烧脑丨光伏系统设计仿真如何减小误差

  本文摘要：首先从SunPower的一项研究谈起。在2010年左右，SunPower开始测试用于减反射膜玻璃封装的组件，减反射膜的材料为多孔二氧化硅。 通过普通的组件测试仪测量，在标准测试条件下（STC），减反射膜玻璃组件的发电功率比普通组件平均值高达2.7%。但SunPower随后为更进一步精确测量减反射膜玻璃组件的性能，与NREL合作展开了2年的实地测试，结果显示其发电量比普通组件高达3.5%到5%。大大低于组件测试仪得出的数值。

首先从SunPower的一项研究谈起。在2010年左右，SunPower开始测试用于减反射膜玻璃封装的组件，减反射膜的材料为多孔二氧化硅。

通过普通的组件测试仪测量，在标准测试条件下（STC），减反射膜玻璃组件的发电功率比普通组件平均值高达2.7%。但SunPower随后为更进一步精确测量减反射膜玻璃组件的性能，与NREL合作展开了2年的实地测试，结果显示其发电量比普通组件高达3.5%到5%。大大低于组件测试仪得出的数值。

　　这一差异的原因后在后文中解释，但这个故事一方面说明了现有的组件测试方法的局限性，同时也是体现了新一代太阳能电池和组件的光学设计（比如先进设备的陷光结构或减反射膜玻璃等）中有可能遇上的难题。即如果组件测试仪得出的结果并无法百分百反应实际用于情况，而在设计和优化过程中，又无法生产实际产品展开长时间的实地测试，那到底该如何指导比如组件玻璃减反射膜的设计呢？我的答案是使用可信的建模工具，仿真太阳能电池和组件在系统中的工作情况，用其结果指导优化和设计。不过目前光伏行业常用的器件建模工具往往针对太阳能电池，而系统方面的建模工具又仅有考虑到非常简单的器件模型，用于现有的建模工具很难解决问题上述的问题，目前业界必须的是一款能展开从电池，到组件，然后直到系统级的全等级建模工具。

　　我的博士研究从先进设备陷光结构的建模抵达，明确提出了光学特性角度矩阵框架（AngularMatrixFramework，AMF），解决问题了电池正反两面使用有所不同建模算法的兼容性问题。之后我把这一框架更进一步推展，利用这一框架，我们可以对太阳能组件的光学特性展开建模，进而对建模整个系统的光学特性。

基于这一推展，首先我们可以更加精确的计算出来一个太阳能系统的理论发电功率和发电量，从而为系统设计和监控获取更加精确的指导。另一方面，我们可以以系统发电量为指标对电池和组件展开优化（System-OrientedModellingandOptimisation,SOMO）。优化的指标仍然是标准测试条件下的发电功率或AM1.5G，也不是用于灯泡的组件测试仪，而是确实针对系统所处环境的长时间的太阳光电磁辐射。比如我们可以用于这一方法来计算出来，如果一个系统以某个角度加装在地球的某个角落，那么这个系统所用于的组件的最佳减反射膜厚度是多少。

下面我就来给大家详尽讲解一下这一基于AMF的系统发电量计算方法。　　一、原理　　首先非常简单总结一下传统的光伏系统发电量预测算法。

如图1右图，首先从组件的datasheet中获得组件的额定功率以及温度系数。其次搜集一段时间的气象数据，借此萃取太阳电离辐射量、气温和风速。通过水平表面的辐照度计算出来出有组件倾斜面的辐照度；通过气温和风速计算出来组件温度。

组件面辐照度与标准测试辐照度的比值Ip/1000作为计算出来直流功率的系数，之后在通过组件温度修正获得直流放功率，最后通过分析系统的流形结构、线损和各个设备的效率计算出来出有最后的交流发电量。那这一方法潜藏着怎样的问题的，让我们来思维下面三个问题。　　图1.传统系统发电量预测计算出来流程　　【1】下面两个组件蒙受的太阳辐照度完全相同，但（a）的电离辐射垂直组件，（b）太阳光斜入箭组件，他们的发电功率完全相同吗？　　图2.两种辐照度完全相同的情况，（a）横向入射光组件，（b）斜入箭组件　　答案当然是驳斥的，组件表面以及电池表面对有所不同角度的入射光光线和吸取都会有所不同，即使（a）与（b）太阳辐照度完全相同，入射入电池并被最后吸取的能量有所不同。

由于系统发电量预测算法必须考虑到太阳光电离辐射随时间的变化，在一天之中，除了辐照度幅值本身随时间变化，其对组件的入射角也不会转变。一些现在人们常用的系统发电量预测算法都对这一误差展开了修正，在PVWatts中，对这一差异的修正称作AOIcorrection，在PVSyst中称为IncidenceAngleModifier。

这一问题基于AMF的算法也彻底展开了处置。

本文关键词：烧脑,丨光伏,系统,设计,博亚体育app官网,仿真,如何,减小,误差

本文来源：博亚体育app官网-www.sdkailai.com