支持的研究

光线追踪光学：

对于理想场景，SunSolve Yield 和视因子给出相同结果

光线追踪引擎的基本测试是是否能准确模拟理想场景。下图展示了其中一个测试结果。此测试表示当中央双面模块在无限场地中没有结构支撑、模块之间无间隙且光源各向同性的情况。在这种简单情况下，视因子方法可用于计算模块前后辐照度，并提供结果以测试光线追踪的精确性。

双面模块的模拟和实验结果高度一致

在一项合作研究中，FTC Solar 和 PV Lighthouse 发现 SunSolve Yield 能准确预测太阳能跟踪器的光学特性 [2, 3]。下图在晴天显示了双面 1P 跟踪系统前后辐照度的图像。蓝色符号表示安装在扭矩管轴和阵列平面上的辐照度测量值，橙色符号表示在相同位置由光线追踪计算的辐照度。

正如图表（以及低 MBE 和 CRMSE）所示，模拟与实验结果高度一致。光线追踪不仅能预测辐照度的总体变化，还能匹配两个复杂因素引起的二阶效应：(i) 保守的反向跟踪算法使得光线在白天早晚间落在行间，(ii) 光线从相邻模块的前侧反射到后 POA 探测器。

光线追踪框架经百篇学术论文验证

SunSolve Yield 使用的光学光线追踪框架最初由 PV Lighthouse 于 2015 年创建。自那时起，领先的光伏公司和研究所的众多研究人员对其进行了测试。他们已发表了超过 100 篇学术论文，应用和验证了他们对光伏电池、模块和系统的 SunSolve 模拟。

例如，LONGi 比较了其在《自然能源》上发表的世界纪录太阳能电池的模拟与测量结果 [1]。从下图中可以看出，他们证明了模拟的 EQE（蓝色区域边缘）与其测量值（红色符号）在所有波长上都吻合。这使他们对 SunSolve 损失分析的信心大增。

双面因素：

SunSolve Yield 经常被开发人员用来确定 PVSyst 和其他发电量计算程序（如 Solar Farmer、Plant Predict 和 SAM）所需的双面因素。

确定这些因素的方法在 Array Technologies、CFV Solar 和 PV Lighthouse 之间的协作研究中进行了评估 [4, 5]。在该研究中，首先在 CFV Solar 的测试设施中使用 Array Technologies 的单轴跟踪器验证了 SunSolve 模拟，然后用于确定特定于 Array 跟踪器的双面输入。将 SunSolve 确定的双面因素插入 PVSyst 后，Array Technologies 得出结论，他们可以在 16 天的测试期内将两种双面系统的净发电量匹配到 ±0.3% 以内。

热模型：

SunSolve Yield 提供了包含高级热模型的选项，可扩展大多数软件中使用的标准 Faiman 模型。这些模型在与 FTC Solar 和 5B 的独立协作研究中进行了评估。高级模型发现将模拟模块温度的误差减少了 2 到 3 倍。

例如，下面的图表绘制了与 FTC Solar 对单轴跟踪器的研究中预测和测量的模块温度 T_m [3]。对于 Model 5 的结果显示了标准 Faiman 模型所能达到的最佳拟合；其预测的 T_m 不确定性为 ±6.6 ºC。各种高级热模型大大降低了该不确定性；最先进模型的 T_m 不确定性仅为 ±2.8 ºC。（引用的误差表示 95% 的置信区间。）

与 PVSyst 和其他传统发电量模型的区别：

发电量预测包含许多相互关联的模型。这些模型包括太阳光谱模型、从天空到模块的光线换位模型以及电池和模块的电气和热行为模型。

我们发现，对于理想条件（如无限场中的中央单面模块，无阴影或失配），SunSolve Yield 提供与 PVSyst 相同的结果。这表明对于理想条件，光线追踪和视角因子模型是一致的。然而，随着情景的复杂程度增加（例如双面模块，或由于结构支撑物的阴影和反射，或模块之间的间距），SunSolve Yield 的结果与 PVSyst 的差异越来越大。

我们在这个 演讲 中解释并量化了差异的来源 [2]。