[发明专利]一种面向光伏发电运维的组件模型参数辨识方法

说明书

本发明公开了一种面向光伏发电运维的组件模型参数辨识方法，提出的基于模糊自适应差分进化理论的光伏组件模型参数辨识算法，采用DE/current‑to‑FS‑best/1变异策略，增大了种群的局部搜索能力以引导其得到更好的解；为避免算法搜索陷入局部最优，采用一种模糊选择策略以保证种群的多样性；引入了一种边界处理方法以避免变异个体越界。

技术领域

本发明属于电力设备运维检修技术领域，具体涉及一种面向光伏发电运维的组件模型参数辨识方法。

背景技术

随着光伏发电技术的不断提高以及国家政策的激励，近些年来光伏系统的装机容量呈爆发式增长，同时大规模光伏并网发电背景下的电站高效运维市场前景可观。其中，建立精确的光伏组件数学模型，准确评估系统的输出特性，对系统性能评估、故障分析及指导运维检修意义重大。目前研究者已经开发的光伏组件模型中单二极管模型应用最广泛，其中表征光伏组件模型的核心参数是光生电流、二极管因子、二极管反向饱和电流、串联寄生电阻和并联寄生电阻。由于PV制造商仅提供光伏组件标况下的电气参数，并不提供模型参数，不利于光伏发电系统的高效运维。

发明内容

本发明的目的是提供一种面向光伏发电运维的组件模型参数辨识方法，采用基于模糊自适应差分进化算法，提高光伏组件的模型参数辨识精确率。

本发明所采用的技术方案是，一种面向光伏发电运维的组件模型参数辨识方法，具体按照以下步骤实施：

步骤1、采集多组光伏发电组件运行时电压、电流作为原始信号；

步骤2、根据待识别模型参数计算预测电流，根据预测电流与光伏发电组件运行时电流，建立基于均方根误差的目标函数；

步骤3、初始化种群，随机生成NP个D维向量，每个向量作为一个种群个体；

步骤4、设定基于模糊自适应差分进化算法的初始参数：种群个数NP、最大迭代次数Max_NFEs、柯西分布的位置参数uF₀、高斯分布的位置参数uCR₀；

步骤5、将基于均方根误差的目标函数作为种群适应度函数，求取出初始种群中每个个体的适应度值；

步骤6、利用自适应控制策略更新突变因子和交叉因子；

步骤7、根据适应度值选出前p个个体，作为临时精英种群；

步骤8、分别对临时精英种群中个体进行突变和交叉，并根据约束条件处理越界的个体，得到新向量；

步骤9、计算新向量中每个个体的适应度值，并根据模糊选择策略选择下一代个体；

步骤10、利用柯西分布和高斯分布原理更新突变因子和交叉因子；

步骤11、判断迭代是否达到最大次数，若达到则输出最终结果，将最终的适应度值作为寻优的最佳目标函数，其对应的解向量即为光伏发电运维的组件模型参数，若未达到则返回步骤7。

本发明的特点还在于：

步骤2待识别模型参数包括：待辨识模型参数包括光生电流I_ph、串联电阻R_s、二极管因子n₁、并联电阻R_sh、二极管反向饱和电流I_d。

步骤2具体过程为：根据待识别模型参数计算预测电流：

求取预测电流与实际电流的误差：

X＝(I_ph，I₀₁，R_s，R_sh，n₁)