Abstract
This paper provides a review of methodologies for measuring the degradation rate, RD, of photovoltaic (PV) technologies, as reported in the literature. As presented in this paper, each method yields different results with varying uncertainty depending on the measuring equipment, the data qualification and filtering criteria, the performance metric and the statistical method of estimation of the trend. This imposes the risk of overestimating or underestimating the true degradation rate and, subsequently, the effective lifetime of a PV module/array/system and proves the need for defining a standardized methodology. Through a literature search, four major statistical analysis methods were recognized for calculating degradation rates: (1) Linear Regression (LR), (2) Classical Seasonal Decomposition (CSD), (3) AutoRegressive Integrated Moving Average (ARIMA) and, (4) LOcally wEighted Scatterplot Smoothing (LOESS), with LR being the most common. These analyses were applied on the following performance metrics: (1) electrical parameters from IV curves recorded under outdoor or simulated indoor conditions and corrected to STC, (2) regression models such as the Photovoltaics for Utility Scale Applications (PVUSA) and Sandia models, (3) normalized ratings such as Performance Ratio, RP, and PMPP/GI and, (4) scaled ratings such as PMPP/Pmax, PAC/Pmax and kWh/kWp. The degradation rate results have shown that the IV method produced the lowest RD and LR produced results with large variation and the largest uncertainty. The ARIMA and LOESS methods, albeit less popular, produced results with low variation and uncertainty and with good agreement between them. Most importantly, this review showed that the RD is not only technology and site dependent, but also methodology dependent.
fr159:کد
دانلود رایگان فایل انگلیسی:
رمز فایل:www.downloadmaghaleh.com
دانلود مقاله دات کام 
توضیحات محصول
دانلود مقاله بررسی شیوه های محاسبه سرعت تخریب فتوولتائیک
تعداد کلمات فایل انگلیسی:7630کلمه 10صفحه pdf
تعداد صفحات فایل ترجمه:35صفحه word فونت14 Arial
چکیده
این مطالعه به بررسی و مروری بر شیوه شناسیِ سرعت تخریب(R_D) تکنولوژی فتوولتائیک (PV)، به آنصورت که در کتاب ها گزارش شده، پرداخته است. هر کدام از شیوه ها، همانطور که در مقاله ذکر شده است، بسته به تجهیزات اندازه گیری، صلاحیت داده ها و معیارهای فیلتر، کارکرد متریک و شیوه های آماری در برآورد روند، نتایجی مختلف با عدم قطعیت های متفاوت ارائه می دهد. این کار باعث بوجود آمدن خطرِ برآورد بیشتر یا کمتر سرعت واقعی تخریب و در نتیجه طول عمر موثر سیستم/آرایه/ ماژول PV شده و نیاز به تعریف یک شیوه شناسی استاندار را به اثبات می رساند. در یک جستجوی موضوعی چهار شیوه آماری تجزیه و تحلیل برای محاسبه سرعت تخریب شناسایی شد. ۱) رگرسیون خطی (LR) 2) تجزیه فصلی کلاسیک (CSD) 3) میانگین متحرک اتورگرسیو مجتمع (ARIMA) 4) لُوِس (, LOESS Locally Weighted Scatterplot Smoothing ) ، که LR پر استفاده ترین شیوه بود. این تجزیه و تحلیل ها مبنای کارکردهای متریک زیر به کار برده شد. ۱) پارامترهای الکتریکی حاصل شده از منحنی IV که در شرایط شبیه سازی شده داخلی و خارجی و اصلاح شده به STC 2) مدل های رگرسیون مانند فتوولتائیک بمنظور کاربردهای سودمند مقیاس (PVUSA) و مدل های Sandia 3) درجه بندی های های نرمال مانند نسبت کارکرد(R_P) ، GI/ P_MPP 4) درجه بندی های مقیاسی (scaled ratings) مانند/ P_max P_MPP ،/ P_max P_AC و kWh/kW_p. نتایج سرعت تخریب نشان داده است که شیوه IV کمترین R_D را تولید کرده و LR نتایجی با تنوع و عدم قطعیت بالا تولید کرده است .ARIMA و LOESS، هرچند از محبوبیت کمتری برخودار هستند دارای نتایجی با تنوع و عدم قطعیت کمتر تولید کرده و بین آنها سازش وجود دارد. مهم تر از همه اینکه این بررسی نشان داد R_D فقط وابسته به فناوری و مکان نیست بلکه وابسته به شیوه شناسی نیز هست.
مقدمه
فتوولتائیک (PV) یکی از مهمترین منابع تجدید پذیر انرژی است و علت ساده این امر تابش قابل پیش بینی و بسیار زیاد تشعشعات خورشید بر سطح زمین است. در صورت به حداقل رساندن هزینه ها و در عین حال حفظ دوام و قابل اطمینان بودن، این فناوری می تواند برای مصرف کنندگان و سرمایه گذاران جذاب تر شود. موفقیت در بهبود دوام و در نتیجه موفقیت در بهبود طول عمر ماژول PV، باعث تزریق اعتماد به این فناوری می شود، فناوری که کارآیی اقتصادی آن بر پایه تحویل توان اسمی، ، در طول عمر مورد انتظار است و این محرک اصلی در رشد روز افزون علاقه به محاسبه دقیق سرعت تخریب PV در شرایط واقعی است، یا از طریق آزمایش در این زمینه و یا از طریق تسریع کهنگی. عملکرد تخریب در تمامی سطوح، یعنی سلول، ماژول، آرایه و سیستم مشهود است. در تمامی موارد عوامل خارجی مربوط به عملکرد تخریب در عملیات میدانی شامل : حرارت، رطوبت، بارش، گردوغبار، برف و تشعشعات خورشید است. در سطح آرایه، تمام این عوامل به همراه عدم تطابق سایه و ماژول نیز به تخریب کمک می کند. عوامل مذکور منجر به مکانیزم های مختلف تخریب شده و و استرس بسیار زیادی در سرتاسر طول عمر یک سیستم PV تحمیل می کند، که نتیجه این امر کاهش دوام است و باید از طریق اندازه گیری سرعت عملکرد تخریب محاسبه شود. بالاخص در سطح سلول PV، مکانیسم اصلی در از دست دادن عملکرد و شکست احتمالی، خوردگی، تخریب ناشی از نور، ارتباط پایدار و سلول های ترک خورده است. در سطح ماژول، تخریب شدگی ناشی از مسائل مربوط به قابل اطمینان بودنِ سلول های فردی و بعلاوه آن شکستن شیشه، لایه لایه شدگی، شکستگی باسبار، اتصالات شکسته، تغییر رنگ سطح جلویی، ورود رطوبت، کاهش چسبندگی بین لایه ای، شکستگی دیود و نقاط داغ هستند. اکثریت مطالعات در مورد فناوری سیلیکون کریستالی (c-Si) گزارش می دهند که تخریب محاسبه شده عمدتا منسوب به تلفات جریان اتصال کوتاه، ، در پی کاهش کمتر در عامل پر،FF، است. تخریب مرتبط با کاهش اغلب ناشی از لایه لایه شدن و تغییر رنگ است.
Abstract
This paper provides a review of methodologies for measuring the degradation rate, RD, of photovoltaic (PV) technologies, as reported in the literature. As presented in this paper, each method yields different results with varying uncertainty depending on the measuring equipment, the data qualification and filtering criteria, the performance metric and the statistical method of estimation of the trend. This imposes the risk of overestimating or underestimating the true degradation rate and, subsequently, the effective lifetime of a PV module/array/system and proves the need for defining a standardized methodology. Through a literature search, four major statistical analysis methods were recognized for calculating degradation rates: (1) Linear Regression (LR), (2) Classical Seasonal Decomposition (CSD), (3) AutoRegressive Integrated Moving Average (ARIMA) and, (4) LOcally wEighted Scatterplot Smoothing (LOESS), with LR being the most common. These analyses were applied on the following performance metrics: (1) electrical parameters from IV curves recorded under outdoor or simulated indoor conditions and corrected to STC, (2) regression models such as the Photovoltaics for Utility Scale Applications (PVUSA) and Sandia models, (3) normalized ratings such as Performance Ratio, RP, and PMPP/GI and, (4) scaled ratings such as PMPP/Pmax, PAC/Pmax and kWh/kWp. The degradation rate results have shown that the IV method produced the lowest RD and LR produced results with large variation and the largest uncertainty. The ARIMA and LOESS methods, albeit less popular, produced results with low variation and uncertainty and with good agreement between them. Most importantly, this review showed that the RD is not only technology and site dependent, but also methodology dependent.
fr159:کد
دانلود رایگان فایل انگلیسی:
رمز فایل:www.downloadmaghaleh.com