CN112016260A - 基于光伏组件i-v曲线的热斑电池片温度估算方法、装置及存储介质 - Google Patents

Abstract

本发明公开了一种基于光伏组件I‑V曲线的热斑电池片温度估算方法、装置及存储介质，旨在解决现有技术中热斑温度检测方法成本高、耗时耗力的技术问题。其包括：通过实测I‑V曲线的二阶导数获得待辨识的故障参数；获得光伏组件I‑V曲线仿真模型的优化目标函数；利用粒子群优化算法对优化目标函数进行寻优，获得最优故障参数并优化光伏组件I‑V曲线仿真模型；保留寻优过程中出现的反偏电流、电压的单块电池片I‑V曲线；根据优化后的光伏组件I‑V曲线仿真模型和电池片I‑V曲线进行温度迭代计算，获得热斑电池片温度。本发明能够准确估算热斑电池片的温度，成本低、效率高，为热斑故障分险评估提供了重要依据。

Description

基于光伏组件I-V曲线的热斑电池片温度估算方法、装置及存 储介质

技术领域

本发明涉及一种基于光伏组件I-V曲线的热斑电池片温度估算方法、装置及存储介质，属于光伏系统温度估算技术领域。

背景技术

在最近发布的国际能源机构(IEA)光伏电力系统计划(PVPS)报告中，中国光伏(PV)市场的累计装机容量在2019年底达到204.7GW，几乎占全球光伏装机容量的三分之一，考虑到中国光伏市场逐渐呈现出饱和、收缩的状态，越来越多的研究人员和工程师将服务从系统设计和安装转移到光伏系统的运行和维护。

光伏系统的智能运维方法是该领域的一个新的趋势，包括自动状态检测、故障检测、故障诊断等等。目前光伏组件失效的类型主要有热斑、电池老化、玻璃破裂、电池碎裂、电位诱发衰减(PID)、旁路二极管失效、背板开裂等等，其中PID和热斑失效属于严重的失效类型，PID会导致发电量显著降低，热斑持续高温则会增加火灾风险，并且热斑在光伏组件的失效类型中所占的比例也是最高的，高达30％，而且热斑对于光伏组件的危害也最为严重。因此，针对以上失效问题，尤其是热斑，需要尽快提出切实可行的检测方法来检测、预防、维护光伏系统，改善电站的发电收益，减少火灾等事故的发生。

在组件中被遮挡的电池片出现反偏，将作为负载来消耗其他有光照的太阳能电池所产生的能量，被遮挡的光伏电池片的温度会明显高于其他正常电池片的温度，遮挡是造成热斑效应最明显的原因。目前对于热斑温度的检测方法均是借助于红外热成像仪拍摄电池片红外图片，通过红外图片上的正常电池片与热斑电池片之间的温度差进行热斑辨别并读取热斑电池片温度，然而红外热成像仪的价格昂贵，且需要大量的人力进行图片拍摄，耗时耗力，难以适用中国光伏市场需求。

发明内容

针对现有的热斑温度检测方法成本高、耗时耗力的问题，本发明提出了一种基于光伏组件I-V曲线的热斑电池片温度估算方法、装置及存储介质，通过光伏组件I-V曲线诊断出阴影遮挡故障，量化遮挡电池片的数量以及估算由于阴影遮挡导致的热斑电池片的温度和热斑电池片所产生的功率损耗。

为解决上述技术问题，本发明采用了如下技术手段：

第一方面，本发明提出了一种基于光伏组件I-V曲线的热斑电池片温度估算方法，具体包括以下步骤：

步骤A、获取光伏组件实测I-V曲线，并对实测I-V曲线进行预处理；

步骤B、通过预处理后的实测I-V曲线的二阶导数获得光伏组件等效阴影块的个数，并根据等效阴影块个数确定待辨识的故障参数；

步骤C、获得光伏组件I-V曲线仿真模型和光伏组件I-V曲线仿真模型的优化目标函数；

步骤D、利用粒子群优化算法对优化目标函数进行寻优，获得最优故障参数，并根据最优故障参数优化光伏组件I-V曲线仿真模型；

步骤E、在步骤D的寻优过程中保留在光伏组件I-V曲线仿真模型中出现的反偏电流、电压的单块电池片I-V曲线，即热斑电池片I-V曲线；

步骤F、根据优化后的光伏组件I-V曲线仿真模型和热斑电池片I-V曲线进行温度迭代计算，获得热斑电池片温度。

结合第一方面，进一步的，所述预处理包括插值处理和滤波处理。

结合第一方面，进一步的，所述故障参数为

其中，n_b表示等效阴影块的个数；

r_j表示第j个等效阴影块的透光率；x表示各等效阴影块横向电池片遮挡数量；y表示各等效阴影块纵向电池片数量；j＝1,2,…,n_b。

结合第一方面，进一步的，光伏组件I-V曲线仿真模型的具体公式如下：

其中，I为光伏组件中单块电池片的电流，I_ph为光生电流，I₀为二极管饱和电流，q为电子常数，V为光伏组件中单块电池片的电压，R_s为等效并联电阻，V_t为二极管热电压，R_p为等效串联电阻，λ为欧姆电流分数，λ与雪崩击穿相关，V_Br为反向击穿电压，m为雪崩击穿指数；

I_ph的计算公式如下：

其中，G为单块电池片的辐照度，G_ref为单块电池片STC下辐照度，I_ph,ref为单块电池片STC下的光生电流，α为光伏组件STC下短路电流温度系数，T为光伏组件背板温度，T_ref为光伏组件STC下背板温度；

I₀的计算公式如下：

其中，I_0,ref为单块电池片STC下的二极管饱和电流，E_g为禁带宽度，且E_g＝1.12，K为玻尔兹曼常数；

V_t的计算公式如下：

其中，V_t,ref为单块电池片STC下的二极管热电压；

R_p的计算公式如下：

其中，R_p,ref为单块电池片STC下的等效串联电阻。

结合第一方面，进一步的，优化目标函数的具体公式如下：

其中，

表示故障参数

最小化的目标函数，N为光伏组件I-V曲线点的个数，I_i,meas表示光伏组件实测I-V曲线中第i个点的电流，I_i,model表示基于光伏组件I-V曲线仿真模型的仿真I-V曲线中第i个点的电流，i＝1,2,…,N。

结合第一方面，进一步的，所述步骤F的具体操作如下：

步骤F01、根据实测的电池片辐照度和电池片背板温度，利用优化后的光伏组件I-V曲线仿真模型获得热斑电池片的电气特性，即热斑电池片的电流和电压；

步骤F02、利用热斑电池片的电气特性结合电热耦合模型计算热斑电池片的当前温度；

步骤F03、将当前温度代入优化后的光伏组件I-V曲线仿真模型，获得热斑电池片的更新电气特性；

步骤F04、利用更新电气特性结合电热耦合模型计算热斑电池片的更新温度；

步骤F05、计算更新温度与当前温度的相对误差，并判断相对误差是否满足设定条件；

步骤F06、如果相对误差不满足设定条件，则将更新温度作为新的当前温度重复步骤F03、F04、F05，进行迭代循环，如果相对误差满足设定条件，则结束迭代，输出热斑电池片温度。

结合第一方面，进一步的，所述电热耦合模型包括电气模型和热模型，其中，所述热模型的模型公式如下：

其中，C_T为散热系数，I_max表示单块电池片的最大电流，V_max表示单块电池片的最大电压，S表示单块电池片的表面积。

结合第一方面，进一步的，所述方法还包括如下步骤：

步骤G、通过温度迭代计算获得热斑电池片变为负载后所带来的功率损耗，具体计算公式如下：

P_dk＝I_hmaxk*V_hmaxk (8)

其中，P_dk表示第k个热斑电池片变为负载后所带来的功率损耗，I_hmaxk表示第k个热斑电池片的最大反偏电流，V_hmaxk表示第k个热斑电池片的最大反偏电压。

第二方面，本发明提出了一种基于光伏组件I-V曲线的热斑电池片温度估算装置，包括处理器及存储介质；

所述存储介质用于存储指令；

所述处理器用于根据所述指令进行操作以执行第一方面所述方法的步骤。

第三方面，本发明提出了计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现第一方面所述方法的步骤。

采用以上技术手段后可以获得以下优势：

本发明提出了一种基于光伏组件I-V曲线的热斑电池片温度估算方法、装置及存储介质，通过对光伏组件I-V曲线的仿真、优化、分析，能够准确辨识出阴影遮挡的故障参数，估算出由阴影遮挡所产生的热斑电池片的温度，并获得热斑电池片变为负载后所产生的功率损耗，为热斑故障分险评估提供重要依据，进而提高光伏组件安全性，改善电站的发电收益，减少变电站火灾等事故的发生。相比于现有技术中的热斑电池片温度检测方法，本发明可以直接通过计算机程序自动估算热斑电池片温度，不需要借助外部设备，也不需要投入过多人力，自动化程度更高且成本更低，本发明适用于光伏组件的故障诊断、性能评估以及故障风险评估等领域，适宜推广使用。

附图说明

图1为本发明一种基于光伏组件I-V曲线的热斑电池片温度估算方法的步骤流程图。

图2为本发明实施例中利用实测I-V曲线确定等效阴影块个数的示意图。

图3为本发明实施例中实测I-V曲线和仿真I-V曲线的对比示意图。

图4为本发明实施例中电热耦合模型的示意图。

图5为本发明实施例中热斑电池片的I-V曲线示意图。

具体实施方式

下面结合附图对本发明的技术方案作进一步说明：

本发明提出了一种基于光伏组件I-V曲线的热斑电池片温度估算方法，如图1所示，具体包括以下步骤：

步骤A、获取光伏组件实测I-V曲线，并对实测I-V曲线进行预处理，其中，光伏组件实测I-V曲线可以通过扫描光伏组件获得，预处理主要包括插值处理和滤波处理。

步骤B、通过预处理后的实测I-V曲线的二阶导数获得光伏组件等效阴影块的个数，并根据等效阴影块个数确定待辨识的故障参数。

具有阴影遮挡的光伏组件I-V曲线都会有台阶生成，台阶的个数与阴影块的透光率有关，有几个不同的透光率则光伏组件I-V曲线就会有几个台阶，台阶的宽度与同一透光率下遮挡电池片的个数有关。

通过对预处理后的实测I-V曲线求电流对于电压的二阶导，可以得到光伏组件二阶导曲线，二阶导曲线的峰值点个数对应于等效阴影块个数n_b(即不同透光率下的阴影块个数)，不同阴影块的电池片个数可以在后续通过粒子群优化算法得到。

定义故障参数为

其中，n_b表示等效阴影块的个数；

其中，r_j表示第j个等效阴影块的透光率，透光率会影响被遮挡的电池片的辐照度；x表示各等效阴影块横向电池片遮挡数量，

其中，x_j表示第j个等效阴影块的横向电池片遮挡数量；y表示各等效阴影块纵向电池片数量，

其中，y_j表示第j个等效阴影块的纵向电池片数量；j＝1,2,…,n_b。在本发明中认为电池片被遮挡就会产生热斑，所以所有等效阴影块下的所有电池片个数可以认为是光伏组件中热斑电池片的个数。

图2为本发明实施例中利用实测I-V曲线确定等效阴影块个数的示意图，由于实测I-V曲线的点数较少且点数分布不均匀，不便于直接进行求导，所以先对实测I-V曲线进行插值、滤波处理后再进行求二阶导，从图中可以看出，二阶导数曲线的峰值点正好与实测I-V曲线台阶处的拐点相对应，实测I-V曲线台阶个数又与阴影块个数相同，因此可以用二阶导数曲线峰值点的个数来表示I-V曲线阴影块的个数。

步骤C、获得光伏组件I-V曲线仿真模型和光伏组件I-V曲线仿真模型的优化目标函数。

当光伏组件存在阴影遮挡时，被遮挡的电池片会出现反偏现象并且形成热斑，因为传统的单二极管模型无法准确的表征光伏电池片I-V曲线的反偏特性，所以本发明基于光伏电池反偏模型，利用电池片叠加原理建立光伏组件I-V曲线仿真模型，光伏组件I-V曲线仿真模型具体公式如下：

其中，I为光伏组件中单块电池片的电流，I_ph为光生电流，I₀为二极管饱和电流，q为电子常数，q≈1.60217662×10^-19C，V为光伏组件中单块电池片的电压，R_s为等效并联电阻，V_t为二极管热电压，R_p为等效串联电阻，λ为欧姆电流分数，λ与雪崩击穿相关，V_Br为反向击穿电压，m为雪崩击穿指数。

I_ph的计算公式如下：

其中，G为单块电池片的辐照度，G_ref为单块电池片STC下辐照度，I_ph,ref为单块电池片STC下的光生电流，α为光伏组件STC下短路电流温度系数，T为光伏组件背板温度，T_ref为光伏组件STC下背板温度。

I₀的计算公式如下：

其中，I_0,ref为单块电池片STC下的二极管饱和电流，E_g为禁带宽度，且E_g＝1.12，K为玻尔兹曼常数，K≈1.38064852×10^-23JK^-1。

V_t的计算公式如下：

其中，V_t,ref为单块电池片STC下的二极管热电压。

R_s＝R_s,ref，其中，R_s,ref为单块电池片STC下的等效并联电阻。

R_p的计算公式如下：

其中，R_p,ref为单块电池片STC下的等效串联电阻。

在公式(10)～(13)中，STC是一种标准测试环境，即辐照度G_ref＝1000、T_ref＝25℃的条件，通常在光伏组件铭牌上会标注有厂家出厂的时候在STC下所测得的一些电气参数以及相应的修正系数，所以上式中的参数I_ph,ref、I_0,ref、V_t,ref、R_p,ref、R_s,ref和α都可以由铭牌参数给定或求解得到。

此外，在具体计算过程中，对于未被遮挡的电池片来说，G为实测辐照度；对于被遮挡的电池片来说，G可以通过实测辐照度和该电池片对应的透光率来计算得出，G＝G_j＝r_j*G_s，其中，G_j表示第j个等效阴影块下的电池片的辐照度，G_s表示实测辐照度。

为了使仿真I-V曲线靠近实测I-V曲线，本发明获取了光伏组件I-V曲线仿真模型的优化目标函数，具体公式如下：

其中，

表示故障参数

最小化的目标函数，N为光伏组件I-V曲线点的个数，I_i,meas表示光伏组件实测I-V曲线中第i个点的电流，I_i,model表示基于光伏组件I-V曲线仿真模型的仿真I-V曲线中第i个点的电流，i＝1,2,…,N。

步骤D、利用粒子群优化算法对优化目标函数进行寻优，获得最优故障参数，并根据最优故障参数优化光伏组件I-V曲线仿真模型；具体操作如下

步骤D01、初始化待辨识的故障参数

根据公式(9)～(13)，通过实测的光伏组件辐照度和背板温度获取初始仿真I-V曲线，并利用优化目标函数计算初始阶段的适应值。

步骤D02、利用粒子群优化算法对优化目标函数进行寻优，在寻优过程中不断更新故障参数

进而更新仿真I-V曲线和适应值，令适应值最小化，获得最优故障参数，并根据最优故障参数优化光伏组件I-V曲线仿真模型。

在已知初始仿真I-V曲线、初始故障参数和初始适应值的前提下，通过更新故障参数来进行迭代寻优计算，直到使实测I-V曲线与仿真I-V曲线之间的均方根误差最小化，最小化时对应的故障参数即为最优故障参数，然后通过最优故障参数中的透光率计算光伏组件I-V曲线仿真模型中的各个参数，获得优化后的光伏组件I-V曲线仿真模型。

图3为本发明实施例中实测I-V曲线、正常仿真I-V曲线和优化后的仿真I-V曲线的对比示意图，可以看出，经粒子群优化算法优化目标函数后，优化仿真I-V曲线与实测I-V曲线几乎完全重合，其均方根误差为0.21。

步骤E、在步骤D的寻优过程中保留在光伏组件I-V曲线仿真模型中出现的反偏电流、电压的单块电池片I-V曲线，出现反偏电流、电压的单块电池片即为热斑电池片，该I-V曲线即为热斑电池片I-V曲线。

步骤F、根据优化后的光伏组件I-V曲线仿真模型和热斑电池片I-V曲线进行温度迭代计算，获得热斑电池片温度。

电池片被阴影遮挡后，被遮挡后的电池片变成负载消耗其他电池片所产生的功率发热，使电池片温度升高，电池片温度升高会对电池片的电气特性产生影响，电池片的电气特性又会对电池片的温度产生影响，两者之间形成闭环，因此本发明根据电池片电气特性与电池片温度的耦合关系获取了电热耦合模型，本发明实施例中的电热耦合模型如图4所示，电热耦合模型包括电气模型和热模型，电气模型的输入G为实测辐照度，电气模型的输出为反偏功率，热模型的输入为反偏功率，热模型的输出为电池片背板温度T。

反偏功率的计算公式如下：

P＝I_max*V_max (15)

其中，P表示反偏功率，I_max表示单块电池片的最大电流，V_max表示单块电池片的最大电压。

热模型的公式如下：

其中，T表示单块电池片温度，C_T为散热系数，S表示单块电池片的表面积。

C_T的计算公式如下：

由于热斑电池片的电气特性与电池片温度会相互影响，所以热斑电池片的温度不是恒定不变的，为了获得准确的温度值，本发明通过迭代算法来求解热斑电池片趋于稳定时候的温度值，具体操作如下：

步骤F01、根据实测的电池片辐照度和电池片背板温度，利用优化后的光伏组件I-V曲线仿真模型获得热斑电池片的电气特性，即根据热斑电池片的透光率和实测辐照度计算热斑电池片辐照度，再将热斑电池片辐照度和背板温度分别代入公式(9)～(13)来获得热斑电池片初始状态下的I-V曲线，进而获得热斑电池片的电流和电压。

步骤F02、利用热斑电池片的电气特性结合电热耦合模型计算热斑电池片的当前温度，将当前状态下热斑电池片的最大反偏电流和最大反偏电压代入公式(16)计算热斑电池片的当前温度。

步骤F03、将当前温度代入优化后的光伏组件I-V曲线仿真模型，即利用当前温度替换背板温度重新计算公式(9)～(13)，获得热斑电池片的更新电气特性，即更新电流和电压。

步骤F04、利用更新电气特性结合电热耦合模型计算热斑电池片的更新温度。

步骤F05、计算更新温度与当前温度的相对误差，并判断相对误差是否满足设定条件，其中，设定条件为更新温度与当前温度的最大相对误差达到10^-5。

步骤F06、如果相对误差不满足设定条件，则将更新温度作为新的当前温度重复步骤F03、F04、F05，进行迭代循环，直到满足设定条件；如果相对误差满足设定条件，则结束迭代，将更新温度作为最终的热斑电池片温度输出。

设本发明实施例中共有K个热斑电池片，其热斑电池片温度为T_h＝[T_h1,T_h2,…,T_hk,…,T_hK]，热斑电池片的最大反偏电流为I_hmax＝[I_hmax1,I_hmax2,…,I_hmaxk,…,I_hmaxK]，热斑电池片的最大反偏电压为V_max＝[V_hmax1,V_hmax2,…,V_hmaxk,…,V_hmaxK]，则第k个热斑电池片温度的计算公式如下：

其中，T_hk表示第k个热斑电池片的温度，I_hmaxk表示第k个热斑电池片的最大反偏电流，V_hmaxk表示第k个热斑电池片的最大反偏电压，S_hk表示第k个热斑电池片的表面积。

本发明实施例中提取的热斑电池片I-V曲线如图5所示，从图中可以看出热斑电池片I-V曲线出现反偏，变为负载消耗其他正常电池片所产生的能量并以热量的形式进行散发，使得热斑电池片温度升高，I_hmax与V_hmax分别是最大反偏电流和最大反偏电压，在本发明实施例中经过参数辨识共有三块电池片被遮挡，每块电池片的温度为46.6184℃，功率损失为16.57W。

步骤G、通过温度迭代计算获得热斑电池片变为负载后所带来的功率损耗。

当光伏组件存在阴影遮挡时，电池片失配，其工作在反偏电压下，电池片变为负载输入电流I即流过的工作电流，除了R_p带来的功率损耗，光伏电池片的反向漏电流会在并联电阻R_s处产生大量功率损耗，由于R_s>>R_p，因此串联电阻R_p产生的功率可以忽略不计，本发明热斑电池片变为负载后所产生的功率损耗的计算公式如下：

P_dk＝I_hmaxk*V_hmaxk (19)

其中，P_dk表示第k个热斑电池片变为负载后所带来的功率损耗。

本发明还提出了一种基于光伏组件I-V曲线的热斑电池片温度估算装置，包括处理器及存储介质；其中，存储介质主要用于存储指令；处理器主要用于根据所述指令进行操作以执行本发明基于光伏组件I-V曲线的热斑电池片温度估算方法的步骤。

本发明还提出了计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现本发明基于光伏组件I-V曲线的热斑电池片温度估算方法的步骤。

本发明可以通过光伏组件I-V曲线辨识出阴影遮挡的故障参数，并估算出由阴影遮挡所产生的热斑电池片的温度以及热斑电池片变为负载后所产生的功率损耗，此外，在计算热斑电池片温度的过程中，本发明通过电热耦合模型不断精确计算结果，提高温度估算的可靠性，为热斑故障分险评估提供了重要依据，相比于现有技术，本发明成本更低、自动化程度更高，适用于光伏组件的故障诊断，性能评估以及故障风险评估等领域。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。

Claims (10)

1.一种基于光伏组件I-V曲线的热斑电池片温度估算方法，其特征在于，包括以下步骤：

步骤A、获取光伏组件实测I-V曲线，并对实测I-V曲线进行预处理；

步骤B、通过预处理后的实测I-V曲线的二阶导数获得光伏组件等效阴影块的个数，并根据等效阴影块个数确定待辨识的故障参数；

步骤C、获得光伏组件I-V曲线仿真模型和光伏组件I-V曲线仿真模型的优化目标函数；

步骤D、利用粒子群优化算法对优化目标函数进行寻优，获得最优故障参数，并根据最优故障参数优化光伏组件I-V曲线仿真模型；

步骤E、在步骤D的寻优过程中保留在光伏组件I-V曲线仿真模型中出现的反偏电流、电压的单块电池片I-V曲线，即热斑电池片I-V曲线；

步骤F、根据优化后的光伏组件I-V曲线仿真模型和热斑电池片I-V曲线进行温度迭代计算，获得热斑电池片温度。

2.根据权利要求1所述的一种基于光伏组件I-V曲线的热斑电池片温度估算方法，其特征在于，所述预处理包括插值处理和滤波处理。

3.根据权利要求1所述的一种基于光伏组件I-V曲线的热斑电池片温度估算方法，其特征在于，所述故障参数为

其中，n_b表示等效阴影块的个数；

r_j表示第j个等效阴影块的透光率；x表示各等效阴影块横向电池片遮挡数量；y表示各等效阴影块纵向电池片数量；j＝1，2，…，n_b。

4.根据权利要求2所述的一种基于光伏组件I-V曲线的热斑电池片温度估算方法，其特征在于，光伏组件I-V曲线仿真模型的具体公式如下：

其中，I为光伏组件中单块电池片的电流，I_ph为光生电流，I₀为二极管饱和电流，q为电子常数，V为光伏组件中单块电池片的电压，R_s为等效并联电阻，V_t为二极管热电压，R_p为等效串联电阻，λ为欧姆电流分数，λ与雪崩击穿相关，V_Br为反向击穿电压，m为雪崩击穿指数；

I_ph的计算公式如下：

其中，G为单块电池片的辐照度，G_ref为单块电池片STC下辐照度，I_ph，ref为单块电池片STC下的光生电流，α为光伏组件STC下短路电流温度系数，T为光伏组件背板温度，T_ref为光伏组件STC下背板温度；

I₀的计算公式如下：

其中，I_0，ref为单块电池片STC下的二极管饱和电流，E_g为禁带宽度，且E_g＝1.12，K为玻尔兹曼常数；

V_t的计算公式如下：

其中，V_t，ref为单块电池片STC下的二极管热电压；

R_p的计算公式如下：

其中，R_p，ref为单块电池片STC下的等效串联电阻。

5.根据权利要求4所述的一种基于光伏组件I-V曲线的热斑电池片温度估算方法，其特征在于，优化目标函数的具体公式如下：

其中，

表示故障参数

最小化的目标函数，N为光伏组件I-V曲线点的个数，I_i，meas表示光伏组件实测I-V曲线中第i个点的电流，I_i，model表示基于光伏组件I-V曲线仿真模型的仿真I-V曲线中第i个点的电流，i＝1，2，...，N。

6.根据权利要求1所述的一种基于光伏组件I-V曲线的热斑电池片温度估算方法，其特征在于，所述步骤F的具体操作如下：

步骤F01、根据实测的电池片辐照度和电池片背板温度，利用优化后的光伏组件I-V曲线仿真模型获得热斑电池片的电气特性，即热斑电池片的电流和电压；

步骤F02、利用热斑电池片的电气特性结合电热耦合模型计算热斑电池片的当前温度；

步骤F03、将当前温度代入优化后的光伏组件I-V曲线仿真模型，获得热斑电池片的更新电气特性；

步骤F04、利用更新电气特性结合电热耦合模型计算热斑电池片的更新温度；

步骤F05、计算更新温度与当前温度的相对误差，并判断相对误差是否满足设定条件；

步骤F06、如果相对误差不满足设定条件，则将更新温度作为新的当前温度重复步骤F03、F04、F05，进行迭代循环，如果相对误差满足设定条件，则结束迭代，输出热斑电池片温度。

7.根据权利要求6所述的一种基于光伏组件I-V曲线的热斑电池片温度估算方法，其特征在于，所述电热耦合模型包括电气模型和热模型，其中，所述热模型的模型公式如下：

其中，C_T为散热系数，I_max表示单块电池片的最大电流，V_max表示单块电池片的最大电压，S表示单块电池片的表面积。

8.根据权利要求7所述的一种基于光伏组件I-V曲线的热斑电池片温度估算方法，其特征在于，所述方法还包括如下步骤：

步骤G、通过温度迭代计算获得热斑电池片变为负载后所带来的功率损耗，具体计算公式如下：

P_dk＝I_hmaxk*V_hmaxk

其中，P_dk表示第k个热斑电池片变为负载后所带来的功率损耗，I_hmaxk表示第k个热斑电池片的最大反偏电流，V_hmaxk表示第k个热斑电池片的最大反偏电压。

9.一种基于光伏组件I-V曲线的热斑电池片温度估算装置，其特征在于，包括处理器及存储介质；

所述存储介质用于存储指令；

所述处理器用于根据所述指令进行操作以执行根据权利要求1～8任一项所述方法的步骤。

10.计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1～8任一项所述方法的步骤。

Images