一种改进头脑风暴优化算法的光伏电池参数提取方法技术

本发明专利技术公开了一种改进头脑风暴优化算法的光伏电池参数提取方法，属于新能源技术领域，包括找出光伏电池的数学模型需要提取的参数，根据光伏电池的数学模型构建优化参数的目标函数，通过改进头脑风暴优化算法对光伏电池的数学模型的参数进行提取，解决了构建光伏电池模型并对光伏电池模型参数进行准确的提取的技术问题，本发明专利技术能够快速和准确的提取到不同光伏模型的参数，提高了光伏电池模型的精度。度。度。

【技术实现步骤摘要】
一种改进头脑风暴优化算法的光伏电池参数提取方法


[0001]本专利技术属于新能源
，涉及一种改进头脑风暴优化算法的光伏电池参数提取方法。

技术介绍

[0002]能源问题已经成为全球讨论的热点之一。太阳能因其清洁、无污染、无地域限制等特点而受到广泛关注。光伏发电系统是一种可以充分利用太阳能并将其转化为电力可靠的系统。为了提高光伏发电系统的性能，需要适当的光伏太阳能电池模型。通常使用的光伏太阳能电池模型一般有单二极管模型(SDM)、双二极管模型(DDM)。
[0003]电池参数的准确识别是光伏电池模型构建的主要依据，目前传统技术中一些用于提取光伏模型参数的各种方法，多是基于光伏电池制造商提供的数据，然而，由于串并联的光伏电池阵列中工作状态的不一致，利用制造商提供的数据所产生的光伏电池模型的准确性相对较差。

技术实现思路

[0004]本专利技术的目的是提供一种改进头脑风暴优化算法的光伏电池参数提取方法，解决了光伏电池参数提取时误差较大和精度不高的技术问题。
[0005]为实现上述目的，本专利技术采用如下技术方案：
[0006]一种改进头脑风暴优化算法的光伏电池参数提取方法，包括如下步骤：
[0007]步骤1：建立数据采集服务器、模型服务器和参数提取服务器，数据采集服务器用于通过数据采集模块采集光伏电池的输出电流I
L
、输出电压V
L
和电池温度T；
[0008]数据采集服务器、模型服务器和参数提取服务器之间通过互联网相互通信；<br/>[0009]步骤2：在模型服务器中建立光伏电池数学模型，具体公式如下：
[0010][0011]其中，I
L
表示电池的输出电流，I
ph
表示实际供电的光照产生的电流，I
sd
表示单二极管的反向饱和电流，q＝1.60217646
×
10
‑
19
表示电子电荷，V
L
是输出电压，R
s
表示串联电阻，n表示单二极管理想因子，k是波尔兹曼常数，k＝1.3806503
×
10
‑
23
，T是电池温度，R
sh
表示并联电阻；
[0012]在光伏电池数学模型中，I
ph
、I
sd
、n、R
s
和R
sh
为需要提取未知参数；
[0013]步骤3：模型服务器根据光伏电池数学模型构建目标函数，具体公式如下：
[0014][0015]其中，N1为数据集的个数，向量x表示模型中需要提取未知参数的集合，x＝{I
ph
，I
sd
，R
s
，R
sh
，n}，f(V
L
，I
L
，x)为模型的电流误差函数；
[0016]步骤4：参数提取服务器调取光伏电池数学模型和目标函数，通过改进头脑风暴优化算法对光伏电池数学模型的参数进行提取；
[0017]步骤5：参数提取服务器输出光伏电池数学模型的参数提取结果。
[0018]优选的，数据采集服务器设有用于采集电压或电流的模数信号的采集板，通过外部电流采样电阻、外部电压采样电阻和温度传感器分别采集光伏电池的输出电流I
L
、输出电压V
L
和电池温度T。
[0019]优选的，在执行步骤3时，电流误差函数f(V
L
，I
L
，x)的具体计算公式如下：
[0020][0021]其中，I
L
表示电池的输出电流，I
ph
表示实际供电的光照产生的电流，I
sd
表示单二极管的反向饱和电流，q＝1.60217646
×
10
‑
19
表示电子电荷，V
L
是输出电压，R
s
表示串联电阻，n表示单二极管理想因子，k是波尔兹曼常数，k＝1.3806503
×
10
‑
23
，T是电池温度，R
sh
表示并联电阻。
[0022]优选的，在执行步骤4时，具体包括如下步骤：
[0023]步骤4
‑
1：设置解的数量PN，最大的迭代次数maxiter和每个解位置的初始值X0＝{x1,x2,
…
,x
i
,
…
,x
PN
}，其中x
i
＝{I
ph
,I
sd
,R
s
,R
sh
,n}，设置迭代次数iter为0；
[0024]步骤4
‑
2：将PN个解通过k
‑
means方法进行聚类，产生的聚类为m个，m个聚类中心的位置值为C＝{c1,
…
,c
i
,
…
,c
m
}，其中i取值为1到m，c
i
＝{I
ph
,I
sd
,R
s
,R
sh
,n}；
[0025]步骤4
‑
3：计算PN个解和m个聚类中心的适应度值，设置当前全局最优个体解的位置为x
best
；
[0026]步骤4
‑
4：依次对于PN个解中的某个解x
i
，产生一个随机数rand1∈[0,1]；
[0027]步骤4
‑
5：判断rand1的值是否小于预先设定的一个概率p1，p1＝0.7：是则转向步骤4
‑
6；否，则转向步骤4
‑
12；
[0028]步骤4
‑
6：产生一个随机数rand2∈[0,1]；
[0029]步骤4
‑
7：判断rand2的值是否小于预先设定的一个概率p2(p2＝0.5)：是，则者执行步骤4
‑
8；否，则转向步骤4
‑
10；
[0030]步骤4
‑
8：利用以下公式产生新的个体解：
[0031]x
newi,j
＝x
i,j
+rand(0,1)
×
(x
r1,j
‑
x
r2,j
)；
[0032]其中，rand(0,1)为(0,1)之间的随机数，j为某个个体解x的第j维上的数值，i,r1,r2是范围为{1，2，
…
，PN}中互不相同的随机正整数；
[0033]步骤4
‑
9：转向步骤4
‑
11；
[0本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种改进头脑风暴优化算法的光伏电池参数提取方法，其特征在于：包括如下步骤：步骤1：建立数据采集服务器、模型服务器和参数提取服务器，数据采集服务器用于通过数据采集模块采集光伏电池的输出电流I
L
、输出电压V
L
和电池温度T；数据采集服务器、模型服务器和参数提取服务器之间通过互联网相互通信；步骤2：在模型服务器中建立光伏电池数学模型，具体公式如下：其中，I
L
表示电池的输出电流，I
ph
表示实际供电的光照产生的电流，I
sd
表示单二极管的反向饱和电流，q＝1.60217646
×
10
‑
19
表示电子电荷，V
L
是输出电压，R
s
表示串联电阻，n表示单二极管理想因子，k是波尔兹曼常数，k＝1.3806503
×
10
‑
23
，T是电池温度，R
sh
表示并联电阻；在光伏电池数学模型中，I
ph
、I
sd
、n、R
s
和R
sh
为需要提取未知参数；步骤3：模型服务器根据光伏电池数学模型构建目标函数，具体公式如下：其中，N1为数据集的个数，向量x表示模型中需要提取未知参数的集合，x＝{I
ph
，I
sd
，R
s
，R
sh
，n}，f(V
L
，I
L
，x)为模型的电流误差函数；步骤4：参数提取服务器调取光伏电池数学模型和目标函数，通过改进头脑风暴优化算法对光伏电池数学模型的参数进行提取；步骤5：参数提取服务器输出光伏电池数学模型的参数提取结果。2.如权利要求1所述的一种改进头脑风暴优化算法的光伏电池参数提取方法，其特征在于：数据采集服务器设有用于采集电压或电流的模数信号的采集板，通过外部电流采样电阻、外部电压采样电阻和温度传感器分别采集光伏电池的输出电流I
L
、输出电压V
L
和电池温度T。3.如权利要求1所述的一种改进头脑风暴优化算法的光伏电池参数提取方法，其特征在于：在执行步骤3时，电流误差函数f(V
L
，I
L
，x)的具体计算公式如下：其中，I
L
表示电池的输出电流，I
ph
表示实际供电的光照产生的电流，I
sd
表示单二极管的反向饱和电流，q＝1.60217646
×
10
‑
19
表示电子电荷，V
L
是输出电压，R
s
表示串联电阻，n表示单二极管理想因子，k是波尔兹曼常数，k＝1.3806503
×
10
‑
23
，T是电池温度，R
sh
表示并联电阻。4.如权利要求1所述的一种改进头脑风暴优化算法的光伏电池参数提取方法，其特征在于：在执行步骤4时，具体包括如下步骤：步骤4
‑
1：设置解的数量PN，最大的迭代次数maxiter和每个解位置的初始值X0＝{x1,x2,
…
,x
i
,
…
,x
PN
}，其中x
i
＝{I
ph
,I
sd
,R
s
,R
sh
,n}，设置迭代次数iter为0；
步骤4
‑
2：将PN个解通过k
‑
means方法进行聚类，产生的聚类为m个，m个聚类中心的位置值为C＝{c1,
…
,c
i
,
…
,c
m
}，其中i取值为1到m，c
i
＝{I
ph
,I
sd
,R
s
,R
sh
,n}；步骤4
‑
3：计算PN个解和m个聚类中心的适应度值，设置当前全局最优个体解的位置为x
best
；步骤4
‑
4：依次对于PN个解中的某个解x
i
，产生一个随机数rand1∈[0,1]；步骤4
‑
5：判断rand1的值是否小于预先设定的一个概率p1，p1＝0.7：是则转向步骤4
‑
6；否，则转...

【专利技术属性】
技术研发人员：陈永刚，曹彦，张洋，路凯，罗俊丽，
申请(专利权)人：许昌学院，
类型：发明
国别省市：