光伏窗性能研究（2）——光伏窗性能研究方法和过程

2017半透明非晶硅光伏窗性能研究与优化设计 王蒙博士
光伏窗性能研究（1）——光伏窗介绍
光伏窗性能研究（2）——光伏窗性能研究方法和过程
光伏窗性能研究（3）——单层光伏窗节能性能研究
光伏窗性能研究（4）——中空光伏窗性能实验研究
光伏窗性能研究（5）——中空光伏窗节能性能模拟及优化设计
光伏窗的综合性能的复杂性，光伏窗的综合性能主要通过建立过于简化的模型或采用现有的模拟软件来计算。
光伏组件的物理特性参数来源于光伏组件的实测数据。
光伏组件的采光性能通过光伏组件在每个波长的光学数据计算，而不是采用固定透过率。
采用更准确的光伏发电模型来模拟光伏窗的发电性能。

1、光伏组件特性测定

图2.4为本文研究的半透明非晶硅光伏组件。光伏组件由Bosch太阳能公司制作，结构为三明治结构，外层为沉积了非晶硅半透明薄膜的３ｍｍ透明导电氧化物玻璃，中间为PVB中间膜，内层为３ｍｍ玻璃，三层结构通过热压成型。PVB中间膜是一种半透明薄膜，它是由聚乙烯醇缩丁醛树脂经增塑剂塑化挤压成型的一种高分子材料。PVB中间膜具有透明、耐热、耐寒、耐湿、机械强度高等特性，并且具有良好的柔软性和一定的粗糙度，对无机玻璃有很好的粘结力，是制造夹层、安全玻璃用的粘合材料。虽然高透过率的光伏窗的采光性能较好，但是光伏窗的发电性能会下降。为了平衡光伏窗的采光性能和发电性能，本研宄采用５％激光刻蚀的非晶硅光伏组件。为了得到光伏窗的综合节能性能，首先测量光伏组件的光学特性、传热特性和发电特性。

如图2.5所示，光伏组件的光学特性采用分光光度计来测量。分光光度计，又可称为光谱仪（spectrometer），它是可以将成分复杂的光分解为光谱线的仪器。本文所用的分光光度计采用钨灯作为光源，发出光的波长范围为300~2500nm。分光光度计可以直接测量光伏组件在不同波长处的散射透过率，总透射率，散射反射率和总反射率。光伏组件的吸收率可以通过公式2.6来计算。

其中


图2.6为测量得到的光伏组件的光学特性图，图中显示了光伏组件对不同波长的光线的反射率、透过率和吸收率。R，T，A分别指的是反射率、透过率和吸收率，而Total和Diffuse指的是太阳总辐射和太阳散射辐射。下标的ｓ和ｖ指得是太阳辐射波长范围和可见光波长范围。从图中可以得知太阳辐射透过率平均值（TT_S）、太阳散射福射反射率平均值（TD_S）、太阳福射反射率平均值（RT_S）和太阳散射反射率平均值（ＲＤＳ）分别为0.213、0.006、0.115和0.035。可见光透过率（TT_V）约为７％。光伏组件正面和背面的发射率分别为0.853和0.834。光伏组件的热导率为0.486W/(m·K)。

图2.7为红外发射率测量仪，在本文中用于测量光伏组件的红外发射率。测量结果显示光伏组件的外表面红外发射率和内表面红外发射率分别为0.853和0.834。

除了表面辐射率外，描述光伏组件传热特性的另一个重要参数是光伏组件的导热系数。光伏组件的导热系数采用如图2.8所示的导热系数测量仪来测量。通过与制冷设备结合，导热系数测量仪可以准确的测量物体在不同温差下的导热系数。在本文中，光伏组件的外表面被加热到55°Ｃ，光伏组件的内表面被冷却到30°Ｃ，从而使光伏组件内外表面的温差保持在25°Ｃ，因为这个温度差接近实际运行过程中，光伏组件内外表面的温差。结果显示，在这个温差下光伏组件的导热系数约为0.486Ｗ／（ｍ·Ｋ）。

光伏组件的发电特性采用如图2.9所示的仪器测量。太阳模拟器和光伏组件冷却装置使光伏组件可以在标准测试工况下进行测试。测试结果列在表2.1中。光伏组件在标准测试工况下的最大功率为88.1Ｗ，相应的能量转换效率为62％。

2、光伏窗性能实验

如图2.10所示，为了测试光伏窗传热性能、采光性能和发电性能需要搭建实验平台，对光伏窗的温度、热流、室内照度和发电量进行测量并将数据采集分析。同时气象参数作为环境参数也需要记录下来。

3、光伏窗模型建立

上述测得的光伏组件的光谱特性和传热特性数据被用来建立光伏组件的数值模型。建模所利用的软件是劳伦斯伯克利国家实验室开发的OPTICS和WINDOW软件。OPTICS是用于分析玻璃的光学特性，而WINDOW是用于计算窗户的热学和光学特性的。本文首先将测得的光伏组件数据输入OPTICS软件中，OPTICS将测量得到的数据转变成WINDOW可以识别编辑的光学特性文件。然后WINDOW将光学特性和热学特性集合并生成EnergyPlus可以识别的光学热学特性文件。最后在EnergyPlus中结合光伏组件的几何尺寸和电学特性，形成光伏组件的模拟模型

光伏组件模拟模型接着在建筑性能模拟软件EnergyPlus中结合建筑模型形成光伏窗性能模拟模型。如图2.11所示，光伏窗模拟模型主要包括传热模型、采光模型和发电模型。传热模型负责室内外传热的模拟计算，并以此作为能耗的计算基础。同时传热模型还负责为发电模型提供光伏组件的温度。采光模型负责计算室内照度水平，并计算室内人工照明的补充量，是灯光能耗的计算基础。发电模型负责计算光伏窗的发电量。发电量与照射到光伏窗上的太阳辐射量、光伏材料的光电转换效率及光伏组件的温度有关。本文第三章、第五章和第七章分别建立了单层光伏窗、中空光伏窗和通风光伏窗模拟模型，通过建立模拟模型对三种光伏窗的节能性能进行了分析和比较。

本文模拟光伏窗的传热性能采用EnergyPlus中的玻璃热平衡方程。玻璃表面温度通过在每个步长解每个表面的热平衡方程得到。对于一个有Ｎ层玻璃层的窗户有2N个表面，也就有2N个方程需要解。为了得到玻璃热平衡方程，需要做以下假设：

（1）玻璃层足够薄（通常仅有几毫米）因此玻璃的蓄热能力被忽略，也就是说热平衡方程中没有热容项；
（2）热流的方向与玻璃表面垂直，是一维传热；
（3）玻璃层对红外线而言是不透明的，这符合大部分玻璃产品的特性；
（4）各个玻璃表面是等温的，由于玻璃的导热率较高，这条假设也符合玻璃产品的特性；
（5）被玻璃层吸收的短波辐射被平均的分配到玻璃的两个表面。

为了模拟通风光伏窗的传热性能采用了EnergyPlus中的气流网格模型。气流网格模型可以模拟包括空气调节系统的送风和回风和计算空调系统运行中多个区域因为室外风压和强迫送风导致的气流交换。气流网格模型包括三个步骤：首先进行压力和气流的计算；然后进行节点温度和湿度的计算；最后进行显热和潜热负荷的计算。压力和气流计算确定每个节点的压力和在每个连接点处给定风压和强迫送风下的气流。在计算了每个连接点的气流后，模型根据区域空气温度和湿度计算节点温度和湿度。模型接着使用节点温度和湿度来计算系统管道导热和泄露导致的显热和潜热负荷。最后通过计算得到的显热和潜热负荷计算空调系统的负荷并计算最终的区域空气温度、湿度和压力。

光伏窗的采光性能采用EnergyPlus中的采光计算模型来计算。采光计算模型根据房间自然采光照度大小，建筑及窗户的位置地点，窗户对太阳得热和眩光的管理以及不同的灯光控制策略等条件，计算建筑采光对建筑节能的影响。采光计算包括下面三个主要步骤：

（1）日光系数的计算。采光模型首先需要计算日光系数，日光系数是室内照度或亮度与室外水平面照度之间的比例。模拟中需要在每个区域内指定一个或两个参考点，EnergyPlus集成区域内每个外窗的面积得到透过窗户的直射光对参考点照度的贡献，和通过墙壁、地板和天花反射的光的贡献，从而得到日光系数。眩光指数通过窗口亮度和窗户背景亮度计算，计算中需要考虑的因素包括天空亮度分布，窗户大小和朝向，玻璃透过率，内表面反射率，阳光控制装置（如可移动窗户遮阳和外部障碍）等。在运行时间段内，日光系数和眩光系数通过选择代表时间，根据每个小时太阳在太阳轨道中的位置进行计算。为了避免日光系数和眩光系数因为在某些日出时间或日落时间室外水平面照度过低引起峰值，在这些时间段内日光系数和眩光系数均被设为0。

（2）采光计算在日出后的每个时间步长都需要计算。在计算中，每个区域内参考点的照度首先通过用当前时间步长的太阳位置和天空状态对储存的日光系数进行插值得到当前日光系数，然后乘以室外水平面照度。如果模拟中指定了眩光控制，模型可以自动启用窗户遮阳来降低眩光使之达到舒适水平。类似的，可以使用窗户遮阳来自动控制太阳得热。

（3）灯光照明控制系统被用于计算灯光能耗。在参考点照度水平达不到设计照度水平时，开启灯光以弥补照度差距。最终可以计算灯光减少系数用于建筑室内得热的计算，灯光减少系数可以评估灯光减少造成的室内得热降低。

EnergyPlus中的采光计算源于DOE-2.1中，而在这两个软件中的计算方法主要有以下两个区别：（1）在EnergyPlus中，日光系数根据四种不同的天气类型来计算，分别为晴天、浑浊大气下的晴天、少云和多云。而DOE-Ｅ中只有两种天气类型，分别为晴天和多云；（2）EnergyPlus中晴天日光系数通过一年中多个不同小时太阳轨道中太阳位置来计算，而DOE-2中日光系数通过分布在给定位置横跨全年太阳位置的20个太阳位置来计算。

光伏窗的发电量计算通过EnergyPlus中的Sandia模型来计算。EnergyPlus中计算光伏组件发电量有三种不同的计算模型，分别为简单发电模型、等效二极管模型和Sandia模型。由于简单发电模型仅考虑温度对光伏组件发电的影响，依靠固定的发电效率来计算发电量，因此简单发电模型准确率较低。等效二极管模型是基于晶体硅（包括单晶硅和多晶硅）光伏组件提出的，适合于有理想PN结的光伏电池，而非晶硅光伏组件的基本结构为PIN结，因此等效二极管模型并不适合用于模拟非晶硅光伏组件发电性能。Sandia模型主要是由Sandia国家实验室建立，模型包括一系列由实际测试得到的经验系数关系式。一旦确定了光伏组件的经验系数，可以方便的使用模型方程来计算电流－电压曲线上的五个选中点参数。Sandia模型是一个经验模型，模型参数需要根据试验获得。因此不仅适合于计算晶体硅光伏组件发电性能，而且也可以用于非晶硅光伏组件的发电性能。

4、光伏窗发电模型参数确定

Sandia模型是一个经验模型，模型参数需要根据试验获得。Sandia模型考虑了很多影响光伏发电量的因素，如操作温度、入射角度、太阳光谱等等。Sandia模型采用以下方程来计算光伏发电量：

其中



为了解以上9个方程，共有39个参数需要输入Sandia模型。其中除了3个参数可以较为容易的得到，剩下的36个参数需要通过试验得到。

本文为了建立光伏窗的模型，对光伏组件进行了室内测试和室外测试。室内测试采用图2.9中的设备，而室外测试采用的测试台如图2.12所示。室外测试的原理图如图2.13所示，采用的主要测量设备及其技术参数列于表2.2中。由图中可见，非晶硅光伏组件水平放置于地面上，连接的测试仪器、数据采集仪和数据处理系统能够将测试所得数据记录下来。测量的数据包括光伏组件的水平面总太阳福射，散射太阳福射，光伏组件温度，太阳光光谱分布和光伏组件的电流电压曲线（包括短路电流、开路电压、最大功率点电流、最大功率点电压和最大功率）等，测量数据以１分钟为时间间隔记录下来。




室外测试从2013年6月持续到2013年9月，收集了很多实验数据，这些实验数据被用于Sandia模型参数的确定

如式2.16所示，大气光学质量经验函数 f(AM_a) 是一个四阶多项式，它的参数可以根据晴天的室外测试数据计算。而式2.8可以改写为式2.17。

由于测试期间，晴天正午光伏组件的温度经常接近50°Ｃ，因此本文采用50°Ｃ作为参考温度而不是25°Ｃ。根据前面测试得到的光伏组件温度系数，测得的任意温度时的短路电流可以根据式2.18转换成参考温度下的短路电流。

将式2.14和式2.18带入式2.17得到式2.19。

其中

本文常用参考条件是太阳辐射强度为1000Ｗ/ｍ^２，光伏组件温度为50°Ｃ，大气光学质量为1.5。I_sc0可以根据式2.20来计算。

从式中可以看出，I_sc0可以根据晴天中午当大气光学质量约为1.5，有效辐射度约为１时的I_sc0得到。由于参考光谱条件下大气光学质量为1.5，设f(1.5)=１，于是得到I_sc0为1.198A。将I_sc0＝1.198A带入式2.15，f(AM_a) 的参数可以通过f(AM_a) 和AM_a回归得到，结果如图2.14所示。

由于在图2.14中通过拟合得到了a₀—a₄的值，于是大气光学质量经验函数可以用式2.21表达。

二极管因子n可以根据式2.10回归得到。结果表明二极管经验因子n随着有效辐射度E_e变化而变化，本文采用的非晶硅光伏组件的平均经验二极管因子为3.5。C₀和C₁根据式2.7回归得到。回归结果如图2.15所示，C₀和C₁的值分别为0.9088和0.0447。

由于二极管因子己经得到，C₂和C₃根据式2.8回归得到。回归结果如图2.16所示，由于C₂从和C₃队的值分别为103.82和-70.812，而N_s的值为140，因此得到C_２和C₃的值分别为0.742和-0.506。

同样，C₄和C₅可以根据式2.11回归得到，C₆和C₇可以根据式2.12回归得到。图2.17和图2.18分别显示了C₄和C₅，C₆和C₇的回归结果。C₄—C₇的值分别为0.242，0.0005，0.0238和0.0032。


由于光伏组件的发电性能受光伏组件的温度影响，在Sandia模型中采用了一个简单的经验传热模型来预测光伏组件背面温度T_m，如式2.22所示。

其中

在室外测试期间，E、WS、T_a和T_m均被测量，于是ａ和b可以根据2.22回归得到，它们的值分别为-3.311和-0.02289。另外，Sandia模型还可以考虑入射角对发电性能的影响。入射角函数的表达式如式2.23所示。

然而，由于实验条件的限制，本文没有测试不同入射角对光伏组件发电性能的影响，因此本文入射角函数采用美国可再生能源实验室的试验数据。

由以上测试可以得到Sandia模型的全部参数，当已知入射太阳辐射量、大气光学质量和光伏组件温度等条件时，可以通过Sandia模型计算非晶硅光伏组件的发电性能。本文研究采用两种非晶硅光伏组件，第一种非晶硅光伏组件透过率较低，仅为7％，发电效率为6.2％。随着光伏技术的提升，非晶硅光伏组件的发电性能得到提升，因此第二种非晶硅光伏组件在透过率提升为20％的条件下发电效率依然达到了6.3％。图2.19为第二种非晶硅光伏组件的Sandia模型参数。在本文研究中，光伏组件的发电性能均是使用Sandia模型计算得到。

5、光伏窗模型验证

本文建立的光伏窗模型还需要通过实验数据进行校核验证，通过实验数据和计算模拟数据的对比，校核相关参数达到最佳模拟预测效果，最后利用验证了的光伏窗模型进一步进行光伏窗性能研宄与优化设计。为了对模拟模型进行验证，本文在光伏窗的实验台上，不仅测试了光伏窗的传热、采光和发电性能，还测试了实验所在地气象数据。通过将气象参数作为输入条件，光伏窗的温度、热流、照度和发电量等参数作为输出条件，对光伏窗的模拟模型进行验证。