【技术实现步骤摘要】
一种光伏组件模型参数混合优化辨识方法
[0001]本专利技术属于光伏发电
,具体涉及一种光伏组件模型参数混合优化辨识方法。
技术介绍
[0002]不断增长的电力需求和保护环境的必要性促使人们更加关注可再生源。由于太阳能在可用性和清洁性方面的优点,因此认为是一种关键和有前途的替代能源。光伏组件是光伏电站对外输送能源的关键部件,而合理且精确的数学建模方式却又是提高光伏组件设计理念的重要基础。单二极管模型作为一种广泛使用的数学模型,由于其输出特性I
‑
V曲线具备非线性,导致光伏组件参数提取存在一定的困难。元启发式的光伏组件参数辨识方法具有速度快、精度高的优势,但常规的方法如遗传算法、粒子群算法或人工蜂群算法等方法存在一定不足,易陷入局部最优。
[0003]近期,混合技术在解决光伏模型参数提取问题中盛行,将不同策略或者算法结合在一起,能够解决单一算法中的缺陷。为了更好地实现光伏组件模型参数的提取,本专利技术将采用混合技术完成对任意环境条件下光伏组件I
‑
V特性曲线的参数辨识。
技术实现思路
[0004]本专利技术的目的在于提供一种光伏组件模型参数混合优化辨识方法,以解决现有技术中光伏组件模型参数辨识方法所得计算结果误差较大,鲁棒性较差的问题。
[0005]为达到上述目的,本专利技术采用的技术方案是:一种光伏组件模型参数混合优化辨识方法,包括:
[0006]a、根据光伏电池单二极管模型确定光伏组件五参数模型,进一步确定待辨识的参数;
[0 ...
【技术保护点】
【技术特征摘要】
1.一种光伏组件模型参数混合优化辨识方法,其特征在于,包括如下步骤:a、根据光伏电池单二极管模型,建立光伏组件的五参数模型,确定待辨识的参数;b、获取一定温度和辐照度条件下的光伏组件I
‑
V曲线数据,根据I
‑
V曲线数据确定各待辨识参数的可行解区间,定义适应度函数;c、结合待辨识的光伏组件参数建立粒子种群,根据粒子群算法的运行法则初始化粒子种群的各项基本参数,通过适应度函数初始化各粒子的适应度值;d、采用自适应惯性权重调整粒子速度的更新公式,结合灰狼算法对粒子种群的速度和位置进行更新;e、通过适应度函数计算各粒子的适应度值,更新粒子个体最优位置和群体最优位置。f、判断算法迭代次数是否达到最大或者适应度值精度已满足要求,若是,则输出全局最优解,获得一组满足条件的光伏组件模型参数;若否,则重复步骤d~f,直到满足预设停止条件为止。2.根据权利要求1所述的一种光伏组件模型参数混合优化辨识方法,其特征在于,步骤a中,所述光伏组件五参数模型为:a中,所述光伏组件五参数模型为:式中,I为光伏组件输出电流;V为光伏组件输出电压;I
ph
为光生电流;I0为二极管反向饱和电流;q为电子电荷;K为玻尔兹曼常数;n为二极管理想因子;R
s
为串联电阻;R
sh
为并联电阻;T为组件工作时的开氏温度;V
t
为热电压;N
s
为组件串联电池片个数。所述待辨识参数为I
ph
、I0、n、R
s
、R
sh
。3.根据权利要求2所述的一种光伏组件模型参数混合优化辨识方法,其特征在于,所述步骤b包括:b1、确定各待辨识参数的可行解区间,具体方法为:n的范围为[0.3,2];I
ph
以实测电流的最大值为区间中心,变动范围为12%;I0以公式(3)计算出的理论值为区间中心,变动范围为55%;R
s
取标准测试条件下的标准值为区间中心,变动范围为15%;R
sh
取实测I
‑
V曲线在短路电流处导数值倒数为区间中心,变动范围为20%;式中,I
0,ref
为光伏组件在标准测试条件下的反向饱和电流;I
sc,ref
为光伏组件在标准测试条件下的短路电流;V
oc,ref
为光伏组件在标准测试条件下的开路电压;n
ref
为光伏组件在标准测试条件下的理想因子...
【专利技术属性】
技术研发人员:郑文明,谈诚,张峰毓,丁坤,陈翔,
申请(专利权)人:国网江苏省电力有限公司国家电网有限公司,
类型:发明
国别省市:
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。