[发明专利]基于极限学习机和IV特性的光伏组件快速建模方法

摘要

本发明涉及基于极限学习机和IV特性的光伏组件快速建模方法，包括以下步骤：步骤S1：采集光伏组件在各种环境条件下的IV特性曲线数据；步骤S2:根据IV特性曲线数据数据，获取IV特性曲线；步骤S3:剔除异常的IV曲线数据，获得正常的IV曲线数据集；步骤S4：根据IV特性曲线数据的辐照度和组件背板温度，对正常的IV曲线数据集进行网格抽取，获得到均匀覆盖各种工况的IV曲线数据集，并随机分为独立的训练曲线集和测试曲线集；步骤S5获得由各个数据点的训练数据点集和测试数据点集。步骤S6：根据S5中得到的训练数据点，建立光伏组件模型。本发明能够准确有效快速地对光伏组件的IV特性进行建模，模型训练速度快，并且具有很好的准确性以及泛化能力。

主权项

1.一种基于极限学习机和IV特性的光伏组件快速建模方法，其特征在于，包括以下步骤：步骤S1：采用IV特性曲线测试仪，采集光伏组件的IV特性曲线数据、辐照度和组件背板温度；步骤S2：对光伏组件的IV特性曲线数据，进行数据点插值重采样，获得IV特性曲线；步骤S3：基于单二极管五参数模型，采用优化算法进行曲线拟合获取拟合均方根误差，根据拟合均方根误差判断异常曲线，剔除异常的IV曲线数据，获得正常的IV曲线数据集；步骤S4：根据IV特性曲线的辐照度和组件背板温度，对正常的IV曲线数据集进行网格抽取，获得到均匀覆盖各种工况的IV曲线数据集，并随机分为独立的训练曲线集和测试曲线集；步骤S5：将训练曲线集和测试曲线集中每条曲线的数据点电压、电流与辐照度、温度进行组合，获得由各个数据点的电压、电流、辐照度和温度组成的训练数据点集和测试数据点集。步骤S6：根据训练数据点集，以辐照度、组件背板温度和组件电压为输入、组件电流为输出，采用极限学习机拟合算法训练单隐层前馈神经网络，建立光伏组件模型；步骤S7：将测试数据点集输入到S6中训练得到的极限学习机光伏组件模型，获得模型计算的电流值，并与实测电流值进行比较，以测试和评估极限学习机光伏组件模型的误差。