光伏模拟器对比：辐照度建模

概述

辐照度建模是PV模拟中的光学阶段。它将太阳能资源——全球水平辐照度（GHI）、直接法向辐照度（DNI）和漫反射水平辐照度（DIF）——以及场景几何形状转化为辐照度，覆盖每个模块的前部每个单元，对于双面系统，也包括每个模块的后部。这里引入的误差会在整个模拟链中传播，因此建模方法是模拟器之间最显著的区别之一。

两种设计选择主导了准确性：计算方法，即通过全3D场景或视角因子进行简化几何的光线追踪;以及天空漫反射模型，各向异性模型捕捉各向同性模型忽略的太阳周和地平线亮度提升。回溯算法、太阳位置算法和地平线数据源贡献了较小但可测量的差异。

关于测试站点、系统配置、测试软件版本及系列中共享的统计方法，请参见 “设置与测试方法论”。

关于苏洛夫网站的说明

测试场在远方地形和气候上有所不同。苏洛夫位于北纬49.16°，属于温暖夏季湿润大陆性气候（Dfb），该气候结合了冬季低日照和高弥散分数，是比较中受地形影响最严重的地点——见图1。它作为光学链的每级极端情况反复出现。达兰和拉斯维加斯地形影响适中，而卡杜、比勒陀利亚和亚伦则基本开放。有关场地坐标和气候区，请参见 “设置与测试方法论”。

图1：苏洛夫站极限地形和地平线（背景为灰色阴影——从光伏阵列中可见）。截图来自Solargis Evaluate。

GTI移调

GTI换位将太阳能资源（GHI、DNI、DIF）转换为模块表面的全球倾斜辐照度（GTI）。它是光学链的第一步，也是导致其内部差异的最大单一因素。地平线阴影在下一步中单独应用。模拟器之间差异主要由三个因素驱动：计算方法、天空漫反射模型和回溯算法。

计算方法

光线追踪沿着光线路径穿过完整的3D场景;视因子方法通过简化几何整合分析天空和地面的贡献。Solargis Evaluate 使用路径追踪（一种光线追踪变体），对每个单元格进行多次采样。其他所有模拟器都使用视角因子。光线追踪处理任意几何、部分着色和反射，无需简化假设，但计算成本更高。

天空漫反射模型

各向异性模型（Perez家族及其变体）比各向同性模型更能捕捉太阳周和地平线的变亮，尤其是在倾斜表面方面。默认模型有所不同：Perez 全天候（Solargis Evaluate）、Perez-Ineichen（PVsyst、SolarFarmer）、Perez 1990（SAM）以及各向同性（pvlib，提供六个用户可选方案）。天空弥散模型选择是GTI换位差异的第二大来源，集中在弥散分量中。

回溯算法

仅适用于单轴跟踪器（SAT）。回溯会在早晚调整追踪器旋转，防止行对行自着色。不同实现通过直射波束入射角的余弦值，导致GTI中的跟踪系统差异。坡度感知变体（pvlib、SolarFarmer）可校正地形横坡;Lorenzo-Narvarte-Muñoz 的表述（Solargis Evaluate，Solargis Prospect）和 PVsyst 专有算法假设行间没有垂直偏移。

方法比较

表1：每个模拟器的GTI换位建模比较。

数值结果

结果计算出六个测试场地和四个系统配置，具体见 “设置与测试方法论 ”一文。

这三种模拟器与Solargis Evaluze在典型前端GTI的表现高度一致：每种配置中中位偏置均低于1%（见图2）。区别在于一致性，而非中心趋势。固定倾斜配置在六个站点中保持一致，而跟踪配置则分布更广，最明显地见于RMSE（见图3）。跟踪器几何形状驱动了这一点：跟踪阵列扫描的入射角范围远大于固定平面，这也是天空漫反射模型分歧最大的部分。达兰和苏洛夫几乎占据了所有的分布，且仅在他们的追踪配置中。在这两者中，RMSE的偏差远超偏差，显示出随着年份变化的差异，且在年度总数中大多相互抵消。在跟踪器上，PVsyst保持最稳定，SAM显示的最宽RMSE尾部。

Solargis Evaluate 和 PVsyst 为双面和单面跟踪配置计算不同的前侧 GTI，因为这两种模块类型在相同的地面覆盖比下，跟踪表的物理尺寸不同。pvlib和SAM对两者的数值相同，因为它们的跟踪几何仅由地面覆盖比定义，不响应表格的实际尺寸。

图2：通过在六个测试站点安装配置，pvlib、PVsyst和SAM对Solargis Evaluate的前端GTI偏置占Solargis Evaluate GTI的百分比。

双面后侧建模

对于双面模块，后侧辐照度与前方分别计算。地面反照率、安装结构的后侧阴影以及模块背后的场景几何形状都起到了作用。对于公用事业级双面系统，后侧增益通常占总能量产额的5%到15%，因此建模保真度直接影响可列储的产率估计。

计算方法与场景保真度

Solargis Evaluze通过同样的全3D场景，将前侧路径追踪延伸到后侧。视角因子模拟器（pvlib、PVsyst、SAM、SolarFarmer）主要用于简化的二维表示，规则间距行的表现则忽略行尾和地形效果。SolarFarmer 的云端版本提供 3D 功能。三维方法捕捉了非均匀几何、邻近物体和地形的贡献，这些是二维方法无法表现的。

后侧结构遮阳

扭矩管和后侧安装元件阻挡了不可忽视的后部辐照度。Solargis Evaluate 模型中明确使用可配置反照率的扭矩管。PVsyst 和 SolarFarmer 应用结构着色因子。pvlib不建模后侧障碍物，SAM允许用通用损耗因子代替显式模型。

损耗应用到后侧

污损、光谱和入射角修正（IAM）损耗对后部的适用方式与前部不同。Solargis Evaluate 独立模拟前后。SolarFarmer 省略了后侧的污渍和频谱损失，并且只在云计算中对后方应用 IAM 值。其他视角因子模拟器则将前侧损耗应用于后部，而没有针对后方的具体建模。有关基础损耗模型，请参见 光学损耗 。

方法比较

表2：每模拟器后侧建模比较。

数值结果

只有 Solargis Evaluate 和 pvlib 在施加任何后侧损耗之前，会单独暴露后侧移位步骤。图4和图5对比了它们在双面结构中的表现。PVsyst和SAM仅在自身下游损失后报告后侧辐照度。 详细的结果和分析 文章涵盖了这三种模拟器。

pvlib在所有12个双面病例中计算的后侧GTI均高于Solargis Prouate，分别为+1.6%至+7.8%，且在6个部位中有5个位置，追踪器上的GTI高于固定倾斜。其RMSE在每种情况下都大于偏置，因此不同地点和条件的分歧差异很大。以后侧辐照度为单位测量，这是光学链中最宽的发散，尽管后侧增益仅占前侧GTI的一小部分，因此其对当量的绝对影响相应较小。结果与 pvlib 中的二维无限脱落近似与 Solargis Evaluate 模拟的完整三维后侧几何截然不同是一致的。

图4：pvlib相较于Solargis Evaluate的后侧GTI偏置，占Solargis Evaluate后侧GTI的百分比，适用于六个测试点的两种双面配置。

图5： pvlib对Solargis Evaluate后侧GTI RMSE占Solargis Evaluate后侧GTI的百分比，涵盖六个测试点的两种双面构型。

地平线阴影

地平线着色是光学链中的第二步。远视场地形阻挡了地平线以下的直接辐照度，减少了可见天空以形成漫射辐照。这种影响在被山脉、山谷或建筑天际线包围的地点显著，而在平坦的开阔地带则几乎可以忽略不计。

地平线数据来源

Solargis Evaluate 和 Solargis Prospect 通过集成模型提供地平线，后处理的 SRTM v4.1，分辨率为 90 米。其他模拟器都要求用户导入数据。表3列出了各方接受的来源。

漫射辐照度处理

漫射辐照度处理是主要的方法学区分因素。Solargis Evaluate 对每个数组段使用光线追踪：射线击中天空使用天空模型，射线击中地形贡献地形反照率× GHI。PVsyst对线性降低可达20°地平线高度。SAM对球形穹顶的遮蔽部分进行积分。pvlib 没有内置的漫视视平线函数——有文档用户示例将 GHI 简化为 DIF，其中 DNI 设为零。SolarFarmer 并未模拟漫射辐照的地平线效应。

直接辐照处理

所有模拟器都将DNI设置为地平线以下的零。PVsyst 还会在太阳在一小时内越过地平线时加权 DNI，而 SolarFarmer 则对部分穿越进行 DNI 的测量。这些细化仅在粗略的每小时时间步长中有效。

方法比较

表3：各模拟器的地平线着色建模比较。

数值结果

地平线着色损耗只能比较Solargis Evaluate、pvlib和PVsyst，因为SAM不区分地平线着色和近着色。在平坦和近平坦的地点，三者高度一致，地平阴影并非显著分歧（见图6和图7）。苏洛夫则大幅改变了这种状况，《拉斯维加斯》则是类似效果的温和版本。上述方法学空白直接体现在结果中：pvlib未进行扩散视界处理，在24个案例中23个计算的视界损耗比Solargis Appretu更小，而PVsyst中的线性近似在24个案例中计算的视界损失更大。Solargis Evaluate 在每个站点都介于两者之间（见图6）。两者在误差的下落位置上也有所不同。PVsist在跟踪器上分歧最大，而pv_lib最大的系统偏移落在固定倾斜;其追踪器误差在时间步长层级上更大，但全年会相互抵消。

图6：通过在六个测试站点上安装配置，pvlib和PV系统对Solargis评估的地平线着色损耗偏差，按前端GTI进入步骤的百分比进行评估。

近阴影

近阴影是光学链的第三步。它覆盖了由安装结构、邻近阵列、靠近工厂的地形以及其他场地物体（建筑物、树木、植物平衡设备）投下的阴影。线的部分着色会导致电损失不成比例，因此对于具有显著近阴影暴露的场地，仅几何模型和电气感知模型之间的选择至关重要。场景真实度限制了结果：每个模拟器的 场景建模能力 决定了其近着色计算能代表的范围。

场景对象支持

模拟器在场景中能放置的物体范围限制了其近着色计算所能表示的内容。Solargis Evaluate 和 SolarFarmer 支持最广泛的套装;Solargis Prospect 和 pvlib 只处理常规布局的行间着色。详细信息见表4。

计算方法

Solargis Evaluate 使用与 GTI 换位步骤相同的三维路径追踪，将自着色、地形和物体着色结合在单一计算中。视因子模拟器通过几何视因子计算相同的着色，且将自着色和物体着色视为独立计算。

电气不匹配

PVsyst 和 SolarFarmer 结合了线性（几何）着色与电不匹配模型，捕捉了当少数单元被阴影时，字符串级功率损失的不成比例现象。请注意，在本次比较中，电效应在 直流转换模拟步骤中已考虑。SAM区分外部（物体）和自身（行间）阴影。Solargis Evaluate 在下游电气仿真步骤处理电气效应（参见 直流侧电气建模），无需近似不匹配，因为它对每个单元进行光学和电气模拟。

方法比较

表4：每个模拟器的近着色建模比较。

数值结果

大多数站点的近阴影损失在模拟器中高度一致，中位数差异远低于入射辐照度的1%（见图8和图9）。PVsyst 最靠近 Solargis Evaluate。散度主要集中在苏洛夫，较小程度地集中在拉斯维加斯和达兰，因为靠近工厂的地形影响了阴影计算。固定倾斜配置的对齐程度并不均匀：在拉斯维加斯，三个模拟器在固定倾斜时的差异都比跟踪器更大，而该阶段pvlib记录的最大RMSE是苏洛夫的固定倾斜案例。SAM显示了三者中分布最广的，尽管部分原因是定义的差异，而非建模方式。

SAM无法区分地平线阴影和近阴影。其近阴影损失是根据标称辐照度测量的，而非地平线阴影后光照度，因此也包含pvlib和PVsyst分别报告的地平线损失，见图6和图7。这使SAM在每个站点的近着影偏向被放大，并解释了其在苏洛夫的极端数值。请将SAM在图8和图9中的结果视为地平线和近阴影的综合。

图8：通过在六个测试点安装配置，pvlib、PVsyst和SAM在Solargis Evaluate中占前端GTI的百分比，显示近着色损耗偏差。

延伸阅读

Solargis资源

• “Argus光学仿真概述”：Solargis

• “比较设置与测试方法”：Solargis

• “太阳数据与系统设置”：Solargis

太阳位置算法

• 《天文年鉴的太阳位置近似算法（1950-2050）》：米哈尔斯基，J. J.

• “太阳矢量计算”：Blanco-Muriel， M.， Alarcón-Padilla， D. C.， López-Moratalla， T.， Lara-Coira， M.

• 《太阳辐射应用中的太阳位置算法》：Reda， I.， Andreas， A.

• “更新PSA太阳位置算法”：Blanco， M. J.， Milidonis， K.， Bonanos， A. M.

天空漫反射与换位模型

• 《模型用于预测倾斜表面太阳辐射的评估》：Klucher， T. M.

• 《倾斜面太阳辐射入射计算》：Hay， J. E.， Davies， J. A.

• 《倾斜面太阳辐照度计算：选定小时和每日模型的验证》：Hay， J. E.

• “倾斜面Perez漫射辐照度模型的简化版”：Perez， R.， Seals， R.， Ineichen， P.， Stewart， R.， Menicucci， D.

• “佩雷斯漫射辐射模型的发展与验证”：Perez， R.， Stewart， R.， Seals， R.， Guertin， T.

• “直接和全球辐照度的日照可用性和辐照度成分建模”：Perez， R.， Ineichen， P.， Seals， R.， Michalsky， J.， Stewart， R.

• 《弥散分数相关性》：Reindl， D. T.， Beckmann， W. A.， Duffie， J. A.

• “天空亮度分布的全天候模型”：Perez， R.， Seals， R.， Michalsky， J.

• 《热过程的太阳能工程》：Duffie， J. A.， Beckman， W. A.

• “Perez漫反射天空模型的连续形式，用于正向和反向换位”：Driesse， A.， Jensen， A.， Perez， R.

回溯算法

• “追踪与回溯”：Lorenzo， E.， Narvarte， L.， Muñoz， J.

• 《单轴跟踪器最佳跟踪的旋转角》：Marion， W. F.， Dobos， A. P.

• 《单轴跟踪器的斜率感知回溯》：Anderson， K.， Mikofski， M.