[发明专利]一种光伏电池工作温度与发电功率联合估计方法

权利要求书

1.一种光伏电池工作温度与发电功率联合估计方法，用于控制电网系统运行，其特征在于，包括以下步骤：

S1、构建历史数据库，该历史数据库包括光伏电池数据及对应的环境因素数据；

S2、构建光伏电池工作温度与发电功率联合估计模型，该联合估计模型包括以设定权重叠加的光伏电池工作温度预测子模型和光伏电池功率预测子模型；

S3、获取所述联合估计模型的初始参数；

S4、基于所述历史数据库及初始参数对所述联合估计模型进行模型参数优化；

S5、以步骤S4获得的联合估计模型进行光伏电池的工作温度与发电功率的预测估计。

2.根据权利要求1所述的光伏电池工作温度与发电功率联合估计方法，其特征在于，所述光伏电池数据包括光伏电池的工作温度、实时电流、实时电压和实时功率；

所述环境因素数据包括环境温度、光照辐射强度和风速。

3.根据权利要求2所述的光伏电池工作温度与发电功率联合估计方法，其特征在于，所述光伏电池工作温度预测子模型基于人工神经网络模型实现，表达式为：

x_k＝[G_k,T_amb,k,v_wind,k]

式中，T_cell,k为第k组历史监测数据的光伏电池工作温度，T_amb,k为第k组历史监测数据的环境温度，G_k为第k组历史监测数据的光照辐射强度，G_NOCT为测量光伏电池标称工作温度的光照辐射强度，T_a,NOCT为测量光伏电池标称工作温度的环境温度，T_NOCT为光伏电池标称工作温度，y_k为第k组历史监测数据的不易获得参数，与环境温度、光照辐射强度和风速相关，h为隐含层节点数，β_i为权值矩阵，σ为内核宽度，x_k为第k组历史监测数据的神经网络输入矩阵，c_i为第i个隐含层节点的中心点位置，v_wind,k为第k组历史监测数据的风速。

4.根据权利要求3所述的光伏电池工作温度与发电功率联合估计方法，其特征在于，所述人工神经网络模型的结构参数通过以下方式获取：

中心点位置c_i通过K均值聚类算法选取；内核宽度σ通过改进的最大距离法选取；隐含层节点数h采用L1正则化建模策略选取。