太阳能软件：SAM二次开发_4.SAM仿真模型解析.docx

PAGE1

PAGE1

4.SAM仿真模型解析

在这一节中，我们将深入探讨SAM（SystemAdvisorModel）中的各种仿真模型及其解析方法。SAM是一款广泛应用于太阳能项目评估的软件，它能够帮助用户模拟和优化光伏发电、风力发电、地热发电等多种可再生能源系统的性能。本节将详细介绍如何解析SAM中的核心仿真模型，以便更好地理解和利用这款软件进行二次开发。

4.1光伏发电系统仿真模型

光伏发电系统（Photovoltaic,PV）是SAM中最常用的仿真类型之一。SAM中的PV系统模型包括多个子模型，每个子模型负责不同的计算任务。了解这些子模型的工作原理是进行二次开发的基础。

4.1.1光照模型

光照模型用于计算光伏系统接收到的太阳辐射量。SAM提供了多种光照模型，包括基于天气数据的模型和基于地理位置的模型。

原理

光照模型主要基于气象数据和地理位置信息，计算光伏系统在不同时间段接收到的太阳辐射量。这些数据包括太阳直射辐射、散射辐射和总辐射等。SAM使用这些数据来预测光伏系统的发电量。

内容

气象数据输入：

TMY3数据：典型气象年（TypicalMeteorologicalYear,TMY3）数据是SAM中最常用的数据源。TMY3数据包含了一个地区的典型气象条件，包括温度、湿度、风速、太阳辐射等。

用户自定义数据：用户也可以上传自定义的气象数据文件，这些文件必须符合SAM的输入格式要求。

地理位置输入：

经纬度：用户需要输入光伏系统的地理位置，包括经纬度和海拔高度。

时区：SAM需要知道系统的时区信息，以便正确计算太阳的位置和辐射量。

模型选择：

Perez模型：Perez模型是一种常用的散射辐射模型，它能够准确计算散射辐射的分布。

Hay-Davis模型：Hay-Davis模型是另一种常用的散射辐射模型，适用于不同类型的散射辐射计算。

例子

以下是一个Python脚本示例，展示如何从TMY3文件中读取气象数据并计算太阳辐射量：

importpandasaspd

importnumpyasnp

#读取TMY3数据文件

tmy3_file=path/to/tmy3/file.csv

data=pd.read_csv(tmy3_file)

#计算太阳辐射量

defcalculate_radiation(data):

计算太阳辐射量

:paramdata:包含气象数据的DataFrame

:return:计算后的辐射量数据

#假设数据包含列：日期、时间、直射辐射、散射辐射

data[总辐射]=data[直射辐射]+data[散射辐射]

returndata

#调用函数并输出结果

result=calculate_radiation(data)

print(result.head())

4.1.2温度模型

温度模型用于计算光伏组件在不同环境条件下的温度。光伏组件的温度直接影响其性能和效率。

原理

温度模型主要基于环境温度、风速和太阳辐射量等参数，计算光伏组件的表面温度。SAM使用这些温度数据来调整光伏组件的性能参数，从而更准确地预测系统的发电量。

内容

环境温度：

空气温度：环境空气温度是影响光伏组件温度的主要因素之一。

风速：风速能够带走光伏组件表面的热量，从而降低其温度。

模型选择：

NOCT模型：NOCT（NominalOperatingCellTemperature）模型用于计算标准条件下的光伏组件温度。

Sandia模型：Sandia模型是一种更详细的温度模型，考虑了多种环境因素的影响。

例子

以下是一个Python脚本示例，展示如何使用NOCT模型计算光伏组件的温度：

importpandasaspd

#读取气象数据文件

tmy3_file=path/to/tmy3/file.csv

data=pd.read_csv(tmy3_file)

#定义NOCT模型参数

noct=45#标准条件下的操作温度

ta=data[空气温度]#环境空气温度

ws=data[风速]#风速

ir=data[总辐射]#总辐射量

#计算光伏组件的温度

defcalculate_pv_temperature(ta,ws,ir,noct):

使用NOCT模型计算光伏组件的温度

:paramta:环境空气温度

:paramws:风速

:paramir:总辐射量

:para