CN104767483B - 一种光热特性耦合光伏电池温度预测方法 - Google Patents
一种光热特性耦合光伏电池温度预测方法 Download PDFInfo
- Publication number
- CN104767483B CN104767483B CN201510149194.6A CN201510149194A CN104767483B CN 104767483 B CN104767483 B CN 104767483B CN 201510149194 A CN201510149194 A CN 201510149194A CN 104767483 B CN104767483 B CN 104767483B
- Authority
- CN
- China
- Prior art keywords
- layer
- photovoltaic cell
- crystal silicon
- eva
- photovoltaic
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 54
- 230000008878 coupling Effects 0.000 title claims abstract description 30
- 238000010168 coupling process Methods 0.000 title claims abstract description 30
- 238000005859 coupling reaction Methods 0.000 title claims abstract description 30
- 238000012512 characterization method Methods 0.000 title claims abstract description 28
- 210000004027 cell Anatomy 0.000 claims abstract description 71
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 claims abstract description 67
- 239000013078 crystal Substances 0.000 claims abstract description 67
- 229910052710 silicon Inorganic materials 0.000 claims abstract description 66
- 239000010703 silicon Substances 0.000 claims abstract description 66
- 238000004364 calculation method Methods 0.000 claims abstract description 20
- 230000005855 radiation Effects 0.000 claims abstract description 19
- 210000003850 cellular structure Anatomy 0.000 claims abstract description 18
- 230000008569 process Effects 0.000 claims abstract description 18
- 238000001228 spectrum Methods 0.000 claims abstract description 15
- 230000004907 flux Effects 0.000 claims abstract description 13
- 238000010521 absorption reaction Methods 0.000 claims abstract description 10
- 239000006185 dispersion Substances 0.000 claims abstract description 9
- 239000010410 layer Substances 0.000 claims description 267
- 230000003287 optical effect Effects 0.000 claims description 30
- 238000002310 reflectometry Methods 0.000 claims description 19
- 239000000463 material Substances 0.000 claims description 16
- 230000009467 reduction Effects 0.000 claims description 15
- 238000006243 chemical reaction Methods 0.000 claims description 11
- 230000014509 gene expression Effects 0.000 claims description 11
- 239000011521 glass Substances 0.000 claims description 11
- 230000005540 biological transmission Effects 0.000 claims description 10
- 230000005684 electric field Effects 0.000 claims description 9
- 239000011159 matrix material Substances 0.000 claims description 9
- 230000010287 polarization Effects 0.000 claims description 9
- 230000000694 effects Effects 0.000 claims description 8
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 claims description 6
- 230000003595 spectral effect Effects 0.000 claims description 6
- 238000010606 normalization Methods 0.000 claims description 5
- 230000008859 change Effects 0.000 claims description 4
- 238000005259 measurement Methods 0.000 claims description 4
- 239000002245 particle Substances 0.000 claims description 4
- 239000011248 coating agent Substances 0.000 claims description 3
- 238000000576 coating method Methods 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 3
- 230000005672 electromagnetic field Effects 0.000 claims description 3
- 229910052742 iron Inorganic materials 0.000 claims description 3
- 239000002356 single layer Substances 0.000 claims description 3
- 239000007787 solid Substances 0.000 claims description 3
- 239000013618 particulate matter Substances 0.000 claims description 2
- 108090000623 proteins and genes Proteins 0.000 claims description 2
- 238000005286 illumination Methods 0.000 claims 1
- 239000010408 film Substances 0.000 description 26
- 238000004458 analytical method Methods 0.000 description 5
- 238000002835 absorbance Methods 0.000 description 4
- 230000001186 cumulative effect Effects 0.000 description 4
- 238000010248 power generation Methods 0.000 description 4
- 238000004088 simulation Methods 0.000 description 4
- 238000002834 transmittance Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000013517 stratification Methods 0.000 description 3
- 238000011217 control strategy Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000000985 reflectance spectrum Methods 0.000 description 2
- 239000010409 thin film Substances 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 230000003667 anti-reflective effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 201000009310 astigmatism Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000004146 energy storage Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000013011 mating Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 229910021421 monocrystalline silicon Inorganic materials 0.000 description 1
- 229910021420 polycrystalline silicon Inorganic materials 0.000 description 1
- 229920005591 polysilicon Polymers 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 230000011514 reflex Effects 0.000 description 1
- 230000001172 regenerating effect Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 239000002210 silicon-based material Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000036413 temperature sense Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02S—GENERATION OF ELECTRIC POWER BY CONVERSION OF INFRARED RADIATION, VISIBLE LIGHT OR ULTRAVIOLET LIGHT, e.g. USING PHOTOVOLTAIC [PV] MODULES
- H02S50/00—Monitoring or testing of PV systems, e.g. load balancing or fault identification
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/50—Photovoltaic [PV] energy
Landscapes
- Photovoltaic Devices (AREA)
Abstract
本发明公开了一种光热特性耦合光伏电池温度预测方法,包括以下步骤:结合实际时间以及标准测量的TMY数据提供的辐照度信息对光伏电池组件的入射光进行垂直等效,基于大气离散纵向传输模型方法得到波长离散化的垂直等效入射光谱;结合晶硅层纹理结构以及ARC层抗反射过程的光热耦合特性计算光伏电池层次化结构的各层波长离散化吸收系数,得到各层结构吸收的辐射通量;建立光伏电池的层次化结构能量平衡方程,通过迭代计算得到时间序列对应的光伏电池层次化结构工作温度序列。本发明在现有光伏电池输出功率预测功能的基础上加入光伏电池组件工作温度的预测,有助于提高光伏电池组件输出功率预测的精度,从而实现光伏电池组件输出功率的准确预测。
Description
技术领域
本发明涉及一种光热特性耦合光伏电池温度预测方法。
背景技术
随着社会经济的不断发展,化石能源的紧缺态势以及环境污染问题日益突出,人们对能源提出越来越高的要求,寻找新能源成为当前人类面临的迫切课题,开发和利用可再生能源迫在眉睫。其中,太阳能作为一种清洁、具有大规模开发前景的可再生能源之一,在家庭用小型太阳能发电系统、大型光伏并网电站、建筑一体化光伏玻璃幕墙、太阳能路灯、风光互补供电系统等领域受到广泛关注和深入研究。
太阳能光伏发电是利用太阳能电池将太阳光能直接转化为电能。光伏发电系统主要由光伏电池阵列、蓄电池储能系统、控制器和逆变器组成,其中光伏电池阵列是光伏发电系统的关键部分,通过光伏电池阵列将太阳能转化为直流电能,通过逆变器将直流电能转化为与电网同频同相的交流电能馈入电网。由于太阳能资源具有间歇性、周期性、波动性等特点,对光伏电站发电功率进行准确预测,有助于电力调度部门提前根据光伏发电功率变化及时调整调度计划,保证电能质量,减少系统备用容量,降低电力系统运行成本,可有效减轻光伏发电对电网造成不利影响、提高电网中光伏装机比例。
光伏电站发电功率与光伏电池的工作温度关系密切,其本身对工作温度较为敏感。随着工作温度的升高,晶硅材料的禁带宽度降低,影响大多数表征材料的性能参数,进而影响组件的电性能参数,导致组件的开路电压降低,短路电流略微增加,造成总体输出功率降低。其中,在20-100℃范围内,光伏电池工作温度每升高1℃,光伏电池的输出电压减小约2mV;而光电流随工作温度的升高略有上升,工作温度每升高1℃,光伏电池的光电流增加约1‰。总体而言,光伏电池工作温度每升高1℃,其输出功率减少0.35%。由此可见,光伏电池组件工作温度温度是影响其能量转换效率的重要因素,对组件工作温度的准确预测,有助于提高光伏电池乃至光伏电站发电功率预测的精度。
目前,对晶硅和薄膜光伏电池的温度预测通常采用层次化结构与能量平衡方程相结合的建模迭代预测方法。但上述建模在以有限差分能量平衡方程分析计算光伏电池各层材料的温度分布时,通常简化结构分层并且假定晶硅为平面结构。然而实际中,材料的光学系数与入射光的波长、入射倾角以及面板的几何位置密切相关,并且为了提高入射光的吸收率,现代 光伏电池面板晶硅表面通常进行纹理化处理,例如,对于单晶硅光伏电池,通常纹理为“随机正金字塔(random upright pyramid)”或“倒金字塔”型,并结合表面抗反射层(ARC)进一步提高光伏电池面板晶硅结构的入射光吸收率,以提高入射光吸收率,进而提高光伏电池组件的输出功率。但在既有光伏电池层次化结构温度预测过程中,并未将晶硅表面纹理化结构以及ARC层的薄膜光学抗反射作用与层次结构光学传射结合考虑,即,并未有效考虑入射光与光伏电池层次化结构之间的光热特性耦合作用的影响,这也是光伏电池功率输出预测结果产生偏差的原因之一,该误差最终反映于光伏电池系统相关的控制策略设计,也会影响控制策略验证的有效性和合理性。
发明内容
本发明为了解决上述问题,提出了一种光热特性耦合光伏电池温度预测方法,该方法有效考虑入射光与光伏电池层次化结构,如晶硅表面纹理化结构以及ARC层薄膜光学抗反射特性等光热特性耦合作用的影响,精确量化光伏电池层次化结构对入射光辐射通量的吸收计算,实现对光伏电池组件工作温度的精确预测,最终提高光伏电池乃至光伏电站发电功率预测的精度。
为了实现上述目的,本发明采用如下技术方案:
一种光热特性耦合光伏电池温度预测方法,包括以下步骤:
(1)结合实际时间以及标准测量的典型气象年数据(typical meteorologicalyear,TMY)数据提供的辐照度信息对光伏电池组件的入射光进行垂直等效,基于大气离散纵向传输模型方法得到波长离散化的垂直等效入射光谱;
(2)结合晶硅层纹理结构以及ARC层抗反射过程的光热耦合特性计算光伏电池层次化结构的各层波长离散化吸收系数,得到各层结构吸收的辐射通量;
(3)建立光伏电池的层次化结构能量平衡方程,结合实测TMY数据,通过迭代计算得到时间序列对应的光伏电池层次化结构工作温度序列。
所述步骤(1)中,光伏电池面板层次化结构自上而下编号为1~6,依次为玻璃层、EVA层、ARC层、晶硅耦合层、EVA层和PVF层,0层为大气层;
结合实际时间以及标准测量的TMY数据提供的辐照度信息对光伏电池组件的入射光进行垂直等效的过程为:
根据Reindl散射模型,在计及水平和环日散射影响下的单层介质辐射通量表达式为
其中,(τα)ii=b,d,g分别为介质对入射光分量Gb,Gd,Gg的倾斜透射吸收率,Gb为束状水平辐照度,Gd为环日散射辐照度,Gg为地表散热辐照度,Gt为总辐照度;ρg为地表反照率;Rb=cosβ/cosβz,β和βz分别为光伏电池面板倾角和日照天顶角;Ai为各向异性指数,f为调整因子,
其中,G0为太阳常量,数值为1353W/m2,对介质投射吸收率,根据(τα)i/(τα)n折算关系将式(1)合并得
其中,(τα)n为等效垂直入射光投射吸收率;Kb,Kd,Kg分别为等效辐射系数,对于光伏电池而言,其表面覆盖层通常为低铁高透玻璃介质,其典型辐射系数Kb,Kd,Kg的拟合表达式为:
式(1)中的拟合系数分别为:
由此可知,对于倾角为β的光伏电池面板,其等效垂直入射辐射通量表达式为:
所述步骤(1)中,大气离散纵向传输模型方法通过基于DISORT的SBDART或LibRadtran方法实现,获取实际天候条件下的地表入射光谱信息。
所述步骤(1)通过远程连接气象数据信息,得到分层大气水汽、云层以及固体颗粒物等模型信息,通过纵向传输建模计算得到实时天候条件下的地表入射光谱AMλ,并对式(6)进行如下折算,以计及实际气象数据信息对光谱的影响,得到修正地表入射光谱AM’λ:
其中,{AMλn}即为对AMλ的离散化,是由大气离散纵向传输模型得到的地表辐射离散光谱集合。
所述步骤(2)中,基于光伏电池层次化结构的光热耦合特性计算表征各层热学性能的反射、透射和吸收系数的光学系数过程为:
首先,对光伏电池层次化结构进行编号,有0层为表层空气层,1层为玻璃层,2层为EVA层,3层为ARC层,4层为PV层,5层为EVA层,6层为背板层,7层背板空气层,基于上述层次划分,进行玻璃层与EVA层光学参数的一次计算;根据Snell-Descartes定律求得玻璃层和EVA层折射角均为0°;归一化的第一次计算玻璃层透射率和反射率为:
其中,r1,1,τ1,1,α1,1分别为第一次计算的玻璃层反射率、吸收率和透射率,下标中前面的下标1为第一次计算,0和2表示对应层次,综合起来就是对应层次的第一次计算结果,与后文相对,有第二次折反射计算。透射进入EVA层的辐照度为τ1,1φn eq,并且有
其中,n0,n1,n2分别为空气层、玻璃覆盖层以及EVA层的折射率。由于EVA层为厚膜与薄膜计算的边界层,因而其一次透射率与薄膜ARC层和晶硅耦合层计算结果相关,故这里仅计算入射吸收率,到达EVA-ARC层边界的垂直入射辐照度为,
其中,a2为第2层EVA层的材料吸收系数,归算至入射光的EVA层入射一次吸收率为:
α1,2=τ1,1(1-exp(-a2δ2)) (11)
结合式(8)~(11),得玻璃层与EVA层光学参数一次计算分量;
然后,进行ARC层与晶硅层光学系数的计算,由于ARC层为薄膜层,且与晶硅层紧密耦合;并且现代光伏电池晶硅层通常需要进行表面纹理处理,以提高入射光吸收率,基于上述考虑,将ARC层与晶硅层作为独立层次结构进行光学系数计算:
根据式(11),归算至入射光的EVA-ARC边界辐照度为:
τ′1,2=τ1,1exp(-a2δ2) (12)
由于该归一化辐照度并非实际的EVA层一次透射率,因此用τ’1,2来区分。
所述步骤(2)中,由于晶硅层表面非平坦结构具有固定的角度关系,因此,通过光路概率分布计算得到晶硅层表面光路的概率分布,当晶硅表面为非平坦(planar)结构时,归算至ARC层的总反射率可表示为上述各表面光路(A,B,…,N)反射率之和,以薄膜强度系数表示为:
其中,fi为各表面光路概率;
对于垂直入射光,晶硅表面光路反射路径总数为6,入射角数字表示与晶硅表面接触次序根据垂直入射光对金字塔型结构的对称性,每条路径Ri可表示为:
其中,Er,i为经第i条路径m次反射后的电磁场矢量,以π/2垂直表征电场极化和磁场极化,其矢量变换为初始电场向量的函数,
Er,i(γ0)=(Pr,i,m·Pr,i,m-1…Pr,i,2·Pr,i,1)E0(γ0) (15)
Pr,i,j为路径i第j次反射的极化矩阵,对于式(15)中的初始电场向量取值,其向量形式为:
E0(0)=[1,0,0]T,E0(π/2)=[0,1,0]T (16)
ARC层透射率,也表示为各表面光路(A,B,…,N)透射率之和,即:
其中,每条路径透射率Гi可表示为:
其中,当k=0时,Pr,i,0为3阶单位复矩阵,上述薄膜光学计算基于复矩阵运算,在极化变换过程中需要用薄膜强度系数R,Г替代Fresnel幅值系数r,τ,变换结束后通过光学导纳比例进行修正,最终变换修正后可得归算至入射光的ARC层和晶硅层吸收率为:
然后进行玻璃层与EVA层光学参数的二次计算,结合式(12)~(19)及薄膜光学计算方法,得到ARC层与晶硅层光学系数之后,需要对上述各路径反射角对应的光谱能量在玻璃层与EVA层的光学参数进行二次计算,最终结合上述一次计算结果得到各层的综合光谱吸收率,
将玻璃层与EVA层视为整体,从EVA-ARC边界入射并结合表1所示概率累加,由于非垂直入射,故式(9)重写为
可得归算至面板入射光的双层厚膜归一化透射率τ2,1+2、反射率ρ2,1+2和吸收率α2,1+2。
然后,将EVA层视为独立层,从ARC-EVA边界入射并结合表1所示概率累加,可得EVA层厚膜归一化透射率τ2,2、反射率ρ2,2和吸收率α2,2。
最后,结合玻璃层与EVA层一次计算结果,得到玻璃层与EVA层的综合吸收率为,
此外,由于ARC层厚度很小,假设玻璃层与EVA层双层厚膜反射光谱均被晶硅层吸收,可得ARC层与晶硅层的综合吸收率为,
式(21)和(22)即为计算得到的光伏电池各层的归一化入射光吸收率。
所述步骤(3)中,光伏电池的层次化结构能量平衡方程的构造过程为:
忽略面板边缘效应后能量平衡方程的基本形式为:
i=1,2,...,6 (23)
其中,Ti为各层中心的质点温度;ρi为各层材料密度;Apv为PV层面积,这里假设所有材料层面积与PV层相同;δi为各层材料厚度;ci为各层材料的比热;Eex为各层材料吸收的辐射通量。建立能量平衡方程前,在既有层次基础上添加0层和7层,分别表征光伏电池受光面和背光面环境的能量交换,则所有光伏电池分层结构均属于内层能量交换。
对于内层能量变化,其守恒方程为,
对于晶硅层,需要同时计及光伏电池输出功率,即
ηel(T)=ηel(298K)·(1-γmpp·(T-298)) (26)
其中,fw为晶硅层的工作因子,取值为0.95;ηel为光伏电池电效率;在缺乏输出功率数据时可用式(25)进行估计,也可根据光伏电池输出特性模型进行输出功率实时获取;
对于光伏电池面板受光面与背光面,其守恒方程为,
其中,hconv(i,j),hrad(i,j),hcd(i,j)分别为第i层与第j层之间的对流、辐射和传导等效跨导,式(23-27)为光伏电池面板的能量平衡方程,能量平衡方程的层次化结构建立于表层可测温度基础上,故其层次划分略微不同于辐照度投射吸收率计算过程划分,体现在表层划分上,即有air层为环境空气层,sky为等效天空,gnd为等效地,fs为光伏电池前表面,bs为光伏电池背表面。综上,结合天候信息,通过数值迭代求解,可以对面板各层温度进行预测。
本发明的有益效果为:
(1)本发明所提出的结合光伏电池组件晶硅层纹理结构的层次化光热特性耦合温度预测方法中,结合光伏电汇层次化结构的光热耦合特性,有效考虑并量化了晶硅层表面纹理结 构以及ARC层薄膜光学抗反射作用对入射光吸收率的影响,能够有效提高光伏电池组件工作温度的预测精度;
(2)在现有光伏电池输出功率预测功能的基础上加入光伏电池组件工作温度的预测,有助于提高光伏电池组件输出功率预测的精度,从而实现光伏电池组件输出功率的准确预测;
(3)结合短时天候预测,可以对光伏电池组件的工作温度进行精确预测,并根据预测结果制定次日发电计划,优化电网调度方式,保证电能质量,减少系统的备用容量,降低电力系统运行成本,促进国家新能源战略的顺利实施;
(4)有助于光伏发电企业在光伏电池发电系统设计实施过程中有效获取光伏电池组件工作温度状态,从而能够合理安排光伏电池发电系统的散热配置以及检修计划的制定,以提高光伏电池发电系统的可靠性,延长光伏发电系统的工作寿命,从而优化提高光伏发电系统的经济效益。
附图说明
图1为本发明实施例提供的光伏电池层次化结构示意图;
图2为本发明实施例提供的光热特性耦合温度预测方法工作流程图;
图3(a)为本发明实施例ARC层薄膜干涉效应工作原理示意图;
图3(b)为本发明实施例晶硅层表面纹理结构的工作原理示意图;
图4(a)为本发明实施例正金字塔型晶硅层表面纹理结构垂直入射光路分析示意图;
图4(b)为本发明实施例逆金字塔型晶硅层表面纹理结构垂直入射光路分析示意图;
图5为本发明实施例提供的光热特性耦合光伏电池温度预测方法的仿真计算结果图。
具体实施方式:
下面结合附图与实施例对本发明作进一步说明。
本发明提供了一种结合光伏电池组件晶硅层纹理结构的层次化光热特性耦合温度预测方法,本发明实施例以如图1所示的光伏电池层次化结构为对象。光热特性耦合温度预测方法实施例的实施流程如图2所示,其技术方案为,步骤1结合实际时间以及标准测量的TMY数据提供的辐照度信息对光伏电池组件的入射光进行垂直等效,并基于大气离散纵向传输模型方法得到波长离散化的垂直等效入射光谱;步骤2根据所述光伏电池层次化结构及其结构特点,结合晶硅层纹理结构以及ARC层抗反射作用的光热耦合特性计算光伏电池层次化结构的各层波长离散化吸收系数,进而得到各层结构吸收的辐射通量;步骤3,建立光伏电池的层次化结构能量平衡方程,结合实测TMY数据,通过迭代计算得到时间序列对应的光伏电池层 次化结构工作温度序列。
本发明实施例步骤1中,结合实际时间以及标准测量的TMY数据提供的辐照度信息对光伏电池组件的入射光进行垂直等效的过程为:
根据Reindl散射模型,在计及水平和环日散射影响下的单层介质辐射通量表达式为
其中,(τα)ii=b,d,g分别为介质对入射光分量Gb,Gd,Gg的倾斜透射吸收率; 和分别为光伏电池面板倾角和日照天顶角;Ai为各向异性指数,f为调整因子,
对介质投射吸收率,根据(τα)/(τα)n折算关系将式(0-1)合并得
对于光伏电池而言,其表面覆盖层通常为低铁高透玻璃等介质,其典型辐射系数Kb,Kd,Kg的拟合表达式为
式(0-4)中的拟合系数分别为
由此可知,对于倾角为β的光伏电池面板,其等效垂直入射辐射通量表达式为:
本发明实施例所述步骤1中,基于大气离散纵向传输模型方法得到波长离散化的垂直等效入射光谱可通过基于DISORT的SBDART或LibRadtran方法实现。通过远程连接气象数据信息,得到分层大气水汽、云层以及固体颗粒物等模型信息,通过纵向传输建模计算得到实时天候条件下的地表入射光谱AMλ,并对式(6)进行如下折算
其中,{AMλn}即为对AMλ的离散化(本实施例为5nm波长间隔),是由所述大气离散纵向传输模型得到的地表辐射离散光谱集合。
本发明实施例所述步骤2中,基于光伏电池层次化结构的光热耦合特性计算表征各层热学性能的反射、透射和吸收系数等三种光学系数过程为:
将图1所示光伏电池面板层次化结构自上而下编号为1~6,0层为大气层。
首先,进行玻璃层与EVA层光学参数的一次计算。根据Snell-Descartes定律求得玻璃层和EVA层折射角均为0°;归一化的玻璃层透射率和反射率为:
其中,r,τ分别为对应层反射率、吸收率和透射率。透射进入EVA层的辐照度为τ1,1φn eq,并且有
由于EVA层为厚膜与薄膜计算的边界层,因而其一次透射率与薄膜ARC层和晶硅耦合层计算结果相关,故这里仅计算入射吸收率,到达EVA-ARC层边界的垂直入射辐照度为
归算至入射光的EVA层入射一次吸收率为
α1,2=τ1,1(1-exp(-a2δ2)) (11)
结合式(8)~(11),可得玻璃层与EVA层光学参数一次计算分量,以下标1表示。
然后,进行ARC层与晶硅层光学系数的计算。由于ARC层为薄膜层,且与晶硅层紧密耦合;并且现代光伏电池晶硅层通常需要进行表面纹理处理,以提高入射光吸收率。基于上述考虑,将ARC层与晶硅层作为独立层次结构进行光学系数计算。ARC层薄膜干涉效应与晶硅层表面纹理结构的工作原理如图3所示。
根据式(11),归算至入射光的EVA-ARC边界辐照度为
τ′1,2=τ1,1exp(-a2δ2) (12)
由于该归一化辐照度并非实际的EVA层一次透射率,因此用τ’1,2来区分。
由于晶硅层表面非平坦结构具有固定的角度关系,因此,可以通过光路概率分布计算得到晶硅层表面光路的主要概率分布,当晶硅表面为非平坦(planar)结构时(如金字塔型及其变体等),归算至ARC层的总反射率可表示为上述各表面光路(A,B,…,N)反射率之和,以薄膜强度系数表示为
其中,fi为各表面光路概率。
对于规则或随机规则结构,其光路反射路径总数是一定的。换言之,主要概率分布的反射路径总数是有限的,因此,为简化计算,层次结构的光学系数,如反射率等,可以以有限概率分布的反射路径通过式(14)进行估算。对正金字塔型和逆金字塔型晶硅层表面纹理结构分别进行垂直入射光路分析,如图4所示。
结合其他类型的晶硅表面纹理结构分析,对于垂直入射光,晶硅表面光路反射路径总数为6,入射角数字表示与晶硅表面接触次序,其概率分布汇总如表1所示(取金字塔型特征角为54.7°)。
表1晶硅纹理表面光路参数(典型金字塔型)
其中,退出角为退出反射光对EVA层边界的入射角。
根据垂直入射光对金字塔型结构的对称性,每条路径Ri可近似表示为
其中,Er,i为经第i条路径m次反射后的电磁场矢量,以π/2垂直表征电场极化和磁场极化,其矢量变换为初始电场向量的函数,
Er,i(γ0)=(Pr,i,m·Pr,i,m-1…Pr,i,2·Pr,i,1)E0(γ0) (15)
Pr,i,j为路径i第j次反射的极化矩阵。对于式(15)中的初始电场向量取值,其向量形式为E0(0)=[1,0,0]T,E0(π/2)=[0,1,0]T (16)
类似地,ARC层透射率,也可表示为各表面光路(A,B,…,N)透射率之和,即
其中,每条路径透射率Гi可表示为
其中,当k=0时,Pr,i,0为3阶单位复矩阵,上述薄膜光学计算基于复矩阵运算,在极化变换过程中需要用薄膜强度系数R,Г替代Fresnel幅值系数r,τ,变换结束后通过光学导纳比例进行修正,最终变换修正后可得归算至入射光的ARC层和晶硅层吸收率为
然后进行玻璃层与EVA层光学参数的二次计算。结合式(12)~(19)及薄膜光学计算方法,得到ARC层与晶硅层光学系数之后,需要对上述各路径反射角对应的光谱能量在玻璃层与 EVA层的光学参数进行二次计算,最终结合上述一次计算结果得到各层的综合光谱吸收率。
将玻璃层与EVA层视为整体,从EVA-ARC边界入射并结合表1所示概率累加,由于非垂直入射,故式(9)重写为
可得归算至面板入射光的双层厚膜归一化透射率τ2,1+2、反射率ρ2,1+2和吸收率α2,1+2。
然后,将EVA层视为独立层,从ARC-EVA边界入射并结合表1所示概率累加,可得EVA层厚膜归一化透射率τ2,2、反射率ρ2,2和吸收率α2,2。
最后,结合玻璃层与EVA层一次计算结果,得到玻璃层与EVA层的综合吸收率为,
式(21)中忽略了ARC-EVA边界入射光透射至EVA-玻璃层边界的二次反射,对于ARC层与表面纹理晶硅相结合的抗反射配置,该假设是可行的。
此外,由于ARC层厚度很小,假设玻璃层与EVA层双层厚膜反射光谱均被晶硅层吸收,可得ARC层与晶硅层的综合吸收率为,
式(21)和(22)即为计算得到的光伏电池各层的归一化入射光吸收率。
本发明实施例所述步骤3中,光伏电池的层次化结构能量平衡方程的构造过程为:
忽略面板边缘效应后能量平衡方程的基本形式为
i=1,2,...,6 (23)
其中,Ti为各层中心的质点温度。建立能量平衡方程前,在既有层次基础上添加0层和7层(空气由0层变为-1层,并不影响前述光学系数的求解),分别表征光伏电池受光面和背光面环境的能量交换,则所有光伏电池分层结构均属于内层能量交换。
对于内层能量变化,其守恒方程为,
对于晶硅层,需要同时计及光伏电池输出功率,即
ηel(T)=ηel(298K)·(1-γmpp·(T-298)) (26)
其中,fw为晶硅层的工作因子,取值为0.95;ηel为光伏电池电效率。在缺乏输出功率数据时可用式(25)进行估计,也可根据光伏电池输出特性模型进行输出功率实时获取。
对于光伏电池面板受光面与背光面,其守恒方程为,
其中,hconv(i,j),hrad(i,j),hcd(i,j)分别为第i层与第j层之间的对流、辐射和传导等效跨导,式(23-26)为光伏电池面板的能量平衡方程,能量平衡方程的层次化结构建立于表层可测温度基础上,故其层次划分略微不同于辐照度投射吸收率计算过程划分,体现在表层划分上,即有air层为环境空气层,sky为等效天空,gnd为等效地,fs为光伏电池前表面,bs为光伏电池背表面。综上,结合天候信息,通过数值迭代求解,可以对面板各层温度进行预测。
作为本发明实施例的应用,根据本发明所提出的光热特性耦合光伏电池温度预测方法,对多晶硅光伏电池面板Kyocera系列KC120-1模组系列分别进行实际温度测试和仿真计算。图5示出了Kyocera系列KC120-1光伏电池面板的实际测量温度和基于本发明实施例提出的光热特性耦合光伏电池温度预测方法的仿真计算结果,并以6层Planar结构光伏电池面板进行迭代计算对比,所述光伏电池层次化结构参数如表2所示。从结果中可以看出所述光热特性耦合温度预测结果在大部分时段仿真计算得到的面板工作温度要高于Planar结构仿真结果,也更逼近电池实测温度,因此与实测数据更加吻合,因而所述光热特性耦合光伏电池温度预测 方法也可以推广应用到目前光伏电池温度预测建模的研究中。
表2光伏面板组成材料结构与热力学参数
上述虽然结合附图对本发明的具体实施方式进行了描述,但并非对本发明保护范围的限制,所属领域技术人员应该明白,在本发明的技术方案的基础上,本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。
Claims (8)
1.一种光热特性耦合光伏电池温度预测方法,其特征是:包括以下步骤:
(1)结合实际时间以及标准测量的TMY数据提供的辐照度信息对光伏电池组件的入射光进行垂直等效,基于大气离散纵向传输模型方法得到波长离散化的垂直等效入射光谱;
(2)结合晶硅层纹理结构以及ARC层抗反射过程的光热耦合特性计算光伏电池层次化结构的各层波长离散化吸收系数,得到各层结构吸收的辐射通量;
(3)建立光伏电池的层次化结构能量平衡方程,结合实测TMY数据,通过迭代计算得到时间序列对应的光伏电池层次化结构工作温度序列。
2.如权利要求1所述的一种光热特性耦合光伏电池温度预测方法,其特征是:所述步骤(1)中,光伏电池面板层次化结构自上而下编号为1~6,依次为玻璃层、EVA层、ARC层、晶硅耦合层、EVA层和PVF层,0层为大气层;
结合实际时间以及标准测量的TMY数据提供的辐照度信息对光伏电池组件的入射光进行垂直等效的过程为:
根据Reindl散射模型,在计及水平和环日散射影响下的单层介质辐射通量表达式为
其中,(τα)i i=b,d,g分别为介质对入射光分量Gb,Gd,Gg的倾斜透射吸收率,Gb为束状水平辐照度,Gd为环日散射辐照度,Gg为地表散热辐照度,Gt为总辐照度;ρg为地表反照率;Rb=cosβ/cosβz,β和βz分别为光伏电池面板倾角和日照天顶角;Ai为各向异性指数,f为调整因子,
其中,G0为太阳常量,数值为1353W/m2,对介质投射吸收率,根据(τα)i/(τα)n折算关系将式(1)合并得
对于光伏电池而言,其表面覆盖层通常为低铁高透玻璃介质,其典型辐射系数Kb,Kd,Kg的拟合表达式为:
式(0-4)中的拟合系数分别为:
由此可知,对于倾角为β的光伏电池面板,其等效垂直入射辐射通量表达式为:
其中,(τα)i i=b,d,g分别为介质对入射光分量Gb,Gd,Gg的倾斜透射吸收率,Gb为束状水平辐照度,Gd为环日散射辐照度,Gg为地表散热辐照度,Gt为总辐照度;Rb=cosβ/cosβz,β和βz分别为光伏电池面板倾角和日照天顶角;Ai为各向异性指数,f为调整因子,(τα)n为等效垂直入射光投射吸收率。
3.如权利要求1所述的一种光热特性耦合光伏电池温度预测方法,其特征是:所述步骤(1)中,大气离散纵向传输模型方法通过基于DISORT的SBDART或LibRadtran方法实现,获取实际天候条件下的地表入射光谱信息。
4.如权利要求2所述的一种光热特性耦合光伏电池温度预测方法,其特征是:所述步骤(1)通过远程连接气象数据信息,得到分层大气水汽、云层以及固体颗粒物等模型信息,通过纵向传输建模计算得到实时天候条件下的地表入射光谱AMλ,并对式(6)进行如下折算:
其中,{AMλn}即为对AMλ的离散化,是由大气离散纵向传输模型得到的地表辐射离散光谱集合。
5.如权利要求2所述的一种光热特性耦合光伏电池温度预测方法,其特征是:所述步骤(2)中,基于光伏电池层次化结构的光热耦合特性计算表征各层热学性能的反射、透射和吸收系数的光学系数过程为:
首先,进行玻璃层与EVA层光学参数的一次计算;根据Snell-Descartes定律求得玻璃层和EVA层折射角均为0°;归一化的玻璃层透射率和反射率为:
其中,r1,1,τ1,1,α1,1分别为第一次计算的玻璃层反射率、吸收率和透射率,下标中前面的下标1为第一次计算,0和2表示对应层次,综合起来就是对应层次的第一次计算结果,有第二次折反射计算,r,τ分别为对应层反射率和透射率,透射进入EVA层的辐照度为τ1,1φn eq,并且有
其中,n0,n1,n2分别为空气层、玻璃覆盖层以及EVA层的折射率,由于EVA层为厚膜与薄膜计算的边界层,因而其一次透射率与薄膜ARC层和晶硅耦合层计算结果相关,故这里仅计算入射吸收率,到达EVA-ARC层边界的垂直入射辐照度为,
归算至入射光的EVA层入射一次吸收率为:
α1,2=τ1,1(1-exp(-a2δ2)) (11)
结合式(8)~(11),得玻璃层与EVA层光学参数一次计算分量;
然后,进行ARC层与晶硅层光学系数的计算,由于ARC层为薄膜层,且与晶硅层紧密耦合;并且现代光伏电池晶硅层通常需要进行表面纹理处理,以提高入射光吸收率,基于上述考虑,将ARC层与晶硅层作为独立层次结构进行光学系数计算:
根据式(11),归算至入射光的EVA-ARC边界辐照度为:
τ′1,2=τ1,1exp(-a2δ2) (12)
a2为第2层EVA层的材料吸收系数,由于该归一化辐照度并非实际的EVA层一次透射率,因此用τ’1,2来区分,a1为第1层EVA层的材料吸收系数。
6.如权利要求5所述的一种光热特性耦合光伏电池温度预测方法,其特征是:所述步骤(2)中,由于晶硅层表面非平坦结构具有固定的角度关系,因此,通过光路概率分布计算得到晶硅层表面光路的概率分布,当晶硅表面为非平坦结构时,归算至ARC层的总反射率可表示为上述各表面光路(A,B,…,N)反射率之和,以薄膜强度系数表示为:
其中,fi为各表面光路概率;
对于垂直入射光,晶硅表面光路反射路径总数为6,入射角数字表示与晶硅表面接触次序根据垂直入射光对金字塔型结构的对称性,每条路径Ri可表示为:
其中,Er,i为经第i条路径m次反射后的电磁场矢量,以π/2垂直表征电场极化和磁场极化,其矢量变换为初始电场向量的函数,
Er,i(γ0)=(Pr,i,m·Pr,i,m-1…Pr,i,2·Pr,i,1)E0(γ0) (15)
Pr,i,j为路径i第j次反射的极化矩阵,对于式(15)中的初始电场向量取值,其向量形式为:
E0(0)=[1,0,0]T,E0(π/2)=[0,1,0]T (16)
ARC层透射率,也表示为各表面光路(A,B,…,N)透射率之和,即:
其中,每条路径透射率Гi可表示为:
其中,当k=0时,Pr,i,0为3阶单位复矩阵,上述薄膜光学计算基于复矩阵运算,在极化变换 过程中需要用薄膜强度系数R,Г替代Fresnel幅值系数r,τ,变换结束后通过光学导纳比例进行修正,最终变换修正后可得归算至入射光的ARC层和晶硅层吸收率为:
然后进行玻璃层与EVA层光学参数的二次计算,结合式(12)~(19)及薄膜光学计算方法,得到ARC层与晶硅层光学系数之后,需要对上述各路径反射角对应的光谱能量在玻璃层与EVA层的光学参数进行二次计算,最终结合上述一次计算结果得到各层的综合光谱吸收率,r1.3,τ1.3为入射光的ARC层的反射率、吸收率。
7.如权利要求1所述的一种光热特性耦合光伏电池温度预测方法,其特征是:所述步骤(3)中,光伏电池的层次化结构能量平衡方程的构造过程为:
忽略面板边缘效应后能量平衡方程的基本形式为:
其中,其中,Ti为各层中心的质点温度;ρi为各层材料密度;Apv为PV层面积,这里假设所有材料层面积与PV层相同;δi为各层材料厚度;ci为各层材料的比热;Eex为各层材料吸收的辐射通量;建立能量平衡方程前,在既有层次基础上添加0层和7层,分别表征光伏电池受光面和背光面环境的能量交换,则所有光伏电池分层结构均属于内层能量交换。
8.如权利要求7所述的一种光热特性耦合光伏电池温度预测方法,其特征是:所述步骤(3)中,对于光伏电池面板受光面与背光面,其守恒方程为,
其中,hconv(i,j),hrad(i,j),hcd(i,j)分别为第i层与第j层之间的对流、辐射和传导等效跨导,能量平衡方程的层次化结构建立于表层可测温度基础上,故其层次划分略微不同于辐照度投射吸收率计算过程划分,体现在表层划分上,即有air层为环境空气层,sky为等效天空,gnd为等效地,fs为光伏电池前表面,bs为光伏电池背表面,综上,结合天候信息,通过数值迭代求解,对面板各层温度进行预测。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510149194.6A CN104767483B (zh) | 2015-03-31 | 2015-03-31 | 一种光热特性耦合光伏电池温度预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510149194.6A CN104767483B (zh) | 2015-03-31 | 2015-03-31 | 一种光热特性耦合光伏电池温度预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104767483A CN104767483A (zh) | 2015-07-08 |
CN104767483B true CN104767483B (zh) | 2017-08-25 |
Family
ID=53649144
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510149194.6A Active CN104767483B (zh) | 2015-03-31 | 2015-03-31 | 一种光热特性耦合光伏电池温度预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104767483B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105846782B (zh) * | 2016-04-08 | 2018-01-12 | 河海大学常州校区 | 一种量化太阳光谱差异对太阳电池输出性能影响的方法 |
CN107181463B (zh) * | 2017-06-20 | 2018-12-18 | 河海大学常州校区 | 一种精确预测太阳能电池组件工作温度的方法 |
CN108664720B (zh) * | 2018-05-02 | 2020-04-28 | 西安交通大学 | 一种非均匀辐照度下的聚光光伏光热系统性能计算方法 |
CN109921742A (zh) * | 2019-03-12 | 2019-06-21 | 河海大学常州校区 | 一种计算光伏组件实时工作温度的方法 |
CN112102890B (zh) * | 2020-07-28 | 2023-12-15 | 浙江中控技术股份有限公司 | 一种基于机器学习模型的mcs合成装置反应温度预测方法 |
CN112944698B (zh) * | 2021-02-07 | 2023-01-24 | 中国科学院重庆绿色智能技术研究院 | 一种太阳能热电联供组件的瞬态热电输出计算方法及系统 |
CN113141146B (zh) * | 2021-04-06 | 2021-12-14 | 深圳市魔方卫星科技有限公司 | 一种卫星太阳电池阵及调控方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101004453A (zh) * | 2006-12-20 | 2007-07-25 | 西安理工大学 | 一种气象与大气环境参数的测定方法 |
CN102244483A (zh) * | 2011-03-22 | 2011-11-16 | 苏州市思玛特电力科技有限公司 | 基于气象信息的光伏发电有功功率在线评估方法 |
CN103678793A (zh) * | 2013-12-03 | 2014-03-26 | 华中科技大学 | 一种对色散聚光型太阳能发电系统的仿真建模方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080295884A1 (en) * | 2007-05-29 | 2008-12-04 | Sharma Pramod K | Method of making a photovoltaic device or front substrate with barrier layer for use in same and resulting product |
-
2015
- 2015-03-31 CN CN201510149194.6A patent/CN104767483B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101004453A (zh) * | 2006-12-20 | 2007-07-25 | 西安理工大学 | 一种气象与大气环境参数的测定方法 |
CN102244483A (zh) * | 2011-03-22 | 2011-11-16 | 苏州市思玛特电力科技有限公司 | 基于气象信息的光伏发电有功功率在线评估方法 |
CN103678793A (zh) * | 2013-12-03 | 2014-03-26 | 华中科技大学 | 一种对色散聚光型太阳能发电系统的仿真建模方法 |
Non-Patent Citations (1)
Title |
---|
"福建省太阳辐射接受面最佳方位角及倾角的计算";孙雨林,张志昆,陈定艺;《福建建筑》;20131231(第12期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN104767483A (zh) | 2015-07-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104767483B (zh) | 一种光热特性耦合光伏电池温度预测方法 | |
Gu et al. | A comprehensive review and outlook of bifacial photovoltaic (bPV) technology | |
Rawat et al. | A review on modeling, design methodology and size optimization of photovoltaic based water pumping, standalone and grid connected system | |
Eltamaly et al. | Optimal sizing and designing of hybrid renewable energy systems in smart grid applications | |
Asrami et al. | Towards achieving the best solution to utilize photovoltaic solar panels for residential buildings in urban areas | |
Krauter et al. | Actual optical and thermal performance of PV-modules | |
JP2018063112A (ja) | 平面鏡を利用して均一に集光された光ビームおよび直接接触による冷却法を利用した太陽光発電装置および方法 | |
Chong et al. | Dense-array concentrator photovoltaic prototype using non-imaging dish concentrator and an array of cross compound parabolic concentrators | |
Kumar et al. | Experimental exergy analysis of water-cooled PV module | |
Ahmadpour et al. | Optimization and modelling of linear Fresnel reflector solar concentrator using various methods based on Monte Carlo Ray–Trace | |
Li et al. | A comprehensive life cycle assessment study of innovative bifacial photovoltaic applied on building | |
Singhy et al. | Influence of active water stream, irradiance, ambient temperature and wind speed on the efficiency of Fresnel lens based two stage PVT system | |
Johnson et al. | Experimental study and model development of bifacial photovoltaic power plants for Indian climatic zones | |
Hamed et al. | Techno-economic analysis for optimal configurations of PV systems with back reflectors | |
Al-Sharafi et al. | Overall performance index for hybrid power plants | |
Asim et al. | Experimental Validation of a Numerical Model to Predict the Performance of Solar PV Cells | |
Kamthania et al. | Determination of efficiency of hybrid photovoltaic thermal air collectors using artificial neural network approach for different PV technology | |
Panagoda et al. | Advancements In Photovoltaic (Pv) Technology for Solar Energy Generation | |
Hu et al. | Optical analysis and output evaluation for a two-stage concentration photovoltaic system by using Monte Carlo ray-tracing method | |
Guo et al. | Short-Term Photovoltaic Power Forcasting Based on PSO-BP Neural Network | |
Singh et al. | Enhancement of Performance of Roof-mounted SPV System | |
Mafimidiwo | Impact of three-dimensional photovoltaic structure on solar power generation. | |
Hayden et al. | CPV semi-dense array design for dish and tower collectors | |
Cho et al. | Uncertainty analysis for dimensioning solar photovoltaic arrays | |
Sofiu et al. | Solar radiation performance adjusting to PV system |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
EXSB | Decision made by sipo to initiate substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |