【技术实现步骤摘要】
一种基于改进哈里斯鹰优化算法的光伏电池参数辨识方法
本专利技术涉及新能源领域，尤其涉及一种基于改进哈里斯鹰优化算法的光伏电池参数辨识方法。
技术介绍
光伏电池模型及其参数辨识方法对于太阳能光伏发电系统的模拟、设计、评估、控制和优化至关重要，因此光伏电池参数辨识方法获得了广泛关注。总所周知，群体智能优化算法通过模拟自然界的各种生物和非生命系统的所表现出的群体智能行为，利用群体中个体之间的相互协作、交流来达到寻优的目的。这些群体智能算法较为著名有：蚁群算法，粒子群算法，人工蜂群算法，鸡群算法等等。Heidari等人在2019年提出了哈里斯鹰优化算法(HarrisHawksOptimization，HHO),这是一种新型的群体智能算法，该算法模拟哈里斯鹰的捕食行为来搜索最优解，该算法模拟哈里斯鹰捕食时的“突袭”策略，并根据情况动态地变换多种追逐猎物的方式，实验结果证明该算法具有较强的搜索能力。但是，HHO在处理存在大量局部最优的问题时，容易陷入最优，很难找到全局最优，使得辨识得到的参数不够精确。因此，针对上述问题，...
【技术保护点】
1.一种基于改进哈里斯鹰优化算法的光伏电池参数辨识方法，其特征在于，包括以下步骤：/n步骤S1、获取光伏电池的输出电流和输出电压；/n步骤S2、搭建光伏电池模型，确定目标函数及需要辨识的参数；/n步骤S3、利用预设的改进哈里斯鹰优化算法来辨识光伏电池的未知参数；/n步骤S4、输出根据所述的改进哈里斯鹰优化算法辨识得到的参数。/n
【技术特征摘要】
1.一种基于改进哈里斯鹰优化算法的光伏电池参数辨识方法，其特征在于，包括以下步骤：
步骤S1、获取光伏电池的输出电流和输出电压；
步骤S2、搭建光伏电池模型，确定目标函数及需要辨识的参数；
步骤S3、利用预设的改进哈里斯鹰优化算法来辨识光伏电池的未知参数；
步骤S4、输出根据所述的改进哈里斯鹰优化算法辨识得到的参数。
2.根据权利要求1所述的一种基于改进哈里斯鹰优化算法的光伏电池参数辨识方法，其特征在于，所述的步骤S3具体包括：
步骤3.1、参数初始化，具体包括：最大迭代次数T、哈里斯鹰种群个数N、光伏系统参数光生电流Iph、反向饱和电流Isd、串联电阻RS、并联电阻Rsh及二极管理想因子n的搜索空间；
步骤3.2、初始化N只哈里斯鹰的位置Xi＝(Xi，1，Xi，2，Xi，3，Xi，4，Xi，5)；
步骤3.3、计算每只鹰i的适应度fi，并将适应度值最小的哈里斯鹰的位置设为猎物位置Xrabbit；
步骤3.4、根据公式(1)至(3)更新初始能量E0、跳跃力量J、能量E；
E0＝2rand()-1(1)
J＝2(1-rand())(2)
其中，t是当前迭代次数，T是最大迭代次数；
步骤3.5、更新哈里斯鹰的位置；
步骤3.6、对更新过后的哈里斯鹰进行正交操作；
步骤3.7、计算整个种群中个体的一般反向解；
步骤3.8、判断是否达到最大迭代次数T，若以达到则转到步骤3.9，否则转到步骤3.3；
步骤3.9、输出猎物的位置，即得到最优的光伏电池的参数辨识结果。
3.根据权利要求2所述的一种基于改进哈里斯鹰优化算法的光伏电池参数辨识方法，其特征在于，所述的步骤S3.5具体包括：
根据公式(4)至(16)更新哈里斯鹰的位置；
当|E|≥1时，根据公式(4)和(5)更新哈里斯鹰的位置；
其中，q、r1、r2、r3、r4是(0,1)内的随机数，UB和LB是参数的边界，Xrand(t)是在当前种群中的一个随机个体；
当|E|<1时，分四种情况，根据公式(6)至(16)更新哈里斯鹰的位置；
(1)当r≥0.5且|E|≥0.5时，根据公式(6)和(7)更新哈里斯鹰的位置；
X(t+1)＝ΔX(t)-E|JXrand(t)-X(t)|(6)
ΔX(t)＝Xrabbit(t)-X(t)(7)
其中，E根据公式(3)计算，J根据公式(2)计算；
(2)当r≥0.5且|E|<0.5时，根据公式(8)更新哈里斯鹰的位置；
X(t+1)＝Xrabbit(t)-E|ΔX(t)|(8)
其中，E根据公式(3)计算；
(3)当r<0.5且|E|≥0.5时，根据公式(9)至(13)更新哈里斯鹰的位置；
Y＝Xrabbit(t)-E|JXrabbit(t)-X(t)|(10)
Z＝Y+S×LF(D)(11)
其中，D是维度，S是一个大小为1×D随机向量，μ和v是(0,1)区间内服从...
【专利技术属性】
技术研发人员：陈慧灵，焦珊，刘芸，汪鹏君，赵学华，黄辉，胡众义，
申请(专利权)人：温州大学，
类型：发明
国别省市：浙江;33
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。