温度模型对比：德国与巴西双面光伏组件

《Solar Energy Advances》：Comparison of temperature models for bifacial photovoltaic modules in Germany and Brazil

　　

双面光伏（PV）组件的精确温度建模对于准确的能量产量预测和系统设计优化至关重要。本研究比较了三种广泛使用的稳态热模型——Ross、Faiman和PVsyst——在两种对比鲜明的气候条件下的性能：德国科隆（温带海洋性气候）和巴西弗洛里亚诺波利斯（湿润亚热带气候）。采用配备集成薄膜热电偶的相同双面玻璃-玻璃小组件，实现了电池温度的直接测量，减少了与传统外部表面传感器相关的不确定性。每种模型均使用基于文献的系数和本地校准系数进行评估，预测精度通过均方根误差（RMSE）和平均误差（ME）进行评估。结果表明，在所有模型和两个地点中，本地校准系数始终优于文献默认值，校准后RMSE值范围为2.06 K至2.47 K。在巴西，采用Uc=40 W/m2K的PVsyst模型实现了最低误差（RMSE=2.30 K），而在德国，采用本地推导系数的Faiman模型表现最佳（RMSE=2.06 K）。尽管气候条件截然不同，但校准后的模型性能在两个地点具有可比性，表明系数校准对预测精度的影响比气候区域更为显著。本研究进一步证明了温度传感器位置对系数校准的系统性影响：基于背板玻璃表面测量校准的模型低估了真实电池温度，与电池表面校准相比，RMSE增加最高达0.6 K。这些发现强调了直接电池温度测量和特定地点系数校准对于双面光伏系统可靠热建模的重要性。

**双面光伏组件温度模型对比研究：德国与巴西的双气候验证与系数迁移性分析**

**一、研究背景与问题提出**

光伏（PV）组件的工作温度是影响其能量转换效率、功率输出及长期运行可靠性的关键参数。随着光伏组件温度的升高，电池效率呈下降趋势，因此准确估算组件运行温度对于能量产量预测、系统性能评估及电站投资经济性分析具有重要意义。在巴西，光伏电站的发电潜力必须经过认证以降低能源拍卖中的投资者风险，这使得组件运行温度的可靠估算尤为关键。

目前，学术界和工业界已发展出多种基于气象参数（如环境温度、太阳辐照度和风速）估算光伏组件温度的稳态热模型，其中Ross模型、Faiman模型和PVsyst模型应用最为广泛，构成了众多商业仿真工具和性能评估方法的基础。然而，这些模型最初主要针对单面光伏技术开发和验证，其热量产生和耗散机制相对明确。近年来，研究者开始评估这些模型在双面光伏组件上的适用性，已有研究（如Oliveira等、Mannino等、Grisanti等）在单点气候条件下对双面组件的温度模型进行了校准和验证，报告了校准后约2 K至4 K的预测误差范围，并一致表明本地校准系数优于默认参数化。

然而，现有文献仍存在三个关键问题尚未充分解决：第一，校准后的热模型系数在对比鲜明气候条件之间的可迁移性如何；第二，温度测量位置对稳态热模型的校准系数和预测精度产生何种程度的影响；第三，在相同实验条件下，使用直接电池温度测量评估广泛使用的双面温度模型时，这些模型的表现如何。现有研究往往比较不同的安装场地、组件技术或测量方法，难以分离气候因素对模型性能的影响，导致热系数在不同运行环境间的可迁移性仍是一个开放性问题。

**二、研究内容与实验设计**

为回答上述问题，研究人员在德国科隆（温带海洋性气候）和巴西弗洛里亚诺波利斯（湿润亚热带气候）两个气候条件截然不同的地点部署了完全相同的双面玻璃-玻璃小组件。这些小组件在制造过程中嵌入薄膜热电偶，能够直接接触并测量光伏电池的温度，从而避免了传统外部表面传感器带来的测量不确定性。两个实验地点的环境参数（包括辐照度、风速和环境温度）以不同时间分辨率进行记录，小组件在整个测量期间保持在最大功率点（MPP）运行。

研究采用三种稳态热模型（Ross、Faiman和PVsyst）进行温度预测，每种模型均使用文献典型系数和通过线性回归方法从测量数据中计算的本地校准系数进行评估。数据集按照辐照度分层分为训练集（70%）和验证集（30%），仅使用平面阵列（POA）辐照度大于400 W/m²的数据点进行系数回归，验证则使用全部数据点。模型性能主要通过均方根误差（RMSE）和平均误差（ME）进行量化评估。

**三、主要研究结果**

**3.1 温度系数计算**

研究发现，Ross模型的校准系数在巴西（k=0.017 K·m2/W）和德国（k=0.025 K·m2/W）均与文献典型值（k=0.021 K·m2/W）存在差异，回归拟合质量良好（巴西R2=78%，德国R2=87%）。Faiman模型的系数确定则面临挑战，两个地点的回归拟合极差（巴西R2=1%，德国R2=0%），表明嵌入组件内的热电偶测量与风速之间缺乏直接同步相关性。PVsyst模型的系数确定具有较高置信度（巴西R2=74%，德国R2=77%），巴西校准系数（Uc=39 W/m2K）接近组件制造商推荐值（Uc=40 W/m2K），而德国校准系数（Uc=27 W/m2K）更接近PVsyst软件默认值。

**3.2 模型预测性能**

使用文献典型系数时，Ross模型在两个地点的预测精度相似（巴西RMSE=2.79 K，德国RMSE=2.66 K）。Faiman模型在文献系数下表现较差，德国最佳配置的RMSE为3.60 K，巴西为3.34 K。PVsyst模型在巴西使用Uc=40 W/m2K时表现良好（RMSE=2.30 K），但在德国使用相同系数时误差显著增加（RMSE=3.61 K）。

采用本地校准系数后，所有模型的预测精度在两个地点均得到改善。在巴西，Ross模型RMSE降低至2.32 K，PVsyst模型（Uc=39 W/m2K）RMSE为2.47 K，Faiman模型RMSE为2.41 K。在德国，Faiman模型实现最佳预测精度（RMSE=2.06 K），PVsyst模型（Uc=27 W/m2K）RMSE为2.21 K，Ross模型RMSE为2.19 K。尽管两个地点的气候条件截然不同，校准后模型的整体性能具有可比性，表明系数校准对模型性能的影响超过气候区域本身。

**3.3 传感器位置对系数校准的影响**

对比德国实验中电池表面和后玻璃表面两个热电偶位置的数据，发现电池温度中位数比后玻璃温度高0.3 K。当使用后玻璃温度测量值进行系数校准时，所有模型的系数均发生变化：Ross系数k变化-17.9%，Faiman系数U0增加12.2%、U1增加30%，PVsyst系数Uc增加17.5%。使用这些基于玻璃表面校准的系数预测电池温度时，模型精度普遍下降，RMSE增加范围为0.54 K至0.93 K，其中Faiman模型精度下降最为显著（ΔRMSE=0.93 K）。在高辐照度时段，由于层压板内温度梯度增大，基于玻璃表面校准的模型对真实电池温度的系统性低估更为明显。

**3.4 环境因素敏感性分析**

误差敏感性分析表明，所有模型和两个地点的绝对误差均与辐照度呈正相关。使用本地校准系数后，辐照度-误差相关性显著降低：Ross模型R2从0.31-0.34降至0.02-0.14，PVsyst模型R2从0.55-0.62降至0.00-0.16。风速和环境温度与预测误差之间未发现相关性（所有模型和地点R2=0）。

**四、结论与讨论**

本研究系统评估了Ross、Faiman和PVsyst三种温度模型在两种对比气候条件下对双面光伏组件的预测性能。研究结果表明，模型性能在两个地点具有一致性，但实现最高精度需要特定地点的系数校准。PVsyst模型在巴西实现最佳精度（RMSE=2.30 K，Uc=40 W/m2K），Faiman模型在德国表现最优（RMSE=2.06 K，校准系数）。值得关注的是，Faiman模型系数的可靠确定面临挑战（R2=0-1%），研究人员将其归因于嵌入式温度传感器降低了风速与电池温度变化之间的相关性，这一发现对当前关于风速在温度模型中的作用的讨论具有重要意义。

研究还揭示了温度传感器位置对系数校准的系统性影响：基于后玻璃表面温度校准的系数会导致对真实电池温度的低估，RMSE增加最高达0.93 K。这一发现强调了直接电池温度测量对于可靠热建模的重要性，并为双面光伏系统温度模型的准确应用提供了重要指导。研究进一步表明，在模型校准准确的前提下，校准系数比气候区域对预测精度的影响更为显著，这为温度模型系数在不同地理位置的迁移应用提供了新见解。