光伏

光伏组件温度损失与辐照-功率建模实战

· 南京运梦科技算法团队 · 评审 算法负责人

光伏组件温度损失与辐照-功率建模实战 封面

做光伏功率预测和资源评估，很多团队把全部精力压在辐照上，却对组件温度一笔带过。这是个代价不小的省略。同样的辐照，夏季正午一块晒到 60℃ 以上的组件，相对铭牌效率可能已经掉了十几个百分点；如果建模时仍按 25℃ 标准测试条件折算，p50 出力会被系统性高估，叠加到月度电量和电力市场申报里就是真金白银的偏差。组件温度不是修正项里的边角料，而是辐照-功率链路中物理上无法绕过的一环。这篇文章把温度损失的来龙去脉、两套经过同行验证的组件温度模型，以及如何在运梦气象 API 上把所需气象量取齐，一次讲透。读者对象是新能源行业的算法、资源评估与运营同行。

关键要点

  • 组件温度每比 25℃ 标准条件高 1℃，晶硅出力约下降 0.3%–0.5%，工程常用 −0.35 至 −0.4%/℃；夏季高温不修正会系统性高估 p50。
  • Faiman 模型用两个热损系数估温升，pvlib 默认 u0 = 25.0、u1 = 6.84 W/(m²·℃)，已被 IEC 61853 采纳，适合缺乏逐型号参数时的稳健默认。
  • Sandia SAPM 电池温度模型按封装与安装方式查表取系数（如玻璃/电池/聚合物开放支架 a = −3.56、b = −0.075、ΔT = 3℃），散热条件不同不能套用单一系数。
  • NOCT 定义在 800 W/m²、20℃、1 m/s 风速下，主流组件约 45–48℃；可快速估算，但单点工况不能替代随气象逐时变化的 Faiman 或 SAPM 建模。
  • 在运梦气象 API 用 downloadSync 一次取齐 rsds、tas、ws：历史回测用 era5，未来预测改 ger（德国气象局），两条链路共用同一套字段与温度模型。

背景与定位

本文核实并解读三篇业内公认的权威来源。

第一篇是 Faiman, D. (2008)《Assessing the outdoor operating temperature of photovoltaic modules》，发表于 Progress in Photovoltaics: Research and Applications，第 16 卷 307–315 页，DOI 10.1002/pip.813。这篇论文提出了被后来 IEC 61853 标准吸收的组件温度估算方法，是组件热模型领域引用最广的工作之一。

第二篇是 King, D. L., Boyson, W. E., Kratochvil, J. A. (2004)《Photovoltaic Array Performance Model》，Sandia National Laboratories 技术报告 SAND2004-3535。它系统给出了 Sandia 阵列性能模型（SAPM），其中的电池温度子模型是工程界沿用至今的经验式。

第三篇是 Holmgren, W. F., Hansen, C. W., Mikofski, M. A. (2018)《pvlib python: a python package for modeling solar energy systems》，发表于 Journal of Open Source Software，第 3 卷第 29 期第 884 篇，DOI 10.21105/joss.00884。pvlib 是社区维护的开源库，把上述两套温度模型连同辐照转置、单二极管模型等做成了可直接调用的参考实现，是验证自研链路的事实基准。

三篇放在一起，恰好覆盖了从「物理公式怎么写」到「代码怎么落地」的完整路径。

方法 / 它做了什么

要把辐照转成功率，组件温度是绕不开的中间变量，因为光伏的转换效率随温度上升而下降。两套模型解决的都是同一个问题：给定到达组件面的辐照、环境气温和风速，估算出此刻的组件（或电池）工作温度。

Faiman 模型借用了平板太阳能集热器分析里熟悉的 Hottel–Whillier–Bliss 形式，把组件相对环境的温升写成「吸收的辐照」除以「散热能力」。散热能力由两个经验热损系数描述：一个与风速无关（pvlib 默认 u0 = 25.0，单位 W/(m²·℃)），一个随风速线性增大（默认 u1 = 6.84，单位 W/(m²·℃·(m/s))）。这组默认值来自 Faiman 在内盖夫沙漠对 7 种硅组件、约 30.9° 倾角开放支架的实测拟合。该模型不区分电池温度与组件温度，结构简单、参数稀少，适合在没有逐型号热参数时做稳健估算。

Sandia SAPM 电池温度模型走的是另一条经验路线。它先用一个指数衰减式由辐照、气温和风速估出组件背板温度——温升随风速增大而指数衰减，由系数 a、b 控制；再加一个正比于辐照的小修正 ΔT，从背板温度推到电池结温（电池比背板略热）。系数按封装与安装方式查表：玻璃/电池/聚合物背板、开放支架取 a = −3.56、b = −0.075、ΔT = 3℃；玻璃/玻璃开放支架取 a = −3.47、b = −0.0594、ΔT = 3℃；贴墙或绝热背板因散热更差，系数明显不同。

拿到组件温度后，再用温度系数把效率折算回来。绝大多数晶硅组件的最大功率温度系数为负，每升高 1℃ 出力下降约 0.3%–0.5%，工程上常用 −0.35% 到 −0.4%/℃ 这一档。铭牌还会给出 NOCT（标称工作电池温度），即在 800 W/m² 辐照、20℃ 气温、1 m/s 风速下的电池温度，主流组件通常落在约 45–48℃。把组件温度减去 25℃ 标准温度，乘以温度系数，就是相对铭牌效率的功率折减比例。

关键结论

  • 晶硅组件最大功率温度系数在多数评测口径下为 −0.3% 到 −0.5%/℃，工程常用 −0.35 至 −0.4%/℃。这意味着夏季电池温度比标准的 25℃ 高出 35℃ 时，仅温度一项就可能压低出力十几个百分点，不修正会系统性高估 p50。
  • Faiman 模型用两个热损系数刻画散热：pvlib 默认 u0 = 25.0 W/(m²·℃)、u1 = 6.84 W/(m²·℃·(m/s))，源自 7 种硅组件在内盖夫沙漠开放支架的实测拟合。该方法已被 IEC 61853 标准采纳，可作为缺乏逐型号参数时的稳健默认。
  • Sandia SAPM 电池温度模型的系数随封装与安装方式查表：玻璃/电池/聚合物开放支架 a = −3.56、b = −0.075、ΔT = 3℃；玻璃/玻璃开放支架 a = −3.47、b = −0.0594、ΔT = 3℃。安装散热条件（开放支架 vs. 贴墙/绝热）对结果影响显著，不能套用单一系数。
  • NOCT 是定义在 800 W/m²、20℃ 气温、1 m/s 风速下的标称电池温度，主流组件约 45–48℃。它是快速估算的便利指标，但其单一风速与辐照点远不能覆盖真实工况，精细建模仍应回到 Faiman 或 SAPM 这类随气象逐时变化的模型。
  • 上述结论均为典型值与默认参数，具体到某型号、某气候带需用现场实测重新标定；不同来源给出的系数存在量级一致但数值不同的情况，落地前应明确所采用的口径。

对新能源 / 运梦平台的意义

对光伏功率预测：温度修正是特征侧的硬通货。把气温与风速喂进 Faiman 或 SAPM 估出组件温度，再用温度系数折减，预测在高温时段的偏差会明显收窄；纯数据驱动模型若不显式提供温度相关特征，往往在夏季正午系统性偏高。

对光伏资源评估与 p50/p90：长时序电量评估若忽略温度损失，年发电量会被高估，进而推高项目收益测算的乐观程度。用历史再分析逐时重建组件温度，能让 p50 更贴近真实、p90 的下界更可信。

对电网与功率申报：高温叠加高辐照的午间时段，恰是出力被温度压制最明显、也最影响电力市场申报与调度的时段。把温度损失建进出力曲线，申报偏差和考核风险都能下降。

在运梦平台上，历史回测取历史再分析数据、未来出力预测取德国气象局预报数据，两条链路共用同一套字段与解析逻辑，组件温度模型可以一次写好、训练与推理复用。

在运梦气象 API 上手

下面用同步下载接口 downloadSync 一次性取齐组件温度建模所需的辐照、气温与风速。历史回测用 era5（历史再分析），未来出力预测把 dataSourceId 改为 ger（德国气象局预报，覆盖未来约 7 天）。返回统一 JSON envelope，用 resp.json() 解析后从 data 里按字段名取等长数组，各数组与 timeList 一一对应。

import requests

url = "https://console.yun-meng.top/api/energy-weather/search/weather/action/downloadSync"
headers = {
    "Authorization": "Bearer sk-your-api-key",
    "Content-Type": "application/json",
}
payload = {
    "dataSourceId": "era5",                 # 历史回测用 ERA5；预报改 "ger"
    "lat": 32.03253,
    "lon": 117.35184,
    "stime": "2022-07-01 00:00",            # 格式 yyyy-MM-dd HH:mm
    "etime": "2022-07-31 23:00",
    "timezone": "8",                         # 必填，东八区时区偏移
    "fields": ["rsds", "tas", "ws"],        # 辐照、气温、风速
}

resp = requests.post(url, headers=headers, json=payload)
result = resp.json()

if result["success"]:
    data = result["data"]
    t    = data["timeList"]
    ghi  = data["rsds"]                      # 地表水平总辐射 W/m²
    tas  = data["tas"]                       # 气温 ℃
    ws   = data["ws"]                        # 风速 m/s

    # Faiman 思路估组件温度（POA 简化为 GHI，正式建模应先转置到组件面）
    u0, u1 = 25.0, 6.84
    gamma  = -0.0037                         # 温度系数 -0.37%/℃，按型号标定
    for i in range(min(3, len(t))):
        t_mod = tas[i] + ghi[i] / (u0 + u1 * ws[i])     # 组件温度估算
        derate = 1 + gamma * (t_mod - 25.0)             # 相对铭牌的温度折减
        print(f"{t[i]} 组件温度≈{t_mod:.1f}℃ 温度折减系数≈{derate:.3f}")
else:
    print("请求失败：", result["msg"], result.get("errorCode"))

正式建模时，应先用 Perez 或 Hay-Davies 把水平辐照转置到组件倾斜面（POA），再以 POA 辐照代入温度模型，最后叠加污渍与衰减折减。字段口径与单位以数据要素说明为准，接入细节见 API 参考文档。

常见问题

光伏组件温度每升高 1℃ 功率下降多少？

绝大多数晶硅组件的最大功率温度系数为负，每升高 1℃ 出力下降约 0.3%–0.5%，工程上常用 −0.35% 到 −0.4%/℃ 这一档。夏季电池温度比标准 25℃ 高出 35℃ 时，仅温度一项就可能压低出力十几个百分点。

Faiman 模型和 Sandia SAPM 模型有什么区别？

Faiman 模型借用 Hottel–Whillier–Bliss 形式，用两个热损系数（pvlib 默认 u0 = 25.0、u1 = 6.84）刻画散热，参数稀少、不区分电池与组件温度，适合缺乏逐型号参数时的稳健估算。Sandia SAPM 走经验路线，先由指数衰减式估背板温度、再加正比于辐照的修正推到电池结温，系数按封装与安装方式查表。

NOCT 是什么？能直接用来估组件温度吗？

NOCT 是标称工作电池温度，定义在 800 W/m² 辐照、20℃ 气温、1 m/s 风速下，主流组件约 45–48℃。它是快速估算的便利指标，但单一风速与辐照点远不能覆盖真实工况，精细建模仍应回到 Faiman 或 SAPM 这类随气象逐时变化的模型。

用运梦气象 API 做组件温度建模需要取哪些气象量？

需要辐照、气温与风速三个字段（rsds、tas、ws），用 downloadSync 接口一次性取齐。历史回测把 dataSourceId 设为 era5（历史再分析），未来出力预测改为 ger（德国气象局预报，覆盖未来约 7 天），两条链路共用同一套字段与解析逻辑。

历史回测和未来预测能共用同一套组件温度模型吗？

可以。在运梦平台上历史回测取历史再分析数据、未来出力预测取德国气象局预报数据，两条链路共用同一套字段与解析逻辑，组件温度模型可以一次写好、训练与推理复用。

引用与原文

  • Faiman, D. (2008). Assessing the outdoor operating temperature of photovoltaic modules. Progress in Photovoltaics: Research and Applications, 16(4), 307–315. https://doi.org/10.1002/pip.813
  • King, D. L., Boyson, W. E., & Kratochvil, J. A. (2004). Photovoltaic Array Performance Model (SAND2004-3535). Sandia National Laboratories. https://www.osti.gov/biblio/919131
  • Holmgren, W. F., Hansen, C. W., & Mikofski, M. A. (2018). pvlib python: a python package for modeling solar energy systems. Journal of Open Source Software, 3(29), 884. https://doi.org/10.21105/joss.00884