光学损失故障对单晶硅光伏电池参数的影响

程　泽　巩　力　刘艳莉

(天津大学电气与自动化工程学院　天津　300072)



光学损失故障对单晶硅光伏电池参数的影响

程泽巩力刘艳莉

(天津大学电气与自动化工程学院天津300072)

长时间暴露在室外的光伏电池会出现封装材料的老化或破损，从而导致电池的光学损失故障。为研究不同的故障状态对光伏电池模型参数的影响，从等效透光率的角度入手，用半透膜逐层遮挡的方法模拟光伏电池不同的光学损失故障状态，测量并分析相应状态下光伏电池的I-V特性曲线，采用自适应混沌粒子群算法辨识出相应光伏模型的5个参数值，从而对在发生光学损失故障时的光伏电池模型参数的变化规律进行研究，得到了能较好表现光伏模型参数变化规律的非线性表达式，为提高光伏电池的效率和后续光伏电池故障诊断的研究打下基础。

光伏电池光学损失故障故障诊断参数辨识

0　引言

近年来，光伏系统的装机容量快速增长，2014年全球新增光伏装机容量49GW，光伏组件价格的降低和系统稳定性的提高，减少了光伏电站生命周期的运行成本，使得光伏电池有着良好的发展前景[1]。光伏电池板安装在环境较为恶劣的室外，输出受光照强度和环境温度影响较大，在长时间运行过程中可能会发生热斑、裂片、老化等故障，导致光伏电池输出功率降低，严重时甚至发生火灾等危及电厂的安全[2]。光学损失故障是由遮挡或封装材料老化而造成[3]，因此深入研究光学损失故障对输出特性的影响，对改进太阳能的利用和研究故障诊断方法具有指导作用。

1　光伏电池老化问题分析

光伏电池常见的的封装结构如图1所示。超白玻璃是一种超透明低铁玻璃，可最大限度地提高阳光的透过率。实际工作中，随着运行时间的加长，光伏模块可能由于多种原因发生退化故障，如污物、遮挡、封装变色、封装玻璃腐蚀或破裂、增透膜老化等会使到达电池表面的进光量减少。另外，组件连接故障会导致串联电阻增加，如电线、接线盒、连接器的老化腐蚀或断路。而生产、封装、运输、安装、运行过程中由于机械应力或热应力的变化也会对电池造成机械损伤故障[3]。

图1　光伏电池结构Fig.1　The stricter of photovoltaic panel

在恶劣的室外环境中，EVA(Ethylene-VinglAcetate)和超白玻璃的工作寿命比由硅晶片组成的PN结寿命短得多。超白玻璃遇到高温高湿环境会发生硅酸盐水解，出现白斑；而EVA在光热和氧的作用下易黄化变色[4-6]，会降低电池光学透光率。

本文主要研究光伏电池封装玻璃腐蚀、增透膜老化以及EVA变色脱层等原因造成的光学损失故障对单晶硅太阳能电池参数的影响。

2　光伏电池模型

光伏电池单二极管模型是应用最广泛的模型，它准确度较高，模型又相对简洁。模型由5个参数组成，如图2所示。根据光伏电池模型等效电路，可以得出光伏电池的I-V特性方程[7，8]。

(1)

式中，Iph为光生电流，A；I0为二极管反向饱和电流，A；Rsh为并联电阻，Ω；RS为串联电阻，Ω；n为二极管品质因子。

图2　单二极管模型Fig.2　The one-diode model

引用LambertW函数对超越方程进行简化[9-11]，可得到光伏电流I的显式表达式为

(2)

在I-V曲线的低电压段，V→0时，流过二极管的电流极小，可以忽略。对电流方程进行求导

(3)

在短路点I=ISC，V=0时，式(4)成立，有

(4)

在开路点I=0，V=VOC时，式(5)成立，有

(5)

(6)

另外，在开路点I=0时，式(1)可转换为

(7)

联立解方程组(8)，可得出待定参数的解析解。因此根据方程组解得电池参数在不同辐照度下的估计值[12]为串联电阻Rs、并联电阻Rsh、光生电流Iph、反向饱和电流I0以及二极管理想因子n。

3　故障的模拟方法及实验数据的采集处理

3.1故障模拟与实验设备

对于电池封装玻璃腐蚀、增透膜老化以及EVA变色脱层等原因导致的光学损失故障，其结果都是使硅电池表面透光率降低，所以基于同样的原理，可以利用半透膜遮挡降低电池表面透光率的方法来模拟这种老化故障。遮挡薄膜的不同层数，可以模拟不同光学损失程度时组件的状态。

实验采用透光率均匀的高密度聚乙烯薄膜遮挡电等效模拟电池不同程度的光学损失状态，如图3所示。定制的单晶硅电池板上每个电池单体有独立引线。辐照度检测选用SEAWARDSOLAR公司的SURVEY200测试仪，技术参数见表1。

(8)

图3　定制的光伏板及透光率的遮挡实验Fig.3　The customized PV panel in the experiment表1　SURVEY200技术参数表Tab.1　The technical data sheet of SURVEY200

项目辐照度/(W·m-2)温度/℃倾角/(°)测量范围100～1250-30～+1000～90分辨率111准确度±(5%+5digits)±1±2%

测量装置——DSP数据采集卡采用阿尔泰USB2812数据采集卡，拥有12位准确度和250KS/s的采样频率，配合便携式笔记本计算机进行数据存储。实验电路原理如图4所示，其中R0为0.1Ω的精密电阻(±0.1%)，R1、R2采用最大阻值为200Ω的大功率滑动变阻器。图5为实验系统实物图。表2为遮挡层数与辐照度衰减的关系。由于电池单体电压较低，故将8块单体串联作为实验对象。

图4　实验电路原理Fig.4　The experimental circuit

图5　实验系统Fig.5　The experimental system表2　遮挡薄膜层数与辐照度衰减关系Tab.2　The relation between shading layers andthe reduced irradiance

遮挡薄膜层数0124681014ΔS/(W·m-2)080160305400480550650L00.080.160.3050.40.480.550.65H10.920.840.6950.60.520.450.35

令标准测试条件(StandardTestingConditions，STC)下辐照度为Sref(1 000W/m2)下，遮挡后辐照度衰减值为ΔS，遮挡后的辐射量为S=Sref-ΔS，则定义光学损失程度L和光学健康程度H分别为

L=ΔS/Sref

(9)

H=S/Sref

(10)

STC(25℃，AM1.5)下，将表2中的数值带入式(9)、式(10)可求出遮挡光学损失程度L。从表2可看出，辐照度随遮挡层数增加而降低。

3.2数据采集与处理

实验条件：光伏板面向正南方，与地平面成35°，辐照度为1 000W/m2，电池板温度为25 ℃(测试时间很短，确保过程中辐照度和温度不变)。根据薄膜对辐照度遮挡程度的不同，将光伏电池光学损失的模拟分为表2所示的8个阶段。每个阶段，改变负载电阻的阻值，测出光伏电池输出曲线。

对采集到数据进行滤波处理：先剔除曲线中的毛刺，然后利用数字平均值滤波，得到由数千个点组成的I-V曲线，若将其全部带入到参数辨识算法中，则计算量过于庞大，所以提取具有代表性的点带入到辨识算法中进行模型参数的辨识：由于每条曲线基本都可以分为电压小于3V较为平坦的部分和大于3V变化较为陡峭的部分。对电压小于3V部分，每0.1V区间内取一个均值点作为特征点；在电压大于3V部分，每隔0.05V取一个均值点作为特征点。结果如图6所示。

图6　原始数据中选取特征点数据Fig.6　The feature points selected from the raw data

3.3光伏模型参数辨识方法

光伏电池的I-V曲线是电池特性的宏观表述，模型中的5个参数是光伏电池模型内在特性的反映，对光伏电池参数进行辨识可以研究光伏电池发生故障时的特性。本文利用自适应混沌粒子群算法进行光伏电池模型参数的辨识[13-16]。自适应算法增强了算法在全局与局部搜索的平衡性，降低了算法迭代次数。

参数辨识算法的流程如图7所示，将实验数据带入算法中进行辨识，得到I-V曲线对应模型参数的辨识结果见表3。

图7　光伏电池模型参数辨识算法流程Fig.7　The flow chart of the algorithm表3　不同光学损失程度下的参数辨识结果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　光学损失故障对模型参数影响的分析

4.1光学损失故障对光生电流的影响

阳光入射光伏电池后被PN结吸收，由光生伏打效应产生光生电流，Iph可表示为光照面积Aill与光生电流密度Jpv的乘积。

Iph=AillJpv

(11)

波长λ的光入射后产生的光生电流密度为

(12)

式中，G(λ)为过剩载流子产生率；τ为过剩载流子寿命；Δn为过剩载流子浓度；Jsr(0)为前表面复合率；Jsr(H)为后表面复合率。则总电流密度为

(13)

G(λ)正比于辐照度，因此光生电流Iph正比于遮挡后的辐射量S。因此，在STC条件下辐照度为Sref，当发生光学损失故障时，入射到电池的辐照度降为S，则可推导出光生电流为

(14)

图8的实验数据证明了推导结果的正确性。

图8　光生电流随H的变化Fig.8　The change of Iph with H

4.2光学损失故障对二极管反向饱和电流的影响

反向饱和电流是由少数载流子的漂移运动形成的。一般认为反向饱和电流受到温度的影响，如式(15)所示[17]。

(15)

(16)

图9　反向饱和电流随H变化Fig.9　The change of I0 with H

4.3光学损失故障对理想因子的影响

理想因子n是PN结的工作状态与理想状态的差距，表示PN结的电子运载能力。用牛顿拉夫逊法求解光伏参数时，n取值会影响其他参数的求解，导致参数漂移[18]。实验结果表明n不仅取决于温度、内部电压，也会受到光学损失的影响。当发生光学损失故障时，入射的辐照度减小，导致电池表面复合电流减小，从而影响理想因子。如图10所示，n随H增大而增大，用线性关系近似表示其趋势为

(17)

图10　理想因子与辐照度的关系Fig.10　The change of n with H

4.4光学损失故障对串联电阻的影响

串联电阻是金属栅极与硅材料间接触电阻、PN结发射极和基极区电阻、电池金属线电阻、内部汇流排电阻等几个部分的和[19]。

由模型的近似推导可知，串联电阻可以用I-V曲线开路电压处的斜率表示(见式(18))。其绝对值越小，串联电阻越大，填充因子(式(19))越小，Pm=VmIm越小。所以Rs对光伏电池最大功率点影响较大。

(18)

(19)

串联电阻受到温度和辐照度的影响，温度越高光照量越大，串联电阻越小，所以文献[20]认为串联电阻与辐照度呈反比。于是当发生光学损失故障时，入射到PN结表面的辐照度减小，H减小，串联电阻增大，Rs与H呈反比。

(20)

从图11可以看出,式(20)基本反映了Rs随H变化的趋势，但效果不理想。这是由于在较高辐照度下，随着H增加，Rs以缓慢的速度减小到最小值，所以本文推导了指数形式的描述Rs与H关系为

(21)

从图11可以看出，式(21)更接近于图中的曲线。

图11　串联电阻随H的变化Fig.11　The change of Rs with H

4.5光学损失故障对并联电阻的影响

并联电阻是由结内或附近的伤痕或杂质导致的，它提供了电流穿过PN结或电池边缘的并联传导路径，也就意味着在电池中存在内部负载，即并联电阻[21-24]。

并联电阻值必须尽量大以避免结的电流损失，因为它会减小光生电流从而影响光伏电池的输出[22]，甚至导致严重的失配功率损失。并联电阻可以用短路处的斜率表示(式(22))，其绝对值越大，Rsh越小。

(22)

如图12所示，并联电阻对H有很强的相关关系。在H较小时，Rsh较大，Rsh随H增加而减小，从而影响短路电流处的斜率，导致填充因子的改变。

图12　并联电阻随H变化Fig.12　The change of Rsh with H

在低光照下，并联电阻与短路电流呈反比，因为Isc≈Iph，所以Isc与S呈正比，Rsh与S呈反比

(23)

当发生光学损失故障时，Rsh随H的减小而增大，Rsh与H近似呈反比。

(24)

由图12可知，在H较大时式(24)的效果并不理想。实际上对单晶硅电池，当入射辐照度减小时，并联电阻可理解为以准指数形式增加，所以在光学损失故障下，入射辐照度减小，Rsh随H减小以类似指数的方式增大。本文给出用指数形式描述Rsh与H关系为

(25)

5　结论

为进行光伏阵列系统的故障诊断，本文对光伏电池在光学损失故障时内部参数的变化进行了初步的研究。利用透光效果较均匀的聚乙烯薄膜逐层遮挡的方法，改变光伏电池的受光程度来等效模拟辐照度的变化，采集了大量的数据，获得了不同光学损失状态下光伏电池的I-V曲线，同时运用群优化算法辨识出光伏模型5个参数随光学损失变化的近似关系式，体现了光伏模型参数值的非线性特点，为建立光伏电池的故障模型及光伏阵列故障诊断系统打下了基础。

[1]嵇尚海.关于太阳能光伏发电发展趋势的分析[J].中国科技纵横，2015(3)：9.

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

[2]王元章，李智华，吴春华.光伏系统故障诊断方法综述[J].电源技术，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]张增明，彭丽霞，吕瑞瑞，等.光伏组件封装EVA的热空气老化研究[J].合成材料老化与应用，2012，41(1)：16-19.

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

[5]张传吉，戴建民，成三弟，等.EVA封装胶膜耐老化性能研究[J].太阳能，2012(3)：16-19.

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

[6]王响，沈辉，李光吉，等.EVA老化机理以及EVA老化对太阳电池的影响[J].合成材料老化与应用，2008，37(2)：32-34.

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

[7]杨永恒，周克亮.光伏电池建模及MPPT控制策略[J].电工技术学报，2011，26(增1)：229-234.

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

[8]傅望，周林，郭珂，等.光伏电池工程用数学模型研究[J].电工技术学报，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，葛晓慧，辛焕海，等.基于牛顿—拉夫逊法的光伏面板模型参数计算[J].电力系统自动化，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]翟载腾，程晓舫，杨臧健，等.太阳电池一般电流模型参数的解析解[J].太阳能学报，2009，30(8)：1078-1082.

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

[13]程泽，董梦男，杨添剀，等.基于自适应混沌粒子群算法的光伏电池模型参数辨识[J].电工技术学报，2014，29(9)：245-252.

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

[14]李如意，黄明山，周东国，等.基于粒子群算法搜索的非侵入式电力负荷分解方法[J].电力系统保护与控制，2016，44(8)：30-36.

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

[15]刘欢，刘志刚.基于改进粒子群算法的牵引变电所维修优化研究[J].电力系统保护与控制，2015，43(11)：87-94.

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

[16]周晖，付娅，韩盟，等.基于粒子群算法的含大规模风电互联系统的负荷频率控制[J].电力系统保护与控制，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]王立国，颜洪正，刘宝柱.光伏组件5参数模型的等值修正求取算法[J].电力系统保护与控制，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

程泽男，1959年生，副教授，研究方向为电力电子技术、控制理论与工程。

E-mail：Labchengze@163.com

巩力男，1989年生，硕士研究生，研究方向为光伏电池的故障诊断。

E-mail：991504711@qq.com(通信作者)