[发明专利]动态光伏太阳能电池的多新息遗忘因子随机梯度算法的分数阶参数辨识方法

说明书

可再生能源在世界电力结构中的份额在过去几年呈指数增长，目前，太阳能光伏已经是未来能源结构的重要组成部分，年增长率不断提高。光伏组件的性能主要取决于各种因素，包括太阳辐射的可用性和转换效率，然而，太阳能电池/组件的转换效率和整体性能直接受到其各种物理参数的影响，因此，始终需要准确估计这些参数。光伏系统分为静态模型和动态模型，动态模型考虑了开关操作和电感/电导效应引起的负载变化，其中分数阶动态光伏电池模型更具灵活性，可以更精细的表现光伏系统的动态行为。本发明以分数阶动态光伏电池模型为基础，给出对应的辨识模型，通过在随机梯度方法中引入遗忘因子，使用多新息理论将单新息扩展到新息向量，旨在用一种多新息遗忘因子随机梯度算法快速准确的辨识分数阶动态光伏模型中的参数。

技术领域

本发明涉及一种基于多新息遗忘因子随机梯度算法应用于分数阶动态光伏模型的参数估计。

背景技术

能源危机和环境污染问题促使人们寻找无污染且成本低廉的替代能源，太阳能因其可再生、安全和清洁的特性而受到广泛关注，被认为是最理想和最有前途的替代品。光伏电池通过光电效应将太阳能转化为电能，并用于日常生产生活中，但由于光电转换效率不高等因素受到了很大的制约，为此，人们通过做了很多工作来改善光伏电池的性能，其中之一就是对光伏电池的电气特性进行分析以改进提高光伏电池的工作效率，希望通过准确模拟光伏电池的电流和电压特性曲线来揭示限制电池性能的关键因素。因此，高精度的光伏电池模型有助于研究光伏组件的电压和电流特性，准确的参数辨识是获取正确光伏模型的重要手段。

就光伏系统的研究而言，模型分为两类：静态模型和动态模型。常用的静态模型有单二极管模型、双二极管模型和三二极管模型等，在描述电流和电压的稳定状态方面表现出色。然而，它们忽略了由开关操作和电感/电导效应引起的负载变化。为了克服这一限制，引入了一种整数阶动态光伏模型，它可以弥补静态模型的缺点，同时为了增强整数阶动态光伏模型的效率和灵动性，引入了分数阶动态光伏电池模型用以解决光伏系统动态行为。准确提取分数阶动态光伏电池模型的未知参数，可以实现正确的光伏系统设计和运行，获得最大效益。本发明在随机梯度算法中引入了遗忘因子，并运用了多新息辨识理论，将单新息扩展到了新息向量，提出了一种多新息遗忘因子随机梯度算法，提高了参数辨识的精确度，实现了分数阶动态光伏电池模型的准确参数辨识。

发明内容

本发明旨在用一种多新息遗忘因子随机梯度算法对分数阶动态光伏电池模型进行参数辨识。

技术层面的解决方案为：

1)构建分数阶动态光伏电池模型的参数辨识模型，具体步骤如下：

第一步：构建分数阶动态光伏电池模型结构如附图1所示：

第二步：根据此等效电路图，构建分数阶动态光伏电池模型的s域电流和电压关系表达式如下：

上述公式中各符号的含义：V_o是电压，I_L是负载电流，C_α是分数阶动态光伏电池模型的电容，L_β是分数阶动态光伏电池模型的电感，R_c是电导，R_L是负载，R_s是电阻，α和β是分数阶动态光伏电池模型的阶数.

第三步：构建分数阶动态光伏电池模型的时域电流电压关系表达式如下：

τ＝-a₂₁b₂· (4)

第四步：得到分数阶动态光伏电池模型的辨识模型为：

2)构建多新息遗忘因子随机梯度算法流程：

本节通过在随机梯度算法中引入遗忘因子，并使用多新息辨识理论将单新息扩展到了多新息向量以提高参数辨识精度，提出了一种多新息遗忘因子随机梯度算法来估计模型中的未知参数。