源模糊的行业经验值，要么直接沿用组件厂商质保书中的性能承诺（通常是 25 年末不低于 80% 或 82% 的初始功率），而质保书本身并不等同于实际衰减预测。这种做法在项目早期影响不大，但一旦进入运营期，累计偏差将直接体现在发电量考核、绿电核发和贷款还款压力上。

Jordan 与 Kurtz 在 2013 年发表于 Progress in Photovoltaics 的综述论文，正是为了解决这个数据空白：他们系统整理了近 2000 个户外测试场的实测衰减数据，同时给出了均值（约 0.8%/年）与中位（约 0.5%/年）两个统计量——论文的一项核心贡献正是点明这条衰减率分布右偏、应以中位而非均值作为典型参考，并深入分析了气象因素如何驱动不同组件技术路线的衰减差异。这篇文章将带你读懂这篇论文的核心结论，并说明如何结合运梦气象 API 的 ERA5 历史气象序列，把气候风险量化进长期发电量预估模型。

关键要点

  • 中位约 0.5%/年、均值约 0.8%/年：基于同一组近 2000 个户外测试数据，衰减率分布明显右偏——均值约 0.8%/年，而更具代表性的中位约 0.5%/年。行业常用的 0.8% 实际接近这组数据的均值，论文的贡献在于厘清"中位 vs 均值"这一区别，并指出典型组件应参考中位；但尾部分布较宽，高风险气候下实测衰减率可超过 1%/年。
  • 不同技术路线的中位（限 2000 年前生产组件）：在 2000 年以前生产/安装的组件中，多晶硅中位约 0.61%/年、单晶约 0.47%/年、薄膜约 0.96%/年，差异源于晶体缺陷密度与光致衰减（LID）特性不同；论文同时指出 2000 年以后生产的组件衰减率明显更低，上述按技术分组的数值主要反映早期组件。
  • 气象三要素是主要驱动力：高辐照（GHI）、高温（tas）、高湿（hurs）的叠加构成最严苛的衰减环境；温度循环幅度与湿冻次数直接关联热机械应力失效模式。
  • 忽略衰减的累计高估随假设衰减率而变：以一个示意性的线性衰减模型估算，若财务模型中完全不计入衰减，按 0.5%/年线性衰减 20 年累计发电量约偏高 5%，而按 0.8%/年则约偏高 8–10%——这是一个口径自洽的模型推算，并非 Jordan & Kurtz 原文给出的结论，直接影响 IRR 和还款覆盖率。
  • ERA5 历史序列可量化站址气候风险：通过拉取站址 40 年的气温（tas）、水平面辐射（rsds）、相对湿度（hurs）序列，可构建温度-辐照循环强度指标，系统性评估不同气候区的组件衰减风险分级。

背景与定位

Jordan 与 Kurtz 均来自美国国家可再生能源实验室（NREL），是光伏可靠性领域的权威研究者。这篇发表于 2013 年的综述论文题为"Photovoltaic Degradation Rates—An Analytical Review"，刊载于 Progress in Photovoltaics: Research and Applications 第 21 卷第 1 期（DOI: doi.org/10.1002/pip.1182）。论文发表时，全球光伏装机规模正处于爆发前夜，行业迫切需要一个基于实证数据的衰减率参考体系，而非依赖各厂商自行声明的质保数字。

这篇综述的价值在于它的数据基础：作者从学术文献和公开测试报告中汇总了近 2000 组独立的户外测试场（outdoor test field）衰减测量记录，涵盖不同组件技术（单晶硅 mono-Si、多晶硅 poly-Si、非晶硅 a-Si、薄膜 CdTe、CIGS 等）、不同气候区（干旱、温带、热带、亚热带）和不同测试年代（最早可追溯到 1970 年代）。这种量级的数据整合在当时是前所未有的，使得统计结论的置信度远高于单个测试场报告。

对于中国新能源行业，这篇论文的指导意义尤为直接。中国光伏市场从 2010 年代开始快速扩张，大量项目进入了 10–15 年的运营中期阶段，衰减已不再是纸面上的风险，而是实实在在出现在 SCADA 数据和电表计量差中。理解哪些气候因素在加速衰减，是提升存量资产运营质量的基础工作。

方法 / 它做了什么

论文的数据收集采用系统性文献综述方法，作者检索了 1960 年代至 2012 年间公开发表的光伏性能研究，筛选出包含可量化衰减率的记录。最终入库的近 2000 组数据涵盖室外实测（outdoor measured）、长期监测（long-term monitoring）和加速老化对比三种来源，每条记录包括组件技术路线、安装地点的气候类型、测试时长和报告衰减率。

在统计方法上，论文同时报告了均值与中位数（median），并主张以中位数描述衰减率的集中趋势：全体样本的均值约 0.8%/年，而中位约 0.5%/年——两者的差距正源于分布右偏，部分高衰减记录（尤其是早期薄膜技术）显著拉高了均值，中位数则对尾部分布更鲁棒。同时，论文给出了四分位距（IQR）来描述数据离散程度。按技术路线细分（这些分组数值主要来自 2000 年以前生产/安装的组件，论文指出 2000 年后组件衰减率明显更低）：多晶硅中位约 0.61%/年，单晶约 0.47%/年，薄膜约 0.96%/年。

在机制分析方面，论文将主要衰减机制归纳为四类：第一类是光致衰减（LID，Light-Induced Degradation），主要发生在组件投入运营后的前数百小时，由硅片中硼氧对（B-O complex）的激活引起，单晶硅比多晶硅更敏感但近年已有 LeTID 等问题被发现；第二类是热机械应力（thermomechanical stress），由温度循环（日循环与季节循环）引起焊带疲劳、脱焊和微裂纹扩展，温差越大、循环频次越高，累计损伤越严重；第三类是湿冻（damp heat + freeze），高湿度与低温的交替作用导致背板、封装材料（EVA）劣化，绝缘下降；第四类是紫外线暴露（UV exposure），加速 EVA 黄变和抗反射涂层退化，影响光学透过率。

论文特别强调了气候类型对衰减率分布的影响：在干旱高辐照地区（对应中国西北 I 类资源区），紫外暴露和热应力是主导因素；在湿热地区（对应华南沿海）则是湿冻和封装劣化更为突出；在温带地区衰减率总体处于中位水平。这一发现对中国光伏资源区划分和不同区域的衰减率取值有直接参考价值。

此外，论文还讨论了测量方法的系统误差问题。不同测试场使用的性能评估方法（I-V 曲线追踪、辐照归一化 PR 计算等）存在差异，会引入额外的不确定性。作者估计方法误差约为 ±0.1–0.2%/年，这意味着在解读低衰减率数据时需要特别谨慎。对于长期发电量预估而言，这一系统误差的重要性不亚于衰减率本身的数值。

关键结论

  1. 基于近 2000 组户外实测数据，全体样本（含各技术路线）的均值约为 0.8%/年，中位约为 0.5%/年；二者差异反映分布右偏，论文据此主张以中位作为典型参考值。从其分布直方图估读，约八成样本的年衰减率落在 1%/年以内（此为对分布的解读，非原文明列的分位数）。
  2. 按技术路线分类（这些分组数值主要对应 2000 年以前生产/安装的组件，论文指出 2000 年后的组件衰减率明显更低）：多晶硅（poly-Si）中位约 0.61%/年，单晶硅（mono-Si）中位约 0.47%/年，薄膜（thin-film）中位约 0.96%/年；非晶硅（a-Si）因稳定化阶段的 Staebler-Wronski 效应初期衰减率明显偏高，但稳定后与晶硅相当。
  3. 主要衰减机制依次为：光致衰减（LID）、热机械应力（温度循环驱动）、湿冻（humidity + freeze cycling）、紫外暴露；高辐照 + 高温 + 高湿是加速所有机制的最严苛气候组合。
  4. 测量方法的系统误差约 ±0.1–0.2%/年，在解读低衰减率记录时需纳入不确定性区间，避免过于乐观的假设。

上述带编号的数值（中位/均值/分技术中位、方法系统误差）以 Jordan & Kurtz 2013 原文为准。需要说明的是，"忽略衰减导致 20 年累计发电量高估"的百分比并非论文结论，而是工程实践中的示意性模型推算：以线性衰减估算，按 0.5%/年 20 年累计约高估 5%，按 0.8%/年约高估 8–10%，量级随所取衰减率而变，会实质影响项目 IRR 与银行贷款偿债覆盖率。

对新能源 / 运梦平台的意义

对于光伏电站开发商和资产管理方，Jordan & Kurtz 2013 的最大实践价值在于提供了一个基于统计的"衰减率基准值"框架，而不是让每个项目都依赖供应商的质保书。但论文本身并没有给出特定站址的衰减率预测方法——它给出的是气候类型的定性分类，而非定量的气象驱动因子。这正是气象数据接口能够填补的空白。

运梦气象 API 的 ERA5 数据源（dataSourceId: "era5"）提供 1940 年至今的逐小时全球再分析数据，覆盖气温（tas）、地表水平辐射（rsds）、相对湿度（hurs）等与组件衰减直接相关的气象变量。通过构建站址级别的"温度循环强度指数"（日温差均值 × 年循环次数）和"湿热暴露积累量"（高温高湿小时数加权积分），可以将 Jordan & Kurtz 的定性气候分类转化为定量的站址衰减风险评分，从而为不同气候区项目选取更合理的长期衰减率假设值。

具体应用场景包括：在项目可研阶段，用 ERA5 历史气候序列计算站址所属气候风险等级，据此在 0.3%–0.8%/年范围内选取更精准的衰减率输入值，替代"行业默认 0.8%"的粗糙假设；在运营阶段，将 SCADA 实测 PR 曲线与气候驱动的衰减基准做对比，识别异常衰减（超出气候预期的部分往往指向质量问题或运维缺陷）；在资产评估阶段，向银行或保险机构提供基于 ERA5 历史气候的站址特定衰减风险报告，支持绿色债券和保险定价的精细化。

此外，运梦平台的短期预报（dataSourceId: "ger"，德国气象局来源）可用于辅助运营期的日前发电量预测，与长期衰减基准相结合，构建从投资决策到日常运营的完整气象支撑链路。需要注意的是，ERA5 历史数据适合做长达数十年的气候统计，而短期预报（1–7 天）应使用 ger 数据源；两者不可互换。

在运梦气象 API 上手

要利用 ERA5 历史气象数据评估特定站址的组件衰减气候风险，最直接的方式是拉取站址过去 10–20 年的逐日气温、辐射和湿度序列，然后计算温度循环幅度分布和高温高湿暴露小时数。下面的示例展示如何通过运梦气象 API 的 downloadSync 接口拉取宁夏某光伏电站站址的多年历史气象数据，用于衰减风险基线计算。

字段说明：tas 为 2m 气温（°C，平台已做后处理转换），rsds 为地表向下短波辐射（W/m²，对应 GHI），hurs 为 2m 相对湿度（%），pr 为降水量（mm，可辅助判断湿润程度）。时间分辨率建议选逐小时以便计算日温差；若只需月统计可降为逐日。

{
  "dataSourceId": "era5",
  "lat": 37.5,
  "lon": 106.2,
  "stime": "2000-01-01 00:00",
  "etime": "2023-12-31 23:00",
  "fields": ["tas", "rsds", "hurs", "pr"],
  "timezone": "8"
}

获取数据后，可按年份分组计算每年的日温差均值（ΔT_daily = T_max - T_min），以及全年 tas > 30°C && hurs > 70% 的小时数（高温高湿暴露量），将两个指标归一化后加权得到衰减风险指数。将该指数与 Jordan & Kurtz 给出的气候类型中位衰减率（0.47%–0.61%/年）做线性映射，即可为该站址生成基于实际气候历史的定制化衰减率建议值，用于替代可研报告中的行业默认假设。

常见问题

Q：Jordan & Kurtz 的 0.5%/年中位值，适合直接用于中国项目的可研报告吗？ 不建议不加区分地直接使用。论文给出的是全球样本的统计中位，中国西北高辐照区（I 类）的热应力强度和紫外暴露量均高于全球平均水平，实测衰减率往往偏高；而东部温带地区气候相对温和，中位值参考性更强。建议结合 ERA5 历史气象数据对站址气候风险进行定量评分后，再选取对应的衰减率区间。

Q：LID（光致衰减）是一次性衰减还是持续性的？ LID 主要发生在组件投运后的前数百至数千小时（约前 1–2 年），之后趋于稳定，属于阶段性而非持续线性衰减。近年来行业还关注 LeTID（Light and Elevated Temperature Induced Degradation），在某些高效多晶和 PERC 组件上表现出更长时间尺度的衰减特征。在建立长期衰减模型时，通常将 LID 阶段与后续线性衰减阶段分开建模。

Q：ERA5 数据的时间分辨率足够用于温度循环分析吗？ ERA5 标准分辨率为逐小时，可以准确重建日温差曲线，足以支持 IEC 61215 标准中温度循环测试条件（-40°C 至 +85°C，日温差 >20°C 的循环次数统计）的等效气候分析。对于需要精细化热应力评估的场景，还可结合组件安装倾角和背板温度模型（如 Faiman 模型）将 ERA5 辐射和气温数据转化为组件实际工作温度序列。

Q：运梦 API 能提供 MERRA-2 历史数据吗？ 可以，MERRA-2 数据对应 dataSourceId 为 nasa，是 NASA 的全球再分析产品，时间覆盖从 1980 年至近实时。相比 ERA5，MERRA-2 在某些变量（如大气顶辐射）上有独特优势，但对于地表辐射（rsds）的精度评估，ERA5 通常被认为在中国区域表现更优；建议对关键项目同时用两个数据源做对比验证。

Q：20 年发电量偏高 8–10% 这个结论，在中国项目中有哪些实际影响？ 这个偏差直接影响三个层面：一是项目 IRR 计算，如果基准发电量高估 8–10%，IRR 可能被虚报 0.5–1.5 个百分点，影响投资决策质量；二是银行贷款的偿债覆盖率（DSCR），偏高的发电量假设会让项目看起来偿债能力更强，实际运营后可能面临现金流紧张；三是绿电和碳资产核发，若基于偏高基准签订绿电长协，可能无法完成交付承诺。将 Jordan & Kurtz 的衰减率数据与 ERA5 气候订正结合，是减小这类系统性偏差的有效路径。

引用与原文

Jordan, D. C., & Kurtz, S. R. (2013). Photovoltaic degradation rates—An analytical review. Progress in Photovoltaics: Research and Applications, 21(1), 12–29. DOI: doi.org/10.1002/pip.1182