基于带遗忘因子的递推最小二乘光伏电池参数辨识方法技术

本发明专利技术公开了一种基于带遗忘因子的递推最小二乘光伏电池模型参数辨识方法，包括以下步骤：建立光伏电池的递推最小二乘模型形式，确定待辨识参数；初始化参数估值、遗忘因子及协方差矩阵；获取光伏电池的实时输出电压电流，更新参数估值和目标函数值；目标函数满足预设阈值时输出此时的参数估值，即为光伏电池参数最优取值。本发明专利技术将光伏电池的四参数模型转化为递推最小二乘模型形式，屏蔽了光伏电池内部结构及系统误差对模型的影响，通过迭代得到最优参数取值。它实现简单，能减少计算量，减少数据在计算机中占用的内存，提高了辨识速度。遗忘因子能够强调新数据的作用，逐渐遗忘旧数据的作用，使模型具有较高的精度，数值稳定性好。

【技术实现步骤摘要】

本专利技术涉及一种光伏电池参数辨识方法，尤其是一种基于带遗忘因子的递推最小二乘光伏电池模型参数辨识方法，属于光伏发电

技术介绍
太阳能的利用以及光伏电池特性的研究已成为热点，随着研究不断的深入，国内外学者提出了不同描述I-V曲线的光伏电池模型。I-V曲线是光伏电池特性的宏观表述，其中的参数是模型内在特性的反映。通过辨识光伏电池参数不仅可以确定I-V方程，利用求得的I-V方程预测光伏阵列的输出功率；而且通过分析这些参数的变化可以进一步研究光伏电池发生故障的起因。因此进行光伏电池内部参数的辨识对于研究和改善其特性是非常有意义的。目前，光伏电池的参数辨识方法主要分为参数近似求解法和基于优化算法的参数估计方法。光伏电池模型的特性方程是一个复杂的超越非线性函数，不能通过简单计算直接求解，参数近似求解法就是利用微分求导和简化模型等数学方法处理I-V特性方程，以求得参数近似值。虽然利用数学分析近似求解参数的方法直观简单，但是这种方法求得的参数近似值误差较大，当精度要求较高时不适用。基于优化算法的参数估计方法主要是利用智能算法对光伏电池进行参数辨识。例如，一些学者提出将遗传算法运用到光伏电池参数辨识领域，在保证辨识精度的前提下，将光伏电池参数辨识后得到的多组结果收敛为一组参数值。而把最小梯度搜索方法用于传统的遗传算法中，就形成了改进融合遗传算法，能够提高了参数辨识的精度和速度。再如，考虑光伏电池实际工作环境中云量的不同，引入自适应混沌粒子群算法(SA-CPSO)，可以辨识出正常状态和不同遮荫情况下的光伏电池模型的参数。另外，一些学者利用混沌算法的随机性、规律性、遍历性等特点，将它引入粒子群算法，形成混沌搜索控制算法来进行参数辨识，使全局搜索能力有所提高。总之，相较于参数近似求解法，基于优化算法的参数估计在精度和可靠性方面有显著的优势，但大部分智能算法均存在优化时间长、易陷入早熟、实现较繁琐等问题。
技术实现思路
本专利技术要解决的技术问题是提供一种基于带遗忘因子的递推最小二乘光伏电池参数辨识方法。本专利技术采用下述技术方案：一种基于带遗忘因子的递推最小二乘光伏电池参数辨识方法，所述方法用于辨识光伏并网发电系统中m串n并的光伏阵列中的光伏电池参数；其特征在于：包括以下步骤：步骤1：建立光伏电池的递推最小二乘模型，确定待辨识参数θ：所述光伏电池的递推最小二乘模型为： Δ I = U L U L 2 U L 3 a 1 a 2 a 3 - - - ( 1 ) ]]>且ΔI＝Isc-IL (2)式中，θT＝(a1，a2，a3)为待辨识的参数，IL、UL分别为光伏电池的实时输出电压和实时输出电流，Isc为光生电流；步骤2：初始化：由以下具体分步骤组成：步骤2-1：定义输入观测量的长度n和遗忘因子λ，0＜λ≤1；步骤2-2：设置待辨识的参数估值的初始时刻取值设置协方差矩阵P(t)初始时刻的取值P(0)＝aIn，a实数，In为n×n的单位矩阵；步骤3：获取光伏电池的实时输出电压UL和实时输出电流IL：UL＝UL_array/m (3)IL＝IL_array/n (4)式中，UL_array和IL_arrayF分别为所述光伏阵列的实时输出电压实时输出电流；步骤4：产生观测矩阵及其转置矩阵其中，y(t)是光伏电池输出电压当前时刻的观测值，y(t-1)为光伏电池输出电压前一时刻的观测值，y(t-n)为光伏电池输出电压前n时刻的观测值；步骤5：计算当前时刻观测矩阵的协方差矩阵P(t)：步骤6：计算上一时刻的增益矩阵F(t-1)，步骤7：更新光伏电池的参数估值步骤8：计算当前时刻的预测残差：并计算当前时刻的目标函数取值为：步骤9：判断当前时刻的目标函数Jt(θ)是否小于预设阈值，如果否，转向步骤3，如果是，转向步骤10；步骤10：输出参数估值将其作为光伏电池参数θ的辨识结果。采用上述技术方案所产生的有益效果在于：1、本专利技术利用带遗忘因子的递推最小二乘法对光伏电池进行参数辨识，将光伏电池的四参数模型化为递推最小二乘模型的形式，屏蔽了光伏电池内部结构及系统误差对模型的影响，直接获取光伏电池输出数据，通过迭代得到最优参数取值，为光伏电池参数辨识提供了新的思路。可以同步一次性辨识出全部参数，不需要分步辨识各个参数。2、本专利技术采用的递推最小二乘法算法简单，能减少计算量，减少数据在计算机中占用的内存，提高了辨识速度。3、本专利技术在传统递推最小二乘法中加入了遗忘因子，强调新数据的作用，逐渐遗忘旧数据的作用，尤其适用于大数据量的实时动态在线辨识系统，遗忘因子的引入也使模型具有较高的精度，数值稳定性好，具有较高的工程应用价值。4、本专利技术易于实验室条件下测试，同样适用于一般的光伏发电系统，通用性强。附图说明图1是光伏阵列等效电路；图2是带遗忘因子的递推最小二乘光伏电池参数辨识方法流程图；具体实施方式下面结合附图和具体实施方式对本专利技术作进一步详细的说明。如图1所示，将一定数量的光伏电池串并联排布于固定支架上即得到光伏阵列。假设构成光伏阵列的各光伏电池具有理想的一致性，其中有m个串联组件，n个并联组件。如图2所示，一种基于带遗忘因子的递推最小二乘光伏电池参数辨识方法，所述方法用于辨识光伏并网发电系统中m串n并的光伏阵列中的光伏电池参数；其特征在于：包括以下步骤：步骤1：建立光伏电池的递推最小二乘模型，确定待辨识参数θ：所述光伏电池的递推最小二乘模型为： Δ I = U L U 本文档来自技高网...

【技术保护点】
一种基于带遗忘因子的递推最小二乘光伏电池参数辨识方法，所述方法用于辨识光伏并网发电系统中m串n并的光伏阵列中的光伏电池参数；其特征在于：包括以下步骤：步骤1：建立光伏电池的递推最小二乘模型，确定待辨识参数θ：所述光伏电池的递推最小二乘模型为：ΔI=ULUL2UL3a1a2a3---(1)]]>且ΔI＝Isc‑IL                       (2)式中，θT＝(a1，a2，a3)为待辨识的参数，IL、UL分别为光伏电池的实时输出电压和实时输出电流，Isc为光生电流；步骤2：初始化：由以下具体分步骤组成：步骤2‑1：定义输入观测量的长度n和遗忘因子λ，0＜λ≤1；步骤2‑2：设置待辨识的参数估值的初始时刻取值设置协方差矩阵P(t)初始时刻的取值P(0)＝aIn，a实数，In为n×n的单位矩阵；步骤3：获取光伏电池的实时输出电压UL和实时输出电流IL：UL＝UL_array/m                      (3)IL＝IL_array/n                       (4)式中，UL_array和IL_arrayF分别为所述光伏阵列的实时输出电压实时输出电流；步骤4：产生观测矩阵及其转置矩阵其中，y(t)是光伏电池输出电压当前时刻的观测值，y(t‑1)为光伏电池输出电压前一时刻的观测值，y(t‑n)为光伏电池输出电压前n时刻的观测值；步骤5：计算当前时刻观测矩阵的协方差矩阵P(t)：步骤6：计算上一时刻的增益矩阵F(t‑1)，步骤7：更新光伏电池的参数估值步骤8：计算当前时刻的预测残差：并计算当前时刻的目标函数：步骤9：判断当前时刻的目标函数Jt(θ)是否小于预设阈值，如果否，转向步骤3，如果是，转向步骤10；步骤10：输出参数估值将其作为光伏电池参数θ的辨识结果。...

【技术特征摘要】
1.一种基于带遗忘因子的递推最小二乘光伏电池参数辨识方法，所述方法用于辨识光伏并网发电系统中m串n并的光伏阵列中的光伏电池参数；其特征在于：包括以下步骤：步骤1：建立光伏电池的递推最小二乘模型，确定待辨识参数θ：所述光伏电池的递推最小二乘模型为： Δ I = U L U L 2 U L 3 a 1 a 2 a 3 ...

【专利技术属性】
技术研发人员：杨军，徐岩，靳伟佳，
申请(专利权)人：国网青海省电力公司，国网青海省电力公司电力科学研究院，华北电力大学保定，
类型：发明
国别省市：青海;63