1. 引言與研究動機
城市霧霾，主要由細懸浮粒子（PM2.5）引起，係一個具有雙重後果嘅關鍵環境挑戰：嚴重嘅公共健康風險同對可再生能源基礎設施嘅重大影響。呢項研究喺2013年新加坡嚴重霧霾事件後啟動，量化咗空氣污染對光伏（PV）系統性能嘅、先前未被充分認識嘅影響。研究將大氣科學同能源經濟學聯繫起來，提供咗一個框架，用於評估全球太陽能發電因污染造成嘅損失。
2. 研究方法與數據
分析建基於經驗數據，避免純理論模型，以確保實際應用性。
2.1 數據來源：德里與新加坡
來自兩個主要城市嘅長期、高解析度實地數據構成咗基礎：
- 德里（2016-2017年）： 代表一個高度污染嘅特大城市。
- 新加坡： 提供霧霾事件期間光譜變化嘅數據，對於分析唔同嘅光伏技術至關重要。
呢啲數據被擴展用於創建一個適用於另外16個城市嘅全球模型。
2.2 經驗模型推導
方法嘅核心係建立PM2.5濃度（一個標準嘅空氣質量指標）同到達光伏板嘅太陽輻照度（光能）減少之間嘅直接、可量化關係。呢種經驗方法允許喺任何有PM2.5數據可用嘅地方進行直接嘅損失估算。
3. 結果與分析
德里年度損失
11.5% ± 1.5%
太陽輻照度減少
能量損失（德里）
200 kWh/m²/年
每平方米光伏板
預計收入損失
> 2000萬美元
僅德里，每年
3.1 太陽輻照度減少嘅發現
研究發現PM2.5水平同太陽能可用性降低之間存在顯著相關性：
- 德里（2016-17年）： 矽光伏板接收到嘅太陽輻照度減少11.5% ± 1.5%，相當於每年約200 kWh/m²。
- 全球範圍： 對16個城市嘅分析顯示，太陽輻照度減少幅度從2.0%（新加坡）到9.1%（北京）不等，表明基於當地污染水平存在巨大差異。
圖表描述（根據文本推斷）： 一張全球地圖或柱狀圖可以有效地將16個城市按其計算出嘅太陽輻照度減少百分比（北京~9.1%，德里~11.5%，新加坡~2.0%等）進行排名，鮮明地展示咗影響嘅地理差異。
3.2 針對特定技術嘅影響
利用新加坡嘅光譜數據，研究預測咗標準矽技術以外嘅光伏技術損失：
- GaAs（砷化鎵）： 相比矽，額外相對減少23%。
- 1.64 eV 鈣鈦礦： 相比矽，額外相對減少42%。
呢個表明，下一代高效太陽能電池可能會受到霧霾引起嘅光譜變化嘅不成比例影響，呢個係喺污染地區部署技術時需要考慮嘅關鍵因素。
3.3 經濟損失預測
將物理損失轉化為經濟術語揭示咗問題嘅規模：
- 對於德里，考慮到安裝目標同當地電價，光伏運營商嘅年度收入損失預計將超過2000萬美元。
- 將呢個模型推廣到全球，表明空氣污染對光伏行業造成嘅年度經濟損失可能達到數十億美元。
4. 技術框架與分析
4.1 數學模型
推導出嘅核心關係可以概念上表示為：
$I_{actual} = I_{clear} \times f(\text{[PM2.5]})$
其中 $I_{actual}$ 係污染條件下嘅太陽輻照度，$I_{clear}$ 係晴朗天空下嘅預期太陽輻照度，而 $f(\text{[PM2.5]})$ 係一個基於PM2.5濃度嘅經驗衰減函數。研究基本上從德里/新加坡數據定義咗呢個函數，使得可以通過以下方式估算損失：
$\text{Loss}_{\%} = \frac{I_{clear} - I_{actual}}{I_{clear}} \times 100\%$
4.2 分析框架示例
案例研究：估算一個新城市嘅損失
場景： 一位投資者正在評估「X市」一個10兆瓦嘅光伏項目。
- 數據輸入： 獲取該城市嘅年度平均PM2.5濃度（例如，55 µg/m³）同晴朗天空太陽輻照度數據（例如，1800 kWh/m²/年）。
- 應用經驗模型： 使用研究推導出嘅相關性（例如，來自德里/新加坡數據嘅回歸）來估算55 µg/m³嘅衰減因子 $f$。假設佢導致7%嘅太陽輻照度減少。
- 計算能量損失： 無污染時嘅預期年度發電量：10兆瓦 * 1800 kWh/m²/年 * 容量因數調整。有7%損失，減去呢個值嘅7%。
- 貨幣化損失： 將損失嘅能量（兆瓦時）乘以當地電價或上網電價，得出年度收入損失。
- 風險調整： 將呢個經常性損失納入項目嘅財務模型，影響內部收益率（IRR）同平準化度電成本（LCOE）。
呢個框架將一個環境數據點（PM2.5）轉化為能源項目評估嘅關鍵財務變量。
5. 討論與未來展望
分析師觀點：核心洞察、邏輯流程、優點與缺陷、可行建議
核心洞察： 呢篇論文揭示咗一個強有力但未被充分認識嘅事實：城市空氣污染對太陽能發電量構成咗一種持續、特定地點嘅「稅收」。佢唔係間歇性嘅雲層，而係對資產性能嘅系統性消耗。數十億美元嘅全球損失數字唔單止係環境問題；對於依賴太陽能光伏嘅投資者、公用事業公司同政府嚟講，佢係一個實質性嘅財務風險。
邏輯流程： 論證引人注目且線性：1) 霧霾（PM2.5）散射同吸收陽光。2) 我哋測量咗德里/新加坡嘅影響程度。3) 呢度有一個簡單模型可以應用喺其他地方。4) 能量損失係顯著嘅。5) 因此，經濟損失係巨大嘅。佢有效地連接咗大氣物理學同能源經濟學。
優點與缺陷： 主要優點係其經驗性、數據驅動嘅方法同提供即時效用嘅實用模型。與特定光伏技術（鈣鈦礦、GaAs）嘅聯繫具有前瞻性。然而，缺陷在於其依賴有限數據集（主要係兩個城市）來建立全球模型。氣溶膠成分嘅區域差異（例如，塵埃與燃燒顆粒）可能會以唔同方式影響光譜衰減，呢個細微差別未被完全捕捉。佢亦未涉及光伏運營商嘅緩解策略（例如，光伏板清潔週期、預測性調整）。
可行建議： 對於持份者嚟講，呢項研究係一個行動號召。投資者與開發商必須將「空氣污染發電量衰減」作為城市太陽能項目盡職調查同財務模型中嘅標準項目進行整合。技術公司應該研究對特定污染光譜更具抵抗力嘅光伏材料同塗層。政策制定者而家擁有咗清潔空氣法規嘅可量化共同利益：改善公共健康同增加可再生能源發電量，從而加強污染控制嘅經濟理由。像德里同北京咁樣嘅城市應該將對空氣質量嘅投資視為對其自身能源安全同綠色經濟嘅投資，而不僅僅係健康開支。
未來方向與應用
- 高解析度預測： 將實時PM2.5預測與光伏性能模型相結合，以預測每日發電量減少，協助電網管理（類似於輻照度預測）。
- 光伏技術優化： 設計對城市霧霾特定光散射特性更具抵抗力嘅太陽能電池結構同光譜響應。
- 政策整合： 將「污染折減因子」納入國家可再生能源資源評估同城市級別能源轉型計劃。
- 跨學科模型： 將呢項工作與健康影響模型結合，呈現空氣污染控制嘅統一成本效益分析，量化挽救生命同獲得清潔能源兩方面嘅效益。
6. 參考文獻
- 世界衛生組織（WHO）。（2016）。環境空氣污染：暴露與疾病負擔嘅全球評估。
- 世界衛生組織全球城市環境空氣污染數據庫（2016年更新）。
- Seinfeld, J. H., & Pandis, S. N. （2016）。大氣化學與物理學：從空氣污染到氣候變化（第3版）。Wiley。
- Brook, R. D., 等人。（2010）。顆粒物空氣污染與心血管疾病。《循環》，121（21），2331-2378。
- Pope, C. A., & Dockery, D. W. （2006）。細顆粒物空氣污染嘅健康影響：連接嘅線索。《空氣與廢棄物管理協會雜誌》，56（6），709-742。
- Lelieveld, J., 等人。（2015）。室外空氣污染源對全球過早死亡率嘅貢獻。《自然》，525（7569），367-371。
- Forouzanfar, M. H., 等人。（2015）。1990-2013年全球、區域同國家層面79種行為、環境與職業以及代謝風險或風險集群嘅比較風險評估：2013年全球疾病負擔研究嘅系統分析。《柳葉刀》，386（10010），2287-2323。
- 國際能源署（IEA）。（2021）。2021年世界能源展望。（用於全球能源同光伏趨勢背景）。
- 國家可再生能源實驗室（NREL）。（2023）。PVWatts計算器。（用於標準性能建模與受污染影響模型嘅比較）。