修改器分布
本页记录了 SunSolve Power 在浏览器中为修改器选项卡评估的数学原理。当修改器配置为电池群体时,界面会实时预览由此产生的开路电压()和填充因子()分布,无需服务器往返,使用的是一个独立的双二极管等效电路求解。
该预览是一种近似值,旨在提供交互式反馈。权威的电气结果始终由等效电路模型中描述的后端求解器生成;此处的方程仅涵盖客户端预览及为其提供输入的校准过程。
全文中,电流密度记为 (A/cm²),两个理想因子为 和 ,比电阻为 和 (Ω·cm²)。物理常数为基本电荷 、玻尔兹曼常数 ,以及标称电池温度 。
修改器即乘数
章节链接:修改器即乘数每个修改器存储的是一个分数乘数,而非绝对值。乘数为 时参数保持不变;修改器输入页面描述了面向用户的约定。
预览按电池缩放七个等效电路量:、、、、、 和 。对于某个电池,每个参数的有效值等于其基础值乘以所有针对该电池、该参数的乘数之积:
其中 是七个参数之一, 是第 个来源(一个定向调整器,或分布中的一次抽样)所贡献的乘数。由于组合是乘积形式,这些乘数满足交换律:应用顺序不会改变结果。
可以设定修改器的参数范围比预览所能处理的更广。增强复合二极管(、、)以及所有反向击穿参数都会与其余参数一同被抽样并发送给后端,但预览的双二极管求解无处安放它们,因此将它们的乘数视为 。所以,仅修改这些参数的配置不会改变预览的 和 分布,但仍会改变后端结果。
分布类型与随机抽样
章节链接:分布类型与随机抽样在群体模式下,每个参数乘数都是一个随机变量。预览为群体中的每个电池抽取每个已启用参数的一个样本,然后对该电池进行正向求解。群体的容量为组件电池数与 512 两者中的较大值,以便小尺寸组件也能得到清晰可读的直方图。
确定性随机数
章节链接:确定性随机数所有随机性均来自一个小型的、带种子的伪随机数生成器(mulberry32),它返回一个均匀变量 。该生成器是完全确定性的:相同的输入总是重现相同的预览。
每个参数流都独立播种,以使不同参数和电路之间不产生相关性。对于电路索引 和参数索引 ,种子由固定的基础种子 混合而成:
单个标准正态变量 (均值 ,标准差 )通过 Box–Muller 变换从两个均匀变量得到:
其中 向下取整以避开精确的 ,从而使对数运算始终有限。
从每种分布类型抽取乘数
章节链接:从每种分布类型抽取乘数参数字段可以使用四种分布类型中的任意一种。在每种情况下,抽取的乘数 为:
固定值 —— 常数,无随机性:
均匀分布(上下限之间的均匀分布):
其等效均值和标准差(在校准过程中使用)为:
高斯分布(正态分布,以均值 和标准差 参数化):
对数正态分布(以其自身的算术均值 和标准差 参数化)。算术矩首先被转换为底层正态分布的对数空间参数:
然后在对数空间中抽取样本:
对数正态分布用于二极管饱和电流,因为它们通过指数形式进入二极管方程;普通高斯分布会将概率质量置于物理上不可能的负乘数上。对于高斯分布和对数正态分布,可选的上下限会在抽取样本后对其进行截断。
等效电路预览求解
章节链接:等效电路预览求解对于每个抽样的电池,预览都会评估一个双二极管等效电路(这是等效电路模型中完整多二极管模型的一个子集,不包含增强复合二极管或反向偏置击穿)。
理想因子为 的二极管的热电压为:
在施加电压 下,电池电流密度 满足隐式双二极管关系,其中 为结电压:
该方程在给定电压下通过迭代求根来求解 。随后为每个电池推导出两个量。
开路电压是电流为零时的电压:
它通过在区间 上进行有界求根来定位,该区间保证包含 。
填充因子需要找到最大功率点,而这是通过换元实现的。以结电压 (而非端电压)作为自变量可使电流成为显式表达,因为此时 仅出现在端电压关系 中,而不出现在右端:
此时功率密度为 ,其导数 具有封闭形式。最大值天然就被限定在区间内:在 处,电池处于短路以外的负端电压区,斜率为正;而在 处电流已降至零,斜率为负。因此,在 上对斜率二分即可收敛到峰值,填充因子随之由该处的功率得出:
由于功率在峰值处一阶平坦,每将区间减半一次, 的误差就降为四分之一;预览在 18 次减半后停止,此时残余误差远低于显示精度。与在固定网格上扫描端电压相比,这种定位方式既更精确也更经济,因为粗网格只会低估一个光滑的最大值。
整个电池群体的抽样 和 值构成了两个预览直方图。若某个抽样电池的乘数使其超出物理范围——、、、 或 非正, 为负,或求解未能返回有限的 或 ——则该电池会被丢弃而不予绘制,界面会报告被剔除的电池数量。
从 Voc 和 FF 推导等效电路分布
章节链接:从 Voc 和 FF 推导等效电路分布用户通常了解他们想要建模的 和 的分布范围,而不是底层二极管参数的分布范围。从 Voc/FF 分布推导选项允许他们指定目标 和 分布(作为电路自身标称值的乘数),并校准两个等效电路参数以重现这些分布。目标参数对为 与 ,或 与 。
目标矩
章节链接:目标矩标称 和 是两个派生乘数都保持为 时预览求解产生的值。在这一步中,其余每个参数贡献的是其设定的单点值,而非其分布的均值,因此标称值对描述的是某一个特定电池,而非群体的中心。绝对目标矩是标称值乘以所设定的乘数矩:
同理。
反演均值
章节链接:反演均值无需搜索即可求得。开路时没有电流流过,因此 从结电压中消失,双二极管关系式退化为一个以 为唯一未知数的电流平衡式:
在此步骤中保留电路自身的 至关重要:单二极管反演会将第二个二极管所承担的复合份额错误地归于 ,从而使其被高估。
第二个参数随后从目标均值 中恢复:
- 对于 – 目标对, 和 都依赖于 ,因此两者是耦合的。上述封闭形式无需迭代即可解开这一耦合:它使 成为恒 曲线上 的精确函数,从而只剩下对 的一维求根。沿该曲线 对 是单调的,因此二分法即可确定它。搜索在 上进行,因为 跨越多个数量级,线性区间会使小值的分辨率远低于大值。
- 对于 – 目标对,不存在耦合,因为 对 没有影响(在开路状态下没有电流流过它)。一次求解即可:先从 求解 ,再用二分法从 求解 。
每个求得的值除以基础值即成为派生乘数,因此当目标等于电路的标称 和 时,返回的乘数为 。
电路无法达到的目标
章节链接:电路无法达到的目标恒 曲线有两个端点,它们界定了电池所能产生的范围。将 提高至
会使 降至零:超过此值后,仅第二个二极管就已超过光生电流。因此它是开路平衡所能承载的最大 ,对应可达到的最低 ;而 则对应最高值。若目标 超出该范围,则返回较接近的端点,并标记为边界拟合,同时报告该端点实际达到的 。由于搜索是有界的,它总能给出一个结果。
– 目标对则在 到 之间搜索 ,若目标 超出这两个端点所能产生的范围,则放弃校准而不进行截断。当待推导的参数在电路中被关闭时,校准也会拒绝运行,因为基础值为零时乘数无法表达任何值。
传播分布范围
章节链接:传播分布范围每个派生乘数的分布范围通过对目标方差进行一阶(delta 方法)传播来求得。两个派生乘数都会影响 和 ,因此它们的方差需要通过一个由局部灵敏度组成的 方程组联合求解。记 为 乘数, 为第二个乘数,并对 与 求导:
每个乘数都在其自身分布所拟合的空间中求导,以便求得的方差正是拟合所需的。 始终为对数正态分布,故 。第二个乘数在 – 目标对中同为对数正态分布,故 ;在 – 目标对中为高斯分布,故 。偏导数通过在求得的均值附近使用中心有限差分来估算。对于 – 目标对, 项为零,方程组退化为更简单的情形: 的分布范围完全由 承担,剩余的 分布范围由 承担。当方程组奇异或求得的方差为负时,会回退到该三角形式。
拟合派生分布
章节链接:拟合派生分布和 被拟合为对数正态分布(它们以指数形式进入二极管方程),而 被拟合为在一个极小正乘数处设下限的高斯分布(后端求解器不接受 ,且负的串联电阻在物理上不可能,因此过宽的 目标会将被截断的概率质量堆积在略高于零处,而不是扭曲整个分布)。对数空间标准差被限制在 以内,以避免接近零的局部灵敏度导致方差无限膨胀。
对于对数正态拟合,求得的乘数成为分布的中位数 ,因为当分布范围为零时正是该值能精确重现目标。而分布字段所存储的算术均值则按对数正态分布的常见因子偏大:
拟合出的分布会被写回两个派生参数上,随后群体按照上述各节所述的方式进行抽样和求解。
由于分布范围来自围绕求得点的线性化,校准仅对位于该点的电池精确成立:中位数电池能重现所请求的 和 ,而抽样得到的分布范围是对目标值的近似,并会随着所请求分布范围的增大或电路响应的非线性程度增加而产生偏差。
从测得的电流-电压摘要推导
章节链接:从测得的电流-电压摘要推导二极管参数也可以从测得的 、 和 摘要推导,而非从目标乘数推导。对于单个摘要,使用的是上述同一个耦合的 反演;当该参数对无法拟合时,则回退到经典的单二极管封闭形式:
当摘要本身以分布形式给出时, 改用蒙特卡罗方法传播:从所给的均值和标准差中抽取 300 对 ,对每一对计算上述封闭形式,所得结果的均值和标准差即为派生的 。 随后由均值 求得,其分布范围取为均值上下各一个标准差的 所需 值之差的一半。测得摘要中的 以 mA/cm² 为单位,会被换算为本页其余地方使用的 A/cm²。
填充因子上限
章节链接:填充因子上限预览还会报告一个填充因子上限:在没有第二二极管复合的情况下,群体所能达到的最高 。对于每个抽样电池,它会将该电池自身的 设为零重新求解 和 ,并取整个群体中的最大值:
去除第二个二极管()只会提高电池的填充因子,但最大功率点是通过有限次二分定位的,而非封闭形式求解,因此计算得到的 不能保证在最后一位有效数字上仍严格随 单调。取每个电池自身的 与其 值中的较大者,就无需依赖该单调性:上限永远不会低于所绘制的 ,从而使群体最大值成为 分布的严格上界。
确定性
章节链接:确定性上述每个步骤——带种子的生成器、每个参数的种子,以及数值求解——都是确定性的。相同的电路和相同的修改器配置总是会重现相同的预览直方图,从而在用户编辑其他无关输入时保持所显示分布的稳定。