[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

说明书

本发明公开了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，实施流程框架包括：建立光伏电池模型并确认需要辨识的参数，采集数据和设置目标函数，种群初始化，计算适应度值、将种群分为精英阶层和群众阶层，对精英阶层和群众阶层进行变异操作和交叉操作，是否超出边界判断判断，计算适应度值并进行选择操作，更新缩放因子F和交叉概率因子CR，移除复制品，最后输出光伏电池中需要辨识的参数最优值。本发明用于光伏并网发电系统中光伏阵列为m×n型的光伏电池参数辨识，能够辨识光伏电池I‑V方程的待定参数和求出光伏电池的输出功率以及利用所辨识的参数分析光伏电池故障。

技术领域

本发明涉及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，属于新能源技术领域。

背景技术

近年来，随着绿色经济的发展，光伏发电产业迎来了巨大的发展。光伏电池是光伏发电系统中的重要组成部分，但光伏发电系统的输出特性受光伏电池输出特性的影响较大。通过辨识那些反映光伏电池内在特性的参数，不仅可以确定I-V方程，从而利用求得的I-V方程预测光伏阵列的输出功率；而且通过分析这些参数的变化还可以进一步研究和改善光伏电池发生故障的原因。因此进行辨识光伏电池内部参数是十分有意义的。

目前，参数近似求解法和基于优化算法的参数估计法为光伏电池参数辨识的两种常见方法。但是光伏电池机理模型的特性方程为复杂非线性函数，采用参数近似求解法求得的参数近似值误差较大，不适用于精度要求高的时候；而基于优化算法的参数估计法求得的参数近似值误差较小，精度相对较高。

基于优化算法的参数估计法的特点是利用群体智能算法来对目标函数进行寻优，在光伏电池参数辨识中就是对光伏电池机理模型的特性方程进行寻优。一些学者将遗传算法(GA)应用到光伏电池参数辨识中，但是这种方法收敛速度慢且易于陷入局部最优；一些学者将粒子群算法(PSO)应用到光伏电池参数辨识中,但是这种方法易陷入早熟与停滞。这些方法虽然能够寻优，但往往因为所采用的算法自身存在一些缺陷，不能得到精度更高的最优解。

发明内容

本发明为解决现有的技术问题而提供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，所述参数辨识方法用于辨识单级式光伏并网发电系统的光伏电池且光伏组件阵列串并联为m×n型，能够辨识光伏电池I-V方程的待定参数和求出光伏电池的输出功率以及利用所辨识的参数分析光伏电池故障。

为解决上述技术问题，本发明采用下述技术方案。

基于精英群众差分进化算法的光伏电池参数辨识方法，建立电池的模型形式并确定需要辨识的参数。对种群进行初始化操作，计算种群的适应度值和将种群分为20％的精英阶层和80％的群众阶层。对20％的精英阶层进行单维度的差分变异操作和对80％的群众阶层进行全维度的差分变异和交叉操作来产生新的种群，判断新的种群是否超出边界。若新种群中出现相同种群，则进行剔除复制品操作，此时如果未达到最大计算代价，则返回计算种群的适应度值和将种群分为20％的精英阶层和80％的群众阶层继续迭代，直到达到最大计算代价，输出待定光伏电池参数的最优取值。

作为本发明的技术方案，该方法的实施包括如下步骤：

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；