3. 单二极管模型（SDM）理论：理想模型与单指数模型方程、五个关键参数的物理意义

太阳能电池的等效电路模型是理解其工作机理、进行性能预测与参数提取的基础。在所有模型中，单二极管模型（Single-Diode Model, SDM）因其物理意义清晰、参数数量适中且精度满足工程需求，成为光伏领域应用最广泛的标准模型。本节将系统阐述理想模型与单指数模型（即实际SDM）的数学方程，并深入解析五个关键参数的物理意义。

3.1 理想单二极管模型

理想模型是最简化的表示形式，它将太阳能电池视为一个恒流源（光生电流源）与一个理想二极管的并联组合。该模型忽略了串联电阻（Rs）和并联电阻（Rsh）的影响，适用于理解电池工作的基本原理。

3.1.1 理想模型方程

根据基尔霍夫电流定律，流过外部负载的电流 I 等于光生电流 Iph 减去流过二极管的电流 Id：

I = Iph - Id

其中，二极管电流 Id 由 Shockley 理想二极管方程给出：

Id = I0 * [exp(V / (n * Vt)) - 1]

代入后得到理想模型的 I-V 特性方程：

I = Iph - I0 * [exp(V / (n * Vt)) - 1]

式中，Vt = k * T / q 为热电压（Thermal Voltage），在 25°C（298.15 K）时约为 0.02585 V。k 为玻尔兹曼常数（1.380649 × 10⁻²³ J/K），q 为元电荷（1.602176634 × 10⁻¹⁹ C）。

3.2 单指数模型（实际单二极管模型）

实际太阳能电池存在不可忽略的损耗机制。单指数模型在理想模型的基础上，引入了串联电阻 Rs 和并联电阻 Rsh，以更准确地描述电池的真实行为。该模型也称为“五参数模型”，是工程校准和I-V特性验证的核心。

3.2.1 单指数模型方程

考虑 Rs 和 Rsh 后，流过负载的电流 I 由下式给出：

I = Iph - Id - Ish

其中：

• Id = I0 * [exp((V + I * Rs) / (n * Vt)) - 1] —— 二极管电流
• Ish = (V + I * Rs) / Rsh —— 并联电阻漏电流

代入后得到完整的单指数模型隐式方程：

I = Iph - I0 * [exp((V + I * Rs) / (n * Vt)) - 1] - (V + I * Rs) / Rsh

3.3 五个关键参数的物理意义

单指数模型的五个参数（Iph, I0, Rs, Rsh, n）各自对应电池内部特定的物理过程。理解这些参数的物理意义，是进行参数校准和诊断电池性能退化的重要前提。

3.3.1 各参数对 I-V 曲线的影响

五个参数的变化会以不同方式影响 I-V 特性曲线的形状。理解这种影响关系，对于从实测曲线反推参数值（即参数提取）至关重要。

• Iph：主要影响短路电流 Isc。Iph 增大，整条曲线向上平移，Isc 线性增加，对 Voc 影响较小。
• I0：主要影响开路电压 Voc。I0 增大，Voc 显著下降，对 Isc 几乎无影响。
• Rs：主要影响最大功率点附近区域。Rs 增大，曲线在“膝部”变得圆滑，填充因子 FF 下降，Isc 略微减小。
• Rsh：主要影响低电压区域（接近短路点）。Rsh 减小，曲线在低电压区斜率增大，Voc 和 FF 均下降。
• n：影响整个曲线的形状。n 增大，曲线整体向外“膨胀”，Voc 降低，FF 变化复杂。

3.4 模型方程求解与数值实现

由于单指数模型方程为隐式形式，在实际编程实现时，需要采用数值方法求解给定电压 V 下的电流 I。以下给出一个基于 Newton-Raphson 法的 Python 实现示例。

import numpy as np

def sdm_current(V, Iph, I0, Rs, Rsh, n, T=298.15):
    """
    使用 Newton-Raphson 法求解单二极管模型电流。

    参数:
        V (float): 电压 (V)
        Iph (float): 光生电流 (A)
        I0 (float): 反向饱和电流 (A)
        Rs (float): 串联电阻 (Ω)
        Rsh (float): 并联电阻 (Ω)
        n (float): 二极管理想因子
        T (float): 温度 (K)

    返回:
        I (float): 电流 (A)
    """
    k = 1.380649e-23
    q = 1.602176634e-19
    Vt = k * T / q
    nVt = n * Vt

    # 初始猜测：忽略 Rs 和 Rsh 的理想值
    I = Iph - I0 * (np.exp(V / nVt) - 1)
    max_iter = 100
    tol = 1e-12

    for _ in range(max_iter):
        V_I_Rs = V + I * Rs
        # 计算 f(I) = I - Iph + I0*(exp(V_I_Rs/nVt)-1) + V_I_Rs/Rsh
        f = I - Iph + I0 * (np.exp(V_I_Rs / nVt) - 1) + V_I_Rs / Rsh
        # 计算 f'(I)
        df = 1 + I0 * Rs / nVt * np.exp(V_I_Rs / nVt) + Rs / Rsh
        I_new = I - f / df
        if abs(I_new - I) < tol:
            return I_new
        I = I_new
    # 若不收敛，返回最后一次迭代值
    return I

# 示例：计算单个点
I_calc = sdm_current(V=0.5, Iph=5.0, I0=1e-9, Rs=0.01, Rsh=500, n=1.3)
print(f"V=0.5V 时，I = {I_calc:.6f} A")

3.5 模型选择与适用场景

在实际工程应用中，应根据具体需求选择合适的模型复杂度：