光學損失故障對單晶硅光伏電池參數的影響

程　澤　鞏　力　劉艷莉

(天津大學電氣與自動化工程學院　天津　300072)

?

光學損失故障對單晶硅光伏電池參數的影響

程澤鞏力劉艷莉

(天津大學電氣與自動化工程學院天津300072)

長時間暴露在室外的光伏電池會出現封裝材料的老化或破損，從而導致電池的光學損失故障。為研究不同的故障狀態對光伏電池模型參數的影響，從等效透光率的角度入手，用半透膜逐層遮擋的方法模擬光伏電池不同的光學損失故障狀態，測量并分析相應狀態下光伏電池的I-V特性曲線，采用自適應混沌粒子群算法辨識出相應光伏模型的5個參數值，從而對在發生光學損失故障時的光伏電池模型參數的變化規律進行研究，得到了能較好表現光伏模型參數變化規律的非線性表達式，為提高光伏電池的效率和后續光伏電池故障診斷的研究打下基礎。

光伏電池光學損失故障故障診斷參數辨識

0　引言

近年來，光伏系統的裝機容量快速增長，2014年全球新增光伏裝機容量49GW，光伏組件價格的降低和系統穩定性的提高，減少了光伏電站生命周期的運行成本，使得光伏電池有著良好的發展前景[1]。光伏電池板安裝在環境較為惡劣的室外，輸出受光照強度和環境溫度影響較大，在長時間運行過程中可能會發生熱斑、裂片、老化等故障，導致光伏電池輸出功率降低，嚴重時甚至發生火災等危及電廠的安全[2]。光學損失故障是由遮擋或封裝材料老化而造成[3]，因此深入研究光學損失故障對輸出特性的影響，對改進太陽能的利用和研究故障診斷方法具有指導作用。

1　光伏電池老化問題分析

光伏電池常見的的封裝結構如圖1所示。超白玻璃是一種超透明低鐵玻璃，可最大限度地提高陽光的透過率。實際工作中，隨著運行時間的加長，光伏模塊可能由于多種原因發生退化故障，如污物、遮擋、封裝變色、封裝玻璃腐蝕或破裂、增透膜老化等會使到達電池表面的進光量減少。另外，組件連接故障會導致串聯電阻增加，如電線、接線盒、連接器的老化腐蝕或斷路。而生產、封裝、運輸、安裝、運行過程中由于機械應力或熱應力的變化也會對電池造成機械損傷故障[3]。

圖1　光伏電池結構Fig.1　The stricter of photovoltaic panel

在惡劣的室外環境中，EVA(Ethylene-VinglAcetate)和超白玻璃的工作壽命比由硅晶片組成的PN結壽命短得多。超白玻璃遇到高溫高濕環境會發生硅酸鹽水解，出現白斑；而EVA在光熱和氧的作用下易黃化變色[4-6]，會降低電池光學透光率。

本文主要研究光伏電池封裝玻璃腐蝕、增透膜老化以及EVA變色脫層等原因造成的光學損失故障對單晶硅太陽能電池參數的影響。

2　光伏電池模型

光伏電池單二極管模型是應用最廣泛的模型，它準確度較高，模型又相對簡潔。模型由5個參數組成，如圖2所示。根據光伏電池模型等效電路，可以得出光伏電池的I-V特性方程[7，8]。

(1)

式中，Iph為光生電流，A；I0為二極管反向飽和電流，A；Rsh為并聯電阻，Ω；RS為串聯電阻，Ω；n為二極管品質因子。

圖2　單二極管模型Fig.2　The one-diode model

引用LambertW函數對超越方程進行簡化[9-11]，可得到光伏電流I的顯式表達式為

(2)

在I-V曲線的低電壓段，V→0時，流過二極管的電流極小，可以忽略。對電流方程進行求導

(3)

在短路點I=ISC，V=0時，式(4)成立，有

(4)

在開路點I=0，V=VOC時，式(5)成立，有

(5)

(6)

另外，在開路點I=0時，式(1)可轉換為

(7)

聯立解方程組(8)，可得出待定參數的解析解。因此根據方程組解得電池參數在不同輻照度下的估計值[12]為串聯電阻Rs、并聯電阻Rsh、光生電流Iph、反向飽和電流I0以及二極管理想因子n。

3　故障的模擬方法及實驗數據的采集處理

3.1故障模擬與實驗設備

對于電池封裝玻璃腐蝕、增透膜老化以及EVA變色脫層等原因導致的光學損失故障，其結果都是使硅電池表面透光率降低，所以基于同樣的原理，可以利用半透膜遮擋降低電池表面透光率的方法來模擬這種老化故障。遮擋薄膜的不同層數，可以模擬不同光學損失程度時組件的狀態。

實驗采用透光率均勻的高密度聚乙烯薄膜遮擋電等效模擬電池不同程度的光學損失狀態，如圖3所示。定制的單晶硅電池板上每個電池單體有獨立引線。輻照度檢測選用SEAWARDSOLAR公司的SURVEY200測試儀，技術參數見表1。

(8)

圖3　定制的光伏板及透光率的遮擋實驗Fig.3　The customized PV panel in the experiment表1　SURVEY200技術參數表Tab.1　The technical data sheet of SURVEY200

項目輻照度/(W·m-2)溫度/℃傾角/(°)測量范圍100～1250-30～+1000～90分辨率111準確度±(5%+5digits)±1±2%

測量裝置——DSP數據采集卡采用阿爾泰USB2812數據采集卡，擁有12位準確度和250KS/s的采樣頻率，配合便攜式筆記本計算機進行數據存儲。實驗電路原理如圖4所示，其中R0為0.1Ω的精密電阻(±0.1%)，R1、R2采用最大阻值為200Ω的大功率滑動變阻器。圖5為實驗系統實物圖。表2為遮擋層數與輻照度衰減的關系。由于電池單體電壓較低，故將8塊單體串聯作為實驗對象。

圖4　實驗電路原理Fig.4　The experimental circuit

圖5　實驗系統Fig.5　The experimental system表2　遮擋薄膜層數與輻照度衰減關系Tab.2　The relation between shading layers andthe reduced irradiance

遮擋薄膜層數0124681014ΔS/(W·m-2)080160305400480550650L00.080.160.3050.40.480.550.65H10.920.840.6950.60.520.450.35

令標準測試條件(StandardTestingConditions，STC)下輻照度為Sref(1 000W/m2)下，遮擋后輻照度衰減值為ΔS，遮擋后的輻射量為S=Sref-ΔS，則定義光學損失程度L和光學健康程度H分別為

L=ΔS/Sref

(9)

H=S/Sref

(10)

STC(25℃，AM1.5)下，將表2中的數值帶入式(9)、式(10)可求出遮擋光學損失程度L。從表2可看出，輻照度隨遮擋層數增加而降低。

3.2數據采集與處理

實驗條件：光伏板面向正南方，與地平面成35°，輻照度為1 000W/m2，電池板溫度為25 ℃(測試時間很短，確保過程中輻照度和溫度不變)。根據薄膜對輻照度遮擋程度的不同，將光伏電池光學損失的模擬分為表2所示的8個階段。每個階段，改變負載電阻的阻值，測出光伏電池輸出曲線。

對采集到數據進行濾波處理：先剔除曲線中的毛刺，然后利用數字平均值濾波，得到由數千個點組成的I-V曲線，若將其全部帶入到參數辨識算法中，則計算量過于龐大，所以提取具有代表性的點帶入到辨識算法中進行模型參數的辨識：由于每條曲線基本都可以分為電壓小于3V較為平坦的部分和大于3V變化較為陡峭的部分。對電壓小于3V部分，每0.1V區間內取一個均值點作為特征點；在電壓大于3V部分，每隔0.05V取一個均值點作為特征點。結果如圖6所示。

圖6　原始數據中選取特征點數據Fig.6　The feature points selected from the raw data

3.3光伏模型參數辨識方法

光伏電池的I-V曲線是電池特性的宏觀表述，模型中的5個參數是光伏電池模型內在特性的反映，對光伏電池參數進行辨識可以研究光伏電池發生故障時的特性。本文利用自適應混沌粒子群算法進行光伏電池模型參數的辨識[13-16]。自適應算法增強了算法在全局與局部搜索的平衡性，降低了算法迭代次數。

參數辨識算法的流程如圖7所示，將實驗數據帶入算法中進行辨識，得到I-V曲線對應模型參數的辨識結果見表3。

圖7　光伏電池模型參數辨識算法流程Fig.7　The flow chart of the algorithm表3　不同光學損失程度下的參數辨識結果Tab.3　The identification results of different reduced irradiance

LIph/AI0/mAnRs/ΩRsh/Ω0.651.8830.029113.440.4281258.20.552.4290.044613.560.301860.60.482.8310.046113.590.252735.30.43.2790.054513.880.226572.40.3053.7280.078614.070.195485.80.164.5600.140014.500.176432.20.084.9780.191014.610.169415.305.4650.232814.830.165396.9

4　光學損失故障對模型參數影響的分析

4.1光學損失故障對光生電流的影響

陽光入射光伏電池后被PN結吸收，由光生伏打效應產生光生電流，Iph可表示為光照面積Aill與光生電流密度Jpv的乘積。

Iph=AillJpv

(11)

波長λ的光入射后產生的光生電流密度為

(12)

式中，G(λ)為過剩載流子產生率；τ為過剩載流子壽命；Δn為過剩載流子濃度；Jsr(0)為前表面復合率；Jsr(H)為后表面復合率。則總電流密度為

(13)

G(λ)正比于輻照度，因此光生電流Iph正比于遮擋后的輻射量S。因此，在STC條件下輻照度為Sref，當發生光學損失故障時，入射到電池的輻照度降為S，則可推導出光生電流為

(14)

圖8的實驗數據證明了推導結果的正確性。

圖8　光生電流隨H的變化Fig.8　The change of Iph with H

4.2光學損失故障對二極管反向飽和電流的影響

反向飽和電流是由少數載流子的漂移運動形成的。一般認為反向飽和電流受到溫度的影響，如式(15)所示[17]。

(15)

(16)

圖9　反向飽和電流隨H變化Fig.9　The change of I0 with H

4.3光學損失故障對理想因子的影響

理想因子n是PN結的工作狀態與理想狀態的差距，表示PN結的電子運載能力。用牛頓拉夫遜法求解光伏參數時，n取值會影響其他參數的求解，導致參數漂移[18]。實驗結果表明n不僅取決于溫度、內部電壓，也會受到光學損失的影響。當發生光學損失故障時，入射的輻照度減小，導致電池表面復合電流減小，從而影響理想因子。如圖10所示，n隨H增大而增大，用線性關系近似表示其趨勢為

(17)

圖10　理想因子與輻照度的關系Fig.10　The change of n with H

4.4光學損失故障對串聯電阻的影響

串聯電阻是金屬柵極與硅材料間接觸電阻、PN結發射極和基極區電阻、電池金屬線電阻、內部匯流排電阻等幾個部分的和[19]。

由模型的近似推導可知，串聯電阻可以用I-V曲線開路電壓處的斜率表示(見式(18))。其絕對值越小，串聯電阻越大，填充因子(式(19))越小，Pm=VmIm越小。所以Rs對光伏電池最大功率點影響較大。

(18)

(19)

串聯電阻受到溫度和輻照度的影響，溫度越高光照量越大，串聯電阻越小，所以文獻[20]認為串聯電阻與輻照度呈反比。于是當發生光學損失故障時，入射到PN結表面的輻照度減小，H減小，串聯電阻增大，Rs與H呈反比。

(20)

從圖11可以看出,式(20)基本反映了Rs隨H變化的趨勢，但效果不理想。這是由于在較高輻照度下，隨著H增加，Rs以緩慢的速度減小到最小值，所以本文推導了指數形式的描述Rs與H關系為

(21)

從圖11可以看出，式(21)更接近于圖中的曲線。

圖11　串聯電阻隨H的變化Fig.11　The change of Rs with H

4.5光學損失故障對并聯電阻的影響

并聯電阻是由結內或附近的傷痕或雜質導致的，它提供了電流穿過PN結或電池邊緣的并聯傳導路徑，也就意味著在電池中存在內部負載，即并聯電阻[21-24]。

并聯電阻值必須盡量大以避免結的電流損失，因為它會減小光生電流從而影響光伏電池的輸出[22]，甚至導致嚴重的失配功率損失。并聯電阻可以用短路處的斜率表示(式(22))，其絕對值越大，Rsh越小。

(22)

如圖12所示，并聯電阻對H有很強的相關關系。在H較小時，Rsh較大，Rsh隨H增加而減小，從而影響短路電流處的斜率，導致填充因子的改變。

圖12　并聯電阻隨H變化Fig.12　The change of Rsh with H

在低光照下，并聯電阻與短路電流呈反比，因為Isc≈Iph，所以Isc與S呈正比，Rsh與S呈反比

(23)

當發生光學損失故障時，Rsh隨H的減小而增大，Rsh與H近似呈反比。

(24)

由圖12可知，在H較大時式(24)的效果并不理想。實際上對單晶硅電池，當入射輻照度減小時，并聯電阻可理解為以準指數形式增加，所以在光學損失故障下，入射輻照度減小，Rsh隨H減小以類似指數的方式增大。本文給出用指數形式描述Rsh與H關系為

(25)

5　結論

為進行光伏陣列系統的故障診斷，本文對光伏電池在光學損失故障時內部參數的變化進行了初步的研究。利用透光效果較均勻的聚乙烯薄膜逐層遮擋的方法，改變光伏電池的受光程度來等效模擬輻照度的變化，采集了大量的數據，獲得了不同光學損失狀態下光伏電池的I-V曲線，同時運用群優化算法辨識出光伏模型5個參數隨光學損失變化的近似關系式，體現了光伏模型參數值的非線性特點，為建立光伏電池的故障模型及光伏陣列故障診斷系統打下了基礎。

[1]嵇尚海.關于太陽能光伏發電發展趨勢的分析[J].中國科技縱橫，2015(3)：9.

JiShanghai.Theanalysisofdevelopmenttendencyaboutphotovoltaicpowergeneration[J].ChineseScience&Technology，2015(3)：9.

[2]王元章，李智華，吳春華.光伏系統故障診斷方法綜述[J].電源技術，2013，37(9)：1700-1705.

WangYuanzhang，LiZhihua，WuChunhua.Faultdiagnosistechnologiesforphotovoltaicsystem[J].PowerSourceTechnology，2013，37(9)：1700-1705.

[3]SpataruSV，SeraD，HackeP，etal.FaultidentificationincrystallinesiliconPVmodulesbycomplementaryanalysisofthelightanddarkcurrent-voltagecharacteristics[J].ProgressinPhotovoltaicsResearch&Applications，2015，24(4)：517-532.

[4]張增明，彭麗霞，呂瑞瑞，等.光伏組件封裝EVA的熱空氣老化研究[J].合成材料老化與應用，2012，41(1)：16-19.

ZhangZengming，PengLixia，LüRuirui，etal.Studyonthehot-airagingofEVAforPVmoduleencapsulation[J].TheAgingandApplicationofSyntheticMaterial，2012，41(1)：16-19.

[5]張傳吉，戴建民，成三弟，等.EVA封裝膠膜耐老化性能研究[J].太陽能，2012(3)：16-19.

ZhangChuanji，DaiJianmin，ChengSandi，etal.Theageing-resistantperformanceanalysisofEVAencapsulation[J].SolarEnergy，2012(3)：16-19.

[6]王響，沈輝，李光吉，等.EVA老化機理以及EVA老化對太陽電池的影響[J].合成材料老化與應用，2008，37(2)：32-34.

WangXiang，ShenHui，LiGuangji，etal.TheagingofEVAanditseffectontheperformanceofsolarcell[J].TheAgingandApplicationofSyntheticMaterial，2008，37(2)：32-34.

[7]楊永恒，周克亮.光伏電池建模及MPPT控制策略[J].電工技術學報，2011，26(增1)：229-234.

YangYongheng，ZhouKeliang.ModelingandMPPTcontrolstrategyofphotovoltaiccells[J].TransactionsofChinaElectrotechnicalsociety，2011，26(S1)：229-234.

[8]傅望，周林，郭珂，等.光伏電池工程用數學模型研究[J].電工技術學報，2011，26(10)：211-216.

FuWang，ZhouLin，GuoKe，etalThestudyofengineeringmathematicalmodelofphotovoltaiccells[J].TransactionsofChinaElectrotechnicalSociety，2011，26(10)：211-216.

[9]LaudaniA，Mancilla-DavidF，Riganti-FulgineiF，etal.Reduced-formofthephotovoltaicfive-parametermodelforefficientcomputationofparameters[J].SolarEnergy，2013，97(5)：122-127.

[10]王康，葛曉慧，辛煥海，等.基于牛頓—拉夫遜法的光伏面板模型參數計算[J].電力系統自動化，2010，34(20)：94-98.

WangKang，GeXiaohui，XinHuanhai，etal.ParameterscalculationofphotovoltaicmodulebasedonNewton-Raphsonmethod[J].PowerSystemAutomation，2010，34(20)：94-98.

[11]GhaniF，DukeM，CarsonJ.NumericalcalculationofseriesandshuntresistancesanddiodequalityfactorofaphotovoltaiccellusingtheLambertW-function[J].SolarEnergy，2013，97(3)：422-431.

[12]翟載騰，程曉舫，楊臧健，等.太陽電池一般電流模型參數的解析解[J].太陽能學報，2009，30(8)：1078-1082.

ZhaiZaiteng，ChengXiaofang，YangZangjian，etal.Analyticalsolutionofgeneralelectriccurrentmodelparametersofsolarcell[J].ActaEnergiaeSolarisSinica，2009，30(8)：1078-1082.

[13]程澤，董夢男，楊添剴，等.基于自適應混沌粒子群算法的光伏電池模型參數辨識[J].電工技術學報，2014，29(9)：245-252.

ChengZe，DongMengnan，YangTiankai，etal.Extractionofsolarcellmodelparametersbasedonself-adaptivechaosparticleswarmoptimizationalgorithm[J].TransactionsofChinaElectrotechnicalSociety，2014，29(9)：245-252.

[14]李如意，黃明山，周東國，等.基于粒子群算法搜索的非侵入式電力負荷分解方法[J].電力系統保護與控制，2016，44(8)：30-36.

LiRuyi，HuangMingshan，ZhouDongguo，etal.Optimizednonintrusiveloaddisaggregationmethodusingparticleswarmoptimizationalgorithm[J].PowerSystemProtectionandControl，2016，44(8)：30-36.

[15]劉歡，劉志剛.基于改進粒子群算法的牽引變電所維修優化研究[J].電力系統保護與控制，2015，43(11)：87-94.

LiuHuan，LiuZhigang.Aninprovedparticleswarmalgorithmstudyonoptimizationmodelofmaintenanceschedulesforrailwaytractionsubstations[J].PowerSystemProtectionandControl，2015，43(11)：87-94.

[16]周暉，付婭，韓盟，等.基于粒子群算法的含大規模風電互聯系統的負荷頻率控制[J].電力系統保護與控制，2014，42(10)：1-7.

ZhouHui，FuYa，HanMeng，etal.Loadfrequencycontrolofpowersystemwithlargescaleofwindpowerintegratedbasedonparticleswarmalgorithm[J].PowerSystemProtectionandControl，2014，42(10)：1-7.

[17]DhassAD，NatarajanE，PonnusamyL.Influenceofshuntresistanceontheperformanceofsolarphotovoltaiccell[C]//2012InternationalConferenceonEmergingTrendsinElectricalEngineering&EnergyManagement，Chennai，2012：382-386.

[18]王立國，顏洪正，劉寶柱.光伏組件5參數模型的等值修正求取算法[J].電力系統保護與控制，2013，41(23)：67-72.

WangLiguo，YanHongzheng，LiuBaozhu.Equivalentcorrectionalgorithmofphotovoltaicmodule5-parametermodel[J].PowerSystemProtectionandControl，2013，41(23)：67-72.

[19]SissokoG，MbodjiS.AmethodtodeterminethesolarcellresistancesfromsingleI-Vcharacteristiccurveconsideringthejunctionrecombinationvelocity(Sf)[J].InternationalJournalofPure&AppliedSciences&Technology，2011，6(2)：103-114.

[20]BranoVL，OrioliA，CiullaG，etal.Animprovedfive-parametermodelforphotovoltaicmodules[J].SolarEnergyMaterials&SolarCells，2010，94(8)：1358-1370.

[21]SchroderDK.Semiconductormaterialanddevicecharacterization[M].3rded.NewYork:Wiley，2005.

[22]DeSotoW，KleinSA，BeckmanWA.Improvementandvalidationofamodelforphotovoltaicarrayperformance[J].SolarEnergy，2006，80(1)：78-88.

[23]LaudaniA，FulgineiFR，SalviniA.Identificationoftheone-diodemodelforphotovoltaicmodulesfromdatasheetvalues[J].SolarEnergy，2014，108：432-446.

[24]SpyridakiA，LazaridisM，EleftheriadisK，etal.Modelconstructionofsinglecrystallinephotovoltaicpanelsforreal-timesimulation[J].IEEEEnergyConversionCongress&Exposition，2010，40(32)：342-349.

The Influence of Optical Losses on Monocrystalline Silicon Solar Cells Parameters

Cheng ZeGong LiLiu Yanli

(CollegeofElectricalandAutomationEngineeringTianjinUniversityTianjin300072China)

Asforlongtimeexposedoutdoorcondition，thecapsulationofphotovoltaicpanelmaybebroken，whichwouldresultintheopticallossesfault.Inordertostudytheeffectofopticallossesfaultonmonocrystallinesiliconsolarcells，differentstatesofopticalfaultsaresimulatedwithsemipermeablemembraneinthewayofshadinglayerbylayertoobtaintheequivalentluminousness.ThenthecorrespondingI-Vcurvesaremeasuredandanalyzed.Theparametersofeachcurveareidentifiedusingtheself-adaptivechaosparticleswarmoptimizationalgorithm(SA-CPSO).Theparameterswouldbeusedforthestudyingofthelawofthechangeofthephotovoltaiccellmodelparameterswhenopticallossfaultsoccur.Atlast，fivenonlinearexpressionsarebroughtouttowelldescribethesephenomena，whichwouldbehelpfulfordevelopingmoreefficientphotovoltaiccellsandthestudyoffaultdiagnosis.

Photovoltaiccell，opticallossesfaults，faultdiagnosis，parametersidentification

2015-05-25改稿日期2015-08-01

TM277

程澤男，1959年生，副教授，研究方向為電力電子技術、控制理論與工程。

E-mail：Labchengze@163.com

鞏力男，1989年生，碩士研究生，研究方向為光伏電池的故障診斷。

E-mail：991504711@qq.com(通信作者)