基于BIM技术的可定义光伏预测模型研究

基于BIM技术的可定义光伏预测模型研究

龙承潮 / 王佳 (北京建筑大学电气与信息工程学院，北京 100044)

摘要利用BIM(建筑信息模型)技术,研究并设计了一个“可定义光伏预测模型”，此模型可以很好地结合建筑自身结构信息，从而使得光伏发电量的预测更加准确。

关键词建筑电气智能化 光伏一体化建筑发电量预测 可定义光伏预测模型 建筑信息模型

AbstractA definable photovoltaic power generation forecasting model based on Building Information Modeling (BIM) technology was designed, this model could get more accurate result because it better utilizes buildings’ architecture information.

Keywordsbuilding electric intelligent, power generation prediction of BIPV, photovoltaic power generation forecasting model, Building Information Modeling

基金项目：本研究由北京建筑大学城乡建设与管理产学研联合研究培养基地资助。

0引言

太阳能光伏技术(Photovoltaic)是将太阳能转化为电能的技术。从近期来讲，国内大部分地区出现的严重环境污染给人们的生产生活带来极大困扰，我国建筑能耗约占社会总能耗的33%，推行绿色建筑势在必行。从长远看，太阳能光伏发电在不远的将来会占据世界能源消费的重要席位，不但要替代部分常规能源，而且将成为世界能源供应的主体。随着国务院出台《关于促进光伏产业健康发展的若干意见》等一系列相关政策文件，分布式光伏发电逐步成为热点，整合了土地和能源综合利用的光伏一体化(BIPV)建筑将成为分布式发电的主角。

准确的发电量预测对BIPV建筑的电网结构和调度[1]有重要的影响。目前在用的预测软件大都适用于集中式地面光伏发电站预测，用这些软件来预测BIPV建筑的发电量，结果与实际情况会有较大误差，尤其在光伏构件依附于复杂的建筑立面的情况下更加明显。本文以BIM(建筑信息模型)为基础平台，研究并设计了一个“可定义光伏预测模型”，以此为核心进行BIPV建筑的光伏发电量预测，预测结果的精度得以大幅提高。

1影响预测精度的原因分析

1.1现有预测软件应用

目前在用的PVsyst、PV*SOL、RETScreen等软件通常预测流程如图1所示。首先输入光伏构件所在的地理位置，得出此地理坐标的典型气候条件；再将光伏构件的基本参数进行设置，包括装机容量、倾角、方位角及对应倾斜面上辐照度等参数，如图2所示；在基本信息设置好后，即可根据具体工程需求，进行光伏阵列的宽度和行距设计，通过调整行距，使得遮挡造成的损失达到最小值；然后设置光伏系统构件的类型,通过对以上信息的拟合即可得出初步设计结果。目前预测软件在应用到光伏板为平行列阵形分布的大型集中并网式发电站时具有较准确的参考价值。

1.2现有预测软件的不足

1.2.1未考虑构件之间遮挡的因素

目前预测软件在应用到BIPV建筑的发电量预测时，其考虑因素就显得不够全面。首先是由于越来越多后现代建筑的出现，建筑结构越发复杂，不管是与建筑外立面相贴合的光伏构件，还是作为建筑材料的一体化光伏组件，都面临着由于各个厂家的光伏构件参数的不同，导致其在与建筑的结合过程中间隙并不相同，各个光伏板之间布局的差异化会直接影响到光伏发电系统的输出功率，分析各组件的光照强度也变得越发复杂。因此光伏系统中各个光伏板之间的遮挡已经成为影响BIPV建筑发电量预测的重要因素之一。

1.2.2不支持光伏构件数据的管理

现有预测软件缺乏光伏构件的数据统计管理功能。光伏系统在设计、施工以及运行维护过程中，都需要对产品型号、性能指标以及厂家信息等数据进行管理，才能满足项目的使用需求。

图1　现有光伏发电量预测软件应用流程图

图2　现有预测软件中考虑的影响因素

2可定义光伏预测模型的建立

为解决现有预测软件在应用到BIPV建筑时表现出的不足，现在基于BIM技术构建“可定义光伏预测模型”，此模型不仅充分发挥了现有预测软件的功能，还结合了建筑自身的特点，可方便补充产品性能参数等信息。在BIPV发电量预测精度提高的同时，也可以为光伏系统的管理提供便捷。模型应用过程如图3所示。

图3　“可定义光伏预测模型”应用过程

2.1构建标准预测模块

在预测过程中,建立模型首先需要完成的是构建一个或多个具有高度可定义的标准光伏预测模型。建筑的结构千变万化,但对于一栋建筑本身而言,其外立面的光伏构件多因照顾其建筑的美观或是后期维护等原因,而采用外观差异化不大的光伏组件, 并且根据实际工程需求的不同，光伏支架结构也分为地面支架、BIPV支架、立柱支架和斜屋顶支架等，为提高设计效率，可将其各种类型支架的光伏标准构件提前完成初步设计，并分类存储于数据库中等待随时调用。图4为Autodesk Revit软件中建立的标准光伏预测模型。

图4　标准光伏预测模型

2.2几何参数设定

标准光伏预测模型构建好后，就需要对其进行几何参数的设定，以此对可定义光伏预测模型的信息进行参数化控制。韩国seung-Ho Yoo[2]在利用 BIM 对BIPV 进行参数化控制方面获得了较好的成果。在建立标准光伏预测模型后，需要对图形进行标注尺寸并锁定，这样通过改动图形的某一部分或某几部分的尺寸,或者修改已经定义好的参数，即可自动完成对图形中相关部分的改动,从而实现对图形的驱动。借助于尺寸驱动的帮助，修改标准光伏组件的任一参数，即可完成对项目中全部此类组件的尺寸修改，相应的三维效果图也会随之改变。

2.3功能参数设定

功能参数与几何参数同时进行设定。完善其预测模型的功能参数同样十分必要。由于信息资源仅包括尺寸信息还远远不够，考虑到光伏预测统计量的计算，峰值功率、工作电压、工作电流、转换效率[3～5]等参数都可以根据电气工程师的需要来决定是否需要输入。图5中的光伏预测模型提取了本项目中涉及影响发电量预测的全部信息参数，包括制造商信息、光伏板型号，这些信息都为后期BIPV的维护与管理提供了良好的基础。

图5　标准光伏预测模型的参数设置

2.4外观可视化效果

在可定义光伏预测模型的所有参数输入已完成的前提下，就可以将其应用到实际工程中，较为真实的三维可视化效果可对工程设计人员提供参考帮助。由于太阳能电池分为晶体硅太阳能电池、半导体太阳能电池和染料敏化太阳能电池[6]，并且不同厂家根据工程采用的设计思路也不尽相同，这导致了光伏组件的外观并不统一，直接影响到了BIPV建筑的整体效果，这些视觉效果可通过改变“可定义光伏预测模型”的外表材质进行改变，因此可以真实表现PV组件安装后的建筑实际效果。某BIPV建筑设计中的最终效果如图6所示。

图6　与建筑结合可视化效果

3模型坐标系的建立

“可定义光伏预测模型”其功能的实现不仅需要依靠自身的参数化，更需要与发电量预测软件相互结合使用，这也是BIM概念中最为重要的，因为信息的流动性是BIM能够贯穿建筑生命周期的线索。但无论是基于Revit等建模软件做二次开发，还是将使用其导出数据再导入其他发电量预测软件进行计算，其使用的计算机语言和天文学数学模型均存在差异，无法从建模软件中得到可直接计算的数据，所以需要给“可定义光伏预测模型”建立坐标系，再通过数学换算方式得到可用数据。

3.1建立空间坐标系

1)定义正南方向为坐标系X轴，正东方向为Y轴，垂直地面天顶方向为Z轴。

2)定义PV组件表面单位法向量(x,y,z)在水平面上的投影与X轴的夹角为方位角α。

3)定义为表面单位法向量与Z轴的夹角为倾角β。

4)本文所讨论的计算公式，主要是针对于北半球而言。

“可定义光伏预测模型”在坐标系中的建立如图7所示。

图7　“可定义光伏预测模型”在坐标系中的建立

3.2数学换算

将“可定义光伏预测模型”的表面单位法向量转化为方位角和倾角，其转换计算如公式(1)(2)所示。

(1)

(2)

4交互性的实现

从BIPV项目向着规模大、超高层、城市化发展的现状来看，如此数量众多的光伏组件，给光伏系统的设计者带来了难题。因为如果需要对工程进行发电量预测，就需要通过人工方式逐一将数据导入，那么将会给设计人员带来很大的工作量。由于“可定义光伏预测模型”具有携带发电量预测所需的各种参数，并且其与建筑本体是相互结合的，所以，利用BIM概念具有的交互性，将模型的信息导入发电量预测软件，工作效率会大幅提升。

5工程应用实例

本文选取珠海市某光伏全国试点实验项目，其建筑主体总共18层，其中5～13层每层构造基本相同，并且每层南侧的遮阳板上均匀安放了55块光伏组件，而14～18层也是具有相同的标准层，每层安放59块光伏组件，建筑总共有790块光伏组件。建筑整体构造以及标准层中光伏组件的表现形式如图8所示。

图8　建筑整体构造及标准层中PV方阵

通过对建模软件的二次开发，将模型中组件参数部分用xls文件格式导出，导出的内容包括光伏板的序号、尺寸大小、光电转换效率、表面的单位法向量、额定功率、地理坐标。再使用公式(1)、(2)对表面的单位法向量进行数学变化转换为方位角和倾角。最终得到发电量计算所需的全部光伏组件数据。

本文使用的计算发电量预测平台是基于 Microsoft Visual C# 2005 软件开发的。此发电量预测软件可以从xls文件格式导入“可定义光伏预测模型”各类必要参数以供发电量的预测使用。数据在发电量预测应用软件的效果如图9所示。

图9　“可定义光伏预测模型”在预测软件中应用

模型的信息导入软件后，软件可以根据太阳辐射数据、温度影响、建筑构造所带来的阴影遮挡等因素，计算每块“可定义光伏预测模型”的逐时发电量、逐月发电量以及年发电总量，并根据辐射度的变化规律，优化光伏系统，提高系统效率，使得光伏项目具有更好的投资回收期，实现绿色建筑的良性发展。

6结束语

本文通过运用BIM技术研究并设计“可定义光伏预测模型”，并对影响BIPV建筑发电量的关键因素进行综合考量，提高了预测精度；模型提供了参数化控制及可视化效果，实际操作简单，并且建立了“可定义光伏预测模型”坐标系，实现了信息的交互性，为BIPV建筑的光伏预测以及系统的管理提供了实用工具。

参考文献

[1]姜侨娜，陈 中.BP-马尔科夫组合预测方法在光伏发电量预测中的应用[J].电力需求侧管理，2011,13(6):21-24.

[2]Seung-HoYoo.Simulation for an optimal application of BIPV through parameter variation[J].Energy,2011,(3):1291-1301.

[3]徐耀敏，吴友宇.高转换效率太阳能电池仿真设计[D].武汉理工大学，2011:9-31.

[4]Tina G, Gagliano S,Raiti S.Hybrid solar wind power system probabilistic modeling for long-term performance assessment[J].SolarEnergy,2006,80(5):578-588.

[5]Deshmukh M K, Deshmukh S S. Modeling of hybrid renewable energy systems [J].Renewable and Sustainable Energy Reviews,2008,12(1):235-249.

[6]张红梅，尹云华.太阳能电池的研究现状与发展趋势[J].水电能源科学，2008,26(6):193-197.