[发明专利]基于人工鱼群和蛙跳算法的光伏电池参数辨识方法

摘要

本发明公开了一种基于人工鱼群和蛙跳混合算法的光伏电池参数辨识方法，包括建立光伏组件机理模型、设置目标函数、计算所述光伏电池的实测输出电压U和实测输出电流为I、执行人工鱼群算法、执行蛙跳算法步骤。本发明兼具了人工鱼群算法前期收敛迅速与蛙跳算法局部搜索准确的优势。前期通过人工鱼群算法的聚群和追尾行为可使整个鱼群迅速向全局最优区域移动，收敛速度较快；后期通过蛙跳算法有更强的方向性的更新策略，在一个区域内具有较强的局部搜索寻找到最优解的能力，使计算结果更精确。

主权项

1.一种基于人工鱼群和蛙跳算法的光伏电池参数辨识方法，m×n个所述光伏电池通过m串n并组成光伏阵列，m，n为大于1的整数，所述光伏阵列用于单级式光伏并网发电系统；其特征在于：包括以下步骤：步骤1：建立光伏组件机理模型：其中，UL、IL分别为光伏电池的输出电压和输出电流，Iph.ref为标准测试条件下的光伏电池的光生电流，Io.ref为标准测试条件下的二极管反向饱和电流，A为二极管品质因子，Rs为串联电阻，Rsh为并联电阻，T为光伏电池的绝对温度，K为玻尔兹曼常数，q为电子基本电荷量；步骤2：设置目标函数：其中，x＝[Iph.ref，Io.ref，Rs，Rsh，A]为需要辨识的光伏电池参数，f(UL,IL,x)为光伏电池输出电流的估计误差，其计算方法为：式中I为光伏阵列的实测输出电流；步骤3：计算所述光伏电池的实测输出电压U和实测输出电流I：U＝UL1/m    (4)I＝IL1/n     (5)其中，UL1和IL1为所述光伏阵列的实测输出电压和实测输出电流；步骤4：执行人工鱼群算法，由以下具体步骤组成：步骤4‑1：初始化鱼群：设置人工鱼群中的人工鱼数量N、人工鱼的感知距离Visual、人工鱼移动的最大步长Step、拥挤度因子δ、觅食行为尝试的最大次数try_number、最大迭代次数MAXGEN和各人工鱼个体的状态位置初始值{X0}＝(x1，x2，...，xi，...,xN),其中xi＝[Iph.ref，Io.ref，Rs，Rsh，A]；设置迭代次数try为0；步骤4‑2：计算各人工鱼在位置i的食物浓度，即计算目标函数值RMES,i，并记录当前全局最优人工鱼的状态位置{Xbest}；步骤4‑3：模拟聚群行为：设置尝试次数try_1为0；逐一计算各人工鱼在当前状态位置Xi,领域范围di,j＝||Xi‑Xj||判断(Yc/nf)>δYi是否成立；如果是，将各人工鱼的状态位置则朝伙伴Yc的方向前进一步，记录移动后的位置Xnext1和浓度Ynext1；否则，转向步骤4‑6；步骤4‑4：模拟追尾行为：搜索各人工鱼在当前领域内浓度最大的伙伴Yj，判断(Yj/nf)>δYi，是否成立；如果是，将各人工鱼的状态位置则朝伙伴Yj的方向前进一步，记录移动后的位置Xnext2和浓度Ynext2；否则，转向步骤4‑6；步骤4‑5：尝试次数try_1；判断尝试次数try_1是否大于觅食行为尝试的最大次数try_number，如果是转向步骤4‑8，否则，转向步骤4‑6；步骤4‑6：模拟觅食行为：在各人工鱼的当前状态位置的领域范围内随机选择一个位置状态Xk，判断其浓度Yk是否大于位置状态Xi的浓度Yi，如果是，转向步骤4‑7；否则转向步骤4‑5；步骤4‑7：所述人工鱼则向位置状态Xk方向前进一步；步骤4‑8：模拟随机行为：各人工鱼的状态位置随机移动到下一个位置：Xi+1＝Xi+r*Visual，r为[‑1，1]之间的随机数；步骤4‑9：比较步骤4‑3、步骤4‑4、步骤4‑6和步骤4‑8中各人工鱼所处状态位置对应的目标函数值，选择最小的一个更新全局最优人工鱼的状态位置{Xbest}；步骤4‑10：try加1，判断是否大于最大迭代次数MAXGEN，如果是，转向步骤5，否则，转向步骤4‑3；步骤5：执行蛙跳算法，由以下具体步骤组成：步骤5‑1：初始化青蛙种群：将最后一次迭代产生的人工鱼按目标函数值排序，取其前1/2生成的相应的青蛙，设置青蛙个体的状态位置为Xwi＝(x1i,x2i,...xki)，其中xki＝[Iph.ref,Io.ref,Rs,Rsh,A],i＝1,2,...,k；设置青蛙子群个数p及最大迭代次数MAXI；蛙跳算法迭代次数设置为0；步骤5‑2：将所述各青蛙降序排列后分配到青蛙p个子群中，分配规则为第1只青蛙进入第1个子群，第p只进入第p个子群，第p+1只进入第一个子群；设置跳跃次数为0；蛙跳算法迭代次数加1，判断其是否大于MAXI，如果是，转向步骤6，否则转向步骤5‑3；步骤5‑3：每个子群中，最优和最差位置即对应目标函数值最小和最大的青蛙被标记为Xb和Xww，整个蛙群中的最优青蛙标记为Xg；将Xww设置为跳跃青蛙Xw；设置模拟跳跃次数为0；步骤5‑4：模拟青蛙跳跃：模拟跳跃次数加1，更新规则如下:Xw‑new＝Xw‑current+C*R*(Xb‑Xw)    (7)式中，R是0到1之间的随机数；C为步长因子，Xw‑current为Xw的当前位置，Xw‑new为Xw更新后位置；步骤5‑5：判断Xw‑new是否优于Xw‑current，如果是，将Xw‑new更新为Xw‑current，转向步骤5‑2，否则转向步骤5‑6；步骤5‑6：判断模拟跳跃次数是否为1，如果是，转向步骤5‑7，否则转向步骤5‑2；步骤5‑7：设置Xg为跳跃青蛙Xw，转向步骤5‑4；步骤6：输出最优解，包括辨识结果和最小均方根误差。