没有合适的资源?快使用搜索试试~ 我知道了~
工程科学与技术,国际期刊22(2019)502完整文章从原位气候条件生成温度循环剖面以准确预测c-Si光伏组件Frank K.A.Nyarkoa,Nacional,G.作者:Takyia,Emeka H.Amalub,Muyiwa S.阿达拉莫拉ca加纳库马西Kwame Nkrumah科技大学工程学院机械工程系b英国提赛德大学科学与工程设计学院工程系,米德尔斯堡,提斯谷TS13BA c挪威生命科学大学环境科学与自然资源管理学院,挪威阿提奇莱因福奥文章历史记录:2018年8月3日收到2018年12月17日修订2018年12月18日接受在线发售2018年保留字:温度循环升温速率温度梯度加速热循环(ATC)热膨胀系数(CTE)雨流计数现场数据生成A B S T R A C T使用气候特定的温度循环曲线是精确量化退化速率和准确确定在各种气候条件下运行的晶体硅光伏(c-Si PV)模块的使用疲劳寿命的一个可靠的现场户外风化数据库对于生成所需的气候特定温度循环剖面至关重要。本研究利用从安装的c-Si光伏组件以五分钟间隔获得的高分辨率数据来生成代表撒哈拉以南非洲气候的测试地点该研究收集了2012年至2014年关于位于加纳KNUST工程学院的c-Si光伏组件老化的三年数据数据站位于北纬6°40 00 , 西 经 1°3700 , 海 拔 250 米 。 对 温 度 变 化 和 热 致 应 力 数 据 的 分 析 表 明 , 该 区 域 的 升 温 速 率 为8.996 °C/h,热停留时间为228 min,冷停留时间为369 min。最高和最低模块温度分别为58.9 °C和23.7 °C;循环时间为86400 s。 与IEC 61215地面光伏组件鉴定标准相比,斜坡率、保压(热和冷)和循环时间的百分比变化分别为-91%,2180%,3590%,747%。所产生的原位温度循环曲线预测准确地符合在撒哈拉以南非洲试验场运行的单晶硅光伏组件的要求。系统的技术在这项研究中,以生成的原位温度循环剖面将是有用的热机械可靠性研究社区。此外,光伏设计和制造工程师可以利用这些信息来创建气候特定的坚固的c-Si PV模块。©2018 Karabuk University. Elsevier B.V.的出版服务。这是CCBY-NC-ND许可证(http://creativecommons.org/licenses/by-nc-nd/4.0/)。1. 介绍光伏系统的经济性基于其在预期使用寿命内提供额定功率的能力,而不考虑其容量[1]。一些研究人员进行的实地研究结果表明,室外降解率比预期的要高得多。 Rosenthal等人和Sørensen等人[2,3]报告称,已安装的模块每年的功率退化率约为0.5在尼日利亚东部的热带气候中,Ike[4]研究了现场光伏组件在环境持续时间内的功率输出*通讯作者。电 子 邮 件 地 址 : fnyarko.coe@knust.edu.gh ( F.K.A.Nyarko ) ,gtakyi.soe@knust. edu.gh(G. Takyi),E. tees.ac.uk(E.H. Amalu)。由Karabuk大学负责进行同行审查温度该装置安装在铁屋顶上,角度相当于当地纬度(现场位置:北纬6°100 000,东经7°40 000)。作者报告说,功率输出随着环境温度的升高而降低。Walsh等人[5]在新加坡国立大学的屋顶上进行了一项类似的研究,涉及新加坡的热带气候(地点位置:1°17 0 44 00 N,103 ° 46 036 00 E)。该研究的一个重要发现表明,全年高湿度是对光伏组件耐久性的最大威胁。此外,他们观察到高环境温度和高漫射光条件对PV模块输出功率有一些负面影响。 此外,Ogbomo等人[6]研究了工作温度对晶体硅光伏模块中焊点退化的影响。他们研究的一个关键发现表明,标准测试条件(STC)下电池温度每升高1 °C,焊料降解就会增加。他们进一步观察了模块疲劳寿命,https://doi.org/10.1016/j.jestch.2018.12.0072215-0986/©2018 Karabuk University.出版社:Elsevier B.V.这是一篇基于CC BY-NC-ND许可证的开放获取文章(http://creativecommons.org/licenses/by-nc-nd/4.0/)。可在ScienceDirect上获得目录列表工程科学与技术国际期刊杂志主页:www.elsevier.com/locate/jestchF.K. A Nyarko等人/工程科学与技术,国际期刊22(2019)502503(in年)衰减,根据幂函数另一方面,McCormick和Suehrcke[7]因此,他们开发了一个模型,用一分钟和每小时的太阳辐射值模拟系统能量流。此外,研究人员发现多云条件会导致系统电流的显著波动。一些研究人员还对温度和辐照度对太阳能光伏性能的影响进行了相关研究[8许多因素导致安装在现场的PV模块劣化。暴露于一定范围的循环温度,再加上在高温下的操作,会在晶体硅光伏(c-Si PV)模块中的焊点互连中引起循环热机械应力。此外,在一定范围的操作电流和电压下的操作以及入射在PV上的紫外(UV)光的带隙在累积PV模块中的功率退化中起天气条件的巨大变化也会显著增加降解速率。这些因素对在撒哈拉以南气候条件下运行的单晶硅光伏组件Makenzi等人[13]在其报告中证明,光伏组件的退化和失效机制与位置有关。光伏组件的退化是由各种故障机制造成的,包括:水蒸气扩散到封装电池中会腐蚀焊点和电触点环境温度循环对焊点的热机械应力影响。由于长期暴露于高环境温度(热浸泡和老化),导致焊料互连中的金属间化合物(IMC)生长。冰雹和大风引起的振动造成的微裂纹的存在。开发能够准确预测真实室外条件的室内测试是相当具有挑战性的。一些研究结果提出了各种方法,包括通过增加循环次数、增加温度范围或升温速率,扩展IEC 61215热循环测试(TC 200)中概述的认证程序[14]。其他研究也使用现场数据进行PV可靠性预测。例如,Cuddalorepatta等人[15]在研究PV电池中铜互连和硅之间的无铅焊料的耐久性时,使用了一个温度范围在63 °C和17 °C之间的现场条件,该数据来自赞助公司。 另一方面,Park等人[16]使用周期时间为24 h的现场数据:23-67 °C; 390 min斜升和330min斜降;高温停留2 h和低温停留10 h,以估计多晶硅的降解速率。然而,作者没有证明他们如何在各自的研究中生成温度循环参数。改进当前IEC 61215(TC 200)温度曲线,从而改善模块长期户外可靠性的预测,这仍然是一项研究任务。太阳能光伏组件在使用中经历交替的白天/夜晚周期中直接暴露于阳光。此外,暴露在模块内的焊料互连接头上引起热机械应力。图1示出了常规c-Si PV电池互连的架构。c-Si PV模块的常规电池到电池互连架构涉及以串联布置连接焊料涂覆的铜(Cu)肋。这些带通过焊接连接沉积在硅晶体中的银形成模块的互连的这些材料具有不同的热膨胀系数(CTE)。Park等人[16]解释了粘合在一起以形成模块的组成材料的CTE的变化引起热机械应力。因此,载荷效应最终导致焊料互连中疲劳裂纹的产生和发展。接头中的疲劳裂纹增加了模块串联电阻损耗(Rs),并导致PV输出功率的总体下降[17]。Gonzalez等人[18]报告称,玻璃和电池之间的CTE失配较高,可能导致电池与组件分离但舱内每日的高温使情况更加恶化。通常,温度的增加在材料中并且因此在互连中引起拉伸应力。夜间温度降低至低于无应力温度条件Fig. 1. c-Si光伏组件中传统的前后电池互连技术。●●●●504F.K. A Nyarko等人/工程科学与技术,国际期刊22(2019)502在组件中引起压缩应力并将细胞推得许多研究人员对焊点热循环可靠性的研究做出了重要贡献。然而,大多数研究主要集中在倒装芯片和BGA封装上[19对光伏组件中焊接互连线热循环的研究在文献中仍然较少这项调查涉及到一些领域的c-Si光伏组件的现场工作模块温度的研究。该研究使用了2012年至2014年的三年数据,并开发了每年的温度循环剖面。因此,使用温度分布来生成测试区域的代表性温度分布。2. 实验方法图图2显示了用于监测本研究的室外气候的装置。该钻机包含其他类型的晶体硅光伏组件。然而,只有单晶体用于本研究。此外,Fig.3介绍了子站的数据收集。钻机位于西非加纳库马西的KNUST工程学院。该系统于2012年安装,由世界银行通过非洲可再生能源获取方案(AFREA)提供财政援助,项目名称为:西非可再生能源教育合作伙伴能力升级。表1列出了模块的系统规格和容量。现场位置(加纳库马西KNUST工程学院)位于北纬6°40 00,西经1°37 00,海拔250 m。这些模块没有遮蔽,安装在倾斜角度为5°的倾斜屋顶上,朝向赤道(向南)。此外,4 kWSMA Sunny Boy DC-AC逆变器(SB 3800)将各种光伏组件技术连接到电网。有五个逆变器连接和集成,通过蓝牙ad-hoc连接与SMASunny WebBox通信。因此,SMA Sunny WebBox传输PV系统输出的数据并存储在专用服务器上。此外,在大学网络的专用服务器上创建的SMA Sunny门户提供了一个在线监测系统。图二、加纳库马西KNUST工程学院的室外监测装置图3.第三章。加纳库马西KNUST工程学院室外测试设置监测站F.K. A Nyarko等人/工程科学与技术,国际期刊22(2019)5025052表1实验台模块技术规格。Cell Technologies非晶硅单晶硅多晶硅HIT铜二硫化铟(CIS)型号×串10× 4 7× 3 9× 2 8× 2 9× 9模块总数每模块功率(W)100 190 225 250 50总模块峰值功率(W)4000 3990 4050 4000 4050额定功率下的电压(V)30.7 36.4 29.4 34.9 36.8额定功率下的电流(A)3.25 5.22 7.55 7.18 1.36开路电压(V)40.9 45.2 36.7 43.1 49.5开路电流(A)3.85 5.46 8.24 7.74 1.66最大系统电压(V)1000 1000 1000 1000 1000开路电压温度系数(%/°C)-0.33-0.33-0.01-0.26短路电流温度系数(%/°C)0.08 0.03 0.04 0.03 0.04温度系数功率(%/°C)-0.20-0.44-0.45-0.30-0.30光伏系统总表面积(m)58.9 28.1 30.6 22.6 68.6光伏组件额定功率(kW)4.0 3.99 4.05 4.0 4.05组件效率(%)6.9 14.5 13.7 18.0 6.1NOCT49 46 47.2 46 47测量精度为±0.5 °C、分辨率为0.1 °C并位于每个模块中心(背面)的校准铂传感器(PT100)测量模块温度。记录的数据包括:环境温度、总日照、模块温度、工作电流和电压、风速和总输出功率。3. 结果、分析和讨论Sunny Webbox传输2012年3月至2014年12月期间在专用服务器上记录的每5分钟记录的高分辨率数据。研究和数据分析仅限于单晶光伏组件。本节讨论气候观测资料和三年气温循环廓线生成分析。3.1. 日温度循环廓线以5分钟时间间隔记录的数据每24小时产生288个数据点。图4显示了研究期间观察到的模块温度信号的分布。图4显示,这些模块在各个年份(201-2014)记录了相对较高频率的低温信号(峰值约为23 °C)。这一观察结果是因为光伏组件经历了约12小时的夜间温度较低,试验场的地理位置。如前所述,该模型-5 10 15 20 25 30 35 40 45 50 55 60 65 70 75每日温度(C)144012601080900720540360180见图4。 2012年、2013年和2014年观测到的每日模块温度分布。频率506F.K. A Nyarko等人/工程科学与技术,国际期刊22(2019)502表22012年、2013年和2014年观测到的每日温度汇总日内循环时间。循环计数是应力载荷分析的最佳方法。此外,雨流计数算法[25]提供了最好的周期计数方法,用于有效地将时间序列数据压缩为峰和谷。温度信号中的峰和谷呈现确定半周期的反转点。该算法通过考虑序列的移动参考温度点,例如TY具有以下特点:从2012年3月开始记录ULE温度数据因此,2012年生成的数据点规模相对小于2013年和2014年。这是2012年显示的温度信号较我们进一步观察到2013年至2014年之间的温度分布存在温和的逐年变化。与2014年相比,2013年在35 °C至60 °C之间的温度信号峰值略高。表2列出了一些关键指数的统计数据,观察每日温度。它表明,2012年记录的最低模块温度为13.5 °C,而2013年记录的最高模块温度为69.2 °C。此外,2013年记录的最高温度范围为58 °C。对记录的数据进行了进一步分析,得出了三年各月的平均日温度分布图。图5显示了每日模块温度曲线(月平均值)。该图描绘了平均每日模块温度从大约20 °C(当地时间午夜,00:00小时)开始,并且在大约06:00小时略微增加到大约22 °C,并且在大约当地时间下午12:45达到大约57 °C的峰值。随后,温度在下午18:00左右降至22 °C左右。图6显示,从1月到5月,2013年的日平均气温最高,而2012年的日平均气温最低。此外,它表明,从6月到12月,2012年记录的最高日平均模块温度,而2014年记录的最低。3.2. 热循环剖面温度梯度根据记录的模块温度确定循环温度曲线的每日温度梯度。温度梯度是由白天最高温度与夜间最低温度之差引起的。每日温度梯度的频率分布提供了足够的数据来模拟PV模块的温度周期,以进行准确的室外风化预测。图6显示了2012年、2013年和2014年单晶硅光伏组件的温度梯度分布。 如图6所示,年分布相对相似。所观察到的温度梯度的频率分布示出了具有尖峰的曲线,向较高的温度梯度倾斜。模块的平均温度梯度分别为38.7 °C、33.8 °C和33.8 °C 。2012年、2013年和2014年分别为33.6°C数据比较了这与Herrmann的类似研究结果吻合得很好等人[23].3.3. 模块温度与昼夜温度梯度相比,由云运动引起的日内模块温度波动已被证明对c-Si PV模块具有更大的破坏性影响[24]。图6显示全年的日气温。云量的高度不可预测性和随后的辐照度波动给描述短时间内的气候特征带来了很大的困难● 第一和第二温度点统称为TY● 第二和第三个温度点统称为TX● 第一和第二温度点的幅度之间的差的绝对值是由r(TX)表示的TX● TY的值域也表示为r(TY)图7显示了雨流计数算法的流程图。雨流计数算法是使用MATLAB程序生成的,并已成功部署在这项工作中,以确定模块每年经历的温度周期数。图8显示了使用雨流算法计算的2012年、2013年和2014年的温度周期。图8揭示了日出和日落斜升事件对应于低频高温范围半周期。此外,日内气温波动对应着短期的高频温度点。典型地,热带气候主要由于多云天空的存在而表现出短范围的高频率温度斜坡事件2013年(比2012年增加28%)和2014年(比2012年增加3%)记录了更多的短程斜升事件。其结果与Owen-Bellini等人对热带气候的类似研究结果有密切的关系[14]第10段。3.4. 模块的加热和冷却速率PV模块升温速率定义了经受温度循环负载的PV模块的加热和/或冷却速率。最近,一些PV模块测试鉴定方法已经使用更高的斜坡率来减少测试时间并节省资源。加速温度循环(ATC)证明了在模拟系统的退化受到温度循环在外地的充分性。然而,确定准确的ATC模式,从现场气候仍然是一个挑战。准确确定斜坡率的大小对于产生正确的ATC曲线至关重要。更重要的是它对光伏组件的热机械退化的影响。斜坡率和各种退化机制之间的关系,如模块和互连内各种元件的热致膨胀和收缩,是一个关键的研究结果。此外,还有高加速温度循环(HATC)测试技术。在本研究中,使用IBM SPSS分析工具[26]评估和分析了单晶硅光伏组件的加热和冷却速率。 图图9和图10示出了从记录的数据的分析获得的斜坡率的分布。纵轴上的累积持续时间评估PV模块记录特定冷却/加热速率的总时间。从图9可以看出,大多数升温速率远低于50 °C/h。尽管有高于IEC 61215- 100°C/ h测试速率的斜坡率,但其发生频率相对较低。 表3给出了每个测试年模块记录的斜坡率汇总。平均升温速率非常低-所有年份均低于11°C/h。然而,表3描述了更高热量的发生年201220132014平均值(℃)30.031.831.9最小值(°C)13.511.216.7最大值(°C)65.169.266STD.偏差(°C)10.410.610.3温度范围(°C)51.65849.3偏度1.010.911.15F.K. A Nyarko等人/工程科学与技术,国际期刊22(2019)5025072012201320142012201320142012201320142012201320142012201320142013201420122013201420132014201220132014201220132014温度(C)、温度(℃)温度(℃)温度(℃)温度(C)、温度(C)、温度(℃)温度(℃)温度(C)、温度(℃)温度(C)、1月80号放款记录7070606050504040303020201010二月8070605040302010三月00 6 12 1824时间(小时)00 6 12 1824时间(小时)00 6 12 18 24时间(小时)四月80807070606050 504040303020201010可以8070605040302010六月00 6 12 1824时间(小时)00 6 12 1824时间(小时)00 6 12 18 24时间(小时)7月80日706050403020108月80日星期一706050403020109月80日星期一7060504030201000 6 12 1824时间(小时)00 6 12 1824时间(小时)00 6 12 18 24时间(小时)10月80号放款记录7070606050504040303020201010十一月12月80日星期一7060504030201000 6 12 1824时间(小时)00 6 12 1824时间(小时)00 6 12 18 24时间(小时)图五. 2012-2014年观测到的日温度分布(月平均)冷却速率比IEC 61215测试速率高三倍。表3进一步显示了2012年、2013年和2014年的最大斜坡率分别比IEC 61215斜坡率增加了238%、147%和228%。201220132014201220132014温度(℃)508F.K. A Nyarko等人/工程科学与技术,国际期刊22(2019)502考虑到较高的加热和冷却速率会增加损坏累积,从而加速PV模块焊接接头的退化,统计数据非常重要[27]。F.K. A Nyarko等人/工程科学与技术,国际期刊22(2019)502509141210864200 10 20 30 40 50日/夜温度梯度(K)见图6。2012-2014年在试验场观测到的每日模块温度(月平均)梯度的频率分布见图8。 每年统计的周期分布(2012开始将TP设置为温度历史阅读下一个反转温度数据不足?没有是将每个剩余温度范围计数为½周期端是的<三次逆转?没使用3个最新的非丢弃反转形成TX和TY:TY:(1-2),(2-3)是r(TX)r(TY)没有是1.计数 TY为半周期2.丢弃TY3.设置 TP到TY没有1. 计数TY作为1个周期2. 丢弃TY见图7。 雨流计数流程图。2012年平均值= 38.7 ºC2013年平均值= 33.8 ºC2014年平均值= 33.6 ºC频率(%)510F.K. A Nyarko等人/工程科学与技术,国际期刊22(2019)502¼Þ1000001000010001001012014201320120 50 100 150 200 250 300 350模块温度加热速率(°C/hr)见图9。在试验场地观测到的加热速率的累积频率分布。温度评价停留时间的分析如下:DT¼ 平均斜坡率。A^C=min×温度信号时间间隔时间min见图10。2012年至2014年观测到的冷却速率的累积频率分布。表3计算热停留时间范围(Dth)的条件要求:T峰-T1≤DT≤ 2T峰-T2≤DT≤ 30类似地,计算冷停留时间范围(Dtc)的条件要求:观察到的加热和冷却速率以及最大升温速率的总结T3-Tv巷≤DT≤ 403.5. 光伏组件的温度停留时间理论上,PV模块的温度停留时间是模块记录零温度斜坡的时间。这是模块在恒定温度下浸泡的时间。在每日温度循环中有两个主要的停留时间。上部和下部驻留对应于上部和下部温度状态。每日模块温度循环图在图5中,辅助估计模块温度循环中的停留时间。在这项研究中,一个模块假设温度T4-Tvalley≤DT 5例如,在2012年,观测到的平均加热率是8.85°C/hr(0.14 °C/min)。 因此,在5分钟内,模块温度平均升高0.7°C(DT0:7A^C。因此,低于峰值温度0.7 °C的峰值温度两侧的温度的时间范围被认为是循环的上限(也称为热)停留时间。类似地,较低(也称为冷停留)停留时间是最低温度两侧的温度比最低温度高0.7 °C的时间范围。作者重复了2013年和2014年的数据分析,以计算其各自的停留时间。记录的温度数据量很大,需要一种算法,可以挑选出峰值和谷值周围的温度,然后计算停留时间。图12(a)和(b)示出了用于计算停留时间的MATLAB算法的流程图。图图13和图14呈现了用MATLAB算法生成的停留时间(热和冷)的月平均分布。表4列出了热停留时间和冷停留时间的年平均分布。从图13、14和表4中,冷停留时间保持恒定,平均在359-390 min之间,峰值较少,最高可达510 min。在表4中,2014年记录的最高冷停留时间为510 min,而2012年记录的最高冷停留时间为510 min1000001000100101050100 150 200 250 300 350模块温度冷却速率(°C/hr)累积持续时间(分钟)积硬脑膜见图11。典型的温度循环。2014100002013如果间隔内的温度上升速率低于时间(分钟)2012平均斜坡率。图11有助于说明如何从具有峰和谷的典型温度循环计算停留时间年201220132014加热速率平均值(℃/h)8.587.17.56最大值(°C/h)339220198比IEC 61215(100 °C/h)23812098冷却速率平均值(℃/h)10.4410.210.1最大值(°C/h)315248328比IEC 61215(100 °C/h)215148228最大爬坡率最大加热速率(°C/h)339220198最大冷却速率(°C/h)315248328最大升温速率(°C/h)339248328最大升温速率(°C/min)5.654.135.46比IEC 61215(1.67 °C/min)百分之二百三百分之一百四十七228%F.K. A Nyarko等人/工程科学与技术,国际期刊22(2019)502511开始从用户将文件内容作为数据查找索引valley为idx,并将r_idx和l_idx定义为等于idx是abs(data(r_idx)-data(r_idx+1))rampRate是没将r_idx递增1是abs(data(l_idx)-data(l_idx+1))没是将l_idx递增1计算下驻留时间=abs(l_idx- r_idx)*5停止开始从用户将文件内容作为数据找到峰值的索引为idx,并将r_idx和l_idx定义为等于idx是abs(data(r_idx)-data(r_idx+1))rampRate是的没将r_idx递增1是abs(data(l_idx)-data(l_idx+1))rampRate否是将l_idx递增1计算上部停留时间=abs(l_idx-r_idx)*5停止(a)(b)图12个。计算停留时间的流程图;(a)下部停留(b)上部停留。最高热停留时间为435分钟。观察到的各个试验年的平均热停留时间和冷停留时间远远超过IEC 61,215试验循环的10分钟停留时间。这是因为模块在白天保持接近恒定的峰值温度约三小时,并且在夜间冷却时长时间(超过6小时)保持接近恒定的温度。3.6. 使用数据记录生成原位温度循环(ATC)剖面电子装配和封装工业已成功地充分利用加速温度循环(ATC)曲线来评估微电子器件的热机械可靠性。的512F.K. A Nyarko等人/工程科学与技术,国际期刊22(2019)502图十三. 热停留时间的月平均分布(2012方法减少了产品测试时间并最大化了资源使用。根据实验设计,该程序可能涉及:增加应用的温度范围,加热和冷却速率或减少温度停留时间[28]。这些周期参数的相对影响,在组件的互连引起的损害方面仍在研究中。加热和冷却速率的影响也仍然不确定。本研究使用模块经历的升温速率、停留时间、最高和最低温度以生成代表测试区域的原位温度循环曲线。表4总结了用于绘制各年和IEC 61215条件下每个温度循环曲线的关键参数值。图15显示了记录的实际日温度曲线,并与相应年份(2012-2014年)的代表性热循环曲线拟合。曲线显示了延长的停留时间以及总循环时间。典型的每日循环时间在86,400秒(24小时)内完成。如表4所示,与IEC 61215相比,所产生循环的平均每日温度梯度相对较小。2012年记录的最高温度为40.2 °C,而IEC 61215温度梯度为125°C。表4中列出的关键参数总结表明,采用IEC 61215测试对c-Si PV模块热机械降解鉴定的影响可能与生成的温度循环显著不同为了进行关键比较,我们结合了温度曲线(2012-2014),并表示为测试区域平均(TRA)周期。第3.7节讨论TRA周期和IEC 61215周期。3.7. 测试区域生成的ATC配置文件的关键参数与IEC 61215测试鉴定的本节介绍了建议用于代表试验中心的ATC概况。这是通过对各种循环参数进行平均来实现的,例如升温速率、停留时间(热停留和冷停留)、最低模块温度和最高模块温度。本节还讨论了关键参数,如循环时间、斜坡速率、停留时间和温度梯度。表5图十四岁冷藏时间的月平均分布(2012表4各年温度循环廓线的参数汇总。考试年度201220132014IEC 61215停留时间(min)平均热驻留时间21222521910平均冷驻留时间35935739010升温速率(°C/h)意思 斜坡率9.518.658.82100平均模块热驻留温度(HDT)/(° C)63.757.956.185平均模块冷驻留温度(CDT)/(°C)23.5温度梯度(°C)40.22334.924.431.7-40125F.K. A Nyarko等人/工程科学与技术,国际期刊22(2019)502513图十五岁现场热循环曲线与2012-2014年实时模块温度曲线拟合表5测试区域和IEC 61215的ATC配置文件参数总结。ATC剖面斜坡停留时间(min)最大值最小温度速率(°C/h)热冷温度(°C)温度(°C)梯度(°C)测试区域平均值(TRA)8.99622836958.923.735.2IEC 61215%差异100-91%102180%103590%85-30.7%-40-159.3%125-71.8%给出了数据分析。 图图16(a)和(b)分别显示IEC 61215配置文件和生成的TRA热循环配置文件。一般来说,IEC 61215具有相对较高的升温速率(100 °C/h)、较短的停留时间、较短的循环时间(10200 s)和较高的温度梯度。另一方面,所产生的TRA曲线具有8.996 °C/h的相对较低的平均升温速率、较长的冷停留时间和热停留时间、较长的循环时间(86400 s)和较低的温度梯度。3.7.1. 斜坡率表5显示测试区域和IEC 61215的升温速率分别为8.996°C/h和100°C/h统计表明测试区域(TRA)的斜坡率为91%,与IEC 61215测试循环的斜坡率不同。较慢的斜坡速率导致较长的循环时间。这一现象解释了撒哈拉以南非洲TRA循环中温度循环的长期完成。据报道,在芯片电阻器组件中的无铅(SAC)焊点中,循环应变能随着较慢的斜坡速率而增加[29]。类似的研究[30]支持了这一论断,该研究得出结论,升温速率较慢的热循环导致剪切强度的最大降低。然而,锡铅(PbSn)焊料合金的结果似乎相反。对于SnPb焊料,[30,31]中进行的研究结果预测,514F.K. A Nyarko等人/工程科学与技术,国际期刊22(2019)502-----图16.(a)IEC 61215测试鉴定和(b)测试区域平均值(TRA)的12周期曲线图。循环寿命随着斜坡率的增加而增加通常,短的温度循环时间通过在系统中引起热冲击而加速c-Si PV模块中的互连的损坏值得注意的是,这些研究报告了芯片电阻组件中的焊点寿命目前的作者尚未在文献中确定斜坡率对c-Si PV模块中焊料互连影响的研究3.7.2. 停留时间从表5中可以看出,测试区域TRA产生的单周期的冷热停留时间远远高于IEC 61215。例如,测试区域的热停留时间为2180%,与IEC 61215停留时间有差异驻留时间的差异可能对在撒哈拉以南非洲试验场运行的c-Si光伏组件的对共晶焊点进行的许多研究报告称,超过一定限度的停留时间对MTTF的影响很小[31其他结果表明,由于在最高循环温度下快速应力松弛,增加高温下的停留时间对焊点的蠕变损伤几乎没有影响[34]。然而,作者在[34]中观察到,由于冷保时间增加时蠕变应变增加,疲劳寿命降低。Syed[35]报告称,较长的停留时间会导致焊点中累积更多的蠕变损伤-从而显著因此,研究保压时间对c-Si光伏组件中焊接互连的热机械可靠性的影响是重要的3.7.3. 温度梯度和温度循环边界条件表5中的数据表明,测试区域和IEC 61215的平均最大模块温度分别为58.9 °C和85 °C。测试区域记录的平均最低温度为23.7 °C,而IEC61215循环的最低温度梯度为40 °C。测试区域的最终温度梯度为35.2 °C。该值比IEC 61215温度梯度低约71.8%。庞等人[36]报道了焊点经历的累积蠕变应变范围随着温度梯度的增加而增加。该增加导致预测疲劳寿命的降低。作者[36]进一步报告,与相对较低的温度限值相比,较高温度限值的蠕变暴露更大。这些发现需要对这些变量对互连疲劳寿命的影响进行严格的调查,c-Si光伏组件。4. 结论本研究分析了在撒哈拉以南非洲气候条件下运行的单晶硅光伏(c-Si PV)组件的原位组件温度历史。温度历史包括2012年至2014年的三年观测。对数据的分析产生了测试部位的温度循环曲线,表示为TRA循环。本研究建议将TRA循环作为撒哈拉以南非洲试验场的代表循环。所产生的TRA循环具有斜坡速率、热和冷停留时间、8.996°C/h的最高和最低温度、228 min(热停留)、369 min(冷停留)、58.9 °C和23.7°C,分别的百分比差异这些参数的值与IEC 61215地面通信标准的相应参数的值之间的关系PV模块合格率分别为91%、2180%、3590%、30.7%、此外,产生的周期时间与IEC 61215周期时间的百分比差异约为747%(86400 s与10200 s)。这些差异是巨大的,可以解释c-Si光伏组件的高故障率。在撒哈拉以南非洲地区开展业务作者建议在PV系统的有限元建模中使用位置相关的TRA循环,以预测测试现场焊接互连的热机械退化。这对于准确量化该区域热机械降解速率的差异是必要的。建模的结果将提供新的知识,以提高可靠性,并增加在该地区运行的光伏组件的平均故障时间。确认作者感谢美国国际开发署通过美国国家科学院为美国国家科学院作者感谢Dr. 亚利桑那州立大学光伏可靠性实验室的Mani和SaiTatapudi。作者还感谢挪威能源和石油领域高等教育能力发展和研究促进发展计划(EnPE)提供的支持。引用[1] A.F.Z.D.P. Dumbleton,光伏组件耐候性可靠性测试。2012年白 皮书;可从http://solardurability.com/filestore/186/atlas25plus_whitepaper_final30.pdf。[2] A.L.罗森塔尔,M.G. Thomas,S.J. Durand,光伏系统性能的十年回顾,在:光伏专家会议,1993年,第二十三届IEEE会议记录一九九三年[3] B.索伦森湾瓦特,光伏应用的趋势,1992年至2005年选定的国际能源机构国家的调查报告。2006.[4] C. Ike,温度对尼日利亚东部光伏太阳能系统性能的影响。发明人:Int. J. Eng. Sci.3(2013)10-14。[5] T.M. Walsh 等 人 , 新 加 坡 为 热 带 地 区 优 化 光 伏 组 件 , Energy Procedia 15(2012)388-395。[6] O.O. Ogbomo等人,工作温度对晶体硅光伏模块中焊点退化的影响,以提高炎热气候下的可靠性,太阳能170(2018)682-693。[7] P.G. McCormick,H.Suehrcke,间歇性太阳辐射对光伏系统性能的影响,太阳能171(2018)667-674。F.K. A Nyarko等人/工程科学与技术,国际期刊22(2019)502515[8] M. Jamaly,J. Kleissl,使用克里格法进行辐照度数据的时空插值和预测,太阳能158(2017)407-423。[9] M. Jamaly,J. Kleissl,通过辐照度数据的时空相关性分析进行鲁棒云运动估计,太阳能159(2018)306-317。[10] R.H.阿尔梅达湖Narvarte,E. Lorenzo,用于恒定辐照度每日曲线的三角形结构光伏阵列,太阳能171(2018)23-30。[11] E. Anguera,CA Estrada,评估密集阵列聚光光伏电池通量均匀性的新方法,太阳能171(2018)330-342。[12] 诉Bone等人, 通过自适应晴空建模和云跟踪进行小时内直接正常辐照度预测,太阳能159(2018)852-867。[13] N.T. Macben Makenzi,Mutua Benedict,Ismael Abisai,肯尼亚气候条件下运行的现场老化光伏组件的退化流行率研究,科学。 J. 能源工程 3(2015)1-5。[14] M. Owen-Bellini等人,不同气候区域的环境应力潜力,载于:Proc.2015年第31届欧洲光伏太阳能[15] G. Cuddalorepatta等人,光伏电池中铜互连和硅之间的无铅焊料的耐久性,Prog。光化学:Res. Appl. 18(3)(2010)168-182。[16] N. Park,J. 郑角,澳-地韩,热循环应力下多晶硅光伏组件退化速率的估算,微电子。可靠性54(8)(2014)1562-1566。[17] S.R. Wenham,MA格林法医陈文辉,应用光电技术,国立台湾大学光电系统研究所硕士论文,1994。[18] M. Gonzalez等人,先进太阳能电池组件的热机械挑战,在:热,机械和多物理模拟和实验在微电子和微系统(EuroSimE),2011年第12届国际会议。2011年。[19] L. Zhang等人,电子元件中无铅焊点的可靠性行为,J。Mater . 科学:Mater. 电子学。 24(1)(2013)172-190。[20] Y. Zhang等人,老化温
下载后可阅读完整内容,剩余1页未读,立即下载
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://profile-avatar.csdnimg.cn/default.jpg!1)
cpongm
- 粉丝: 4
- 资源: 2万+
上传资源 快速赚钱
我的内容管理 收起
我的资源 快来上传第一个资源
我的收益
登录查看自己的收益我的积分 登录查看自己的积分
我的C币 登录后查看C币余额
我的收藏
我的下载
下载帮助
![](https://csdnimg.cn/release/wenkucmsfe/public/img/voice.245cc511.png)
会员权益专享
最新资源
- 电力电子系统建模与控制入门
- SQL数据库基础入门:发展历程与关键概念
- DC/DC变换器动态建模与控制方法解析
- 市***专有云IaaS服务:云主机与数据库解决方案
- 紫鸟数据魔方:跨境电商选品神器,助力爆款打造
- 电力电子技术:DC-DC变换器动态模型与控制
- 视觉与实用并重:跨境电商产品开发的六重价值策略
- VB.NET三层架构下的数据库应用程序开发
- 跨境电商产品开发:关键词策略与用户痛点挖掘
- VC-MFC数据库编程技巧与实现
- 亚马逊新品开发策略:选品与市场研究
- 数据库基础知识:从数据到Visual FoxPro应用
- 计算机专业实习经验与项目总结
- Sparkle家族轻量级加密与哈希:提升IoT设备数据安全性
- SQL数据库期末考试精选题与答案解析
- H3C规模数据融合:技术探讨与应用案例解析
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
![](https://img-home.csdnimg.cn/images/20220527035711.png)
![](https://img-home.csdnimg.cn/images/20220527035711.png)
![](https://img-home.csdnimg.cn/images/20220527035111.png)
安全验证
文档复制为VIP权益,开通VIP直接复制
![](https://csdnimg.cn/release/wenkucmsfe/public/img/green-success.6a4acb44.png)