二、验证
为了验证基于AMF的系统发电量预测方法的准确性，我使用这一方法与传统的方法对同一个系统2014年的发电量进行了计算并进行了对比。使用的实测数据来自昆士兰大学的一套13.4kWp系统。计算中采用PVWatts基于统计得出的平均直流转交流效率77%。从下标中数据可以看出，首先基于AMF的方法其全年发电量预测值的误差是传统方法的五分之一。其次，更为重要的一点是预测值与实测值比值的标准差，这一指标衡量了预测算法对实际发电量的“跟踪”能力。这一标准差越小，说明比值越恒定，即预测算法对每天太阳光情况的反应与实际系统的反应更相似，也即仿真的更“真”。从下表可以看出，基于AMF的方法比值的标准差要小于传统方法，说明基于AMF的方法对系统的仿真更加真实。
当然，这里仅引用一个系统的对比数据也许说服力并不十分充足，我也希望能与读者合作，通过更多的实测数据来检验这一基于AMF的系统发电量计算方法。
三、应用
3.1、系统发电量预测
这一基于AMF的方法的应用可以从两个方向展开，首先是正向沿着电池–组件–系统的方向，通过AMF框架计算电池和组件的角度响应量子效率，然后结合实测太阳辐照度仿真得到对应的光谱，得到系统的发电量的计算值。也就是上面第3部分给出的使用方法。作为一个潜在的更精确的系统发电量预测方法，又究竟有什么用呢。（1）系统发电量预测方法其实从系统的设计阶段就可以发挥作用，对组件更精确的物理描述可以帮助工程师选型和设计，例如针对某一地点选择更合适的组件，或者针对某一限制条件更合适的安装角度。（2）其次，在项目融资阶段，更精确的系统发电量计算方法可以让根据其计算出的投资回报率更具说服力。（3）在项目运营中，更精确的系统发电量算法可以作为监控平台的理论对照，通过对比发现问题，并通过对组件自身问题的仿真实现一定程度上的诊断。（4）最后对安装光伏的用户，一个更精确的发电量预测方法可以帮助他们调整自己的用电习惯，从而实现环保和成本角度的最大节约。
3.2、基于发电量的组件和电池的仿真及优化
而反过来考虑，沿系统–组件–电池方向使用基于AMF的发电量预测方法，就可以实现上文中提到的基于发电量的组件和电池的仿真及优化，这一方法不但使优化更加真实可靠，还能实现针对不同需求的优化，甚至根据用户需求定制的光伏产品。下面就以组件玻璃ARC的优化说明这一流程。首先我们使用AMF框架仿真一个使用PERC电池的组件，假设组件采用多孔二氧化硅作为其玻璃上的额外的减反射层ARC。通过改变多孔二氧化硅的厚度，计算不同厚度情况下组件的角度响应量子效率。然后针对汉堡（53°33′55″N）、布里斯班（27°28′0″S）新加坡（1°17′0″N）和布里斯班三个不同纬度的城市计算其一年中的理论发电量。图6中对全年发电量对没有组件ARC的情况进行了归一化。从其结果可以看出，新加坡和布里斯班的最优厚度相似，在最优厚度情况下，其发电量比不使用组件ARC相比提高了约3.6%，而对汉堡，由于其纬度更高，大气厚度更厚，对太阳光谱中短波的散射和吸收更强，因此其组件ARC的最优厚度比低纬度地区更厚。而其使用组件ARC带来的提高也更显著，接近4%。
图6.组件发电量随组件玻璃ARC厚度的变化
下面我们回到文章开头提到的SunPower的组件测试仪与实地系统测试结果不一致的问题，虽然这里电池类型不同，但结果有其相似性。下面我们将组件测试仪加入图6，即不同组件ARC厚度在AM1.5G直射情况下的发电功率。可以看出其趋势与考虑太阳角度和光谱的实际情况大不相同，其最优厚度要原高于对实际系统的仿真，而如果SunPower采用了虚线位置组件ARC厚度，那么其在组件测试仪中就会表现的比没有组件ARC的情况发电功率高约2.7%，但在实际场地测试中有组件ARC的系统比没有的发电量却能高出超过3.5%。这是因为标准测试终究与实际使用情况不同，在实际使用中入射光角度会不断变化，太阳辐射光谱也会变化，其中还会包含直射和散射的成分。而这些差异都在基于AMF的仿真中真切的反映出来。（为什么SunPower没有采用AM1.5G对应的最佳厚度，好问题，也许SunPower也在设计中使用了针对实际系统的优化方法。）
同样的流程也可以用于优化电池的光学设计。由于AMF本身就是针对结合不同的光学仿真方法而设计，因此无论是普通的酸碱制绒，还是黑硅，plasmonic，甚至正面黑硅背面碱制绒等等方法，都可以在AMF的框架下兼容仿真。看了上面这些，作为电池或者组件制造商，你是希望自己的产品以AM1.5G为标准优化，还是以系统发电量为目标优化？
下面是脑洞大开的时间。在这一方法逐渐成形的过程中，我也就自己构思中的这一算法的应用与一些同学和学长交流过。虽然很多想法被证明“还太早”，但是我还是忍不住在这里晒出。
如果说搜索是互联网上最基础的需求之一，那搜索引擎就是互联网上的对应基础服务。在能源互联网上，搜索引擎所对应的基础服务是什么呢？在我看来，实时能源供给量的查询将会是很底层，使用量很高的服务。仅以光伏领域来说，我们假设一个使用家庭光伏系统的独栋住宅，假设其中的家用电器都已经实现部分“智能”，即能通过一个中央控制器控制。那么其智能能怎样体现呢？仅仅是主人回家前遥控打开热水，或者调整空调是不够的。在其控制系统中，应该能计算每天太阳能发电功率曲线，并使整个建筑的用电曲线尽量与之匹配，从而实现最大程度的自发自用和节能。再比如未来可能会出现的太阳能车甚至太阳能飞机等交通工具，其行驶里程的估计和行驶路线的优化将很大程度上取决于对太阳能发电量预计的准确程度。
>
>
