[发明专利]一种基于精英群众差分进化算法的光伏电池参数辨识方法

权利要求书

1.一种基于精英群众差分进化算法的光伏电池参数辨识方法，其特征在于，该方法包括如下实施步骤：

步骤1：建立式(1)所示的光伏电池I-V方程，确定需要辨识的参数；其中，V为负载两端电压、I为通过负载的电流、I_ph为光生电流、I_o为二极管反向饱和电流、A为二极管品质因子、R_s为电池串联电阻、R_sh为电池并联电阻、T为电池的绝对温度、K为波尔兹曼常数、q为电子电荷；其中，光生电流I_ph、二极管反向饱和电流I_o、二极管品质因子A、电池串联电阻R_s、电池并联电阻R_sh这5个参数为需要辨识的参数；

步骤2：通过测量及计算获得光伏电池阵列的负载两端电压V和负载电流I，同时设置目标函数的适应度，求取适应度的均方根误差R_MES；

步骤3：输入原始数据到目标函数的适应度，包括各时段光伏组件的负载两端电压V和通过负载电流I以及约束条件、初始化需要辨识的参数和令计算代价FES＝0；

步骤4：种群初始化，初始化缩放因子F_i和交叉概率因子CR_i，其中，X_i＝[I_ph,I_o,R_s,R_sh,A]表示第i个目标向量个体中的5个电池模型的参数值；

步骤5：计算每个个体的适应度值，选取适应度值最小的20％为精英阶层，剩余的80％为群众阶层；

步骤6：对精英阶层的一个维度进行变异操作，对群众阶层进行变异操作和交叉操作，将新的精英阶层和新的群众阶层合并形成新的种群试验向量；

步骤6包括以下具体步骤：

步骤6-1：对精英阶层的一个维度进行变异操作，生成一个新的精英阶层试验向量个体U_I_i，如式(7)所示，其中，X_i1,j,X_i2,j和X_i3,j为精英阶层随机挑选的3个个体的第j维且i1≠i2≠i3,U_I_i,j为精英阶层的第i个试验向量的第j维；

U_I_i,j＝X_i1+F(X_i2-X_i3) (7)

步骤6-2：对群众阶层进行变异操作和交叉操作，生成一个新的群众阶层试验向量个体U_M_i，如式(8)所示，其中，X_i1,j,X_i2,j和X_i3,j为群众阶层随机挑选的3个个体的第j维且i1≠i2≠i3,U_M_i,j为群众阶层的第i个试验向量的第j维，CR_i为群众阶层第i个个体交叉概率因子，r₁为[0,1]之间的随机数，r_j为随机的一个维度；

步骤6-3：将新的精英阶层试验向量个体U_I_i和新的群众阶层试验向量个体U_M_i合并形成新的种群试验向量U_i；

步骤7：对新产生的试验向量个体进行是否超出边界判断，若超出边界则进行边界操作，边界操作如式(2)所示，其中，U_i,j代表第i个个体的第j维，r代表[0,1]之间的随机数，l_j和u_j分别为边界的最小值和最大值；

U_i,j＝l_j+r·(u_j-l_j) (2)

步骤8：计算新产生的种群试验向量个体Ui的适应度值并与目标向量个体X_i的适应度计算值进行一对一贪婪选择如式(3)所示，其中，f(Ui)和f(X_i)分别是试验向量个体Ui和目标向量个体X_i的适应度计算值；

步骤9：更新缩放因子F和交叉概率因子CR；

步骤10：移除复制品，如果一个目标向量个体X₁与另外一个目标向量个体X₂相同，则对其中一个目标向量个体X_i用高斯分布重新生成，如式(4)所示，其中X_i,j为目标向量个体X_i的第j维，N_P为种群数目，N()为高斯分布公式；

X_i,j～N(X_i,j,(u_j-l_j)/N_p)(4)

步骤11：判断计算代价是否达到最大值，如果是则转向步骤12，如果否则转向步骤5；

步骤12：输出全局最优解，即为需要辨识的参数最优解。