基于不確定理論的光伏出力預(yù)測研究

趙書強 王明雨 胡永強 劉晨亮

（華北電力大學(xué)新能源電力系統(tǒng)國家重點實驗室 北京 102206）

0 引言

隨著新能源的發(fā)展，太陽能受到廣泛關(guān)注，大規(guī)模光伏并網(wǎng)發(fā)電成為太陽能發(fā)電的發(fā)展趨勢[1]。光伏發(fā)電受到地理位置、物理環(huán)境和氣象條件等因素的影響，其中，太陽輻射值和溫度是最主要的因素[2]。各種因素的波動性使光伏發(fā)電的功率也具有不確定性。所以，有必要對光伏出力進(jìn)行預(yù)測，這有助于電力系統(tǒng)調(diào)度部門合理制定調(diào)度計劃，及時調(diào)整出力分配[3]。

對光伏出力的預(yù)測方式有兩種：直接和間接預(yù)測。直接預(yù)測是直接得到光伏出力；間接預(yù)測是通過預(yù)測太陽輻射值得到出力。對太陽輻射的預(yù)測分為兩種：物理法和統(tǒng)計法。物理法是利用現(xiàn)有物理模型，直接將氣象數(shù)據(jù)作為輸入，代入公式即得到預(yù)測值。比較完善的有晴天ASHRAE模型[4]、HOTTEL模型[5]、REST模型[6]、有云天氣 Nielsen模型及云遮系數(shù)模型[7]等。統(tǒng)計法是利用某種統(tǒng)計方法，如回歸模型、灰色預(yù)測、神經(jīng)網(wǎng)絡(luò)等，對歷史數(shù)據(jù)進(jìn)行分析，尋找數(shù)據(jù)中的內(nèi)在規(guī)律并用于預(yù)測。如文獻(xiàn)[8,9]采用支持向量機的方法，但輸入只有溫度，沒有充分考慮氣象因素的波動性，因此不具有普適性。神經(jīng)網(wǎng)絡(luò)一般是按照季節(jié)、日類型建立子模型[10-12]，選取部分氣象因素作為輸入，但只考慮了確定性因素，忽略了隨機性因素。還有一些方法將神經(jīng)網(wǎng)絡(luò)與其他智能方法相結(jié)合，文獻(xiàn)[13]先對數(shù)值天氣預(yù)報的數(shù)據(jù)進(jìn)行模糊識別，文獻(xiàn)[14]將小波變換與模糊神經(jīng)網(wǎng)絡(luò)結(jié)合，但模糊系統(tǒng)中模糊推理規(guī)則的建立需要大量的歷史數(shù)據(jù)和充足的專家經(jīng)驗。

本文以不確定理論為基礎(chǔ)，利用雙重隨機理論計算不同預(yù)測云量對應(yīng)的云遮系數(shù)期望值和關(guān)鍵值，得到不同置信水平下的云遮系數(shù)區(qū)間。再以無云天氣下計算太陽輻射值的REST模型為基礎(chǔ)，用云遮系數(shù)對其進(jìn)行修正，得到不同預(yù)測云量下的太陽輻射值。然后根據(jù)出力模型，最終得到光伏出力的預(yù)測值。

1 雙重隨機理論

工程問題中存在很多不確定信息，不確定理論[15]是研究不確定信息的重要方法，文獻(xiàn)[16]建立了不確定理論的公理化體系，成為研究不確定信息的實用途徑。

1.1 雙重隨機變量

定義1如果ξ是從概率空間（Ω,A,Pr）到隨機變量集合的函數(shù)，則ξ是雙重隨機變量。其實ξ就是一個取值于隨機變量集合上的隨機變量。

定義2設(shè)ξ是雙重隨機變量，如果下式右端兩個積分中至少有一個為有限，則

式中，E(ξ)為雙重隨機變量ξ的期望值。

定義3設(shè)ξ是雙重隨機變量，α,β∈(0,1]，則稱

為ξ的（α,β）樂觀值，而稱

為ξ的（α,β）悲觀值。

樂觀值和悲觀值是度量雙重隨機變量的兩類關(guān)鍵值。

定義4雙重隨機變量ξ的機會測度定義為

1.2 雙重隨機模擬算法

（1）算法1：隨機模擬算法（求隨機變量的期望值）。

1）令L=0。

2）根據(jù)概率測度Pr，從Ω中抽取樣本ω。

3）L←L+E[f(ξ(ω))]。

4）重復(fù)步驟2）、3）共N次。

5）E[f(ξ)]←L/N。

（2）算法2：雙重隨機模擬算法（求雙重隨機變量的期望值）。

1）令e=0。

2）根據(jù)概率測度 Pr，從樣本空間Ω中抽取樣本ω。

3）e←e+E[f(ξ(ω))]，其中E[f(ξ(ω))]可以通過隨機模擬得到。

4）重復(fù)步驟2）、3）共N次。

5）E[f(ξ)]←e/N。

（3）算法3：雙重隨機模擬算法（求雙重隨機變量的樂觀值）。

1）根據(jù)概率測度Pr，從樣本空間Ω中隨機產(chǎn)生樣本ω1,ω2,…,ωN。

3）置N'為αN的整數(shù)部分。

計算悲觀值的算法與樂觀值類似。

2 太陽輻射值的預(yù)測模型

太陽輻射可以分為直接輻射和散射輻射。輻射值在傳輸過程中會受到很多因素的影響，如云的反射和散射[17]。下面分別對無云和有云天氣的輻射預(yù)測進(jìn)行建模。

2.1 無云天氣太陽輻射值的計算模型

本文采用REST模型計算晴天的直接輻射和散射輻射。將2006～2011年每年12月晴天的輻射值作為歷史數(shù)據(jù)，其中2009年的結(jié)果如圖1所示，其中橫坐標(biāo)為整點為晴天的時刻的累計數(shù)量，縱坐標(biāo)為各時刻對應(yīng)的輻射值?？梢钥闯?，直接輻射的計算值與實際值誤差很小，散射輻射的計算值與實際值變化趨勢一致，但有一定差距，原因是REST模型中的參數(shù)存在季節(jié)性或地區(qū)性差異，因此采用一次函數(shù)對其進(jìn)行擬合，即

式中，Idif為REST模型得到的散射輻射；Idif1為擬合修正后的散射輻射；k、a為修正系數(shù)。

圖1 直射與散射計算值與實際值的對比Fig.1 The comparison of calculated value and actual value of direct and scattered radiation

將歷史散射值與計算值進(jìn)行線性擬合，得到修正的散射值計算公式為

修正后的結(jié)果如圖2所示，從圖中可以看出，修正后的散射值比修正前更接近實際值。

圖2 修正前后散射輻射值與實際值的對比Fig.2 The comparison of predicted scattered radiation value before and after correction with the actual value

2.2 有云天氣太陽輻射值的計算模型

云的形狀、高度、厚度是不斷變化的，因此對太陽輻射產(chǎn)生的效應(yīng)也會具有不確定性[18]，在對太陽輻射值預(yù)測時，云量是要重點考慮的因素。云對直射和散射的影響方式不同，需要分別進(jìn)行分析。目前對有云天氣太陽輻射值的預(yù)測，多采用與云量有關(guān)的函數(shù)對無云天氣的輻射值進(jìn)行校正，本文采用云遮系數(shù)模型，即

式中，Ic為有云天氣的輻射值；I0為REST模型計算的無云天氣輻射值；ξ為對應(yīng)云遮系數(shù)。

2.2.1云量的模糊性

對云的描述通常有云量和云層覆蓋率兩種。云量是云對天空遮蔽的成數(shù)，用成數(shù)Ci(i∈(0,1,…,10))表示，我國采用 10成制。云層覆蓋率z(z∈(0,1,…,100))用云占天空的百分比表示。

云量具有模糊性，人們認(rèn)識上的差異會導(dǎo)致對云量的定義不同。對云量的劃分不是一個確定的點，而是具有一定交集的區(qū)間。選取三角隸屬函數(shù)μCi計算各個云層覆蓋率z對云量Ci的隸屬程度μ，具體劃分如圖3所示。

圖3 云層覆蓋率對云量的隸屬函數(shù)圖Fig.3 Membership function of cloudiness cover percentage to cloud cover

每個時刻的云量用隸屬度向量F(zk)=(μC0(zk),μC1(zk),μCi(zk),μC10(zk))表示，其中μCi(zk)為云層覆蓋率zk(k=1,2,…,n)對云量Ci(i=0,1,…,10)的隸屬度。這樣，根據(jù)可信性理論，每個云量Ci對應(yīng)一個可能性空間(z,p(z),μCi(z))。

2.2.2云量的隨機性

云量具有隨機性，若預(yù)報的云量為Ci，實際出現(xiàn)的云量可能為0～10之間的任意值，各個值的概率可以通過如下步驟得到。

（1）云量預(yù)測值采用美國國家海洋和大氣管理局（NOAA）提供的數(shù)據(jù)，統(tǒng)計研究時段內(nèi)預(yù)測云量為Ci(i=0,1,…,10)的數(shù)量Ni。對Ni的統(tǒng)計采用直接計數(shù)方法，即有一個云量為Ci的時刻Ni就加1。

（2）在歷史數(shù)據(jù)中，統(tǒng)計云量預(yù)測值為Ci時實際值為Cj的數(shù)量。由于實際云量是用隸屬度向量表示，所以計數(shù)方法也與一般情況不同。

式中，yk為第k個預(yù)測云量；sk為第k個實際云層覆蓋率；μCi(yk)表示預(yù)測云量對Ci的隸屬度，此處取值為1；μCj(sk)表示實際云層覆蓋率對Cj的隸屬度。

（3）預(yù)測云量為Ci的情況下實際值為Cj的概率為

由上式可知，從預(yù)測云量Ci到實際云量Cj對應(yīng)一個隨機變量集合。

2.2.3云遮系數(shù)的隨機性

云遮系數(shù)具有隨機性。通過對歷史數(shù)據(jù)的統(tǒng)計，直射和散射云遮系數(shù)的取值范圍分別是ξ1k∈[0,1]和ξ2k∈[?5,1]，可以統(tǒng)計得到其概率分布，步驟如下：

（1）確定歷史數(shù)據(jù)，采用 2006～2011年每年12月的數(shù)據(jù)，利用REST修正模型，得到無云天氣太陽輻射的計算值，根據(jù)式（7）分別計算各個時刻的直射和散射云遮系數(shù)，散射云遮系數(shù)的計算值如圖4所示?？梢钥闯?，同一云層覆蓋率下的云遮系數(shù)不是一個確定的值，而是具有離散的概率分布，這樣實際云量對應(yīng)的云遮系數(shù)就是隨機分布的。

（2）統(tǒng)計歷史數(shù)據(jù)中實際云量為Cj(j=0,1,…,10)的數(shù)量為

圖4 散射云遮系數(shù)的隨機性Fig.4 Probability of cloud cover coefficient corresponding to diffuse irradiation

式中，sm為第m個實際云層覆蓋率；μCj(sm)表示sm對云量Cj的隸屬度。

（3）將直射和散射云遮系數(shù)按照數(shù)值大小分別平均分為n1=50和n2=100個區(qū)間，并統(tǒng)計云量實際值為Cj時直射和散射云遮系數(shù)落入各個區(qū)間的數(shù)量(k=1,2,…,n1)和(k=1,2,…,n2)，即

也就是說，如果第m個時刻的直射云遮系數(shù)ξ1m落在第k個區(qū)間內(nèi)，則數(shù)量要加上該時刻的云層覆蓋率sm對云量Cj的隸屬度。

由上可知，實際云量Cj對應(yīng)的云遮系數(shù)ξjk也是一個隨機變量集合。

2.2.4有云天氣輻射值的預(yù)測

由上述分析可知，預(yù)測云量Ci對應(yīng)的實際云量Cj是隨機變量，實際云量Cj對應(yīng)的云遮系數(shù)ξjk也是隨機變量，因此預(yù)測云量Ci對應(yīng)的云遮系數(shù)ξik是取值于隨機變量集合上的隨機變量，具有雙重隨機性[19]，表達(dá)式為

預(yù)測流程如圖5所示，具體步驟如下：

（1）對云量進(jìn)行模糊劃分，得到云層覆蓋率對應(yīng)的云量實際值，即云量隸屬度向量F(zk)，對比同一時刻的云量預(yù)測值和云量實際值，統(tǒng)計得到云量預(yù)測值到實際值的隨機概率分布Pij。

（2）計算歷史數(shù)據(jù)中各個時刻的云遮系數(shù)ξ1k和ξ2k，得到云量實際值為Cj時云遮系數(shù)的隨機概率分布P1jk和P2jk。

（3）采用雙重隨機模擬算法計算各個預(yù)測云量對應(yīng)的云遮系數(shù)期望值，以及滿足不同置信水平的云遮系數(shù)區(qū)間。

（4）利用REST模型計算晴天的太陽輻射值，然后根據(jù)云量預(yù)測值，選取相應(yīng)的云遮系數(shù)期望值對其進(jìn)行修正，最終得到有云天氣的輻射值。

圖5 預(yù)測流程圖Fig.5 Forecast flowchart

3 溫度和光伏出力的預(yù)測模型

溫度是光伏出力的另一個重要影響因素，本文用 BP神經(jīng)網(wǎng)絡(luò)模型預(yù)測光伏電池的溫度。通過對各個環(huán)境因素與光伏電池溫度的相關(guān)性分析得知，光伏電池溫度與環(huán)境溫度和光伏電池接收的輻射值相關(guān)性最強。因此，將環(huán)境溫度和輻射值作為神經(jīng)網(wǎng)絡(luò)的輸入，光伏電池的溫度作為輸出。步驟如下：首先利用歷史數(shù)據(jù)對神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，訓(xùn)練次數(shù)為1 000次；然后輸入預(yù)測日的環(huán)境溫度預(yù)報值和第2節(jié)根據(jù)雙重隨機模型所得到的太陽輻射期望值，即可得到光伏電池溫度的預(yù)測值。

光伏電池出力的簡化計算模型[20]如式（14），由于最大功率追蹤裝置的作用，可以計算任意光強和溫度下光伏電池的最大輸出功率。

式中，Tref、Sref為光伏電池溫度和太陽輻射參考值，分別為25℃、1 000W/m2；ΔT、ΔS為實際的電池溫度和太陽輻射與參考值的差；Pm為標(biāo)準(zhǔn)條件下，光伏電池的最大輸出功率，本文算例中光伏系統(tǒng)容量為1kW，所以Pm取1 000W；a、b、c為補償系數(shù)，分別為0.002 5℃?1、0.000 5W/m2和 0.002 88℃?1。

4 算例分析

本文利用美國 BMS光伏電站的數(shù)據(jù)來驗證模型的有效性，有效光照時間為每天的8:00～16:00。以2012年12月11日為例，先提前一天預(yù)測整點時刻的直接輻射Idir和散射輻射值Idif，再預(yù)測光伏電池的溫度值，然后根據(jù)光伏出力模型計算出力。

4.1 期望值預(yù)測

圖6 2012年12月11日太陽輻射預(yù)測期望值與實際值的對比Fig.6 Comparison of predicted solar radiation expectations with the actual valueon December 11th,2012

太陽輻射的期望值預(yù)測結(jié)果如圖6所示，相應(yīng)的光伏出力預(yù)測結(jié)果如圖7所示。直接輻射、散射輻射和總輻射預(yù)測值的平均相對誤差分別為26.88%、15.13%和 21.55%；對光伏出力預(yù)測的平均相對誤差水平在15%左右。

圖7 2012年12月11日光伏出力預(yù)測期望值與實際值的對比Fig.7 Comparison of predicted PV output expectations with the actual valueon December 11th,2012

4.2 區(qū)間預(yù)測

太陽輻射的置信水平為[0.6,0.7]的關(guān)鍵值預(yù)測結(jié)果如圖 8所示，相應(yīng)的光伏出力預(yù)測結(jié)果如圖 9所示。

圖8 2012年12月11日太陽輻射預(yù)測關(guān)鍵值與實際值的對比Fig.8 Comparison of predicted solar radiation critical values with the actual value on December 11th,2012

圖9 2012年12月11日光伏出力預(yù)測關(guān)鍵值與實際值的對比Fig.9 Comparison of predicted PV outputcritical values with the actual value on December 11th,2012

雙重隨機模擬算法可以預(yù)測得到輻射值的預(yù)測區(qū)間，可以看出，大部分輻射實際值包含在預(yù)測區(qū)間上限和下限之間，8:00和16:00的實際值沒有在區(qū)間內(nèi)，原因是在早晨太陽剛升起和下午太陽即將落下的時候，輻射值受水蒸氣和空氣污染物的影響較大，不規(guī)律性較強。對光伏出力來說，由于還受到溫度的影響，8:00和16:00的實際值沒有落在區(qū)間外部。通過研究不同置信水平下太陽輻射值的預(yù)測結(jié)果，得出如下結(jié)論：隨著置信水平的增大，預(yù)測區(qū)間變大，更多的實際值落在區(qū)間內(nèi)；反之，落在區(qū)間內(nèi)的實際值變少。當(dāng)α不變，β減小時，或者當(dāng)β不變，α減小時，預(yù)測區(qū)間都變小，落在區(qū)間內(nèi)的實際值也減小。

模型實現(xiàn)了提前一天對光伏出力的短期預(yù)測，預(yù)測準(zhǔn)確度受天氣預(yù)報準(zhǔn)確度的影響?？紤]到天氣會出現(xiàn)瞬時多變或突變情況，還需要加入滾動預(yù)測，即根據(jù)天氣情況實時調(diào)整預(yù)測值。將基于不確定理論的模型與滾動預(yù)測相結(jié)合，能夠提高光伏出力預(yù)測的準(zhǔn)確度，這是本文未涉及的內(nèi)容，還有待進(jìn)一步研究。

5 結(jié)論

預(yù)測光伏出力可以為電力系統(tǒng)調(diào)度部門提供重要的參考信息。本文建立了基于不確定理論的太陽輻射值預(yù)測模型，是一種新型預(yù)測方法。文中分析了云量的隨機性和云遮系數(shù)雙重隨機性，并考慮了云量的模糊性，較全面地涵蓋了輻射值影響因素的不確定性。在實現(xiàn)太陽輻射值和光伏電池溫度的預(yù)測后，通過光伏出力的工程實用模型得到出力的預(yù)測值和預(yù)測區(qū)間，與只能得到單一預(yù)測值的傳統(tǒng)方法相比，預(yù)測結(jié)果的信息量更加豐富，更具有參考價值。

[1] 王飛,余世杰,蘇建徽,等.太陽能光伏并網(wǎng)發(fā)電系統(tǒng)的研究[J].電工技術(shù)學(xué)報,2005,20(5):72-74.

Wang Fei,Yu Shijie,Su Jianhui,et al.Research on photovoltaic grid-connected power system[J].Transactions of China Electrotechnical Society,2005,20(5):72-74.

[2] 蔣亞娟.光伏電池建模及其在光伏發(fā)電預(yù)測中的應(yīng)用[D].武漢:華中科技大學(xué),2011.

[3] GablerH.Grid-connected photovoltaics[J].Solar Energy,2001,70(6):455-456.

[4] 后尚,田瑞,閆素英.呼和浩特地區(qū)太陽輻射模型分析[J].可再生能源,2008,26(2):79-82.

Hou Shang,Tian Rui,Yan Suying.Research and analysis on the solar radiation model of Huhehaote[J].Renewable Energy Resources,2008,26(2):79-82.

[5] 邱國全,夏艷君,楊鴻毅.晴天太陽輻射模型的優(yōu)化計算[J].太陽能學(xué)報,2001,22(4):456-460.

QiuGuoquan,Xia Yanjun,Yang Hongyi.An optimized clear-day solar radiation model[J].Acta Energiae Solaris Sinica,2001,22(4):456-460.

[6] Shah Alam.Prediction of direct and global solar irradiance using broadband models:validation of REST model[J].Renewable Energy,2006,31:1253-1263.

[7] 李小芳,陳青云.用云遮系數(shù)法計算日光溫室內(nèi)太陽輻射[J].農(nóng)業(yè)工程學(xué)報,2004,20(3):212-216.

Li Xiaofang,Chen Qingyun.Calculation of the solar radiation inside the sunlight greenhouse using the cloud cover coefficient method[J].Transactions of The Chinese Society of Agricultural Engineering,2004,20(3):212-216.

[8] 栗然,李廣敏.基于支持向量機回歸的光伏發(fā)電出力預(yù)測[J].中國電力,2008,41(2):74-78.

Li Ran,Li Guangmin.Photovoltaic power generation output forecasting based on support vector machine regression technique[J].Electric Power,2008,41(2):74-78.

[9] 傅美平,馬紅偉,毛建容.基于相似日和最小二乘支持向量機的光伏發(fā)電短期預(yù)測[J].電力系統(tǒng)保護(hù)與控制,2012,40(16):65-69.

Fu Meiping,Ma Hongwei,Mao Jianrong.Short-term photovoltaic power forecasting based on similar days and least square support vector machine[J].Power System Protection and Control,2012,40(16):65-69.

[10] 陳昌松,段善旭,殷進(jìn)軍.基于神經(jīng)網(wǎng)絡(luò)的光伏陣列發(fā)電預(yù)測模型的研究[J].電工技術(shù)學(xué)報,2009,24(9):153-158.

Chen Changsong,Duan Shanxu,Yin Jinjun.Design of photovoltaic array power forecasting model based on neutral network[J].Transactions of China Electrotechnical Society,2009,24(9):153-158.

[11] 丁明,王磊,畢銳.基于改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的光伏發(fā)電系統(tǒng)輸出功率短期預(yù)測模型[J].電力系統(tǒng)保護(hù)與控制,2012,40(11):93-99.

Ding Ming,Wang Lei,Bi Rui.A short-term prediction model to forecast output power of photovoltaic system based on improved BP neutral network[J].Power System Protection and Control,2012,40(11):93-99.

[12] 張艷霞,趙杰.基于反饋型神經(jīng)網(wǎng)絡(luò)的光伏系統(tǒng)發(fā)電功率預(yù)測[J].電力系統(tǒng)保護(hù)與控制,2011,39(15):96-101.

Zhang Yanxia,Zhao Jie.Application of recurrent neutral networks to generated power forecasting for photovoltaic system [J].Power System Protection and Control,2011,39(15):96-101.

[13] 陳昌松,段善旭,蔡濤,等.基于模糊識別的光伏發(fā)電短期預(yù)測系統(tǒng)[J].電工技術(shù)學(xué)報,2011,26(7):83-89.

Chen Changsong,Duan Shanxu,Cai Tao,et al.Shortterm photovoltaic generation forecasting system based on fuzzy recognition[J].Transactions of China Electrotechnical Society,2011,26(7):83-89.

[14] 邰能靈,侯志儉.小波模糊神經(jīng)網(wǎng)絡(luò)在電力系統(tǒng)短期負(fù)荷預(yù)測中的應(yīng)用[J].中國電機工程學(xué)報,2004,24(1):24-29.

Tai Nengling,Hou Zhijian.New short-term load forecasting principle with the wavelet transform fuzzy neural network for the power systems[J].Proceedings of the CSEE,2004,24(1):24-29.

[15] 彭錦,劉寶錠.不確定理論及其公理化體系[J].黃岡師范學(xué)院學(xué)報,2004,24(3):1-9.

Peng Jin,Liu Baoding.Uncertainty theory and its axiomatic foundations[J].Huanggang Nornal University,2004,24(3):1-9.

[16] 劉寶錠,彭錦.不確定理論教程[M].北京:清華大學(xué)出版社,2005.

[17] 林媛.太陽輻射強度模型的建立及驗證[J].安徽建筑工業(yè)學(xué)院學(xué)報,2007,15(5):44-46.

Lin Yuan.The model of the solar radiation energy’s establishment and verification[J].Journal of Anhui Institute of Architecture & Industry(Natural Science),2007,15(5):44-46.

[18] 申彥波,趙宗慈,石廣玉.地面太陽輻射的變化、影響因子及其可能的氣候效應(yīng)最新研究進(jìn)展[J].地球科學(xué)進(jìn)展,2008,23(9):915-923.

ShenYanbo,Zhao Zongci,Shi Guangyu.The progress in variation of surface solar radiation,factors and probable climatic effects[J].Advances in Earth Science,2008,23(9):915-923.

[19] 張植明,田景峰.基于雙重隨機樣本的統(tǒng)計學(xué)習(xí)理論的理論基礎(chǔ)[J].計算機工程,2008,44(17):33-36.

Zhang Zhiming,Tian Jingfeng.Theoretical foundations of statistical learning theory of birandom samples[J].Computer and Applications,2008,44(17):33-36.

[20] 廖志凌,阮新波.任意光強和溫度下的硅太陽電池非線性工程簡化數(shù)學(xué)模型[J].太陽能學(xué)報,2009,30(4):430-435.

Liao Zhiling,Ruan Xinbo.Non-linear engineering simplification model of silicon solar cells in arbitrary solar radiation and temperature[J].Acta Energiae Solaris Sinica,2009,30(4):430-435.