《Results in Engineering》：Multi-Physics Approach of Bifacial PV Systems Using Hybrid Optimization of One- and Two-Diode Models
编辑推荐：
本研究针对双面光伏（BPV）组件在复杂环境下的性能预测难题，开发了一种集光学、热学和电学于一体的耦合建模框架。通过对比单二极管（OD）和双二极管（TD）电学模型，研究人员发现TD模型在非标准条件下（如低辐照度、高温）具有更高精度，最大功率预测误差从OD模型的1.6%降至0.8%，为BPV系统的精确仿真和优化设计提供了可靠工具。
随着全球对可再生能源需求的日益增长，太阳能光伏技术正朝着更高效率和更低成本的方向发展。在这一背景下，双面光伏（Bifacial Photovoltaic, BPV）技术因其能够从正面和背面同时捕获光能而备受关注，理论上可带来5%-30%的发电量增益。然而，BPV组件的实际性能受到多种环境因素的复杂影响，包括正面和背面的不对称辐照度、环境温度、风速等。准确预测BPV在不同工况下的输出特性，对于系统设计、能量 Yield 评估和经济效益分析至关重要，但这恰恰是当前研究的难点所在。
传统的性能模型多基于单面光伏组件开发，难以准确描述BPV的双面受光特性。此外，在电学建模方面，广泛使用的单二极管（One-Diode, OD）模型虽然结构简单，但在低辐照度或高温等非标准条件下精度有限。而更复杂的双二极管（Two-Diode, TD）模型理论上能更精确地描述载流子输运和复合机制，但其在BPV建模中的应用效果及其与OD模型的对比尚缺乏系统性的评估。为了解决上述问题，并为BPV技术的推广应用提供更可靠的仿真工具，研究人员在《Results in Engineering》上发表了这项研究，旨在开发一个耦合的光学-热学-电学模型框架，并系统比较OD和TD模型在预测BPV性能方面的准确性和适用性。
为开展研究，作者主要采用了几个关键技术方法：首先，构建了一个光学模型来计算BPV正面和背面接收到的总辐照度，考虑了直射、散射和地面反射光分量。其次，建立了一个五层（前玻璃- EVA1-硅电池-EVA2-后玻璃）热模型来预测电池片在不同环境条件下的工作温度。最后，分别采用OD（五个参数）和TD（七个参数）等效电路模型来描述BPV的电学特性，并创新性地结合了遗传算法（全局搜索）和内点法（局部优化）的混合策略来精确提取模型参数。
光学模型
研究人员首先详细计算了到达BPV正面和背面的太阳辐照度。正面辐照度（GF）由直射光、散射光和地面反射光组成。背面辐照度（GR）的计算则更为复杂，除了考虑天空散射光和地面反射光外，还引入了视角因子模型来量化不同表面（如地面、周围物体）对背面辐照的贡献。通过这一模型，可以精确量化双面发电的增益来源。
热模型
电池温度显著影响光伏组件的输出电压和效率。本研究采用了一维瞬态五层热模型，为每一层（如前玻璃、EVA封装材料、硅电池等）建立了能量平衡方程。该模型综合考虑了太阳辐射的吸收、各层之间的导热、与环境的对流换热以及面向天空的辐射换热。通过求解这一方程组，可以动态预测电池片在不同气象条件（环境温度、风速、太阳辐照度）下的实际工作温度，为电学模型提供准确的温度输入。
电学模型与参数提取
研究的核心是比较OD和TD两种电学模型。OD模型使用五个参数（光生电流Iph、二极管反向饱和电流I0、串联电阻Rs、并联电阻Rp、理想因子n）来描述I-V特性。TD模型则增加了第二个二极管，用七个参数来分别描述扩散电流和复合电流，理论上能更精确地模拟电池内部的物理过程。
参数提取是一个关键的逆问题。研究人员采用了混合优化策略：首先使用遗传算法进行全局搜索，以避免陷入局部最优；然后利用内点法对初步结果进行精细优化，从而稳定且准确地确定了所有未知参数。验证结果表明，该提取方法在标准测试条件下与制造商数据高度吻合。
环境影响分析
研究系统分析了环境参数（环境温度、风速、正面辐照度、背面辐照度）对BPV输出性能的影响。
- •
环境温度：结果表明，随着环境温度升高，电池温度上升，导致开路电压下降，最大输出功率显著降低。在高温条件下（如50°C），OD模型会略微高估输出功率，而TD模型的预测更为保守和准确。
- •
风速：风速增加增强了组件表面的对流散热，降低了电池工作温度，从而提升了输出电压和最大功率。两种模型对风速的响应趋势一致，但在低风速（高温）条件下，差异更为明显。
- •
辐照度：正面和背面辐照度的增加都会线性提升短路电流和最大功率。研究特别指出，在低辐照度条件下（如200 W/m2），TD模型由于更好地描述了复合损失，其预测精度明显高于OD模型。而在高辐照度下，光生电流占主导，两种模型的预测结果趋于一致。
- •
季节性变化：对比夏季和冬季的日功率输出曲线发现，夏季正午高温高辐照条件下，两种模型的预测差异最大（TD模型预测功率比OD模型低约31W，相对差异达5.37%）。而在冬季，由于温度和辐照度较低，模型间的差异显著缩小。这凸显了TD模型在极端工况下的建模优势。
研究结论与意义
本研究的系统分析表明，虽然OD模型在接近标准测试条件或温和环境下能够提供可接受的精度且计算简便，但TD模型在更宽泛的操作条件下，特别是在低辐照度、高温以及存在前后辐照不对称的典型BPV运行场景中，表现出更高的准确性和可靠性。TD模型将最大功率的预测误差从OD模型的1.6%降低到0.8%，这一改进对于大型光伏电站的发电量预测和收益评估具有重要意义。
该研究提出的光-热-电耦合建模框架和混合参数提取方法，为BPV组件的性能仿真和系统优化提供了强有力的工具。研究结果指导工程师和系统设计者根据具体的应用环境和精度要求，选择合适的电学模型——对于需要快速估算和计算资源有限的场景，OD模型仍具价值；而对于追求精确预测、尤其是在复杂非标准条件下进行性能评估和故障诊断的场景，TD模型是更优的选择。这项工作深化了对BPV工作机理的理解，推动了光伏系统建模向更高精度发展，为双面光伏技术的规模化、高效化应用提供了坚实的理论支撑和技术方案。
