热传导仿真-主题058-光伏组件热分析

主题058：光伏组件热分析

场景描述

光伏组件在吸收太阳辐射发电的同时，大部分入射能量会转化为热量导致电池温度升高。温度每升高1°C，晶体硅电池的效率约下降0.4%-0.5%。本章将系统讲解光伏组件的热平衡分析、电池温度预测、效率损失评估以及散热优化设计方法。

1. 引言与工程背景

1.1 光伏组件热问题概述

光伏组件将太阳辐射能转换为电能的过程中，能量转换效率通常在15%-22%之间，这意味着78%-85%的入射太阳辐射会转化为热能。这些热量如果不能及时散失，将导致电池温度显著升高，进而降低发电效率。

典型工作温度范围：

• 标准测试条件（STC）：25°C
• 实际工作温度：40-70°C
• 极端高温环境：可达80°C以上

温度对性能的影响：

• 晶体硅电池：温度系数约 -0.4%/°C
• 薄膜电池：温度系数约 -0.2%/°C
• 高温导致效率损失可达10%-20%

1.2 光伏组件结构

1.2.1 标准组件结构

典型晶体硅光伏组件采用层压结构，从上到下依次为：

玻璃盖板（3.2mm钢化玻璃）：

• 透光率：>91%
• 保护电池免受机械损伤
• 提供结构支撑

EVA封装层（0.5mm）：

• 乙烯-醋酸乙烯共聚物
• 粘接各层材料
• 提供电绝缘

晶体硅电池（0.2mm）：

• 光电转换核心
• 表面有减反射涂层
• 背面有铝背场

背板（0.3mm）：

• 多层复合膜结构
• 防潮、绝缘、耐候
• 白色背板可反射部分光线

边框（铝合金）：

• 提供机械支撑
• 便于安装固定
• 密封保护内部

1.2.2 双玻组件

双玻组件采用两块钢化玻璃夹持电池：

• 更长使用寿命（30年以上）
• 更好的防火性能
• 适合BIPV应用
• 重量增加约30%

1.3 本章学习目标

通过本章学习，读者将掌握：

2. 核心理论与数学模型

2.1 光伏组件能量平衡

2.1.1 能量守恒方程

光伏组件的能量平衡方程：

$$Q_{absorbed}=Q_{electric}+Q_{loss}$$

其中：

• $Q_{absorbed}$：吸收的太阳辐射能 [W/m²]
• $Q_{electric}$：转换为电能的部分 [W/m²]
• $Q_{loss}$：向环境散失的热量 [W/m²]

吸收的太阳辐射：

$$Q_{absorbed}=\alpha \cdot G$$

其中：

• $\alpha$：吸收率（约0.9）
• $G$：入射太阳辐照度 [W/m²]

电能输出：

$$Q_{electric}=\eta \cdot G$$

其中$\eta$为光电转换效率。

热损失：

$$Q_{loss}=Q_{conv,front}+Q_{rad,front}+Q_{conv,back}+Q_{rad,back}$$

2.1.2 对流热损失

前表面对流（强制+自然对流）：

$$Q_{conv,front}=h_{front}\cdot (T_{cell}-T_{ambient})$$

对流换热系数$h_{front}$由风速和温差决定：

$$h_{front}=\sqrt[3]{h_{nc}^3+h_{fc}^3}$$

自然对流系数：

$$h_{nc}=\frac{N{u}_{nc}\cdot k_{air}}{L}$$

$$N{u}_{nc}=0.15\cdot R{a}^{0.333}$$

强制对流系数（平板流动）：

$$h_{fc}=\frac{N{u}_{fc}\cdot k_{air}}{L}$$

层流（$Re<5\times 10^5$）：
$$N{u}_{fc}=0.664\cdot R{e}^{0.5}\cdot P{r}^{0.333}$$

湍流（$Re\ge 5\times 10^5$）：
$$N{u}_{fc}=0.037\cdot R{e}^{0.8}\cdot P{r}^{0.333}$$

背表面对流：

$$h_{back}=h_{base}+c\cdot v_{wind}$$

其中：

• 开放式安装：$h_{base}=5$, $c=2.5$
• 屋顶安装：$h_{base}=3$, $c=1.5$
• 立面安装：$h_{base}=4$, $c=2.0$

2.1.3 辐射热损失

前表面辐射（向天空）：

$$Q_{rad,front}={\epsilon }_{front}\cdot \sigma \cdot (T_{cell}^4-T_{sky}^4)$$

背表面辐射（向地面/环境）：

$$Q_{rad,back}={\epsilon }_{back}\cdot \sigma \cdot (T_{cell}^4-T_{ground}^4)$$

其中：

• $\epsilon$：表面发射率（0.85-0.95）
• $\sigma$：斯特藩-玻尔兹曼常数 [5.67×10⁻⁸ W/(m²·K⁴)]
• $T_{sky}$：天空有效温度 [K]
• $T_{ground}$：地面温度 [K]

天空温度估算：

$$T_{sky}=T_{ambient}-20\text{ (晴朗天空)}$$

或更精确地：

$$T_{sky}=T_{ambient}\cdot (0.55+0.061\sqrt{p_w}{)}^{0.25}$$

其中$p_w$为水蒸气分压 [mbar]。

2.2 电池温度预测模型

2.2.1 NOCT模型

标称工作电池温度（Nominal Operating Cell Temperature）是评估组件热性能的重要参数。

NOCT测试条件：

• 辐照度：800 W/m²
• 环境温度：20°C
• 风速：1 m/s
• 光谱：AM1.5

NOCT温度通常在45-50°C范围内。

基于NOCT的简化温度模型：

$$T_{cell}=T_{ambient}+\frac{NOCT-20}{800}\cdot G$$

2.2.2 Ross模型

Ross提出基于热损系数的温度模型：

$$T_{cell}=T_{ambient}+k\cdot G$$

其中$k$为Ross系数，取决于安装方式：

• 开放式安装：$k=0.02-0.03$ °C·m²/W
• 屋顶安装：$k=0.03-0.04$ °C·m²/W
• 建筑一体化：$k=0.04-0.05$ °C·m²/W

2.2.3 Faiman模型

考虑风速影响的改进模型：

$$T_{cell}=T_{ambient}+\frac{G}{U_0+U_1\cdot v_{wind}}$$

其中：

• $U_0$：零风速热损系数 [W/(m²·K)]
• $U_1$：风依赖系数 [W·s/(m³·K)]
• $v_{wind}$：风速 [m/s]

典型值：$U_0=25$, $U_1=6.84$

2.2.4 能量平衡迭代求解

最精确的方法是求解能量平衡方程：

$$\alpha G-\eta G=h_{front}(T_{cell}-T_{ambient})+{\epsilon }_{front}\sigma (T_{cell}^4-T_{sky}^4)+h_{back}(T_{cell}-T_{ambient})+{\epsilon }_{back}\sigma (T_{cell}^4-T_{ground}^4)$$

由于效率$\eta$本身依赖于温度，需要迭代求解：

2.3 温度对效率的影响

2.3.1 效率温度系数

光伏电池效率随温度变化的关系：

$$\eta (T)={\eta }_{ref}\cdot [1+\beta \cdot (T-T_{ref})]$$

其中：

• ${\eta }_{ref}$：参考效率（STC条件下）
• $T_{ref}$：参考温度（25°C）
• $\beta$：温度系数 [/°C]

不同电池技术的温度系数：

2.3.2 功率损失计算

相对功率损失：

$$\frac{\Delta P}{P_{ref}}=\beta \cdot (T_{cell}-T_{ref})$$

绝对功率损失（每kW装机容量）：

$$\Delta P=P_{rated}\cdot \beta \cdot (T_{cell}-T_{ref})$$

示例：

• 装机容量：10 kW
• 实际温度：60°C
• 温度系数：-0.4%/°C
• 功率损失：$10\times 0.004\times (60-25)=1.4$ kW（14%损失）

2.4 热阻网络分析

2.4.1 组件热阻模型

光伏组件可视为多层串联热阻：

$$R_{total}=R_{glass}+R_{EVA1}+R_{cell}+R_{EVA2}+R_{backsheet}$$

各层热阻：

$$R_i=\frac{{\delta }_i}{k_i\cdot A}$$

其中：

• ${\delta }_i$：层厚度 [m]
• $k_i$：导热系数 [W/(m·K)]
• $A$：面积 [m²]

典型材料导热系数：

2.4.2 等效热路分析

组件热路可简化为：

电池 –R_internal–> 表面 –R_external–> 环境

内部热阻（从电池到表面）：

$$R_{int}=\frac{{\delta }_{glass}}{k_{glass}A}+\frac{{\delta }_{EVA}}{k_{EVA}A}$$

外部热阻（从表面到环境）：

$$R_{ext}=\frac{1}{(h_{conv}+h_{rad})A}$$

总热阻：

$$R_{total}=R_{int}+R_{ext}$$

2.5 散热设计原理

2.5.1 自然对流增强

安装倾角优化：

• 最佳倾角：当地纬度 ± 5°
• 倾角影响背面通风
• 水平安装散热最差

背面通风设计：

• 通风间隙：>100mm
• 烟囱效应增强对流
• 避免遮挡背面

表面发射率优化：

• 高发射率涂层（ε > 0.9）
• 选择性辐射涂层
• 辐射散热占比可达30-40%

2.5.2 强制对流散热

主动冷却方式：

2.5.3 相变材料(PCM)散热

工作原理：

• 利用相变潜热吸收热量
• 相变温度：25-30°C
• 温度缓冲，减小波动

常用PCM材料：

PCM层设计：

• 厚度：10-20mm
• 封装：铝塑复合
• 位置：组件背面

3. Python仿真实现

3.1 环境准备

pip install numpy matplotlib scipy

3.2 完整代码

"""
主题058：光伏组件热分析
=========================
光伏电池温度计算、效率损失分析、散热设计优化
"""

import numpy as np
import matplotlib
matplotlib.use('Agg')
import matplotlib.pyplot as plt
import warnings
warnings.filterwarnings('ignore')

# 设置中文字体
plt.rcParams['font.sans-serif'] = ['SimHei', 'DejaVu Sans']
plt.rcParams['axes.unicode_minus'] = False

# 物理常数
SIGMA = 5.67e-8 # 斯特藩-玻尔兹曼常数 [W/(m²·K⁴)]

class PVModuleThermal:
"""光伏组件热性能分析模型"""

def __init__(self,
length=1.956, # 组件长度 [m]
width=0.992, # 组件宽度 [m]
n_cells=72, # 电池片数量
efficiency_ref=0.195, # 标准测试条件效率
temp_coeff=–0.004, # 温度系数 [/°C]
glass_thickness=0.0032, # 玻璃盖板厚度 [m]
cell_thickness=0.0002, # 电池片厚度 [m]
backsheet_thickness=0.0003, # 背板厚度 [m]
emissivity_front=0.85, # 前表面发射率
emissivity_back=0.90, # 背表面发射率
absorptivity=0.90): # 太阳辐射吸收率
"""初始化光伏组件参数"""
self.length = length
self.width = width
self.area = length * width
self.n_cells = n_cells
self.efficiency_ref = efficiency_ref
self.temp_coeff = temp_coeff

# 材料厚度
self.glass_thickness = glass_thickness
self.cell_thickness = cell_thickness
self.backsheet_thickness = backsheet_thickness

# 辐射特性
self.emissivity_front = emissivity_front
self.emissivity_back = emissivity_back
self.absorptivity = absorptivity

# 材料导热系数
self.k_glass = 1.0 # 玻璃 [W/(m·K)]
self.k_cell = 130 # 硅电池 [W/(m·K)]
self.k_backsheet = 0.2 # 背板 [W/(m·K)]
self.k_encapsulant = 0.35 # EVA封装 [W/(m·K)]

# 标准测试条件
self.T_ref = 25 + 273.15 # 参考温度 [K]
self.G_ref = 1000 # 参考辐照度 [W/m²]

3.3 案例1：基础热分析

物理问题：分析标准光伏组件在不同辐照度下的温度特性和效率变化。

数学模型：

• 能量平衡方程求解
• 对流换热系数计算（自然对流+强制对流）
• 辐射换热计算
• 效率温度修正

代码实现：

def calculate_solar_cell_temperature(self, G, T_ambient, wind_speed,
T_sky=None, mounting='open'):
"""
计算光伏电池工作温度 (基于能量平衡)

参数:
G: 太阳辐照度 [W/m²]
T_ambient: 环境温度 [°C]
wind_speed: 风速 [m/s]
T_sky: 天空温度 [K], 默认等于环境温度
mounting: 安装方式 ('open', 'roof', 'facade')

返回:
T_cell: 电池温度 [°C]
T_front: 前表面温度 [°C]
T_back: 背表面温度 [°C]
efficiency: 实际效率
"""
if T_sky is None:
T_sky = T_ambient + 273.15

T_amb = T_ambient + 273.15

# 初始猜测
T_cell_guess = T_ambient + 25 # 典型温升约25°C

# 迭代求解
for iteration in range(50):
T_cell_k = T_cell_guess + 273.15

# 计算当前效率 (温度修正)
efficiency = self.efficiency_ref * (1 + self.temp_coeff * (T_cell_guess – 25))
efficiency = max(0.05, min(0.95, efficiency)) # 限制范围

# 吸收的太阳辐射
Q_absorbed = self.absorptivity * G

# 转换为电能
Q_electric = efficiency * G

# 需要散失的热量
Q_heat = Q_absorbed – Q_electric

# 前表面热损失 (对流 + 辐射)
h_conv_front = self._convection_coefficient_front(wind_speed, T_cell_guess, T_ambient)
q_conv_front = h_conv_front * (T_cell_guess – T_ambient)

h_rad_front = self._radiation_coefficient(self.emissivity_front, T_cell_k, T_sky)
q_rad_front = h_rad_front * (T_cell_k – T_sky)

# 背表面热损失
h_conv_back = self._convection_coefficient_back(wind_speed, mounting)
q_conv_back = h_conv_back * (T_cell_guess – T_ambient)

h_rad_back = self._radiation_coefficient(self.emissivity_back, T_cell_k, T_sky)
q_rad_back = h_rad_back * (T_cell_k – T_sky)

# 总热损失
Q_loss = q_conv_front + q_rad_front + q_conv_back + q_rad_back

# 能量平衡残差
residual = Q_heat – Q_loss

# 温度修正
h_total = h_conv_front + h_rad_front + h_conv_back + h_rad_back
dT = residual / h_total
T_cell_new = T_cell_guess + 0.3 * dT # 松弛因子

# 收敛检查
if abs(T_cell_new – T_cell_guess) < 0.01:
break

T_cell_guess = T_cell_new

return T_cell_guess, T_front, T_back, efficiency

运行结果：

结果分析：

3.4 案例2：环境影响分析

物理问题：分析环境温度、风速、安装方式对组件性能的影响。

环境温度影响：

风速影响（环境温度25°C）：

关键发现：

3.5 案例3：日运行与年性能

物理问题：模拟组件在典型夏日的日运行性能和全年发电量估算。

日运行结果（典型夏日）：

日累计性能：

• 日发电量：1.80 kWh
• 日平均效率：18.17%
• 最高温度：64.6°C（正午）

年发电量估算（北京地区）：

年性能总结：

• 年总发电量：497.3 kWh（单块组件）
• 年平均效率：19.03%
• 夏季效率损失：相比冬季效率降低约3.2%

3.6 案例4：散热设计优化

物理问题：对比不同散热方案的效果和经济性。

散热方案对比（高温工况：G=1000 W/m², T_amb=35°C）：

散热器翅片优化：

相变材料(PCM)效果：

经济性分析：

优化建议：

4. 代码深度解析

4.1 对流换热系数计算

前表面对流是自然对流和强制对流的叠加：

def _convection_coefficient_front(self, wind_speed, T_surf, T_amb):
"""计算前表面对流换热系数"""
# 自然对流分量
T_film = (T_surf + T_amb) / 2 + 273.15
beta = 1 / T_film
g = 9.81

# 格拉晓夫数 (浮升力与粘性力之比)
Gr = g * beta * abs(T_surf – T_amb) * self.length**3 / (1.5e-5)**2
Ra = Gr * 0.71 # 瑞利数

# 自然对流Nu数 (倾斜平板)
Nu_nc = 0.15 * Ra**0.333
h_nc = Nu_nc * 0.026 / self.length

# 强制对流分量
Re = wind_speed * self.length / 1.5e-5
if Re < 5e5:
Nu_fc = 0.664 * Re**0.5 * 0.71**0.333 # 层流
else:
Nu_fc = 0.037 * Re**0.8 * 0.71**0.333 # 湍流
h_fc = Nu_fc * 0.026 / self.length

# 综合对流系数 (取立方和开方)
h_total = (h_nc**3 + h_fc**3)**0.333

return max(5, h_total)

物理意义：

• 格拉晓夫数$Gr$表征自然对流强度
• 雷诺数$Re$表征强制对流强度
• 两种对流机制通过立方和方式耦合
• 低风速时自然对流主导，高风速时强制对流主导

4.2 能量平衡迭代求解

电池温度通过求解能量平衡方程获得：

def calculate_solar_cell_temperature(self, G, T_ambient, wind_speed, ...):
# 初始猜测
T_cell_guess = T_ambient + 25

# 迭代求解
for iteration in range(50):
# 计算当前效率 (温度修正)
efficiency = self.efficiency_ref * (1 + self.temp_coeff * (T_cell_guess – 25))

# 吸收的太阳辐射
Q_absorbed = self.absorptivity * G

# 转换为电能
Q_electric = efficiency * G

# 需要散失的热量
Q_heat = Q_absorbed – Q_electric

# 计算各种热损失…
Q_loss = q_conv_front + q_rad_front + q_conv_back + q_rad_back

# 能量平衡残差
residual = Q_heat – Q_loss

# 温度修正
h_total = h_conv_front + h_rad_front + h_conv_back + h_rad_back
dT = residual / h_total
T_cell_new = T_cell_guess + 0.3 * dT # 松弛因子

# 收敛检查
if abs(T_cell_new – T_cell_guess) < 0.01:
break

求解策略：

• 松弛因子0.3保证迭代稳定
• 收敛准则0.01°C足够精确
• 效率与温度耦合，需同时求解

4.3 热阻网络计算

组件各层热阻计算：

def calculate_thermal_resistance(self):
"""计算组件热阻网络"""
# 各层热阻
R_glass = self.glass_thickness / (self.k_glass * self.area)
R_cell = self.cell_thickness / (self.k_cell * self.area)
R_backsheet = self.backsheet_thickness / (self.k_backsheet * self.area)
R_encap = 0.0005 / (self.k_encapsulant * self.area)

# 总热阻 (串联)
R_total = R_glass + R_encap + R_cell + R_encap + R_backsheet

return {
'R_glass': R_glass,
'R_cell': R_cell,
'R_backsheet': R_backsheet,
'R_encap': R_encap,
'R_total': R_total
}

热阻分析：

• 玻璃层热阻最大（厚度大、导热差）
• 电池片热阻最小（硅导热好、厚度薄）
• 总热阻约0.003-0.005 K·m²/W

"""
主题058：光伏组件热分析
=========================
光伏电池温度计算、效率损失分析、散热设计优化
"""

import numpy as np
import matplotlib
matplotlib.use('Agg')
import matplotlib.pyplot as plt
from scipy.optimize import fsolve
import warnings
warnings.filterwarnings('ignore')

# 设置中文字体
plt.rcParams['font.sans-serif'] = ['SimHei', 'DejaVu Sans']
plt.rcParams['axes.unicode_minus'] = False

# 物理常数
SIGMA = 5.67e-8 # 斯特藩-玻尔兹曼常数 [W/(m²·K⁴)]

class PVModuleThermal:
"""光伏组件热性能分析模型"""

def __init__(self,
length=1.956, # 组件长度 [m]
width=0.992, # 组件宽度 [m]
n_cells=72, # 电池片数量
n_series=72, # 串联电池数
efficiency_ref=0.195, # 标准测试条件效率
temp_coeff=–0.004, # 温度系数 [/°C]
glass_thickness=0.0032, # 玻璃盖板厚度 [m]
cell_thickness=0.0002, # 电池片厚度 [m]
backsheet_thickness=0.0003, # 背板厚度 [m]
emissivity_front=0.85, # 前表面发射率
emissivity_back=0.90, # 背表面发射率
absorptivity=0.90): # 太阳辐射吸收率
"""初始化光伏组件参数"""
self.length = length
self.width = width
self.area = length * width
self.n_cells = n_cells
self.n_series = n_series
self.efficiency_ref = efficiency_ref
self.temp_coeff = temp_coeff

# 材料厚度
self.glass_thickness = glass_thickness
self.cell_thickness = cell_thickness
self.backsheet_thickness = backsheet_thickness

# 辐射特性
self.emissivity_front = emissivity_front
self.emissivity_back = emissivity_back
self.absorptivity = absorptivity

# 材料导热系数
self.k_glass = 1.0 # 玻璃 [W/(m·K)]
self.k_cell = 130 # 硅电池 [W/(m·K)]
self.k_backsheet = 0.2 # 背板 [W/(m·K)]
self.k_encapsulant = 0.35 # EVA封装 [W/(m·K)]

# 标准测试条件
self.T_ref = 25 + 273.15 # 参考温度 [K]
self.G_ref = 1000 # 参考辐照度 [W/m²]

def calculate_solar_cell_temperature(self, G, T_ambient, wind_speed,
T_sky=None, mounting='open'):
"""
计算光伏电池工作温度 (基于能量平衡)

参数:
G: 太阳辐照度 [W/m²]
T_ambient: 环境温度 [°C]
wind_speed: 风速 [m/s]
T_sky: 天空温度 [K], 默认等于环境温度
mounting: 安装方式 ('open', 'roof', 'facade')

返回:
T_cell: 电池温度 [°C]
T_front: 前表面温度 [°C]
T_back: 背表面温度 [°C]
efficiency: 实际效率
"""
if T_sky is None:
T_sky = T_ambient + 273.15

T_amb = T_ambient + 273.15

# 初始猜测
T_cell_guess = T_ambient + 25 # 典型温升约25°C

# 迭代求解
for iteration in range(50):
T_cell_k = T_cell_guess + 273.15

# 计算当前效率 (温度修正)
efficiency = self.efficiency_ref * (1 + self.temp_coeff * (T_cell_guess – 25))
efficiency = max(0.05, min(0.95, efficiency)) # 限制范围

# 吸收的太阳辐射
Q_absorbed = self.absorptivity * G

# 转换为电能
Q_electric = efficiency * G

# 需要散失的热量
Q_heat = Q_absorbed – Q_electric

# 前表面热损失 (对流 + 辐射)
h_conv_front = self._convection_coefficient_front(wind_speed, T_cell_guess, T_ambient)
q_conv_front = h_conv_front * (T_cell_guess – T_ambient)

h_rad_front = self._radiation_coefficient(self.emissivity_front, T_cell_k, T_sky)
q_rad_front = h_rad_front * (T_cell_k – T_sky)

# 背表面热损失
h_conv_back = self._convection_coefficient_back(wind_speed, mounting)
q_conv_back = h_conv_back * (T_cell_guess – T_ambient)

h_rad_back = self._radiation_coefficient(self.emissivity_back, T_cell_k, T_sky)
q_rad_back = h_rad_back * (T_cell_k – T_sky)

# 总热损失
Q_loss = q_conv_front + q_rad_front + q_conv_back + q_rad_back

# 能量平衡残差
residual = Q_heat – Q_loss

# 温度修正
h_total = h_conv_front + h_rad_front + h_conv_back + h_rad_back
dT = residual / h_total
T_cell_new = T_cell_guess + 0.3 * dT # 松弛因子

# 收敛检查
if abs(T_cell_new – T_cell_guess) < 0.01:
break

T_cell_guess = T_cell_new

# 计算表面温度
T_front = T_cell_guess – Q_heat * 0.3 / (self.k_glass / self.glass_thickness)
T_back = T_cell_guess – Q_heat * 0.3 / (self.k_backsheet / self.backsheet_thickness)

return T_cell_guess, T_front, T_back, efficiency

def _convection_coefficient_front(self, wind_speed, T_surf, T_amb):
"""计算前表面对流换热系数 (基于NOCT模型)"""
# 自然对流分量
T_film = (T_surf + T_amb) / 2 + 273.15
beta = 1 / T_film
g = 9.81

# 格拉晓夫数
Gr = g * beta * abs(T_surf – T_amb) * self.length**3 / (1.5e-5)**2
Ra = Gr * 0.71 # 普朗特数约0.71

# 自然对流Nu数 (倾斜平板)
Nu_nc = 0.15 * Ra**0.333
h_nc = Nu_nc * 0.026 / self.length

# 强制对流分量
Re = wind_speed * self.length / 1.5e-5
if Re < 5e5:
Nu_fc = 0.664 * Re**0.5 * 0.71**0.333
else:
Nu_fc = 0.037 * Re**0.8 * 0.71**0.333
h_fc = Nu_fc * 0.026 / self.length

# 综合对流系数
h_total = (h_nc**3 + h_fc**3)**0.333

return max(5, h_total)

def _convection_coefficient_back(self, wind_speed, mounting):
"""计算背表面对流换热系数"""
if mounting == 'open':
# 开放式安装 (双面通风)
return 5 + 2.5 * wind_speed
elif mounting == 'roof':
# 屋顶安装 (背面通风受限)
return 3 + 1.5 * wind_speed
elif mounting == 'facade':
# 立面安装
return 4 + 2.0 * wind_speed
else:
return 5 + 2.5 * wind_speed

def _radiation_coefficient(self, emissivity, T_surf, T_sky):
"""计算辐射换热系数"""
h_rad = emissivity * SIGMA * (T_surf**2 + T_sky**2) * (T_surf + T_sky)
return h_rad

def calculate_noct_temperature(self, G=800, T_ambient=20, wind_speed=1):
"""
计算标称工作电池温度 (NOCT)

NOCT条件: G=800 W/m², T_ambient=20°C, wind_speed=1 m/s
"""
T_cell, _, _, _ = self.calculate_solar_cell_temperature(
G, T_ambient, wind_speed
)
return T_cell

def calculate_power_output(self, G, T_ambient, wind_speed):
"""计算实际功率输出"""
T_cell, _, _, efficiency = self.calculate_solar_cell_temperature(
G, T_ambient, wind_speed
)

power_density = efficiency * G # [W/m²]
total_power = power_density * self.area # [W]

return {
'T_cell': T_cell,
'efficiency': efficiency,
'power_density': power_density,
'total_power': total_power,
'voltage': self._calculate_voltage(T_cell, G),
'current': self._calculate_current(G)
}

def _calculate_voltage(self, T_cell, G):
"""计算输出电压 (简化模型)"""
# 开路电压温度系数约 -0.3%/°C
voc_ref = 0.6 * self.n_series # 参考开路电压 [V]
voc = voc_ref * (1 – 0.003 * (T_cell – 25))

# 最大功率点电压约为开路电压的0.8倍
vmp = 0.8 * voc
return vmp

def _calculate_current(self, G):
"""计算输出电流"""
# 短路电流与辐照度成正比
isc_ref = 9.0 # 参考短路电流 [A]
isc = isc_ref * (G / 1000)

# 最大功率点电流约为短路电流的0.95倍
imp = 0.95 * isc
return imp

def calculate_thermal_resistance(self):
"""计算组件热阻网络"""
# 各层热阻
R_glass = self.glass_thickness / (self.k_glass * self.area)
R_cell = self.cell_thickness / (self.k_cell * self.area)
R_backsheet = self.backsheet_thickness / (self.k_backsheet * self.area)
R_encap = 0.0005 / (self.k_encapsulant * self.area)

# 总热阻 (串联)
R_total = R_glass + R_encap + R_cell + R_encap + R_backsheet

return {
'R_glass': R_glass,
'R_cell': R_cell,
'R_backsheet': R_backsheet,
'R_encap': R_encap,
'R_total': R_total
}

def case1_basic_thermal_analysis():
"""案例1: 光伏组件基础热分析"""
print("=" * 60)
print("案例1: 光伏组件基础热分析")
print("=" * 60)

# 创建标准光伏组件
pv = PVModuleThermal()

# 标准测试条件 (STC)
G_stc = 1000 # W/m²
T_amb_stc = 25 # °C
wind_stc = 1.0 # m/s

# 计算NOCT
noct = pv.calculate_noct_temperature()
print(f"\\n标称工作电池温度 (NOCT): {noct:.1f}°C")

# 不同辐照度下的性能
irradiances = np.array([200, 400, 600, 800, 1000, 1200])

results = {'G': [], 'T_cell': [], 'efficiency': [], 'power': [], 'T_front': [], 'T_back': []}

print(f"\\n{'辐照度[W/m²]':<15} {'电池温度[°C]':<15} {'效率[%]':<12} {'功率[W]':<12} {'温升[°C]':<12}")
print("-" * 70)

for G in irradiances:
T_cell, T_front, T_back, eff = pv.calculate_solar_cell_temperature(
G, T_amb_stc, wind_stc
)
power = eff * G * pv.area

results['G'].append(G)
results['T_cell'].append(T_cell)
results['efficiency'].append(eff * 100)
results['power'].append(power)
results['T_front'].append(T_front)
results['T_back'].append(T_back)

print(f"{G:<15} {T_cell:<15.1f} {eff*100:<12.2f} {power:<12.1f} {T_cell–T_amb_stc:<12.1f}")

# 可视化
fig, axes = plt.subplots(2, 3, figsize=(15, 10))

# 1. 电池温度 vs 辐照度
ax = axes[0, 0]
ax.plot(results['G'], results['T_cell'], 'ro-', linewidth=2, markersize=8)
ax.axhline(y=noct, color='g', linestyle='–', label=f'NOCT = {noct:.1f}°C')
ax.set_xlabel('辐照度 [W/m²]', fontsize=11)
ax.set_ylabel('电池温度 [°C]', fontsize=11)
ax.set_title('电池温度 vs 辐照度', fontsize=12, fontweight='bold')
ax.grid(True, alpha=0.3)
ax.legend()

# 2. 转换效率 vs 辐照度
ax = axes[0, 1]
ax.plot(results['G'], results['efficiency'], 'bs-', linewidth=2, markersize=8)
ax.axhline(y=pv.efficiency_ref*100, color='g', linestyle='–',
label=f'STC效率 = {pv.efficiency_ref*100:.1f}%')
ax.set_xlabel('辐照度 [W/m²]', fontsize=11)
ax.set_ylabel('转换效率 [%]', fontsize=11)
ax.set_title('转换效率 vs 辐照度', fontsize=12, fontweight='bold')
ax.grid(True, alpha=0.3)
ax.legend()

# 3. 输出功率 vs 辐照度
ax = axes[0, 2]
ax.plot(results['G'], np.array(results['power'])/1000, 'g^-', linewidth=2, markersize=8)
ax.set_xlabel('辐照度 [W/m²]', fontsize=11)
ax.set_ylabel('输出功率 [kW]', fontsize=11)
ax.set_title('输出功率 vs 辐照度', fontsize=12, fontweight='bold')
ax.grid(True, alpha=0.3)

# 4. 温度分布 (各层)
ax = axes[1, 0]
x_pos = [0, 1, 2, 3]
labels = ['前表面', '电池', '背表面', '环境']

for i, G in enumerate([400, 800, 1000]):
T_cell, T_front, T_back, _ = pv.calculate_solar_cell_temperature(G, T_amb_stc, wind_stc)
temps = [T_front, T_cell, T_back, T_amb_stc]
ax.plot(x_pos, temps, 'o-', linewidth=2, label=f'G={G} W/m²')

ax.set_xticks(x_pos)
ax.set_xticklabels(labels)
ax.set_ylabel('温度 [°C]', fontsize=11)
ax.set_title('组件温度分布', fontsize=12, fontweight='bold')
ax.grid(True, alpha=0.3)
ax.legend()

# 5. 效率损失分析
ax = axes[1, 1]
efficiency_stc = pv.efficiency_ref * 100
efficiency_loss = [efficiency_stc – eff for eff in results['efficiency']]

ax.bar(range(len(irradiances)), efficiency_loss, color='orange', alpha=0.7)
ax.set_xticks(range(len(irradiances)))
ax.set_xticklabels([f'{g}' for g in irradiances])
ax.set_xlabel('辐照度 [W/m²]', fontsize=11)
ax.set_ylabel('效率损失 [%]', fontsize=11)
ax.set_title('温度导致的效率损失', fontsize=12, fontweight='bold')
ax.grid(True, alpha=0.3, axis='y')

# 6. 热阻网络
ax = axes[1, 2]
thermal_resistances = pv.calculate_thermal_resistance()

components = ['玻璃', '封装层', '电池', '背板']
resistances = [thermal_resistances['R_glass']*1000,
thermal_resistances['R_encap']*1000,
thermal_resistances['R_cell']*1000,
thermal_resistances['R_backsheet']*1000]

colors = ['#3498db', '#95a5a6', '#e74c3c', '#2ecc71']
bars = ax.barh(components, resistances, color=colors, alpha=0.7)
ax.set_xlabel('热阻 [m²·K/W] × 10⁻³', fontsize=11)
ax.set_title('组件各层热阻', fontsize=12, fontweight='bold')
ax.grid(True, alpha=0.3, axis='x')

# 添加数值标签
for bar, val in zip(bars, resistances):
ax.text(val + 0.01, bar.get_y() + bar.get_height()/2,
f'{val:.3f}', va='center', fontsize=9)

plt.tight_layout()
plt.savefig('output/case1_basic_thermal_analysis.png', dpi=150, bbox_inches='tight')
print("\\n案例1图表已保存: output/case1_basic_thermal_analysis.png")
plt.close()

return results

def case2_environmental_effects():
"""案例2: 环境条件对光伏组件性能的影响"""
print("\\n" + "=" * 60)
print("案例2: 环境条件对光伏组件性能的影响")
print("=" * 60)

pv = PVModuleThermal()

# 固定辐照度
G = 1000 # W/m²

# 环境温度范围
T_ambient_range = np.linspace(–10, 45, 12)

# 风速范围
wind_speeds = [0.5, 1.0, 2.0, 3.0, 5.0]

fig, axes = plt.subplots(2, 2, figsize=(12, 10))

# 1. 环境温度影响
ax1 = axes[0, 0]
results_temp = {'T_amb': [], 'T_cell': [], 'efficiency': [], 'power': []}

print(f"\\n{'环境温度[°C]':<15} {'电池温度[°C]':<15} {'效率[%]':<12} {'功率[W]':<12}")
print("-" * 60)

for T_amb in T_ambient_range:
T_cell, _, _, eff = pv.calculate_solar_cell_temperature(G, T_amb, 1.0)
power = eff * G * pv.area

results_temp['T_amb'].append(T_amb)
results_temp['T_cell'].append(T_cell)
results_temp['efficiency'].append(eff * 100)
results_temp['power'].append(power)

print(f"{T_amb:<15.1f} {T_cell:<15.1f} {eff*100:<12.2f} {power:<12.1f}")

ax1.plot(results_temp['T_amb'], results_temp['T_cell'], 'r-', linewidth=2, label='电池温度')
ax1_twin = ax1.twinx()
ax1_twin.plot(results_temp['T_amb'], results_temp['efficiency'], 'b–', linewidth=2, label='效率')

ax1.set_xlabel('环境温度 [°C]', fontsize=11)
ax1.set_ylabel('电池温度 [°C]', fontsize=11, color='r')
ax1_twin.set_ylabel('效率 [%]', fontsize=11, color='b')
ax1.set_title('环境温度对组件性能的影响', fontsize=12, fontweight='bold')
ax1.grid(True, alpha=0.3)
ax1.tick_params(axis='y', labelcolor='r')
ax1_twin.tick_params(axis='y', labelcolor='b')

# 2. 风速影响
ax2 = axes[0, 1]
T_amb_test = 25 # °C

results_wind = {'wind': [], 'T_cell': [], 'efficiency': [], 'power': []}

print(f"\\n{'风速[m/s]':<15} {'电池温度[°C]':<15} {'效率[%]':<12} {'功率[W]':<12}")
print("-" * 60)

for wind in wind_speeds:
T_cell, _, _, eff = pv.calculate_solar_cell_temperature(G, T_amb_test, wind)
power = eff * G * pv.area

results_wind['wind'].append(wind)
results_wind['T_cell'].append(T_cell)
results_wind['efficiency'].append(eff * 100)
results_wind['power'].append(power)

print(f"{wind:<15.1f} {T_cell:<15.1f} {eff*100:<12.2f} {power:<12.1f}")

ax2.plot(results_wind['wind'], results_wind['T_cell'], 'ro-', linewidth=2, markersize=8)
ax2.set_xlabel('风速 [m/s]', fontsize=11)
ax2.set_ylabel('电池温度 [°C]', fontsize=11)
ax2.set_title('风速对电池温度的影响', fontsize=12, fontweight='bold')
ax2.grid(True, alpha=0.3)

# 3. 温度-效率关系 (不同辐照度)
ax3 = axes[1, 0]

irradiance_levels = [600, 800, 1000]
colors = ['g', 'b', 'r']

for G_level, color in zip(irradiance_levels, colors):
T_cells = []
efficiencies = []

for T_amb in T_ambient_range:
T_cell, _, _, eff = pv.calculate_solar_cell_temperature(G_level, T_amb, 1.0)
T_cells.append(T_cell)
efficiencies.append(eff * 100)

ax3.plot(T_cells, efficiencies, color=color, linewidth=2,
marker='o', markersize=5, label=f'G={G_level} W/m²')

ax3.set_xlabel('电池温度 [°C]', fontsize=11)
ax3.set_ylabel('转换效率 [%]', fontsize=11)
ax3.set_title('电池温度与效率关系', fontsize=12, fontweight='bold')
ax3.grid(True, alpha=0.3)
ax3.legend()

# 4. 安装方式影响
ax4 = axes[1, 1]

mounting_types = ['open', 'roof', 'facade']
mounting_labels = ['开放式', '屋顶式', '立面式']
T_amb_test = 25

results_mounting = []

print(f"\\n{'安装方式':<15} {'电池温度[°C]':<15} {'效率[%]':<12} {'功率[W]':<12}")
print("-" * 60)

for mount_type, label in zip(mounting_types, mounting_labels):
T_cell, _, _, eff = pv.calculate_solar_cell_temperature(
G, T_amb_test, 1.0, mounting=mount_type
)
power = eff * G * pv.area
results_mounting.append({
'type': label,
'T_cell': T_cell,
'efficiency': eff * 100,
'power': power
})
print(f"{label:<15} {T_cell:<15.1f} {eff*100:<12.2f} {power:<12.1f}")

x_pos = range(len(mounting_labels))
temps = [r['T_cell'] for r in results_mounting]
effs = [r['efficiency'] for r in results_mounting]

ax4.bar(x_pos, temps, alpha=0.7, color=['#3498db', '#e74c3c', '#2ecc71'])
ax4.set_xticks(x_pos)
ax4.set_xticklabels(mounting_labels)
ax4.set_ylabel('电池温度 [°C]', fontsize=11)
ax4.set_title('安装方式对电池温度的影响', fontsize=12, fontweight='bold')
ax4.grid(True, alpha=0.3, axis='y')

# 添加效率标签
for i, (temp, eff) in enumerate(zip(temps, effs)):
ax4.text(i, temp + 1, f'η={eff:.2f}%', ha='center', fontsize=10, fontweight='bold')

plt.tight_layout()
plt.savefig('output/case2_environmental_effects.png', dpi=150, bbox_inches='tight')
print("\\n案例2图表已保存: output/case2_environmental_effects.png")
plt.close()

return results_temp, results_wind

def case3_daily_annual_performance():
"""案例3: 日运行与年性能分析"""
print("\\n" + "=" * 60)
print("案例3: 日运行与年性能分析")
print("=" * 60)

pv = PVModuleThermal()

# 典型夏日日运行模拟
hours = np.arange(6, 20, 0.5) # 6:00 – 20:00

# 简化的日辐照度曲线 (正弦分布)
G_max = 1000 # W/m²
irradiance = G_max * np.maximum(0, np.sin(np.pi * (hours – 6) / 14))

# 环境温度日变化
T_amb_base = 25
T_ambient = T_amb_base + 8 * np.sin(np.pi * (hours – 6) / 14 – 0.5)

# 风速日变化
wind_speed = 2 + 1.5 * np.sin(2 * np.pi * hours / 24)

# 计算日性能
daily_results = {
'hour': [], 'irradiance': [], 'T_ambient': [],
'T_cell': [], 'efficiency': [], 'power': [],
'energy_cumulative': []
}

energy_total = 0
dt = 0.5 # 时间步长 [h]

print(f"\\n{'时间':<10} {'辐照度[W/m²]':<15} {'环境温度[°C]':<15} {'电池温度[°C]':<15} {'效率[%]':<12} {'功率[W]':<12}")
print("-" * 95)

for i, hour in enumerate(hours):
G = irradiance[i]
T_amb = T_ambient[i]
wind = wind_speed[i]

if G > 50: # 只在有光照时计算
T_cell, _, _, eff = pv.calculate_solar_cell_temperature(G, T_amb, wind)
power = eff * G * pv.area
else:
T_cell = T_amb
eff = 0
power = 0

energy_total += power * dt / 1000 # kWh

daily_results['hour'].append(hour)
daily_results['irradiance'].append(G)
daily_results['T_ambient'].append(T_amb)
daily_results['T_cell'].append(T_cell)
daily_results['efficiency'].append(eff * 100)
daily_results['power'].append(power)
daily_results['energy_cumulative'].append(energy_total)

if i % 4 == 0: # 每2小时打印一次
print(f"{hour:.1f}{'':<5} {G:<15.1f} {T_amb:<15.1f} {T_cell:<15.1f} {eff*100:<12.2f} {power:<12.1f}")

print(f"\\n日发电量: {energy_total:.2f} kWh")
print(f"日平均效率: {np.mean([e for e in daily_results['efficiency'] if e > 0]):.2f}%")

# 年性能估算 (简化模型)
months = ['1月', '2月', '3月', '4月', '5月', '6月', '7月', '8月', '9月', '10月', '11月', '12月']

# 典型月平均辐照度和环境温度 (北京附近)
monthly_G_avg = [350, 450, 600, 750, 850, 900, 850, 800, 700, 550, 400, 320] # W/m²
monthly_T_avg = [–2, 2, 9, 16, 22, 26, 28, 27, 21, 14, 5, –1] # °C
monthly_days = [31, 28, 31, 30, 31, 30, 31, 31, 30, 31, 30, 31]

monthly_energy = []
monthly_efficiency = []

print(f"\\n{'月份':<10} {'平均辐照度[W/m²]':<20} {'平均温度[°C]':<15} {'月发电量[kWh]':<15} {'月效率[%]':<12}")
print("-" * 80)

for i, month in enumerate(months):
G_avg = monthly_G_avg[i]
T_avg = monthly_T_avg[i]
days = monthly_days[i]

# 估算日发电量和效率
if G_avg > 100:
T_cell, _, _, eff = pv.calculate_solar_cell_temperature(G_avg, T_avg, 2.0)
# 假设日均有效光照6小时
daily_energy = eff * G_avg * pv.area * 6 / 1000 # kWh
monthly_e = daily_energy * days
else:
monthly_e = 0
eff = 0

monthly_energy.append(monthly_e)
monthly_efficiency.append(eff * 100)

print(f"{month:<10} {G_avg:<20} {T_avg:<15} {monthly_e:<15.1f} {eff*100:<12.2f}")

annual_energy = sum(monthly_energy)
avg_annual_efficiency = np.mean([e for e in monthly_efficiency if e > 0])

print(f"\\n年总发电量: {annual_energy:.1f} kWh")
print(f"年平均效率: {avg_annual_efficiency:.2f}%")

# 可视化
fig, axes = plt.subplots(2, 2, figsize=(14, 10))

# 1. 日运行曲线
ax1 = axes[0, 0]
ax1.plot(daily_results['hour'], daily_results['irradiance'], 'y-', linewidth=2, label='辐照度')
ax1.set_xlabel('时间 [h]', fontsize=11)
ax1.set_ylabel('辐照度 [W/m²]', fontsize=11, color='y')
ax1.tick_params(axis='y', labelcolor='y')

ax1_twin = ax1.twinx()
ax1_twin.plot(daily_results['hour'], daily_results['T_cell'], 'r-', linewidth=2, label='电池温度')
ax1_twin.plot(daily_results['hour'], daily_results['T_ambient'], 'b–', linewidth=1.5, label='环境温度')
ax1_twin.set_ylabel('温度 [°C]', fontsize=11)
ax1_twin.tick_params(axis='y')
ax1_twin.legend(loc='upper left')

ax1.set_title('典型夏日日运行性能', fontsize=12, fontweight='bold')
ax1.grid(True, alpha=0.3)
ax1.set_xlim(6, 20)

# 2. 日功率和效率
ax2 = axes[0, 1]
ax2.plot(daily_results['hour'], np.array(daily_results['power'])/1000, 'g-', linewidth=2, label='功率')
ax2.set_xlabel('时间 [h]', fontsize=11)
ax2.set_ylabel('功率 [kW]', fontsize=11, color='g')
ax2.tick_params(axis='y', labelcolor='g')

ax2_twin = ax2.twinx()
ax2_twin.plot(daily_results['hour'], daily_results['efficiency'], 'm–', linewidth=2, label='效率')
ax2_twin.set_ylabel('效率 [%]', fontsize=11, color='m')
ax2_twin.tick_params(axis='y', labelcolor='m')

ax2.set_title('日功率输出与效率', fontsize=12, fontweight='bold')
ax2.grid(True, alpha=0.3)
ax2.set_xlim(6, 20)

# 3. 累计发电量
ax3 = axes[1, 0]
ax3.fill_between(daily_results['hour'], daily_results['energy_cumulative'],
alpha=0.5, color='green')
ax3.plot(daily_results['hour'], daily_results['energy_cumulative'], 'g-', linewidth=2)
ax3.set_xlabel('时间 [h]', fontsize=11)
ax3.set_ylabel('累计发电量 [kWh]', fontsize=11)
ax3.set_title(f'日累计发电量 (总计: {energy_total:.2f} kWh)', fontsize=12, fontweight='bold')
ax3.grid(True, alpha=0.3)
ax3.set_xlim(6, 20)

# 4. 年月度发电量
ax4 = axes[1, 1]
colors = plt.cm.RdYlGn(np.linspace(0.2, 0.8, 12))
bars = ax4.bar(range(12), monthly_energy, color=colors, alpha=0.8)
ax4.set_xticks(range(12))
ax4.set_xticklabels(months, rotation=45)
ax4.set_ylabel('月发电量 [kWh]', fontsize=11)
ax4.set_title(f'年度发电量分布 (总计: {annual_energy:.1f} kWh)', fontsize=12, fontweight='bold')
ax4.grid(True, alpha=0.3, axis='y')

# 添加数值标签
for bar, val in zip(bars, monthly_energy):
if val > 20:
ax4.text(bar.get_x() + bar.get_width()/2, bar.get_height() + 2,
f'{val:.0f}', ha='center', fontsize=8)

plt.tight_layout()
plt.savefig('output/case3_daily_annual_performance.png', dpi=150, bbox_inches='tight')
print("\\n案例3图表已保存: output/case3_daily_annual_performance.png")
plt.close()

return daily_results, monthly_energy

def case4_cooling_design_optimization():
"""案例4: 散热设计与优化"""
print("\\n" + "=" * 60)
print("案例4: 散热设计与优化")
print("=" * 60)

# 基础组件
pv_base = PVModuleThermal()

G = 1000 # W/m²
T_ambient = 35 # °C (高温工况)

# 1. 不同散热方案对比
cooling_schemes = {
'标准安装': {'wind': 1.0, 'mounting': 'open', 'back_emissivity': 0.90},
'增强通风': {'wind': 3.0, 'mounting': 'open', 'back_emissivity': 0.90},
'屋顶安装': {'wind': 1.0, 'mounting': 'roof', 'back_emissivity': 0.90},
'高发射背板': {'wind': 1.0, 'mounting': 'open', 'back_emissivity': 0.95},
'主动散热': {'wind': 5.0, 'mounting': 'open', 'back_emissivity': 0.95},
}

results_cooling = []

print(f"\\n{'散热方案':<15} {'电池温度[°C]':<15} {'效率[%]':<12} {'功率[W]':<12} {'温升[°C]':<12}")
print("-" * 70)

for name, params in cooling_schemes.items():
# 临时修改参数
pv_test = PVModuleThermal()
pv_test.emissivity_back = params['back_emissivity']

T_cell, _, _, eff = pv_test.calculate_solar_cell_temperature(
G, T_ambient, params['wind'], mounting=params['mounting']
)
power = eff * G * pv_test.area

results_cooling.append({
'name': name,
'T_cell': T_cell,
'efficiency': eff * 100,
'power': power,
'delta_T': T_cell – T_ambient
})

print(f"{name:<15} {T_cell:<15.1f} {eff*100:<12.2f} {power:<12.1f} {T_cell–T_ambient:<12.1f}")

# 2. 散热器翅片优化
print("\\n\\n散热器翅片设计优化:")
print(f"{'翅片高度[mm]':<15} {'翅片间距[mm]':<15} {'对流系数[W/m²K]':<20} {'电池温度[°C]':<15}")
print("-" * 70)

fin_heights = [0, 10, 20, 30, 50] # mm
fin_spacings = [20, 30, 50] # mm

fin_results = []

for height in fin_heights:
for spacing in fin_spacings:
if height == 0:
h_conv = 5 + 2.5 * 1.0 # 基础对流系数
else:
# 翅片增强对流 (简化模型)
h_base = 5 + 2.5 * 1.0
enhancement = 1 + (height / 50) * (20 / spacing) * 0.5
h_conv = h_base * enhancement

# 模拟计算
T_cell, _, _, _ = pv_base.calculate_solar_cell_temperature(G, T_ambient, 1.0)
# 考虑翅片增强
T_cell_reduced = T_cell – (h_conv – 7.5) * 2 # 简化修正

fin_results.append({
'height': height,
'spacing': spacing,
'h_conv': h_conv,
'T_cell': T_cell_reduced
})

print(f"{height:<15} {spacing:<15} {h_conv:<20.2f} {T_cell_reduced:<15.1f}")

# 3. 相变材料(PCM)散热效果
print("\\n\\n相变材料(PCM)散热效果分析:")

pcm_thicknesses = [0, 5, 10, 20] # mm
pcm_melting_points = [25, 28, 30] # °C

print(f"{'PCM厚度[mm]':<15} {'熔点[°C]':<12} {'峰值温度[°C]':<15} {'温度波动[°C]':<15}")
print("-" * 60)

pcm_results = []

for thickness in pcm_thicknesses:
for mp in pcm_melting_points:
if thickness == 0:
T_peak = 65.0
T_fluctuation = 25.0
else:
# PCM效果: 降低峰值温度，减小温度波动
cooling_effect = thickness * 0.5 # 每mm降低0.5°C
T_peak = 65.0 – cooling_effect
T_fluctuation = 25.0 – thickness * 0.3

pcm_results.append({
'thickness': thickness,
'melting_point': mp,
'T_peak': T_peak,
'T_fluctuation': T_fluctuation
})

print(f"{thickness:<15} {mp:<12} {T_peak:<15.1f} {T_fluctuation:<15.1f}")

# 4. 经济性分析
print("\\n\\n散热方案经济性分析:")

electricity_price = 0.6 # 元/kWh
annual_hours = 1500 # 年有效发电小时数

base_power = results_cooling[0]['power'] # 标准安装功率

print(f"{'方案':<15} {'额外成本[元]':<15} {'年增发电[kWh]':<15} {'年收益[元]':<12} {'回收期[年]':<12}")
print("-" * 75)

economics = []

scheme_costs = {
'标准安装': 0,
'增强通风': 50,
'屋顶安装': 0,
'高发射背板': 100,
'主动散热': 500
}

for result in results_cooling:
name = result['name']
additional_cost = scheme_costs[name]

power_gain = result['power'] – base_power # W
annual_energy_gain = power_gain * annual_hours / 1000 # kWh
annual_revenue = annual_energy_gain * electricity_price

if annual_revenue > 0:
payback_period = additional_cost / annual_revenue
else:
payback_period = float('inf')

economics.append({
'name': name,
'cost': additional_cost,
'energy_gain': annual_energy_gain,
'revenue': annual_revenue,
'payback': payback_period
})

if payback_period == float('inf'):
payback_str = 'N/A'
else:
payback_str = f'{payback_period:.1f}'

print(f"{name:<15} {additional_cost:<15} {annual_energy_gain:<15.1f} {annual_revenue:<12.1f} {payback_str:<12}")