基于物理模型的光伏电站输出功率预测
光伏发电功率预测和模型分析
光伏发电功率预测与模型分析摘要近年来，随着对可再生能源需求的日益提高，太阳能光伏发电技术得到了迅速的发展，大规模光伏发电系统的应用也日益广泛起来，但也随之出现了很多问题。
由于太阳辐射量与季度、阴晴及昼夜等气象条件密切相关，从而造成了光伏发电系统输出功率的随机性和间歇性的固有缺点，而且考虑到储能技术上的不成熟等因素，当大量的光伏发电系统接入电网时，势必会对电力系统的安全稳定运行和电能质量等带来严峻挑战，从而限制光伏发电产业的发展，所以对光伏发电系统输出功率进行预测对于电力系统运行而言具有非常重要的意义。
本文通过对影响光伏发电功率因素进行分析对目前现有的光伏发电功率预测方法进行分类，并根据统计方法和物理方法为依据，对太阳辐照量预测进行预测和直接对光伏发电系统的输出功率预测两种方法进行阐述和细化对比。
再根据各自所使用的数学模型不同将预测方法分为时间序列法、神经网络法、支持向量机方法、回归分析方法和智能预测方法[6]。
最后对不同分类的预测方法及相应的数学模型进行分析阐述和对比，说明其适用范围及精确度，并对其可行性进行分析，提出在功率预测中需要解决的问题。
关键词：光伏系统；功率预测；数学模型；方法Abstrackt\In recent years, with the demand for renewable energy increasing, solar photovoltaic technology has been rapid development of large-scale photovoltaic power generation system applications are increasingly widespread up, but also will be a lot of problems. Since the amount of solar radiation quarter, Teenage and other weather conditions closely related to circadian, resulting in a power output of photovoltaic power generation system and intermittent randomness inherent shortcomings, and taking into account factors such as energy storage technology immaturity, when a large number PV system connected to the grid ,it must have a safe and stable operation of power systems and power quality pose serious challenges, thus limiting the development of photovoltaic power generation industry, so the output power of the photovoltaic power generation system to predict in terms of the power system operation has a very important significance.Based on the impact of photovoltaic power factor analysis on currently available PV power prediction method for classification, and physical methods based on statistical methods and is based on the amount of solar radiation forecasts and projections directly to the output power of photovoltaic systems forecast describes two methods and refined contrast. And then according to their mathematical models used to forecast method is divided into different time series, neural networks, support vector machine, regression analysis and intelligent prediction method. Finally, the prediction of different classification methods and the corresponding mathematical model to analyze and compare elaborated, indicating its scope and accuracy, and its feasibility analysis, forecasting in power need to be resolved.Keywords: PV systerm;Power Prediction;Mathematical model;Method1前言1.1光伏产业国内外发展现状太阳能作为一种新型可再生能源,与传统能源相比具有可再生,无污染,来源广泛等优点是替代化石能源的主要选择。
光伏发电功率预测方法研究综述
光伏发电功率猜测方法探究综述一、引言光伏发电是一种以太阳能为源进行发电的清洁能源技术，具有环保、可再生、分布广泛等诸多优点，因此在世界范围内得到广泛应用和进步。
然而，由于太阳辐射的不稳定性以及天气变化的影响，光伏发电的功率输出存在一定的不确定性，这使得光伏电站的电网接入和运行调度管理面临一定的挑战。
因此，准确猜测光伏发电功率具有重要的现实意义，能够提前调整发电规划、优化电网运行以及降低电力系统的不良影响。
二、光伏发电功率猜测方法分类依据猜测方法的不同，在光伏发电功率猜测领域已经出现了多种不同的探究方法。
这些方法可以大致分为气象数据法、数学模型法、机器进修法和混合方法等几个类别。
1. 气象数据法气象数据法是一种基于历史气象数据与光伏发电功率之间的干系进行猜测的方法。
主要基于样本数据分析、数据模型建立和参数拟合等过程实现。
这种方法的优点是简易易行，但受数据采集和模型假设的限制较大，可能无法准确猜测极端天气状况下的功率变化。
2. 数学模型法数学模型法接受物理模型或统计模型来描述光伏发电功率与气象参数之间的干系。
物理模型法基于太阳辐射传输、光电转换等原理构建模型，具有较高的准确性和可诠释性，但需要较多的实时气象数据和计算资源。
统计模型法则是通过历史数据的统计分析建立模型，并对将来的光伏功率进行猜测。
这种方法不需要太多的计算资源，但对样本数据要求较高，且无法抓取非线性干系。
3. 机器进修法机器进修法是一种基于数据驱动的猜测方法，通过训练机器进修算法模型来建立猜测模型。
这种方法基于大量的历史数据，能够较好地抓取数据之间的干系和非线性特征。
常用的机器进修算法包括人工神经网络、支持向量机、决策树等。
机器进修法具有较高的猜测准确性，但对数据质量和样本数量要求较高。
4. 混合方法混合方法是将多种猜测方法结合起来使用，以提高猜测效果。
例如，可以将气象数据法与机器进修法相结合，利用气象数据法快速猜测，再利用机器进修法进行后续调整和优化。
光伏发电系统功率预测方法研究综述
光伏发电系统功率预测方法研究综述摘要：目前，光伏发电功率预测可分为依据历史数据建立的物理统计模型和运用智能算法建立的学习模型。
物理统计模型较多采用依据天气预报数据计算预期功率输出，此外还有多尺度软测量、多时间尺度测量等。
而学习模型有利用遗传算法优化BP神经网络、Elman神经网络、长短时记忆神经网络、支持向量机（SVM）、最小二乘支持向量机等。
但是这些模型受到自身参数少、预测时间长等影响，直接导致预测误差增大。
本文主要分析光伏发电系统功率预测方法研究综述。
关键词：光伏发电；功率预测引言太阳能是一种清洁的可再生能源，光伏发电是太阳能利用的主要方式之一。
光伏发电能够减轻化石能源使用过程中产生的空气、水污染等环境问题。
自20世纪80年代起，光伏发电量占不同国家总发电量的比例持续提升，世界主要发达国家均研究光伏发电技术，以提升光伏发电能力。
光伏发电系统受太阳辐射强度与气象条件影响较大，导致系统发电功率存在较高随机性、波动性以及间歇性，这些均对电网稳定运行产生不利影响，因此预测光伏发电功率有重大意义。
1、光伏电站功率监测技术为了提高光伏电站的运行可靠性，减少光伏发电功率波动对电网带来的危害，目前主流的做法是采用由静止同步补偿器和储能系统构成的新型功率补偿器，即当光伏电站发电功率波动引起的电压跌落超过相应极限时，就及时采用该新型功率补偿器向电网提供无功功率。
另一种做法，则是借助短期功率预测算法，提前预判光伏电池板阵列的发电出力，再结合采用功率补偿装置，及时调整光伏电站的工作状态，以降低光伏电站功率波动对电网的危害性。
而以上预防和无功补偿措施的采取，都是基于功率监测结果开展的。
目前在光伏电站，有关功率监测方法和技术实现的研究，通常是与功率补偿策略、短期功率预测算法研究综合在一起进行的。
随着光伏发电项目的不断增多，部分地区在条件适宜的屋顶上也在积极推行小型光伏电站的建设。
如此，这部分屋顶拥有者既是电能的消费者，同时也成为电能的生产者。
光伏发电系统中的发电功率预测研究
光伏发电系统中的发电功率预测研究随着环保和可持续发展的重要性日益突出，光伏发电系统越来越受到人们的关注和追捧。
在光伏发电中，发电功率的预测是十分重要的一环，它直接关系到光伏发电的有效利用和经济效益。
因此，光伏发电系统中的发电功率预测研究逐渐成为一个热门的研究方向。
一、光伏发电系统发电功率预测的意义发电功率是评估光伏发电系统运行状况的重要指标。
然而由于天气的变化和光伏组件的老化等因素，每天的发电功率都不同，这给系统的监控和管理增加了很大的困难。
发电功率预测可以通过对历史数据的分析和模拟计算，对未来一段时间内的发电功率进行预测。
这对于光伏发电系统的优化、规划和管理都具有十分重要的意义。
首先，光伏发电系统需要对发电功率进行监控和管理，以确保其长期稳定运行。
发电功率预测提供了实时的发电数据，可以帮助系统管理者及时发现并处理运行异常情况。
其次，发电功率预测可以为光伏发电系统的规划和设计提供重要参考。
通过预测不同光伏组件的发电功率，可以对光伏发电系统进行模拟计算和优化设计，以期达到最大化利用中的经济效益。
最后，发电功率预测还可以为市场化运作提供参考。
利用准确的发电功率预测结果，可以实现光伏电价的实时调整，提高系统运行的经济效益。
二、光伏发电系统中的发电功率预测方法1. 统计方法统计方法是最为简单的发电功率预测方法，它基于历史发电功率数据进行预测。
例如，基于ARIMA（自回归综合移动平均）模型的预测方法，适用于具有周期性和趋势性的数据。
此外，还可以利用回归模型、神经网络模型等方法进行预测。
然而，统计方法的缺点也很明显，其预测精度受历史数据的影响较大，无法完全考虑多种因素的影响，因此预测结果较为局限。
2. 物理模型方法物理模型方法是基于光伏组件特性、环境因素和气象数据等多项影响因素，进行光伏发电功率预测的方法。
例如，通过模拟光伏组件受到的日照、温度、湿度等因素的影响，来进行发电功率的预测。
物理模型方法可以较为准确地考虑多种因素的影响，预测精度比统计方法高，但是模型的建立和参数的确定需要大量的实验和数据支持。
《2024年光伏发电功率预测方法研究综述》范文
《光伏发电功率预测方法研究综述》篇一一、引言随着全球能源结构的转变和环境保护意识的提高，可再生能源逐渐成为人类社会发展的重要方向。
其中，光伏发电以其清洁、无污染、可持续等优点，受到了广泛关注。
然而，光伏发电受天气、时间、地理位置等多种因素影响，其输出功率具有较大的波动性。
因此，对光伏发电功率进行准确预测，对于提高光伏发电的利用率、减少能源浪费、优化电网调度等具有重要意义。
本文旨在综述当前光伏发电功率预测方法的研究现状及发展趋势。
二、光伏发电功率预测方法目前，光伏发电功率预测方法主要包括物理方法、统计方法和组合方法等。
1. 物理方法物理方法主要是基于光伏电池的工作原理和光、电、热等物理特性进行预测。
该方法考虑了光伏电池的电气特性、光照强度、温度等影响因素，通过建立物理模型对光伏发电功率进行预测。
物理方法的优点在于预测精度较高，但需要大量的物理参数和复杂的计算过程。
2. 统计方法统计方法主要是利用历史数据和统计学原理进行预测。
该方法通过分析历史数据中的天气、光照、温度等因素与光伏发电功率的关系，建立统计模型进行预测。
统计方法具有简单易行、计算量小等优点，但受历史数据质量和数量的限制，预测精度可能有所降低。
3. 组合方法组合方法是将物理方法和统计方法相结合，充分利用两者的优点进行预测。
该方法通过建立混合模型，将物理特性和统计规律相结合，提高预测精度。
组合方法的优点在于综合考虑了光伏发电的物理特性和统计规律，具有较高的预测精度。
三、研究现状及发展趋势目前，国内外学者在光伏发电功率预测方面进行了大量研究，取得了丰富的成果。
一方面，随着人工智能、机器学习等技术的发展，越来越多的研究者将神经网络、支持向量机、深度学习等算法应用于光伏发电功率预测中，提高了预测精度和稳定性。
另一方面，研究者还在不断探索新的预测方法和模型，如基于数据挖掘的预测方法、基于多源信息的融合预测方法等。
未来，光伏发电功率预测方法将朝着智能化、精细化、实时化的方向发展。
电力系统中的光伏发电预测与调度策略研究
电力系统中的光伏发电预测与调度策略研究光伏发电作为一种可再生能源，正逐渐在电力系统中发挥重要作用。
然而，由于天气条件的不确定性以及光伏发电的波动性，光伏发电预测和调度成为实现光伏发电系统的稳定运行和有效利用的关键问题。
本文将研究光伏发电预测与调度策略，并探讨其在电力系统中的应用。
1. 光伏发电预测光伏发电预测是指通过对光照强度、气温和云量等因素的监测和分析，预测未来一段时间内光伏发电的输出功率。
通过准确预测光伏发电的输出，可以为电力系统的调度和运营提供重要依据。
光伏发电预测的方法主要包括物理模型和统计模型。
物理模型基于光伏电池的工作原理和环境因素对光伏发电的影响进行建模。
该模型需要考虑光照强度、气温、太阳辐射等因素，通过数学公式计算预测光伏发电的输出。
然而，物理模型需要大量的输入数据和复杂的计算，对环境参数的精确性要求较高。
统计模型则是通过对光伏发电历史数据的分析，利用统计方法来预测未来的发电量。
其中常用的统计模型包括时间序列模型、回归模型和神经网络模型等。
这些模型能够较好地处理光伏发电的波动性和不确定性，然而，由于模型的参数调整和数据的选择等因素，统计模型的预测精度也存在一定的局限性。
2. 光伏发电调度策略光伏发电调度策略是指根据光伏发电的预测情况和电力系统的需求，合理安排光伏发电的输出功率，以实现电力系统的稳定运行和最大化利用可再生能源。
在调度策略中，需考虑多种因素，如电力负荷、电网容量、负荷平衡和经济性等。
一种常用的调度策略是基于“供给优先”的原则，即优先利用光伏发电的电能满足电力负荷需求，剩余的部分再引入传统电力源。
这种策略能够有效提高可再生能源的利用率，减少对传统能源的依赖，从而降低碳排放和环境污染。
另一种调度策略是基于电力负荷优先的原则，即根据电力负荷的需求来分配光伏发电的输出功率。
在调度过程中，首先根据电力负荷的需要调整发电的输出功率，然后根据光伏发电的预测情况来调整传统能源的供给。
《2024年光伏发电系统功率预测方法研究综述》范文
《光伏发电系统功率预测方法研究综述》篇一一、引言随着环境保护和可持续发展的需求日益增强，可再生能源的利用成为全球的关注焦点。
其中，光伏发电作为绿色、清洁的能源，已在全球范围内得到广泛应用。
然而，由于光伏发电系统受环境因素影响较大，其功率输出的不稳定性成为了制约其进一步发展的关键问题。
因此，光伏发电系统功率预测方法的研究显得尤为重要。
本文旨在全面综述光伏发电系统功率预测方法的研究现状、主要方法和挑战，为后续研究提供参考。
二、光伏发电系统概述光伏发电系统是利用太阳能电池板将光能转化为电能的一种系统。
其工作原理是利用光伏效应，将太阳光转化为直流电，再通过逆变器将直流电转换为交流电，供给负载使用。
光伏发电系统的主要组成部分包括太阳能电池板、支架、逆变器等。
由于太阳能资源的随机性和波动性，光伏发电系统的输出功率也具有随机性和波动性，这对系统的功率预测提出了较高的要求。
三、光伏发电系统功率预测方法1. 统计预测法统计预测法是利用历史数据和统计模型进行预测的方法。
在光伏发电系统中，可以通过收集历史气象数据、光照数据、系统运行数据等，建立统计模型，对未来一段时间内的功率输出进行预测。
常用的统计模型包括线性回归模型、时间序列模型、神经网络模型等。
2. 物理模型法物理模型法是通过建立光伏电池的物理模型，根据环境因素（如光照、温度、风速等）对光伏电池的输出功率进行预测的方法。
该方法需要详细的物理参数和精确的环境数据，预测精度较高，但计算复杂度也较高。
3. 组合预测法组合预测法是将多种预测方法进行组合，充分利用各种方法的优点进行预测。
例如，可以将统计预测法和物理模型法进行组合，以提高预测精度。
此外，还有一些基于机器学习和深度学习的组合预测方法，如集成学习、深度神经网络等。
四、研究现状及挑战目前，国内外学者在光伏发电系统功率预测方面进行了大量研究，取得了丰富的成果。
然而，仍存在一些挑战和问题需要解决。
首先，由于环境因素的随机性和波动性，光伏发电系统的输出功率也具有随机性和波动性，这给功率预测带来了较大的难度。
《2024年光伏发电功率预测方法研究综述》范文
《光伏发电功率预测方法研究综述》篇一一、引言随着社会对可再生能源的需求不断增长，光伏发电作为一种清洁、可再生的能源形式，已逐渐成为全球能源结构转型的重要方向。
然而，光伏发电受天气、时间等因素影响较大，其功率的预测变得尤为重要。
本文将对光伏发电功率预测方法进行综述，以期为相关研究提供参考。
二、光伏发电功率预测的背景及意义光伏发电的功率预测是优化电网调度、提高能源利用效率的关键手段。
准确的预测模型能够为电力系统提供更为可靠的能源保障，减少因光伏发电波动带来的电力损失。
因此，研究光伏发电功率预测方法具有重要意义。
三、光伏发电功率预测的主要方法1. 物理模型法物理模型法主要通过分析光伏电池的工作原理及环境因素，建立物理模型进行功率预测。
该方法考虑了光照、温度等实际环境因素对光伏发电的影响，具有较高的预测精度。
然而，物理模型法需要大量的实验数据和复杂的计算过程，实现难度较大。
2. 统计模型法统计模型法主要通过对历史数据进行统计分析，建立光伏发电功率与相关因素之间的统计关系模型。
该方法简单易行，适用于短期和超短期功率预测。
然而，统计模型法的预测精度受历史数据质量和数量的影响较大。
3. 机器学习法机器学习法是近年来研究较为广泛的功率预测方法。
该方法通过训练大量数据，建立光伏发电功率与各种因素之间的非线性关系模型。
常见的机器学习方法包括神经网络、支持向量机、随机森林等。
机器学习法具有较高的预测精度和泛化能力，适用于各种复杂环境下的光伏发电功率预测。
四、各类方法的优缺点分析1. 物理模型法优点在于考虑了实际环境因素对光伏发电的影响，具有较高的预测精度。
然而，其缺点在于需要大量实验数据和复杂的计算过程，实现难度较大。
2. 统计模型法优点在于简单易行，适用于短期和超短期功率预测。
但缺点在于预测精度受历史数据质量和数量的影响较大。
3. 机器学习法优点在于具有较高的预测精度和泛化能力，适用于各种复杂环境下的光伏发电功率预测。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
１ ＿ １ 光伏 电池 组件 模型 根据 光伏 发 电的物 理原理 和 光 电转 换效 率 的定 义来 确 定光 伏 电站输 出功率 ， 称 为原 理 预报 法 。 以 建立 光伏 电池 模 型和 光 电转 换效 率经 验公 式来 获得
输 出功 率 的预测值 。光伏 电池 能直接 将光 能转换 成
・
设计与研究 ・
基于物 理模 型 的光伏 电站输 出功率预测
张俊 蔚
（ 中电投集团黄河水 电公 司 甘肃中电投新 能源发电有限责任公司， 甘肃 兰州 ７ ３ ０ ０ ５ ０ ）
摘要 ： 随着光伏装机容量 的不 断扩 大， 光伏发屯输 出功 率的精确预测有助 于光伏 电站运行 管理及 电力调 度部 门统筹 安排调度计 划 ， 对保 障电网安全 、 降低电 网运营成本有着重要 意 义。本文针 对如 何进 行光伏电站输 出功率预测 问题 ，
给 出了用光伏电池组件模 型和光电转换效率模型预测 光伏 输 出功率 ， 得到光伏 电站 输 出功率的预测结 果， 可 为光伏 电站光 功率预测管理及科 学调 度提供依 据。 关键词 ： 光伏 电站 ； 输 出功率 ； 预 测分析 中图分 类号 ： Ｔ Ｍ６ １ ５ ＂ ． ２ ； Ｔ Ｍ９ ３ ３ 文献标志码 ： Ａ 文章编号 ： ２ ０ ９ ５ — ０ １ ４ ４ （ ２ ０ １ ５ ） ０ １ － ０ ０ ４ ６ — ０ ４
・
４ ６ ・
第 １ 期
张俊 蔚 ： 基 于 物 理模 型 的 光伏 电站 输 出功 率 预 测
第５ ｌ 卷
＝
，
Ｎ ｏＭ】
＿ ＝ ＿一 十ｃ ，
（ Ｎ ＯＭ）
Ｔ
（ 一 ）
（ ４ ）
通过 对光 伏 电池 的建模 分析 ，了解 了光伏 电池 如何 进行 光 电转换 。为 后续 建立 光 电转换 效率 经验 公式 打下 基础 。 １ ． ２ 光 电转换效 率模 型 当根 据光伏 发 电 的原 理 进行 功率 预测 时 ．主要 根据 是 光伏 电池 原 理 模 型 和光 电转换 效 率模 型 ． 光 电转换 效 率 同时也 是整个 光 伏发 电技 术 的关 键解 决 问题之 一 。为 了预 报输 出功 率 。需 要建 立影 响光 伏 发 电转换 效 率 的经 验 公式 并 合 理 的确 定 经 验参 数 。
ｌ Ｉ － ㈩
光伏 电池 内部等效反向二极管饱和电流 ；
Ａ — — 二极管 理想参数 。 取值在 １ ～ ２之间变化 ；
ｑ — — 单 位 电荷 ， 大 小等 于 １ ． ６ ｘ １ ０ Ｃ； 绝 对温 度 ， 单 位 为 Ｋ； ｋ —— 波尔兹曼常数 。 其值通常取 ０ ． ８ ６ ｘ ｌ Ｃ ｒ ４ ｅ Ｖ ／ Ｋ 。
第５ １ 卷 第 １期
２ ０ １ ５年 １ 月
甘 肃 水 利 水 电 技 术
ＧＡＮ Ｓ Ｕ ＷＡＴ Ｅ Ｒ Ｒ Ｅ Ｓ ＯＵ ＲＣ Ｅ Ｓ Ａ ＮＤ ｉ ｔ ＹＤ Ｒｏ 】 Ｉ Ⅵ７ ＥＲ Ｔ Ｅ Ｃ删 ０Ｉ ． ｏＧＹ
Ｖｏ １ ． ５１ ， Ｎｏ ． １
Ｊ ａ ｎ ． ， ２ ０ １ ５
电能 ， 每片 光伏 电池 的输 出电压 只有 ０ ． ５ Ｖ左 右 ， 为
， － Ｃ ｈ － ／ Ｄ ￣ －
式 中： ，
厶
了获得 足够 大 的功率 ． 一般 将很 多光伏 电池经过 串 、 并 联 的方式 组 合成 光伏 阵 列［ １ － ３ ］ 。首 先 。 以多 晶硅 型 光 伏 电池 为例 建 立 光 伏 电池 的 பைடு நூலகம்效 电路 『 ４ ］ 。 等效 电 路如图 １ 所示。
一
ｔ
≥
Ｊ ｒ
ｚ
风
在通常情况下 ， 项远远小于 ， ， 往往忽略不计 ，
整 理后见 式 （ ２ ） ：
厂 ！
＝ 一 ＝
］
， ｐ 一 厶 ｌ Ｌ ｅ 一 １ ｊ ｌ
（ ２ ）
图１ 光伏电池的简化等效电路
在 实际 应用 中 。 单 个光伏 电池输 出的 电源很 小 。 为 了获 得大 功率输 出 ， 由多个 光伏 电池 板 串 、 并联 后
１ 基 于光伏 发 电原理 的数 学模 型
较 大 的 电阻 Ｒ ， 它 的阻值 一 般在 几千 欧 姆 ， 引入 的 目的是 考 虑到 电池边 缘 和电极 在长 期 的工作 后会 出现损 耗 。 出现划 痕导 致漏 电 。 由电路 理论 中基 尔霍夫 电流理论 ，等 效 电路 的 电流 为 ：
。 一
并 联 电阻 电 流 ； 一
电 池 的开 路 电 压 ；
Ｒ ＿一 负载 电阻 。 和 光 照强 度 Ｓ成 正 比 ， 并 受 到 温度 的影 响 。引人 用作 串 联 电阻 ， 它 的阻值 一
般小 于 １ 欧姆 ， 引入 Ｒ 的 目的 是考 虑到 电池 板 自身 的电 阻率 ， ， － 光伏 电池 的输 出 。再引 入一 个 阻值
组 成光伏 阵 列 。它是 由多个 光伏 电池 板 串并联组 成 的， 设 电池 串联 个 数 为 ｎ 。 ， 并 联 的个 数 为 ， 则 光 伏 阵列 的输 出电流 如式 （ ３ ） 所示 ： ｒ ！ ！ ］
在 图 １的光 伏 电池 简 化 等 效 电路 中 。 ， ｌ 一 电 流源 电流 ； ， 『＿＿光 电池 内部 暗 电流 即二极 管 电流 ；
收稿 日期 ： ２ ０ １ ５ — ０ １ — １ ４。
』 ＝ ， ｚ ｐ 一 厶 ｌ Ｌ ｅ 一 １ Ｊ ｌ
态， 如式（ ４ ） 所示 ：
（ ３ ）
为 了研 究 在 光 照 强度 Ｓ和 温 度 变 化 时 的状
作者简 介 ： 张俊蔚 （ １ ９ ８ ０ ＂ ） ， 男， 甘肃兰州人 ， 工程 师 ， 硕士研究 生 ， 研究 方 向： 电气工程 ， 主要从事 水 电 、 光电、 风 电项 目的前期 及投产后的运行维护管理 ， Ｅ — ｍａ ｉ ｌ ： ２ ８ ９ ２ ９ ７ ０ ２ １ ＠ｑ ｑ ． ｃ ｏ ｍ ．