[发明专利]一种光伏电池内阻衰减系数预测方法

权利要求书

1.一种光伏电池内阻衰减系数预测方法，其特征在于：所述方法包括：

(1)根据实时监测获得的参数、投入时间和电池串并联组件数量以及标准参数，建立光伏电池内阻衰减系数演化系统的时间序列，建立光伏电池内阻衰减系数方程；

(2)对所述步骤(1)中演化系统的时间序列进行相空间重构处理；

(3)根据小波网络方法处理电池内阻衰减系数方程；

(4)对所述步骤(2)中相空间重构后的时间序列进行光伏电池内阻衰减系数预测计算；

其中，所述实时监测获得的参数为配电网及配电网内光伏系统运行参数及气象环境参数；

所述步骤(1)中演化时间序列是在固定时间间隔下建立的演化时间序列 ；所述演化时间序列包括所述光伏电站接入点等效阻抗测量值，接入点电压，接入点有功值，环境温度，环境光照强度；

步骤(1)中所述演化系统时间序列在一系列时刻t_s1,t_s2,t_s3,...t_sn为：

所述光伏电池内阻衰减系数方程为：

其中，n为自然数，n＝1,2,...，tr为测量电池投入时间，Tr为外界温度，Sr外界光照，Cr为串联组件数量，Br为并联组件数量；

所述步骤(2)包括以下步骤：

(A)建立优化目标模型minf_ar(rx₁,rx₂...rx_i..rx_h5n)，其中i＝1,2,...k_5n；

(B)构建所述步骤(1)中的演化系统的时间序列{rx_i}的m维相空间rx_i+1＝ψ(rx_i,rx_i-τ,...,rx_i-(m-1)τ)，其中，i＝1,2,...k_5n，τ为延时间，m为嵌入维数；

所述步骤(3)包括以下步骤：

(A)电池内阻衰减系数小波网络模型输出层的计算；

(B)电池内阻衰减系数小波网络模型在线修正；

所述步骤(A)包括以下步骤：

设输入信号时间序列为{rcx_i}，其中，由计算隐含层的输出值，依据隐含层输出值计算输出层输出值

其中i＝1,2...k_5n，j＝1,2...l，g_a(x_zi)≥0，g_a(x_zi)为支持向量机目标模型的修正项，φ(j)为小波网络中隐藏层第j个节点的输出，f_j为小波基函数，α_j为f_j的伸缩因子，λ_j为f_j的平移因子，w_ij是输入层和隐含层之间相互联系的大小，l为隐含层节点数，w_j表示隐含层与输出层之间的连接权重；

其中，y_r为预测输出；

所述步骤(B)包括以下步骤：

根据e_r＝y_r-y_cc事实在线修正电池内阻衰减系数小波网络模型，y_r为预测输出，y_cc为实际测量值；

所述步骤(4)包括以下步骤：

根据步骤(3)中经过修正的小波神经网络对所述步骤(2)中相空间重构后的时间序列进行光伏电池内阻衰减系数预测计算，引入目标模型修正条件，目标函数优化为y_a＝minf_ar(rx_i)+g_ar(rx_i)；

其中，i＝1,2...k_5n，g_ar(rx_i)≥0,g_ar(rx_i)为目标模型的约束项，y_a为光伏电池内阻衰减系数。