无框幕墙型建筑一体化光伏光热(BIPVT)系统的实验与物理耦合建模性能评估:多层导热与电池-管-流体换热机制解析

《Case Studies in Thermal Engineering》:Experimental and theoretical performance analysis of building-integrated photovoltaic and thermal system

【字体: 大 中 小 】 时间:2026年10月24日 来源:Case Studies in Thermal Engineering 6.6

编辑推荐:

  研究人员开展了无框幕墙型建筑一体化光伏光热(BIPVT)系统在实际运行条件下的实验与建模性能评估。具体而言,八块组件(每块面积1 m2,总面积8 m2)安装于零能耗性能试验房的南向立面,并于2025年9月1日至11月

  
研究人员开展了无框幕墙型建筑一体化光伏光热(BIPVT)系统在实际运行条件下的实验与建模性能评估。具体而言,八块组件(每块面积1 m2,总面积8 m2)安装于零能耗性能试验房的南向立面,并于2025年9月1日至11月8日运行以复现冬季运行工况。现场测量以1 min间隔记录垂直面辐照度、环境温度、进出口流体温度、流量以及基于逆变器的发电功率。晴空条件下,系统峰值发电功率和热能收集值分别达到1100 W和9049.8 W;整个监测期内最高累计发电量和热能收集量分别为87.9 kWh和119.6 kWh。为评估预测精度,在相同边界条件下实施并比较了四种电模型(基于标称工作电池温度(NOCT)的模型、Faiman模型、Sandia阵列性能模型(SAPM)和Skoplaki模型)与两种热模型(ISO 9806和Hottel–Whillier)。此外,提出并验证了一种新型物理基电池与出口流体温度耦合模型。该模型明确计入多层导热和电池-管-流体换热,发电与热的累计误差最低,分别为6.3%和1.3%,决定系数(coefficient of determination, R2)为0.975。值得注意的是,尽管实验期仅限于冬季,结果仍表明解析内部传热机制可显著提高BIPVT系统的预测精度。
研究背景与问题:建筑部门约占一次能源消费的33%,零能耗建筑对全球碳中和具有关键作用。韩国政府推动强制性零能耗建筑路线图,目标是在商业房地产主要终端用能部门实现能耗降低,并通过可再生能源提高能源自给率;到2030年,总建筑面积不小于500 m2的公共建筑需达到零能耗建筑3级(能源自给率60%–80%),总建筑面积不小于500 m2的私人建筑需达到5级(能源自给率20%–40%)。在此背景下,光伏光热(PVT)系统因同一太阳输入可同时发电和产热而受到关注;但传统PVT多安装于屋顶,高层建筑可用屋顶面积不随高度增加,适用性受限。建筑一体化PVT(BIPVT)将系统纳入建筑围护结构,垂直安装的立面BIPVT可缓解夏季高角度太阳暴露导致的过热,并改善冬季低角度太阳辐射捕获。然而,夏季热需求低且集热器过热和储罐升温可导致PVT集热性能停滞;冬季热需求高但太阳辐照降低又使发电和集热性能下降。为评估BIPVT实际适用性和设计可行性,仅展示实验结果不足,需能在不同气候、运行策略和系统配置下预测性能的仿真模型;且BIPVT垂直安装并与围护结构集成,电与热性能并非独立,电池温度、集热器温度和热回收条件强耦合,入口温度和流量也影响电池温度,独立分析单用途光伏或太阳能热模型难以充分表征。已有NOCT、SAPM、Faiman等电池温度模型多用于常规光伏,ISO 9806和Hottel–Whillier热模型源于倾斜平板集热器,不能充分刻画液冷BIPVT的多层导热阻力和电池至流体直接换热;在同一运行边界下同时比较垂直无框幕墙型液冷BIPVT电、热预测模型的研究仍不足。为此,研究人员在韩国能源研究院零能耗性能试验楼KePSH-2(energy-plus solar house)南向立面安装无框幕墙型液冷BIPVT,提出并验证新型物理基耦合模型,并在相同边界条件下系统比较四种发电模型和两种集热模型,量化忽略内部传热机制所导致的预测误差,为BIPVT仿真与设计中的模型选择提供依据。

技术方法概述:实验样本来自韩国能源研究院零能耗性能试验楼KePSH-2南向立面,安装8块1 m2无框幕墙型BIPVT,于2025年9月1日至11月8日以1 min间隔采集垂直面辐照度、环境温度、进出口流体温度、流量和逆变器发电功率。研究人员在相同边界条件下比较基于NOCT、Faiman、SAPM和Skoplaki的四种电模型及ISO 9806、Hottel–Whillier两种热模型;提出物理基耦合模型,按多层热阻、前后表面能量平衡、铜管与流体换热及Dittus–Boelter关联式计算,并用Newton–Raphson迭代求解电池温度和出口流体温度;以均方根误差(RMSE)、累计误差率和R2验证。

4.1 BIPVT系统实验结果:通过现场监测,晴空条件下系统峰值发电功率约1100 W,峰值热能收集达9049.8 W;日发电量0.0–6.2 kWh/day,日热能收集量0.0–9.5 kWh/day;整个监测期累计发电量和热能收集量分别为87.9 kWh和119.6 kWh。9月、10月、11月发电效率分别为7.1%、8.2%、9.2%,热能收集效率分别为17.6%、9.6%、10.9%。在8–10 L/min与16–18 L/min流量区间比较中,高流量区间平均集热率约提高28%,但因太阳辐照度增加导致分母效应,平均热效率约低6.3个百分点;两区间均表现为集热率随辐照度增加而增加。

4.2 仿真结果
4.2.1 电池温度:由于实验期无法直接测量组件电池温度,研究人员比较各发电预测模型的电池温度预测。所有模型均呈随辐照度升高至中午达峰后下降的日变化;某日最大电池温度分别约为NOCT模型39.5 °C、Faiman模型55.4 °C、SAPM 59.5 °C、Skoplaki模型28.9 °C、物理基模型41.5 °C;全期日均分别约为24.8、34.3、36.8、18.4和28.1 °C。物理基模型在夜间和低辐照期表现出更强冷却效应。风速敏感性分析中,Faiman、SAPM和Skoplaki模型平均电池温度随0.0–3.0 m/s风速变化分别约由37.3 °C降至29.5 °C、由46.0 °C降至42.7 °C、由38.8 °C降至26.3 °C;因对发电影响相对较小,分析采用月平均风速2.0 m/s。

4.2.2 出口流体温度:物理基模型可通过热平衡方程直接计算出口流体温度;ISO 9806和Hottel–Whillier模型用于计算有用热能,不能直接计算出口温度,故由计算所得集热量结合实测入口温度和流量反算出口温度。以11月3日为例,实测出口平均34.6 °C,物理基模型预测平均34.5 °C,实测峰值41.7 °C、预测峰值41.6 °C;ISO 9806模型平均34.1 °C、峰值41.4 °C;Hottel–Whillier模型平均35.1 °C、峰值42.2 °C。月分布上,物理基模型与实测出口温度在月中位数和分布范围上相近,ISO 9806与Hottel–Whillier模型彼此接近。

4.3 验证结果:通过月度累计和全期累计发电量、集热量以及RMSE、误差率和R2比较,物理基模型在发电方面对9月、10月、11月均给出最接近预测,月度RMSE最低为2.01 kWh/month(R2=0.979);全期实测发电87.9 kWh,物理基模型预测93.4 kWh,累计误差最低为6.3%,小时尺度RMSE为0.022 kWh、R2=0.989。热收集方面,9月ISO 9806模型最接近,10月和11月物理基模型最接近;物理基模型月度RMSE最低为5.14 kWh/month(R2=0.742),Hottel–Whillier模型月度R2为?7.57。全期实测集热119.6 kWh,物理基模型预测121.2 kWh,总误差率最低为1.3%;ISO 9806预测100.0 kWh(?16.4%),Hottel–Whillier预测196.8 kWh(+64.5%)。物理基模型预测出口温度与实测出口温度相关分析R2=0.976。

4.4 讨论:通过总累计发电比较,实测87.9 kWh,NOCT、Faiman、SAPM、Skoplaki和物理基模型分别预测102.1 kWh(+16.2%)、103.7 kWh(+18.0%)、94.9 kWh(+8.0%)、105.9 kWh(+20.6%)和93.4 kWh(+6.3%),物理基模型偏差最小;简化电池温度模型系统性高估发电,原因在于其原为常规倾斜光伏校准,未充分反映垂直立面有效辐照降低及液冷BIPVT流体取热改变的热动力学。热性能方面,物理基模型可直接由热平衡计算出口温度,ISO 9806和Hottel–Whillier需由有用热能反算出口温度;Hottel–Whillier大幅高估反映性能系数模型不适合垂直BIPVT高角度热损失条件,ISO 9806则低估。与既有BIPVT验证研究相比,本研究的垂直安装放大了配置相关偏差。设计上,高辐照期模拟电池温度峰值可达60.7 °C(SAPM),提示需使微通道平板热管(MFHP)阵列与辐照分布匹配;将热管密度集中于温度和辐照较高区域可能降低峰值电池温度并改善电、热产出。流量调制和基于预测出口温度梯度的阵列级控制可动态平衡取热与电效率;物理基模型数学结构不依赖季节,但夏季高温高辐照下辐射热损失非线性增强、流量控制变化和热停滞可能增大预测误差,需再验证。风速敏感性表明采用气象站平均风速替代可能对发电预测偏差相对较小,但集热预测对风速输入敏感;集总参数模型不能解析局部热点和详细温度分布。实际应用中,物理基模型最适合精确性能评估与设计审查;输入有限时SAPM可作为发电预测的实用替代;NOCT和Faiman实现简单但高估;Skoplaki依赖风速数据;热预测以物理基模型最合适,仅有集热器性能系数时可用ISO 9806,Hottel–Whillier不适合本研究条件。

研究结论部分翻译:研究人员利用2025年9月1日至11月8日以1 min间隔记录的数据,分析了安装于韩国大田韩国能源研究院KePSH-2建筑南向立面的无框幕墙型BIPVT组件的电、热性能。实验期内,晴空条件下BIPVT系统瞬时发电功率峰值约1100 W,瞬时热能收集峰值达9049.8 W;日发电量0.00–6.2 kWh/day,日热能收集量0.00–9.5 kWh/day;全期累计发电量和集热量分别为87.9 kWh和119.6 kWh。研究人员在相同运行条件下应用四种发电预测模型和两种集热预测模型,并提出直接计入多层导热热阻及铜管与传热流体换热的物理基电池/出口温度预测模型,与实测数据比较验证。月度比较显示,物理基模型对三个月发电均给出最接近预测;集热方面,9月ISO 9806模型最接近,10月和11月物理基模型最接近。总累计上,物理基电池/出口温度模型预测发电93.4 kWh、误差率+6.3%,预测集热121.2 kWh、误差率+1.3%,为所评估模型中最低误差;出口温度相关分析R2=0.976,表明模型可较好复现出口温度变化。结果揭示两个可推广机制:其一,简化经验电池温度模型在垂直立面BIPVT条件下系统性高估发电,因其原为常规倾斜光伏校准,未计入垂直表面有效辐照降低和循环传热流体主动冷却;其二,源于近最优倾角平板集热器实验的性能系数集热模型在垂直BIPVT中误差显著放大,高太阳入射角和墙侧绝热边界根本改变热损失特征,Hottel–Whillier模型+64.5%累计高估和月度R2为?7.57即为直接结果。由此,对于非标准朝向且集成流体取热的BIPVT系统,需采用显式解析多层导热和管内对流的物理基模型,以同时可靠预测电、热输出。实践上,发电预测中物理基模型在本研究垂直幕墙BIPVT条件下最准确,适合精确性能评估和设计审查;输入有限时SAPM可作为实用替代;NOCT和Faiman实现简单、计算负担低,但本研究条件下高估较明显,限制其用于精确设计;Skoplaki可考虑风速影响但依赖风速数据。集热率预测以物理基模型最合适,仅有集热器性能系数时可用ISO 9806;Hottel–Whillier未充分考虑垂直BIPVT热损失特征,不适合本研究条件。在依赖认证数据且详细输入有限时,Faiman模型(发电预测+9.7%)与ISO 9806模型(热预测?16.4%)组合可能更实用。研究局限包括:部分经验模型需风速输入但本实验无风速实测;实验期限于9月至11月,夏季过热与停滞、冬季低温低辐照及全年长期运行数据和季节运行策略仍需进一步验证。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号