基于大豆种植的农业光伏系统耦合建模、设计优化与实验研究

《Computers and Electronics in Agriculture》：Coupling modeling, design optimization, and experimental research of agrivoltaic systems based on soybean cultivation

　　

•构建了农光互补系统的光 - 电 - 作物耦合模型。•提出了一种基于 Kriging-NSGA-II 的多目标优化策略。•通过种植实验验证了耦合模型的有效性。

引言
可再生能源的快速发展对于减少化石能源依赖和温室气体排放至关重要。太阳能光伏（PV）因其可扩展性、模块化和低运营排放，已成为这一转型的重要组成部分 (Güney, 2022)。据中国国家能源局数据，截至 2025 年底，全国太阳能发电装机容量达到 12.0 亿千瓦，同比增长 35.4% (N.E. 2025)。然而，大型地面光伏项目可能加剧耕地竞争，特别是在人口稠密地区，土地必须同时支持粮食生产、基础设施和生态功能 (Wei et al., 2025)。农光互补系统通过在同一土地上同时配置发电和农业生产，并将太阳辐射视为在组件和作物之间分配的资源而非仅由一种用途捕获，来解决这一冲突 (Toledo and Scognamiglio, 2021)。

因此，农光互补的价值超越了节约土地。设计良好的系统可以为可再生能源供应、粮食生产、气候适应和农村收入多元化做出贡献，而设计不佳的系统可能会降低作物生产率、限制机械化作业或造成额外的结构和维护负担。这些功能与联合国可持续发展目标中的粮食安全与可持续农业（SDG 2）、可负担的清洁能源（SDG 7）和气候行动（SDG 13）直接相关 (United Nations, 2030)。因此，工程目标不是在孤立情况下最大化光伏输出，而是协调能源生产与作物光需求、水和养分过程、机械准入、结构安全、运营维护和经济可行性。农光互补系统的控制策略同样强调应将发电量和农业产量一起评估 (Tian et al., 2025)。

这种协调很大程度上受阵列下方太阳辐射再分布的控制。倾斜角改变组件的入射角和阴影的长度与移动；行距决定地面覆盖率、安装光伏密度以及相邻阴影之间的重叠；安装高度影响阴影过渡、漫射光渗透、通风、维护准入以及潜在的农业机械通行空间 (Sarr et al., 2024)。这些变量与纬度、季节、组件尺寸、方位角、地面反射率、作物冠层发育和当地天气相互作用。近期关于地面覆盖率和气候依赖性临界点的研究进一步表明，适合一种作物、季节或地区的配置不能自动被视为通用设计 (Dupraz, 2024, Zhang et al., 2025)。因此，可信的工作流必须代表空间非均匀的光场，并将其与电气和生物响应联系起来。

地面辐照度建模是这样一种工作流的第一个组成部分。太阳辐射分解和转换模型估计直射、漫射和阵列平面分量，但其准确性取决于大气条件、时间分辨率、倾斜角和天空晴朗度 (Gueymard and Ruiz-Arias, 2016, Ineichen et al., 1992, Ruiz-Arias and Gueymard, 2024, Yang et al., 2013)。获得这些分量后，必须解决阵列下方的几何阴影和反射问题。投影和视角因子方法计算效率高，而光线追踪可以在更复杂的三维场景中表示直射、漫射和反射辐射 (Torrente et al., 2024, Riedel-Lyngsk?r et al., 2020)。开源的 bifacial_radiance 包应用基于 Radiance 的光线追踪，并已用于软件验证和农光互补分析 (Ayala Pelaez and Deline, 2020, Mouhib et al., 2024)。其解决随时间变化的空间异质阴影的能力对作物光照研究很有价值，但结果仍对场景几何形状、光学性质、反照率、传感器网格分辨率、气象输入和数值设置敏感。因此，更高的几何细节并不能免除报告假设和验证证据的需要。

第二个组成部分是光伏能源模型，它将阵列平面辐照度和组件温度转换为直流和交流输出。农光互补研究使用了 PVWatts、单二极管公式、PVsyst、系统顾问模型（SAM）和基于 GIS 的评估工具 (Willockx et al., 2024, Campana et al., 2021, Malu et al., 2017, Ghaffarpour et al., 2024, Sacchelli et al., 2016, Trommsdorff et al., 2021)。这些方法在计算复杂性和所代表的损失方面有所不同。组件失配、逆变器削峰、积尘、退化、电缆损失、详细电气阴影和可用性可能会实质性影响实测能源，但在设计阶段计算中经常被简化。因此，模型可能重现预期的日曲线，但仍会高估长期能源或夸大布局之间的微小差异。当狭窄的模型能源范围被转化为工程建议时，这种区别尤为重要。

第三个组成部分是作物模型。农光互补遮阴改变了截获的辐射，也可能影响冠层温度、土壤蒸发、蒸腾、土壤湿度和养分动态。STICS、GECROS、APSIM 和 DNDC 等机制模型已被应用于表示这些相互作用响应 (Dupraz et al., 2011, Amaducci et al., 2018, Elamri et al., 2018, Jing et al., 2022, Holzworth et al., 2014, Ahmed et al., 2022, Al Mamun et al., 208 (2023), Mohanty et al., 2012)。APSIM 特别相关，因为它将物候、辐射截获、生物量积累、土壤水、氮、温度胁迫和管理联系起来。当数据有限时，经验方法可能有用，但诸如辐射与产量之间固定线性关系等假设可能不会在不同作物物种、生长阶段、气候或光伏覆盖率下保持有效 (Cossu et al., 2020, Riaz et al., 2021)。现场和系统性证据进一步表明，农光互补对蒸散发、水分利用效率和产量的影响随作物生理、气候、灌溉和系统设计而异 (Randle-Boggis et al., 2025, Omer et al., 2025)。因此，作物模型评估应区分绝对产量准确性与重现相对或空间响应模式的能力。

最后的设计阶段将子模型集成到多目标决策框架中。基于模拟的多准则分析、开源农光互补环境和数字孪生优化已被用于比较替代配置下的能源 - 作物权衡 (Bellone et al., 2024, Bruhwyler et al., 2024, Mengi et al., 2023)。诸如 Kriging 的代理模型可以降低重复物理模拟的成本，而诸如 NSGA-II 的进化算法可以有效地搜索冲突目标 (Mohammadpour et al., 2024, Shi et al., 2025)。然而，高代理拟合优度仅表明重现了训练模拟器；它不构成独立的现场验证。同样，物理模型训练包络之外的帕累托解是外推，除非定义了利益相关者权重和工程约束，否则无法可重复地选择单一折衷解。

近期研究也强调经济性和作物特异性解释。意大利的大豆建模展示了将光伏引起的光变与基于过程的作物响应联系起来的可能性 (Potenza et al., 2022)。印度的技术经济分析和更广泛的欧洲经济评估表明，电力价值、作物价值、支撑结构、土地利用、融资、运营和维护可以改变首选配置 (Patel et al., 2024, Zidane et al., 2025)。现场能源 - 粮食 - 水证据和气候尺度综合同样表明，实际性能取决于当地天气、作物敏感性、水平衡以及可靠敞田参考的可用性 (Dupraz, 2024, Zhang et al., 2025, Randle-Boggis et al., 2025, Omer et al., 2025)。这些发现支持集成优化，但也警告不要将模型衍生的几何形状直接转移到另一个地点。

本研究选择大豆作为研究对象基于三个原因。首先，它是一种广泛种植的粮食、饲料和油料作物，因此在扩大可再生能源的同时保持其生产率具有实际意义。其次，冠层发育和产量形成对辐射和遮阴敏感，这使得大豆适合检查农光互补的光共享机制。第三，APSIM 中有大豆参数化和基于过程的大豆模块 (Mohanty et al., 2012, Potenza et al., (2022) 1160.)，使模拟地面辐照度能够与物候、生物量积累、胁迫响应和产量联系起来，而不是与单个经验系数联系起来。

尽管总结了上述进展，仍有四个与工程设计相关的差距。第一，许多研究未报告连接几何输入、气象数据、地面辐照度、光伏能源、作物响应、代理建模和多目标搜索的完整且可重现的链条。第二，参数范围通常在不区分直接模拟插值域和外推搜索区域的情况下呈现。第三，光伏和作物组件经常使用不同的系统或时期进行评估，但随后被描述为仿佛完整耦合系统已同时验证。第四，结构容量、机械准入、水管理、运营、维护和经济损失约束并不总是与纯模型衍生的最优解分离。

因此，本研究做出了四个具体贡献。第一，它建立了一个透明的光 - 电 - 作物工作流，耦合了 bifacial_radiance、基于物理的光伏能源计算和 APSIM 大豆模拟。第二，它使用 Kriging 代理模型和 NSGA-II 来表征季节光伏能源与大豆产量之间的权衡，同时报告参数域、算法设置和可重现的折衷选择规则。第三，它使用独立证据评估光伏和作物分支，并明确限制每个验证的解释，而不是声称同系统全验证。第四，它在既定的工程和技术经济边界内解释模型敏感性和帕累托解。本研究是一项设计阶段和中试规模的决策支持调查；它不替代全规模、同系统、多季节现场验证。

章节片段
农光互补系统与设计范围
在中国国家重点研发计划的支持下，长期工程目标是在北京市海淀区（116°21′2″ E, 40°0′2″ N）设计一个 40 千瓦的大豆农光互补系统。系统示意图如图 1 所示。阵列朝南，主要设计变量是光伏倾斜角、安装高度和行距。本文结合设计阶段模拟与较小的屋顶中试；中试用于评估选定的模型组件和

农光互补系统的建模、设计与优化
图 2 将耦合工作流组织为四个阶段：输入、物理模型、输出与数据集构建以及优化与决策。光伏几何形状和气象数据驱动地面辐照度计算。由此产生的阵列下方辐照度，连同作物、土壤、天气和管理输入，被 APSIM 大豆模型使用，而气象和光伏电气参数驱动光伏发电模型。来自 120 次模拟的大豆产量和光伏能源

屋顶中试系统
使用小型屋顶农光互补中试在建设预期的 40 千瓦系统之前评估作物空间响应和选定的模型组件。

中试系统的物理布局、播种安排和照片如图 4 所示。中试由两排朝南的 48 块单晶硅组件组成，每排 24 块。每个组件尺寸为 1.47 米 × 0.679 米；行距为 4.842 米；前边缘和后边缘高度分别为 0.56 米和 1.60 米；并且

分析与讨论
以下结果描述了所选模型在所述北京生长季节输入和参数假设下的响应。它们被解释为设计敏感性，而非通用工程建议。

结论
本研究开发了一个透明的设计支持工作流，为北京大豆农光互补案例耦合了空间地面辐照度、光伏能源、APSIM 大豆产量、Kriging 代理模型和 NSGA-II 多目标搜索。
(1)对于独立的 18 千瓦阵列，光伏子模型在晴朗一天 288 条五分钟记录中实现了 RMSE = 116.5 W，MAE = 56.413 W，R2 = 0.9993，最大相对误差为 1.35%。作物分支重现了六行空间生物量模式，并

CRediT 作者贡献声明
余强：写作 - 审查与编辑，写作 - 原稿，可视化，验证，软件，方法学，形式分析，数据整理。张高峰：写作 - 原稿，验证，软件，方法学。许晓宇：写作 - 原稿，方法学。赵文尧：软件，方法学，数据整理。李浩言：可视化，验证。赵建：资源，项目管理。

伦理声明
作者声明本研究不涉及人类或动物受试者。

利益冲突声明
作者声明他们没有已知的竞争性经济利益或个人关系可能影响本论文报告的工作。

致谢
作者感谢智能电网 - 国家科技重大专项（2024ZD0800500）提供的资金支持。

余强 | 张高峰 | 许晓宇 | 赵文尧 | 李浩言 | 赵建