理解电池到组件损失：仿真如何帮助缩小差距

电池到组件（CTM）损失是开发太阳能产品时的一个关键指标。然而，它被报道的频率却远低于人们的预期。通常登上头条的是电池效率、组件效率和组件功率。但这并不意味着行业不关注它。恰恰相反。

多年来，我们与众多行业团队合作，帮助他们理解、量化和优化这个指标。有趣的是，这项工作往往呈周期性出现。每当新的电池架构兴起，或新公司开始量产时，相关需求就会达到一个高峰。我们目前正处于这样一个高峰期。电池尺寸正在变化，不同的硅片切割方案正在被探索（即所谓的三切片和四切片组件）。全背接触太阳能电池正再次努力确立其作为主流电池选项的地位。而HJT和TOPCon太阳能电池则继续突破人们认为量产电池1-sun转换效率的上限。钙钛矿叠层电池也正在走向商业化。因此，我们再次收到大量理解和优化CTM的请求。本文面向刚进入这个领域、希望快速掌握基本概念的读者——也面向那些已经深入其中、希望借助仿真工具加速工作的工程师。

关于CTM，我首先要说的是，测量它可能相当困难。它需要对电池和组件分别进行IV测试。这些测试本身就有很大的不确定性。更增加挑战性的是，IV测试设备往往不在同一栋建筑里（有时甚至不在同一个城市！）。除此之外还有另一个与业务相关的挑战。在我合作过的大多数光伏公司中，电池团队和组件团队之间往往存在一道屏障。从技术角度来看这有一定道理，但这意味着CTM恰好落在两个团队之间。当任何一方的工程变更影响到CTM时，拥有一套成熟的方案就非常有价值——不仅能测量CTM的绝对值，还能将其分解为各个组成部分（也就是说，找到”罪魁祸首”）。下面的瀑布图就是一个例子。它是使用SunSolve仿真生成的，基于Fraunhofer ISE的Haedrich博士开发的实验流程（稍后详述）。

**图1：**使用SunSolve生成的全背接触电池架构CTM瀑布图示例，展示了从电池到组件的各项损失和增益因子。由SunSolve生成。

瀑布图给出了13个’k’因子，量化了从空气环境下的STC电池测试到完全封装组件过程中输出功率的各项损失和增益。CTM值由第一列和最后一列推导而来。中间的所有因子告诉我们是如何到达那里的，更重要的是，如何改善组件功率。通过实验来创建这张图是可能的，但这需要大量工作，并且限制了输入变量的范围。使用像SunSolve这样的基于物理的求解器，我们可以预测封装过程的光学和电学影响。我们将结果建立在测量基础上，然后允许用户快速迭代输入参数，找到改进路径。

本文接下来的几节将介绍CTM并描述一些基本原理。如果您只对如何创建上面的瀑布图感兴趣，请直接跳到”如何使用SunSolve计算CTM？“一节。

什么是CTM？

CTM代表Cell-To-Module（电池到组件）。它通常用于表达”CTM比率”或”CTM损失”。 它们的定义如下所示，最常使用电池和组件的STC功率测量值。

$CTM_{ratio} = \frac{P_{module}}{N_{cells} \times P_{cell}}$

$CTM_{loss} = 1 - CTM_{ratio}$

当我最初学习光伏技术时（那是在2000年代初期），人们非常普遍地谈论CTM损失。那时，这种损失通常在2%到8%之间。然而随着工程师在将电池集成到组件方面越来越娴熟，这种”损失”大大减少，在某些情况下甚至变成了增益。近年来，人们通常使用CTM比率作为一般术语，并在分解各贡献因素时讨论损失和增益。

上述方程比较的是功率，这通常也是制造商所销售的。然而，比较效率同样很有意义。这时我们需要对面积进行归一化，这对于系统开发商可能更有参考价值。方程是类似的，电池和组件都在相同的辐照条件下测试，所以我们只需要加入面积。

$CTM_{\eta} = \frac{P_{module}}{P_{cell}} \cdot \frac{A_{cell}}{A_{module}} = \frac{\eta_{module}}{\eta_{cell}}$

电池面积的定义是明确的。然而，组件面积可以有一些变化。是开口面积？我们是否要在报告的CTM值中包含边框面积？这在某种程度上取决于工程师的选择。

当CTM使用效率而非功率来定义时，结果不仅取决于电学和光学的电池到组件效应，还取决于所选的组件面积定义，如开口面积、层压板面积或总边框面积。

归根结底，像所有这些指标一样，选择能给您提供所需洞察的定义方式（以便报告和/或改进）。基于功率的CTM捕捉的是组件组装对功率的影响，而基于效率的CTM还包括与间隙、边界以及可能选择的边框或组件面积定义相关的面积惩罚。

CTM并非新问题

当我坐下来撰写这篇博客文章时，我的思绪回到了2016年的一个事件（几乎刚好是10年前）。那是第一届PVModuleTech大会，我们获得了一个演讲机会。这是一次精彩的活动，会场挤满了光伏界的知名人士。当时PV Lighthouse发布了SunSolve的早期版本，我们想向世界展示它如何用于理解电池到组件的损失。那时，研究机构正在做大量优秀的工作来帮助理解这个问题。Fraunhofer ISE的团队在开发测量和分析技术以提供CTM洞察方面发挥了关键作用。这项工作的一个成果就是我前面提到的Haedrich博士发表的论文¹。它提供了一个量化13个独立损失和增益因子的详细流程。所需的实验虽然复杂，但效果很好。所有这些工作至今仍然非常有意义。电池可能已经改进了，但组件封装的基本原理没有改变。

在PVModuleTech之前，我花了多小时在网上搜集大量电池和组件数据手册（那时我大概有更多时间准备会议演讲吧！）。目的是量化行业现状。从科学文章和新闻稿中很难准确判断行业现状，因为我们经常看到的是冠军级结果。数据手册才是真正反映实际销售产品的地方。下面是我展示的第一组图表。它们是按照多晶与单晶两大类别分开的电池和组件功率散点图。在单晶类别中，一种令人兴奋的新电池架构PERC刚刚开始出现，与当时的”标准”Al BSF电池展开竞争。所有数据点的平均值用橙色标记，任意两个类似组之间的差异我们将其解读为行业平均电池到组件损失。

**图2：**按多晶与单晶技术分类的电池和组件功率散点图（2016年数据）。

我们注意到的第一件事是，多晶技术的平均CTM为0%！任务完成了吧？单晶还有一段路要走——标准电池的损失为1.5%，新秀PERC的损失为4%。现在看看同样的数据集绘制效率时是什么样的：

**图3：**按多晶与单晶技术分类的电池和组件效率散点图（2016年数据）。

这可不像任务完成了。多晶的1-sun效率下降约2%绝对值，单晶两种电池类型都下降约3%绝对值。这里我们看到的是基于功率的CTM和基于效率的CTM之间的关键区别。当你制造组件时，你增加了额外的面积。电池周围的白色空间将部分光线反射到电池上，从而增加功率。然而，这些区域将入射光转换为电力的效率永远不如太阳能电池的实际有效面积。如果在效率计算中包含边框，它们完全不做贡献。

在继续之前，让我们来看看究竟是什么在驱动CTM。通过测量数据来分析的一种方法是将之前的比较分解为Isc、FF和Voc这几个关键指标。Voc完全没有变化，所以我没有在这里绘制它。更有趣的是Isc和FF。

**图4：**多晶和单晶技术CTM效应的Isc分解（2016年数据）。

多晶和标准BSF电池的Isc增大了。尽管增加了玻璃反射和EVA等吸光材料，情况依然如此。一个原因是当我们封装电池时可以获得光学增益。从正面绒面结构和金属栅线反射的光可能被玻璃内部俘获，从而减少损失并增加电流。这对于多晶尤其有效，因为其正面绒面结构不如单晶器件上使用的正立随机金字塔那么好。

**图5：**多晶和单晶技术CTM效应的FF分解（2016年数据）。

FF在所有情况下都降低了。当我们互连电池时，使用导电焊带来传输电池之间的电流。与电池测试时使用的IV探针（直接从母线提取电流）相比，这增加了更多的电阻路径。你可以通过增加更多焊带或使焊带更宽来减少这种损失——但这会导致光学损失（可能还有成本增加）。

所有这些效应——光学的和电学的——都可以通过仿真工具来预测。SunSolve特别适合这项任务。它通过波长相关的复折射率模拟光学材料，并采用高度详细的光线追踪，模拟光在光伏组件多层结构中的传播。它所实现的散射模型对于栅线指表面和电池周围白色空间中的光学行为至关重要。在电学方面，SunSolve包含一个解析栅线电阻模型来计算串联电阻，将电阻性电学损失与软件中的光学损失/增益联系起来。

如何使用SunSolve计算CTM？

在单次SunSolve仿真中，用户可以求解1-sun STC输出功率，并获得光学损失的详细分解。为了计算CTM，我们需要运行两次仿真并比较结果。首先需要的是太阳能电池的基准模型和组件的基准模型。这始终是我们与SunSolve新用户共同完成的第一步。我们需要建立与他们最佳已知方法相匹配的模型。这是一个迭代过程，在此不展开详述。不过这个过程不一定耗时很久，因为SunSolve的数据库中有许多材料，已经提供了很好的起点。

通过这两次仿真，我们可以确定输出功率的比率，即我们的CTM。工程师已经可以尝试设计变更并衡量对CTM的影响。这很有用，但它无法提供我们在文章开头看到的精细瀑布图分解。生成该分解需要更多的仿真工作。

接下来，我们为用户提供详细的指导，说明如何仿真Haedrich博士论文中报告的测试结构¹。我们总共需要七次仿真（包括两次基准仿真）来提取论文中13个’k’因子中的12个。最后一个因子涉及将电池串连接到组件端子时产生的电阻损失。这些损失目前不在SunSolve中计算，需要手动添加。

在某些情况下，可以在SunSolve中直接复现实验测试结构。例如，确定k_{[8, 9, 10]}需要以下步骤：

为此，我们采用基准太阳能电池仿真，然后在其上添加焊带和一层EVA。请注意，实验要求使用”高吸收黑色背板”。这是为了最小化来自电池周围区域的Isc信号，专注于电池表面正在发生的变化。在仿真方面我们有一个优势：可以从仿真中移除该区域，或者将吸收体设置为完全黑色。

在其他情况下，仿真方法使提取因子变得更加容易。为了确定来自电池周围区域的耦合增益k_[11]，论文要求工程师制作一个单电池层压迷你组件，用遮罩改变反射区域的宽度，测量短路电流，拟合趋势，然后将结果转换到实际组件的电池间距和电池形状。在SunSolve中我们只需关闭背面反射器即可。此时工程师可能会问：在没有实验测量的情况下，SunSolve的方法如何反映现实？答案是，结果基于创建基准组件所采用的方法。如果我们从SunSolve的默认设置中选择了通用背板材料，那就是k_[11]的结果。然而，我们通常会使用测量数据来细化基准组件的输入。在这种情况下，我们希望测试结构尽可能简单。对于背板，您可以在空气环境下测量它们，然后转换为封装状态下的值。我们在此不再深入展开了。关键是我们以前做过这些工作，可以帮助用户顺利完成整个流程。

下图汇总了完整的因子集，复现自原始论文。每个因子的详细说明——以及如何使用SunSolve提取——可以在附录中找到。

**图6：**基于Haedrich方法论的CTM损失和增益因子分解。

缩小差距

自Haedrich博士在2014年撰写论文以来，已经出现了许多创新。当时的论文并未考虑全背接触电池或双面组件。原始方法可以适应这些新架构，我们已经与多家行业合作伙伴完成了这项工作。使用仿真还开启了添加新因子的可能性。例如，原始论文忽略了电池互连成串时的电池间失配损失。在使用SunSolve时可以轻松添加这一项。展望未来，SunSolve的全光谱功能使其成为叠层器件仿真的理想工具。在这个领域，优化电池到组件损失对于保持高电池效率至关重要。SunSolve可以计算垂直堆叠子电池之间的失配损失，这可以纳入CTM中，针对不同光谱条件进行计算。

驱动CTM的物理机制是复杂的：光学、电学和几何效应相互作用，它们会根据电池架构、封装材料和组件布局而变化。这种复杂性正是仿真变得如此有用的原因。它使我们能够用快速、准确的建模配合简化的实验来取代艰苦的实验迭代。

如果您想了解更多关于CTM的信息，或者您准备开始使用SunSolve来计算它，请联系我们。

附录：CTM因子与SunSolve仿真

以下表格汇总了Haedrich方法论中的全部13个’k’因子、用于提取它们的SunSolve仿真，以及每个因子的获取方法，供参考。

SunSolve仿真

13个k因子

¹ I. Haedrich, U. Eitner, M. Wiese, H. Wirth, “Unified methodology for determining CTM ratios: Systematic prediction of module power”, Solar Energy Materials and Solar Cells, Volume 131, 2014, Pages 14-23, ISSN 0927-0248

查看论文