基于陰影識別的光伏陣列輸出特性簡化仿真方法①

戚 軍 葉焙佳 李袁超 翁國慶 周 丹

(浙江工業(yè)大學信息工程學院 杭州 310023)

0 引 言

太陽能作為無污染、易獲取的可再生能源[1-2]，光伏(photovoltaic， PV)發(fā)電是對其進行有效利用的主要形式[3-4]。實際光伏發(fā)電系統(tǒng)中，由浮云、建筑物等引起的遮陰會在陣列表面形成陰影，這不僅會削弱光伏陣列潛在的最大功率輸出能力，甚至可能損壞光伏組件[5-6]。構成光伏陣列的多種電氣連接結構中，串并聯(lián)(series parallel，SP)是應用最廣泛的結構[7]。該結構中，各串聯(lián)組件需并聯(lián)1個旁路二極管以避免局部遮陰時的熱斑現(xiàn)象[8]，同時各并聯(lián)子串需串聯(lián)1個防逆二極管用來防止支路電能倒送[9]。然而，旁路二極管的使用可能導致局部遮陰光伏陣列的P-V曲線存在多個峰值[10]。

為了降低局部遮陰對光伏輸出的影響，國內外學者經過細致的研究后有了較多成果。融合了粒子群[11-13]、人工神經網絡[14，15]等智能算法的最大功率點跟蹤(maximum power point tracking，MPPT)技術，能夠比較準確地跟蹤到光伏陣列的全局最大功率點(maximum power point，MPP)。但是，這些復雜的MPPT算法可能在某些特殊的陰影情況下失效。另一方面，動態(tài)調整開關矩陣[16-18]等結構優(yōu)化方法能夠有效提高遮陰陣列的輸出功率。然而這些方法對陰影的檢測依賴較多測量元件，或將局部遮陰組件等效為整塊遮陰并以等效輻照度近似，導致繪制的陣列輸出特性曲線存在不可忽略的誤差。

考慮到實際陰影形狀的隨機多變性，若要精確檢測光伏陣列表面的陰影分布，需要安裝足夠多的輻射傳感器。但隨著陣列規(guī)模的擴大，其數(shù)量將會非常大。如果能將數(shù)字圖像處理技術應用于陰影識別，就可以為陰影檢測提供創(chuàng)新性的解決方案。實際上，在光伏發(fā)電領域里已有不少應用數(shù)字圖像處理技術的案例。文獻[19]通過識別擋光板在陽光照射時產生的陰影面積，設計了能夠實現(xiàn)光伏組件自動進行光敏跟蹤的系統(tǒng)。文獻[20]根據(jù)不同工作狀態(tài)下光伏組件存在明顯溫差這一特性，提出了一種基于紅外圖像識別的光伏陣列工作狀態(tài)分析方法。文獻[21]結合地基云圖與徑向基函數(shù)人工神經網絡，提出了一種超短期精確預測光伏功率的方法。

本文首先分析了輻照度等效對局部遮陰光伏組件輸出的影響，提出了一種考慮局部陰影分布的光伏陣列輸出特性簡化仿真方法，然后根據(jù)局部遮陰光伏陣列圖像的特征，詳細介紹了陰影識別算法的實現(xiàn)步驟，接著對比了多種方法在陰影識別上的效果，并對基于陰影識別的光伏陣列輸出特性簡化仿真方法進行準確性與快速性分析，最后得出了幾條重要的結論。

1 光伏陣列局部遮陰組件輻照度等效誤差分析

1.1 光伏陣列結構

光伏電池是光伏組件的基本單元。由于單個光伏電池端電壓較低、輸出電流較小，需要將若干個光伏電池串聯(lián)后封裝成光伏組件，再將多個光伏組件經過適當?shù)拇⒙?lián)后形成光伏陣列，才能達到并網電壓功率的要求。圖1為光伏陣列的SP連接結構，其中每個子串有m塊組件串聯(lián)，陣列共有n串子串并聯(lián)，且各組件并聯(lián)1個旁路二極管，各子串串聯(lián)1個防逆二極管。記位于x行y列的光伏組件為Mxy(x= 1, 2, …,m;y= 1, 2, …,n)。

圖1 光伏陣列的SP連接結構

光伏陣列遭遇局部遮陰時，假設陰影處的輻照度均勻，陣列中的組件可分為3類：無遮陰、局部遮陰以及整塊遮陰，其中無遮陰組件與整塊遮陰組件的表面僅有1種輻照度，而局部遮陰組件的表面存在2種不同的輻照度。分別定義遮陰電池個數(shù)矩陣Q，光照電池個數(shù)矩陣P，如式(1)和式(2)所示。

(1)

(2)

其中，Qxy表示光伏組件Mxy中遮陰的電池個數(shù)，k是光伏組件串聯(lián)的光伏電池總個數(shù)，Pxy是組件Mxy中光照的電池個數(shù)。當溫度恒定時，光伏電池的短路電流與輻照度成正比[22]。根據(jù)基爾霍夫電流定律，光伏組件中光照電池的短路電流受到遮陰電池短路電流的限制，使得整個局部遮陰組件的短路電流等于其中遮陰電池的短路電流。而光伏電池的開路電壓與輻照度存在對數(shù)關系[22]，即隨著陰影輻照度的下降，遮陰電池的開路電壓將略有降低。根據(jù)基爾霍夫電壓定律，光伏組件的開路電壓等于該組件中所有光伏電池的開路電壓之和。

因此，在SP結構的光伏陣列中，當某條支路包含局部遮陰組件時，遮陰組件的短路電流將小于無遮陰組件的短路電流。此時若支路中流過的電流大于遮陰組件的短路電流，遮陰組件的旁路二極管將導通，引起遮陰組件電壓反偏并消耗功率，造成光伏陣列的輸出功率損失。由于陣列各條支路的遮陰情況可能存在差異，支路的輸出特性曲線不完全相同。盡管SP結構中并聯(lián)支路之間的端電壓相等，但是每條支路的輸出電流可能并不相同，導致陣列的輸出P-V特性曲線中出現(xiàn)多個波峰[10]。

1.2 輻照度等效誤差分析

為了簡化局部遮陰組件表面的陰影，文獻[16-18]將局部遮陰組件等效為整塊遮陰組件，并根據(jù)式(3)計算等效輻照度作為等效組件表面唯一的輻照度。

Gxy=γ·[Ixy+I0·(eVxy/nVT-1)]

(3)

其中，Gxy是局部遮陰組件Mxy表面的等效輻照度，Ixy與Vxy分別是Mxy輸出端的一組對應的測量電流與電壓，γ、I0、nVT是光伏組件的特性參數(shù)，可以根據(jù)光伏組件在標準測試條件(standard test condition，STC)下的開路電壓、短路電流與最大功率點電壓電流計算獲得[16]。

圖2 局部遮陰組件及其等效組件

表1 光伏組件(GHM10W)在STC下的參數(shù)

參數(shù)數(shù)值串聯(lián)個電池個數(shù)36MPP功率10WMPP電壓17.6VMPP電流0.57A開路電壓21.6V短路電流0.67A

根據(jù)表2可知，將局部遮陰的Mab與Mcd等效為整塊遮陰組件并使用等效輻照度后，在計算組件輸出功率時分別產生了15.69%與9.53%的峰值功率誤差。若將局部遮陰組件設置為整塊遮陰并使用等效輻照度進行仿真，其輸出功率將存在明顯誤差，且局部遮陰組件中的遮陰電池個數(shù)越少，峰值功率誤差將越大。

(a) I-V曲線

(b) P-V曲線

組件短路電流(A)開路電壓(V)峰值功率(W)峰值功率誤差 (%)Mab0.33521.335.99—M'ab0.46721.046.93+15.69Mcd0.33521.065.56—M'cd0.41220.856.09+9.53

2 光伏陣列輸出特性簡化仿真方法

考慮到實際陰影形狀的隨機性，若要獲得光伏陣列準確的輸出特性曲線，可在仿真計算時分別設置每個光伏電池單體的輻照度。隨著陣列規(guī)模的擴大，仿真的計算量將會非常大。根據(jù)上一節(jié)誤差分析可知，光伏組件的輸出特性與組件遮陰電池個數(shù)有關。當陰影輻照度確定時，若組件中的遮陰電池個數(shù)相等，則它們的輸出特性將相同。因此，針對共有m×n塊組件的光伏陣列，提出了一種光伏陣列輸出特性簡化仿真方法。該方法將光伏電池作為最小的仿真單位，按照光伏陣列表面實際的陰影分布，最大限度地還原了每個組件真實的遮陰情況，不僅能夠提高輸出特性仿真的準確性，而且還適用于任何形狀遮陰的光伏陣列。

假設Icell(α)、Vcell(α)分別是光伏電池在光照輻照度αW/m2下的輸出電流與端電壓，Icell(β)、Vcell(β)分別是光伏電池在陰影輻照度βW/m2下的輸出電流與端電壓。根據(jù)1.1節(jié)中的分析，輸出特性簡化仿真方法將光伏組件的數(shù)學模型分為以下3種：

(1) 無遮陰組件

若組件Mxy為無遮陰組件，則組件中所有k個串聯(lián)電池都接收光照輻照度αW/m2。因此，無遮陰組件的數(shù)學模型可表示如下：

(4)

(2) 整塊遮陰組件

若組件Mxy為整塊遮陰組件，則組件中所有k個串聯(lián)電池都接收陰影輻照度βW/m2。因此，整塊遮陰組件的數(shù)學模型可表示如下：

(5)

(3) 局部遮陰組件

若組件Mxy為局部遮陰組件，根據(jù)該組件實際的遮陰情況，將組件中k個串聯(lián)的光伏電池分為光照部分與遮陰部分，光照部分接收光照輻照度αW/m2，遮陰部分接收陰影輻照度βW/m2。因此，局部遮陰組件的數(shù)學模型可表示為

(6)

其中，遮陰部分包含的電池個數(shù)Qxy與光照部分包含的電池個數(shù)Pxy均由下文的陰影識別算法獲取。

3 光伏陣列陰影識別算法

3.1 光伏陰影圖像特點

光伏組件大多使用晶硅電池，其表面顏色主要有黑色與深藍色2種。因此，在光伏陣列圖像中，固定組件的淺色邊框與深色的光伏電池之間存在明顯對比。當光伏組件局部遮陰時，組件遮陰部分的顏色相對光照部分的顏色會變深，且陰影輻照度越低，其顏色越深?；谝陨咸卣?，拍攝光伏陣列圖像，識別圖像中的陰影分布區(qū)域是有可能實現(xiàn)的。然而，當光伏陣列圖像包含的組件個數(shù)較多或者圖像像素較低時，陰影識別主要存在以下幾個難點：

難點1：光伏組件淺色的金屬邊框在圖像中不能清晰顯示，用于構成電流通路的匯流線在組件表面形成了銀白色的柵線，這些因素都將影響每個組件電池區(qū)域的準確識別；

難點2：生產工藝的限制使得不同組件之間顏色有差，同一組件表面的顏色不均勻，不利于圖像分割閾值的選?。?/p>

難點3：圖像采集過程中，無法避免的環(huán)境干擾使拍攝的光伏陣列圖像可能存在邊緣模糊、噪聲較大等問題。

因此，必須結合光伏陣列圖像特征，針對可能存在的技術難點，對現(xiàn)有圖像識別技術進行合理選擇、適當改進后才有可能獲得較好的陰影識別效果。

3.2 光伏陰影識別算法流程

為保證陰影識別的順利開展，針對3.1節(jié)中的難點1，可以考慮在不影響封裝電池工作特性的前提下，對光伏組件的邊框進行處理，例如涂抹顏料或熒光粉。本實驗采用將組件邊框標紅、固定攝像頭的方法，提高組件邊框與組件電池區(qū)域的區(qū)分度，并對組件表面銀白色的柵線進行平滑處理，減少柵線對組件電池區(qū)域識別的干擾。針對3.1節(jié)中的難點2，考慮到光伏陣列表面的陰影面積較小時，陰影目標的灰度信息對整幅圖像的貢獻較小，利用全局閾值將無法分離目標與背景[23]，可以通過局部閾值分割法為每個組件電池區(qū)域選擇獨立的分割閾值，避免組件色差的影響。針對3.1節(jié)中的難點3，陰影的干擾使得直接識別遮陰陣列圖像中的各個組件較為困難，可以考慮先識別無遮陰陣列圖像中組件電池區(qū)域的邊界，再利用該邊界提取局部遮陰陣列圖像中相應的組件電池區(qū)域，改善遮陰圖像的組件識別效果。

假設攝像頭拍攝的圖像大小為I×J，其中包含M×N塊光伏組件?；谝陨戏治觯岢隽巳鐖D4所示的陰影識別算法流程圖。算法分為2部分：第1部分是組件電池區(qū)域識別部分，該部分通過確定光伏陣列無遮陰圖像中組件除邊框外電池區(qū)域的邊界，統(tǒng)計無遮陰圖像中各組件電池區(qū)域包含的像素個數(shù)；第2部分是遮陰電池區(qū)域識別部分，該部分根據(jù)第1部分確定的電池邊界提取局部遮陰圖像中的組件電池區(qū)域，對組件進行獨立閾值分割后確定組件的遮陰電池區(qū)域，并統(tǒng)計遮陰電池區(qū)域包含的像素個數(shù)，計算各組件的遮陰電池個數(shù)與光照電池個數(shù)。其中，組件電池區(qū)域識別僅需在算法首次運行時執(zhí)行一次即可，遮陰電池區(qū)域識別可在每天日出到日落的期間內重復執(zhí)行。以下是算法的具體實現(xiàn)步驟。

圖4 陰影識別算法流程圖

(1) 組件電池區(qū)域識別

1-1) 拍攝光伏陣列無遮陰圖像；

1-2) 提取無遮陰圖像的R通道分量，得圖像h(i,j)，其中(i,j)為圖像中各像素點的坐標，h(i,j)表示點(i,j)的灰度值；

1-3) 對圖像h(i,j)進行組件柵線平滑后，使用中值濾波器消除其中的孤立噪聲點，得圖像f(i,j)；

1-4) 根據(jù)大津閾值分割法[24]求取全局閾值T，利用T對圖像f(i,j)進行二值化，得二值圖像b(i,j)；

1-5) 采用高斯-拉普拉斯算子[25]對二值圖像b(i,j)進行邊緣檢測，去除其中的小連通區(qū)域后，得組件電池區(qū)域的邊界；

1-6) 將光伏陣列無遮陰圖像轉化為灰度圖，根據(jù)步驟1-5)中的邊界提取灰度圖中相應的組件電池區(qū)域，得組件電池區(qū)域的灰度圖像l(i,j)；

1-7) 統(tǒng)計圖像l(i,j)中Mxy(x=1, 2, …,M;y=1, 2, …,N)電池區(qū)域包含的像素個數(shù)Exy，繪制Mxy電池區(qū)域的灰度直方圖并進行平滑濾波，記錄波峰處的灰度值Wxy。

(2) 遮陰電池區(qū)域識別

2-1) 拍攝光伏陣列局部遮陰圖像；

2-2) 將光伏陣列局部遮陰圖像轉為灰度圖，得灰度圖像r(i,j)；

2-3) 根據(jù)步驟1-5)中的組件電池區(qū)域邊界，提取圖像r(i,j)中相應的的組件電池區(qū)域，得圖像s(i,j)；

2-4) 利用改進的局部閾值分割法對圖像s(i,j)進行二值化，得組件遮陰電池區(qū)域圖像o(i,j)；

2-5) 統(tǒng)計圖像o(i,j)中組件Mxy遮陰電池區(qū)域包含的像素個數(shù)Fxy；

2-6) 結合步驟1-7)中的組件Mxy電池區(qū)域的像素個數(shù)Exy，根據(jù)式(7)、式(8)計算Qxy與Pxy。

(7)

Pxy=k-Qxy

(8)

其中，[]表示取整。

3.3 關鍵步驟說明

步驟1-3)中組件柵線平滑方法與步驟2-4)中改進的局部閾值分割法對于光伏陰影的識別至關重要，以下將展開說明。

(1) 組件柵線平滑

銀白色柵線在圖像h(i,j)中的R通道分量值較大，與組件邊框的R通道分量值差異不明顯，影響后續(xù)組件分割。因此，可以通過修正柵線處的R通道分量值，使其與組件電池處的R通道分量值相近，達到柵線平滑的效果。具體實現(xiàn)方法如下：

設置平滑窗口的寬度μ與平滑閾值θ，定義集合Ω如式(9)所示。逐行遍歷圖像h(i,j)中橫坐標從1+μ到I-μ、縱坐標從1到J范圍內所有的像素點(i,j)，將屬于集合Ω的點的R通道分量值根據(jù)式進行修正。

Ω={(i,j)|h(i,j)≤θ∩h(i-μ,j)>θ

∩h(i+μ,j)>θ}∪{(i,j)|h(i,j)>θ

∩h(i-μ,j)≤θ∩h(i+μ,j)≤θ}

(9)

(10)

根據(jù)同一原理，逐列平滑柵線。

(2) 改進的局部閾值分割法

局部閾值分割法可以為不同的圖像區(qū)域選擇獨立的分割閾值。但是，當某個圖像區(qū)域完全屬于背景或目標時，其灰度直方圖只是單峰，普通的局部閾值分割法很難對圖像進行有效地分割[23]。

由于光伏陣列陰影區(qū)域的輻照度均勻，單個組件電池區(qū)域的灰度直方圖波峰個數(shù)只能為1或2。其中，波峰個數(shù)為1的組件可能是無遮陰組件或整塊遮陰組件?？紤]到這2種組件灰度直方圖波峰處的灰度值相差較大，可以將組件無遮陰狀態(tài)下灰度直方圖中波峰處的灰度值Wxy做為參考。因此，在局部遮陰陣列圖像中，若組件Mxy的灰度直方圖波峰個數(shù)為1，且波峰處的灰度值Zxy大于Wxy，則可以認為該組件在局部遮陰陣列圖像中是無遮陰的，否則為整塊遮陰。

基于以上分析，結合光伏陣列圖像特點，陰影識別算法采用了一種改進的局部閾值分割法。該方法首先將步驟2-3)的圖像s(i,j)中的每個組件電池區(qū)域作為一張子圖，然后繪制每張子圖的灰度直方圖并進行平滑濾波，統(tǒng)計直方圖中波峰的個數(shù)Dxy，僅當Dxy=1時，記錄直方圖波峰處的灰度值Zxy；接著根據(jù)式(11)的閾值計算規(guī)則，計算組件Mxy電池區(qū)域的分割閾值Txy。

(11)

最后將Txy作為分割閾值對灰度圖s(i,j)中組件Mxy的電池區(qū)域進行二值化。

4 案例分析

4.1 光伏陣列陰影識別結果對比分析

利用參數(shù)如附錄的光伏組件搭建3×3的光伏陣列，其陣列結構如圖5所示。使用紅色紙條突出光伏組件邊框，并在陣列正前方安裝攝像頭。拍攝陣列無遮陰與局部遮陰時的圖像如圖6所示。利用輻射傳感器測得光伏陣列光照區(qū)域的輻照度為1 037 W/m2，陰影區(qū)域的輻照度為290 W/m2。針對以上光伏陣列遭遇的陰影，對比了3.2節(jié)中的陰影識別算法與其他2種算法的陰影識別效果。

圖5 3×3光伏陣列SP結構圖

圖6 3×3光伏陣列圖像

算法1：與文獻[20]的圖像處理思想大致相同，對遮陰圖像進行預處理后利用全局閾值進行分割，具體流程按照圖4中的步驟2-1、1-2、1-3、1-4進行，得到遮陰電池區(qū)域識別結果如圖7(a)所示。

算法2：流程大致與圖4相同，僅步驟2-4不同，該步驟替換為利用大津法[24]對組件電池區(qū)域進行全局閾值分割，得到遮陰電池區(qū)域識別結果如圖7(b)所示。

算法3：采用3.2節(jié)中的陰影識別算法，具體流程如圖4所示，首先確定無遮陰陣列圖像中組件電池區(qū)域的邊界，然后根據(jù)該邊界提取局部遮陰圖像中的組件電池區(qū)域，對各組件電池區(qū)域進行獨立閾值分割后，得到遮陰電池區(qū)域識別結果如圖7(c)所示。

對比圖7中的陰影識別結果可知，本文提出的陰影識別算法對光伏陣列局部陰影的識別效果最佳。算法1中，雖然對光伏組件進行了柵線平滑處理，但柵線處的灰度值仍不能與深色組件電池區(qū)域的灰度值完全相同，加之組件淺色邊框的影響，導致大津算法將組件柵線與邊框作為背景，將陰影與組件電池區(qū)域作為目標進行了圖像分割，無法正確區(qū)分遮陰組件與光照組件。算法2與算法3由于首先確定了組件電池的邊界，有效地減少了組件邊框帶來的干擾。但是因為組件之間存在色差，算法2不能準確地選取全局閾值，使遮陰電池區(qū)域識別結果存在較大的誤差。算法3利用改進的局部閾值分割法為每塊組件電池區(qū)域選取獨立的分割閾值，有效地避免了組件色差的影響，獲得了較好的識別效果。其中，算法3計算的組件除邊框外電池區(qū)域的像素個數(shù)Exy以及組件遮陰電池區(qū)域的像素個數(shù)Fxy記錄于表3中。根據(jù)式(7)、式(8)可計算各組件的遮陰電池個數(shù)Qxy與光照電池個數(shù)Pxy。

圖7 遮陰電池區(qū)域識別結果

此外，相比文獻[17, 26, 27]為每個光伏組件連接電流電壓傳感器或者輻照度傳感器來分析組件的遮陰情況，陰影識別算法僅需一個攝像頭用于采集光伏陣列圖像、少數(shù)幾個輻照度傳感器用于檢測陰影處與光照處的輻照度，提高了陰影檢測準確度的同時，使用的測量元件數(shù)量更少，更容易實現(xiàn)工程應用。

表3 光伏組件陰影區(qū)域量化分析結果

4.2 陣列子串輸出特性對比分析

為了評估基于陰影識別的光伏陣列輸出特性簡化仿真方法的性能，針對表3中的陰影區(qū)域量化分析結果，將該方法仿真的陣列子串輸出特性曲線與另外2種方法仿真的特性曲線進行了對比。

方法1：根據(jù)光伏陣列實際的陰影分布情況，分別設置每個光伏電池單體的輻照度，即在仿真輸出特性曲線時，陣列中每個組件的每個電池都接收一種輻照度，遮陰電池接收陰影輻照度290 W/m2，光照電池接收光照輻照度1 037 W/m2。

方法2：將局部遮陰組件等效為整塊遮陰并以等效輻照度近似，即在仿真輸出特性曲線時，每個組件只接收一種輻照度，無遮陰組件接收光照輻照度1 037 W/m2，整塊遮陰組件接收陰影輻照度290 W/m2，局部遮陰組件M21、M22、M31、M32分別接收根據(jù)式計算的等效輻照度399 W/m2、712 W/m2、290 W/m2、308 W/m2。

方法3：采用第2節(jié)中提出的光伏陣列輸出特性簡化仿真方法，將局部遮陰光伏組件中的電池分為光照部分與遮陰部分，根據(jù)表2中的陰影區(qū)域量化分析結果分別設置2部分包含的電池個數(shù)，其中光照部分接收光照輻照度1 037 W/m2，遮陰部分接收陰影輻照度290 W/m2。

根據(jù)以上3種方法，仿真的陣列子串輸出特性曲線如圖8所示，部分重要仿真結果記錄于表4中。由于方法1以光伏電池為單位進行仿真，仿真結果精度最高，因此可以將方法1的仿真結果作為參考。

分析仿真結果可知，包含遮陰電池的子串1與子串2的開路電壓比不包含遮陰電池的子串3的開路電壓低，且子串1中遮陰電池的數(shù)量比子串2中遮陰電池的數(shù)量多，使得子串1的開路電壓比子串2的開路電壓小，這些結果均與1.1節(jié)中的分析相符。圖5所示的SP光伏陣列中每個組件都并聯(lián)了1個旁路二極管，因此子串的短路電流取決于該串中短路電流最大的組件。由于3個子串中都包含至少1個無遮陰組件，因此所有子串的短路電流都相等，且與無遮陰組件的短路電流相等，即輻照度1 037 W/m2對應的短路電流值。

圖8 陣列子串特性曲線圖

表4 采用不同仿真方法的陣列子串仿真結果對比

子串方法短路電流(A)開路電壓(V)峰值功率(W)峰值功率誤差 (%)仿真時間(s)時間差(%)110.694862.0029.665—99.89—20.694861.64610.562+9.2845.33-54.62030.694862.0029.660-0.0545.83-54.120210.694863.54210.668—102.43—20.694862.50014.913+39.7947.70-53.43230.694863.65210.748+0.7547.85-53.285310.694864.97230.6821—107.13—20.694864.97230.68210.047.32-55.82930.694864.97230.68210.047.32-55.829

由于方法1與方法3是根據(jù)實際的遮陰情況設置仿真條件，根據(jù)圖6(b)所示，子串1與子串2中均包含了至少1個遮陰組件與光照組件。又因為陰影處的輻照度唯一且均勻，結合1.1節(jié)中的分析可知，子串1與子串2的I-V曲線存在2個臺階，相應地，P-V曲線存在2個波峰。然而在方法2的仿真過程中，遮陰組件接收的是各不相同的等效輻照度，即子串中3個組件的短路電流互不相等，最終導致子串1與子串2的I-V曲線擁有3個臺階，P-V曲線擁有3個波峰。

另一方面，通過對比表3中的峰值功率可知，方法2的誤差最大。對于包含遮陰組件的子串1與子串2，方法2的峰值功率誤差分別達到了+9.28%與+39.79%。而方法3與方法1的仿真結果幾乎相等，輸出特性曲線幾乎重合。但因為方法1中即使是輻照度相等的光伏電池也需要單獨建模仿真，仿真計算量明顯較大，而方法3通過將組件中輻照度相同的光伏電池進行集中仿真，使仿真計算的時間比方法1減少了50%以上。

4.3 光伏陣列輸出特性對比分析

為了進一步說明光伏陣列輸出特性簡化仿真方法的有效性與快速性，基于表3中的陰影區(qū)域量化分析結果，利用4.2節(jié)中的3種仿真方法，繪制光伏陣列輸出特性曲線如圖9所示，部分重要仿真結果記錄于表5中。由于光伏陣列輸出特性可以看作是將子串的電流進行疊加，且方法3與方法1獲取的子串輸出特性一致，所以這2種方法獲取的陣列輸出特性仿真曲線基本重合；而方法2的仿真輸出特性曲線，其形狀與方法1的曲線還是有著明顯的差異，且存在3.80%的峰值功率誤差。此外，隨著光伏陣列規(guī)模的增加，方法3對組件中相同輻照度的光伏電池進行集中仿真的優(yōu)勢更加明顯，表5的仿真結果表明，方法3的仿真時間比方法1減少了75%以上。

綜上所述，當光伏陣列遭遇不規(guī)則局部遮陰時，若將局部遮陰組件等效為整塊遮陰并采用等效輻照度，不僅會使繪制的特性曲線在形狀上與實際曲線有著較大區(qū)別，還會使計算的輸出功率與真實值之間存在不可忽略的誤差。光伏電池獨立輻照度輸入方法雖然能夠繪制精確的特性曲線，但是計算量較大、仿真時間較長。本文提出的基于陰影識別的光伏陣列輸出特性簡化仿真方法，通過陰影識別算法準確識別了光伏陣列表面的陰影分布，有效地減少了電流電壓傳感器的使用。此外，該方法以光伏電池為最小遮陰單位，在仿真時最大限度地還原了組件實際的遮陰情況，實現(xiàn)光伏陣列輸出特性曲線精確快速繪制。由此可知，本文提出的仿真方法不僅能夠為光伏陣列結構優(yōu)化技術選擇最優(yōu)重構目標提供技術支持，還能為MPPT技術提供準確的MPP信息，在未來的光伏發(fā)電技術中具有良好的應用價值與推廣前景。

圖9 光伏陣列特性曲線圖

表5 采用不同仿真方法的光伏陣列仿真結果對比

方法短路電流(A)開路電壓(V)峰值功率(W)峰值功率誤差(%)時間(s)時間差(%)12.084464.37249.866—232.16—22.084464.37251.761+3.8050.55-78.22632.084464.37249.875+0.0251.87-77.658

5 結 論

本文提出了一種基于陰影識別的光伏陣列輸出特性簡化仿真方法。為了避免組件色差與組件邊框的影響，該方法使用的陰影識別算法通過改進的局部閾值分割法獲取陣列陰影分布信息，并在仿真光伏輸出特性曲線時，分別設置各個組件包含的光照電池個數(shù)與遮陰電池個數(shù)。仿真結果表明，該方法能較好地識別光伏組件表面的陰影，并能準確快速地繪制局部遮陰陣列的輸出特性曲線。對于未來的光伏發(fā)電技術，該研究成果不僅有助于結構優(yōu)化方法尋找最優(yōu)光伏陣列結構，還可以為局部遮陰條件下的MPPT技術準確快速地提供MPP信息。