核心观点
- 光伏性能建模的重要性: 由于光伏系统投资风险与实际性能预测的偏差密切相关，因此提高光伏性能建模的准确性和可靠性对于降低投资风险和促进光伏市场发展至关重要。
- 建模步骤: 光伏性能建模通常包括以下步骤：定义系统设计参数、选择辐照度和气象数据、将辐照度数据转换为阵列平面、估计阴影、污染和反射损失、估计有效辐照度、估计电池温度、估计电流和电压特性、估计直流布线和不匹配损失、估计直流到交流转换效率、估计交流布线和变压器损失。
- 太阳资源数据: 卫星和地面测量数据都是重要的太阳资源数据来源，但两者都存在不确定性。卫星数据近年来取得了显著改进，为大多数陆地地区提供了良好的数据覆盖，但地面测量数据通常更准确。
- 光谱校正: 太阳光谱的变化会影响光伏组件的性能，而光谱校正模型可以帮助量化这种影响。新的光谱校正模型利用易于获得的气象数据（如大气水汽含量、清晰度指数和大气质量）来更好地估计光伏性能中的光谱不匹配。
- 污染和积雪: 污染和积雪是光伏系统的主要能量损失原因，尤其是在某些地区。在性能预测中详细估计这些损失仍然是一个挑战。
- 双面光伏: 双面光伏组件可以显著提高系统性能，但目前的双面光伏建模工具无法准确预测双面组件的能量生产。
- 现场监测: 光伏系统现场监测需要标准化的方法来确保收集高质量的数据。需要制定标准化的现场监测方法，以确保收集高质量的数据。
关键数据和研究结论
- 卫星辐照度数据: 对欧洲四个卫星辐照度产品进行验证和比较表明，这些数据集的准确性正在提高，不同产品之间的差异正在缩小。
- 光谱不匹配: 新的光谱不匹配模型利用易于获得的气象数据，有望减少光伏性能建模中的不确定性。
- 污染损失: 在不同气候条件下，污染导致的能量损失差异很大。长期监测计划对于准确的性能建模和能量产量预测至关重要。
- 双面光伏收益: 双面光伏系统与传统单面系统相比，具有显著的能量收益，尤其是在地面反射率较高或垂直安装的情况下。
- 现场监测: 需要制定标准化的现场监测方法，以确保收集高质量的数据，并提高不同气候条件下数据的可比性。
未来研究方向
- 开发更准确的光谱不匹配模型。
- 改进污染和积雪损失建模方法。
- 开发能够准确预测双面光伏组件能量生产的模型。
- 制定标准化的现场监测方法。
