一种基于头脑风暴算法的太阳能电池参数求解方法技术

本发明专利技术公开了一种基于头脑风暴算法的太阳能电池参数求解方法。本发明专利技术包含以下步骤：1、搭建数据采集环境；2、采集太阳能电池的表面温度和I‑V数据；3、确定太阳能电池模型及其函数表达式；4、确定适应度函数作为评价标准；5、将温度及I‑V数据导入函数表达式中；6、通过使用头脑风暴算法对函数表达式进行优化，得到最优解。本发明专利技术使用头脑风暴算法求解太阳能电池参数，可有效的提高太阳能电池参数的准确率。

Solution of Solar Cell Parameters Based on Brainstorming Algorithms

The invention discloses a method for solving solar cell parameters based on brainstorming algorithm. The invention comprises the following steps: 1. setting up data acquisition environment; 2. collecting surface temperature and I_V data of solar cells; 3. determining solar cell model and function expression; 4. determining fitness function as evaluation criterion; 5. introducing temperature and I_V data into function expression; 6. optimizing function expression by using brainstorming algorithm to get the best result. Excellent solution. The invention uses brainstorming algorithm to solve solar cell parameters, which can effectively improve the accuracy of solar cell parameters.

【技术实现步骤摘要】
一种基于头脑风暴算法的太阳能电池参数求解方法
本专利技术涉及太阳能电池参数求解方法，特别涉及一种基于头脑风暴算法的太阳能电池参数求解方法。
技术介绍
太阳能电池五个关键参数，是研究太阳能电池光电转换效率的重要参数，准确的太阳能电池参数对光电转换效率计算和最大功率点跟踪起着至关重要的作用，从而提高光伏发电产业的发展，更进一步的替代化石燃料发电产业。头脑风暴优化算法(BrainStormOptimizationAlgorithm,简称BSO算法)是史玉回老师2011年在第二次群体智能国际会议(TheSecondInternationalConferenceonSwarmIntelligence(ICSI11))中提出一种新的群智能优化算法——头脑风暴优化算法，受一种激发性思维方法——头脑风暴法启发而来。算法采用聚类思想搜索局部最优，通过局部最优的比较得到全局最优；采用变异思想增加了算法的多样性，避免算法陷入局部最优，在这聚与散相辅相承的过程中搜索最优解。
技术实现思路
本专利技术的目的通过头脑风暴算法对太阳能电池函数模型进行优化，最终得到最优解——太阳能电池五个关键参数光生电流(Iph)、反向饱和电流(ID)、串联电阻(RS)、并联电阻(RSh)、二极管品质因子(a)。本专利技术包括如下步骤：步骤1、搭建数据采集环境。步骤2、采集太阳能电池的表面温度和I-V数据。步骤3、确定太阳能电池模型及其函数表达式。步骤4、确定适应度函数作为评价标准。步骤5、将温度及I-V数据导入函数表达式中。步骤6、使用头脑风暴算法对函数表达式进行优化，得到最优解。所述的步骤1中，搭建环境主要需要太阳光模拟仪、数字源表、温度探测器和计算机所述的步骤3中，太阳能电池模型是双二极管物理模型，函数表达式由太阳能电池模型以及肖克莱方程为依据，由太阳能电池全电路欧姆定律等效电路推导所得，表达式如下：IPh为光生电流，I为输出电流，V为输出电压，q为电荷，ID1为第一个二极管的反向饱和电流，ID2为第二个二极管的反向饱和电流，K波尔兹曼常数，T为绝对温度，RS为串联电阻，RSh为并联电阻，a1第一个二极管品质因子，a2第二个二极管品质因子。所述的步骤4中，其适应度函数为均方根误差(RMSE)所述的步骤6中，头脑风暴算法对函数表达式进行优化求解的步骤具体为：5-1.随机产生N个个体。5-2.将N个个体聚为m类。5-3.评价这N个个体。评价这N个个体的方法，是使用步骤4中的公式为基础进行评价。5-4.将每一类中的个体进行排序，选择3-5个聚类中心。5-5.以很小的概率用任意解替代聚类中心。5-6.按照一定的规则产生新的个体。产生新个体的机制有两种，根据概率的不同而不同：基于单个聚类中心产生新个体的机制，具体公式为式中，和分别为xnew和xold的第i维；N(μ，σ)为正态分布函数；ξ为随机值对于新个体的权重系数。基于两个存在的个体xold1和xold2的产生新个体的机制，具体公式为式中为xold的第i维，由xold1和xold2的权重和组成；ω1和ω2为两个已存在个体的权重系数。5-7.如果N个新个体都已经产生，则转步骤5-8；否则，转步骤5-6。5-8.如果最大迭代次数达到，则结束；否则，转步骤5-2。5-9.如果均方根误差值小于3％时，说明得到可以使用的最优值，即太阳能电池的最优参数。本专利技术的有益效果：本专利技术使用头脑风暴算法求解太阳能电池参数，可有效的提高太阳能电池参数的准确率。附图说明图1为新个体产生原理图；图2为太阳能电池电路模型；图3为BSO算法流程图。具体实施方式下面结合具体实施例对本专利技术作进一步说明。以下描述仅作为示范和解释，并不对本专利技术作任何形式上的限制。本专利技术包括以下步骤：步骤1、搭建数据采集环境。步骤2、采集太阳能电池的表面温度和I-V数据。步骤3、确定太阳能电池模型及其函数表达式。步骤4、确定适应度函数作为评价标准。步骤5、将温度及I-V数据导入函数表达式中。步骤6、使用头脑风暴算法对函数表达式进行优化，得到最优解。所述的步骤1中，搭建环境主要需要太阳光模拟仪、数字源表、温度探测器、电脑；所述的步骤3中，太阳能电池模型是双二极管物理模型如图2，函数表达式由太阳能电池模型以及肖克莱方程为依据，由太阳能电池全电路欧姆定律等效电路推导所得，表达式如下：IPh为光生电流，I为输出电流，V为输出电压，q为电荷，ID1为第一个二极管的反向饱和电流，ID2为第二个二极管的反向饱和电流，K波尔兹曼常数，T为绝对温度，RS为串联电阻，RSh为并联电阻，a1第一个二极管品质因子，a2第二个二极管品质因子。所述的步骤4中，其适应度函数为均方根误差(RMSE)适应度函数是评价是否为最优解的标准，当适应度函数数值为0时，得到的太阳能电池参数最精确，由于存在测量噪声误差，更接近0的函数值被认为是最好的值。所述的步骤6中，头脑风暴算法对函数表达式进行优化求解的步骤具体为，见图3：5-1.随机产生N个个体。5-2.将N个个体聚为m类。选择K-means聚类算法，K-means聚类算法是基于局部原型的目标函数聚类算法，通常以参数点到原型的距离表示它的优化目标函数，迭代运算的调整规则运用函数求极值的方法获得。5-3.评价这N个个体。5-4.将每一类中的个体进行排序，选择3-5个聚类中心。5-5.以很小的概率用任意解替代聚类中心。5-6.按照一定的规则产生新的个体，见图1。产生新个体的机制有两种，根据概率的不同而不同：基于单个聚类中心产生新个体的机制，具体公式为式中，和分别为xnew和xold的第i维；N(μ，σ)为正态分布函数；ξ为随机值对于新个体的权重系数。基于两个存在的个体xold1和xold2的产生新个体的机制，具体公式为式中为xold的第i维，由xold1和xold2的权重和组成；ω1和ω2为两个已存在个体的权重系数。随机系数ξ，对个体的贡献程度有极大的影响。正常情况下，大的ξ值有利于探索，而小的ξ值有利于开采。若全局搜索能力较好，在搜索过程开始时，ξ应该是大的值；若局部搜索能力较好，在搜索过程结束时，ξ的值是小的。ξ的值为：式中，logsig(·)为对数sigmoid传递函数；T为最大迭代数；t为当前的迭代数；k为改变logsig(·)函数的斜率；random(0,1)为(0,1)的随机值。5-7.如果N个新个体都已经产生，则转步骤5-8；否则，转步骤5-6；5-8.如果最大迭代次数达到，则结束；否则，转步骤5-2；5-9.如果均方根误差值小于3％时，说明得到可以使用的最优值，即太阳能电池的最优参数。采用本专利技术的方法与其它方法进行比较：根据表一所示I-V数据，以及测量环境为一个太阳光(1000W/m2)、温度为33℃的情况下，对比鸟类交配合成器算法、模式搜索算法、模式退火法，四种算法在求解太阳能电池参数下的误差值，如表二所示：I(A)V(V)0.76050.00570.760.06460.7590.11850.7570.16780.7570.21320.75550.25450.7540.29240.75050.32690.74650.35850.73850.3873表一算法误差值鸟类交配合成器算法9.826E-4模式搜索算法0.01518模式退火法0.本文档来自技高网...

【技术保护点】
1.一种基于头脑风暴算法的太阳能电池参数求解方法，其特征在于包括如下步骤：步骤1、搭建数据采集环境；步骤2、采集太阳能电池的表面温度和I‑V数据；步骤3、确定太阳能电池模型及其函数表达式；步骤4、确定适应度函数作为评价标准；步骤5、将温度及I‑V数据导入函数表达式中；步骤6、使用头脑风暴算法对函数表达式进行优化，得到最优解。

【技术特征摘要】
1.一种基于头脑风暴算法的太阳能电池参数求解方法，其特征在于包括如下步骤：步骤1、搭建数据采集环境；步骤2、采集太阳能电池的表面温度和I-V数据；步骤3、确定太阳能电池模型及其函数表达式；步骤4、确定适应度函数作为评价标准；步骤5、将温度及I-V数据导入函数表达式中；步骤6、使用头脑风暴算法对函数表达式进行优化，得到最优解。2.根据权利要求1所述的一种基于头脑风暴算法的太阳能电池参数求解方法，其特征在于：所述的步骤1中，搭建环境主要需要太阳光模拟仪、数字源表、温度探测器和计算机。3.根据权利要求1所述的一种基于头脑风暴算法的太阳能电池参数求解方法，其特征在于：所述的步骤3中，太阳能电池模型是双二极管物理模型，函数表达式由太阳能电池模型以及肖克莱方程为依据，由太阳能电池全电路欧姆定律等效电路推导所得，表达式如下：其中IPh为光生电流，I为输出电流，V为输出电压，q为电荷，ID1为第一个二极管的反向饱和电流，ID2为第二个二极管的反向饱和电流，K波尔兹曼常数，T为绝对温度，RS为串联电阻，RSh为并联电阻，a1第一个二极管品质因子，a2第二个二极管品质因子。4.根据权利要求1所述的一种基于头脑风暴算法的太阳能电池参数求解方法，其特征在于：所述的步骤4中，其适应度函数为均方根误差5.根据权利要求1所述的一种基于头脑风暴算法的太阳能电池参数求解方法，其特征在于：所述的步骤6中，头脑风暴算法对函数表达式进行...

【专利技术属性】
技术研发人员：汤景东，朱亚萍，杨成忠，唐帅帅，王伟，孟小飞，
申请(专利权)人：杭州电子科技大学，
类型：发明
国别省市：浙江,33