System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术属于光伏电池参数辨识领域,具体涉及一种基于四二极管模型的光伏电池辨识方法及装置。
技术介绍
1、近年来,低碳技术在世界范围内发展迅速,光伏能源因其丰富、清洁、无污染等优点被认为是最具发展前景的可再生能源之一。光伏(pv)模型在光伏发电系统中占有重要地位。通过建立有效的光伏模型,获得准确的模型参数,可以更准确地对光伏组件进行仿真,并高质量、高效率地进行后续最大功率点的跟踪与控制,获得准确的光伏发电功率预测结果。然而,由于光伏系统是高度非线性的,很难用精确的模型来描述。经过多年的发展,目前已广泛采用单二极管和双二极管两种型号。估算这些pv模型的相应参数值是准确建立模型的关键。因此,光伏参数辨识的准确性对光伏发电和低碳技术的发展具有重要作用。
2、目前,光伏模型参数辨识主要有数学分析、数据拟合和智能优化算法三种方法。数学分析主要依靠数学推导来忽略影响较小的变量或找到一些关键点进行计算求解。但该方法存在识别参数不准确、误差大等缺点。数据拟合是对已有数据进行拟合得到对应方程的方法,但该方法需要足够的实验数据才能得到准确的识别参数,且耗时非常长。智能优化算法可以在少量实验数据的基础上识别模型参数,计算速度快,数值精度高,误差小。在pv电池参数辨识方面也有许多优秀的算法取得了较好的效果,如人工蜂群(abc)、遗传算法(ga)、差分进化(de)、基于教学的优化(tlbo)、传粉算法(fpa)等。尽管许多元启发式技术提供了出色的结果,但仍有很大的空间来寻找能够更快、更准确和更稳定地识别pv参数的元启发式算法。
>技术实现思路
1、专利技术目的:本专利技术提出一种基于四二极管模型的光伏电池辨识方法及装置,能有效地克服现有技术存在的慢收敛以及极易陷入局部最优等缺陷,提高四二极管光伏电池参数精度。
2、技术方案:本专利技术所述的一种基于四二极管模型的光伏电池辨识方法,包括以下步骤:
3、(1)构建光伏电池双二级管等效电路模型,并根据双二极管等效电路模型确定光伏电池待识别参数;
4、(2)基于光伏电池双二极管等效电路模型扩展推导出四二极管光伏电池模型并确定待辨识参数;
5、(3)构建目标函数,其中目标函数为四二极管光伏电池模型的输出电压和实际电压之间的均方误差,并确定目标函数的约束条件;
6、(4)基于反向学习和多策略集成的水母优化算法mojs辨识四二极管光伏电池模型,最小化目标函数误差;所述mojs为采取反向学习obl优化水母算法js的初始化种群,obl在迭代过程中,初始化种群并生成反向解,提高种群的多样性和算法的全局搜索能力;在搜索过程中增加不同的搜索策略;
7、(5)输出四二极管光伏电池的最佳辨识参数。
8、进一步地,步骤(1)所述光伏电池双二极管等效电路模型构建过程如下:
9、光伏电池双二级管等效电路模型由光源、二极管d1和d2、并联电阻和分压电阻组成;根据基尔霍夫定律,电池输出电流的表达式为:
10、i=iph-isd1-isd2-ish
11、其中,i为电池输出电流;iph为光生电流;isd1、isd2分别为第一分流二极管、第二分流二极管的电流;ish是并联电阻的电流;
12、第一分流二极管和第二分流二极管的电流分别为:
13、
14、
15、式中,il1和il2分别为二极管d1和d2的饱和电流,n1和n2分别为第一、第二二极管的理想因数,q是电子电荷;k为波茨曼系数;t为光伏电池在工作状态下的绝对温度;ul为光伏电池的输出电压;rsh为光伏电池的并联二极管的并联电阻;rs为光伏电池的分压电阻;
16、并联电阻的电流为:
17、
18、其中,rsh为光伏电池的并联二极管的并联电阻;
19、光伏电池双二级管等效电路模型的电流为:
20、
21、进一步地,步骤(1)所述光伏电池双二级管等效电路模型待识别参数为光生电流iph、第一分流二极管isd1、第二分流二极管的电流isd2第一、第二二极管的理想因数n1和n2、光伏电池的并联二极管的并联电阻rsh和光伏电池的分压电阻rs。
22、进一步地,步骤(2)所述四二极管光伏电池模型为:
23、类似与上述双二极管电流计算表达式,四二极管电流计算表达式为:
24、
25、式中包含的待定参数为光生电流iph、第i二极管分流电流isdi、光伏电池的并联二极管的并联电阻rsh、光伏电池的分压电阻rs、理想因数ni;1≤i≤4;记此11个参数构成的向量为x。
26、进一步地,步骤(3)所述目标函数为四二极管光伏模型输出电压和实际电压之间的均方根误差rmse,如下式所示:
27、
28、其中,m为电压电流实测值组数,uj,ij为实测电压电流值,ili为第i个二极管的饱和电流,x为待辨识参数组,对于四二极管光伏电池模型,x=[iph、isdi、rsh、rs、ni]。
29、进一步地,步骤(3)所述约束条件为:
30、
31、其中,uj、ij为实测电压电流值,m为电压电流实测值组数。
32、进一步地,步骤(4)所述不同的搜索策略为差分进化策略、合作狩猎策略和轮盘赌策略。
33、进一步地,所述步骤(4)实现过程如下:
34、(41)设置水母算法的目标函数为诊断准确率,并初始化预设参数;预设参数至少包括种群规模、迭代次数、维度大小;
35、(42)利用反向学习构建新的水母算法初始种群:
36、
37、其中,a表示种群上界限,b表示种群下界限,γ为初始种群个体,为反向种群个体;
38、(43)根据目标函数计算每个个体的适应度值,并记录当前适应度值最高个体的位置;
39、(44)为了调节水母在跟随洋流和在水母群内移动之间的运动,时间控制机制包括时间控制功能c(t)和常数c,常数c的值判断水母跟随洋流运动或者主动运动还是被动运动,c(t)的公式如下:
40、
41、其中,t为总体时间,t为当前时间;
42、(45)根据c(t)和随机变量rand(0,1)的值选择不同的方式更新每个个体的位置,跟随洋流行为(当c(t)大于0.5);更新位置:
43、
44、df=β×rand(0,1)×μ
45、
46、xi(t+1)=xi(t)+rand(0,1)×(x*-β×rand(0,1)×μ)
47、其中,为洋流趋势,npop是水母的数量;x*是目前群中辨识结果最好的水母粒子;ec是决定吸引力的因素;xi为当前水母粒子,xi(t)为当前水母位置,μ是所有水母的平均位置;df是水母当前最佳位置与所有水母的平均位置之间的区别;xi(t+1)为下一代辨识水母粒子位置;β>0是本文档来自技高网...
【技术保护点】
1.一种基于四二极管模型的光伏电池辨识方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的一种基于四二极管模型的光伏电池辨识方法,其特征在于,步骤(1)所述光伏电池双二极管等效电路模型构建过程如下:
3.根据权利要求1所述的一种基于四二极管模型的光伏电池辨识方法,其特征在于,步骤(1)所述光伏电池双二级管等效电路模型待识别参数为光生电流Iph、第一分流二极管Isd1、第二分流二极管的电流Isd2第一、第二二极管的理想因数N1和N2、光伏电池的并联二极管的并联电阻Rsh和光伏电池的分压电阻RS。
4.根据权利要求1所述的一种基于四二极管模型的光伏电池辨识方法,其特征在于,步骤(2)所述四二极管光伏电池模型为:
5.根据权利要求1所述的一种基于四二极管模型的光伏电池辨识方法,其特征在于,步骤(3)所述目标函数为四二极管光伏模型输出电压和实际电压之间的均方根误差RMSE,如下式所示:
6.根据权利要求1所述的一种基于四二极管模型的光伏电池辨识方法,其特征在于,步骤(3)所述约束条件为:
7.根据权利要求1所述
8.根据权利要求1所述的一种基于四二极管模型的光伏电池辨识方法,其特征在于,所述步骤(4)实现过程如下:
9.根据权利要求1所述的一种基于四二极管模型的光伏电池辨识方法,其特征在于,步骤(41)所述预设参数至少包括种群规模、迭代次数、维度大小。
10.一种装置设备,包括存储器和处理器,其中:
...【技术特征摘要】
1.一种基于四二极管模型的光伏电池辨识方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的一种基于四二极管模型的光伏电池辨识方法,其特征在于,步骤(1)所述光伏电池双二极管等效电路模型构建过程如下:
3.根据权利要求1所述的一种基于四二极管模型的光伏电池辨识方法,其特征在于,步骤(1)所述光伏电池双二级管等效电路模型待识别参数为光生电流iph、第一分流二极管isd1、第二分流二极管的电流isd2第一、第二二极管的理想因数n1和n2、光伏电池的并联二极管的并联电阻rsh和光伏电池的分压电阻rs。
4.根据权利要求1所述的一种基于四二极管模型的光伏电池辨识方法,其特征在于,步骤(2)所述四二极管光伏电池模型为:
5.根据权利要求1所述的一种基于四二极管模型的光伏电池...
【专利技术属性】
技术研发人员:刘千龙,宋世豪,张昭,王业琴,张楚,彭甜,纪捷,王宇涵,黄凤芝,
申请(专利权)人:淮阴工学院,
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。