[发明专利]一种基于强化学习的光伏阵列在线建模方法

权利要求书

1.一种基于强化学习的光伏阵列在线建模方法，其特征在于，包括参数a的强化学习模型执行器(101)、参数R_s的强化学习模型执行器(102)、参数R_sh的强化学习模型执行器(103)、参数dG的强化学习模型执行器(104)、单二极管模型(105)、误差计算模块(106)、估算I-V曲线与实测I-V曲线特征状态提取模块(107)、回报值计算模块(108)、具有I-V曲线扫描功能的功率变换器(201)、辐照度传感器(202)、光伏组件温度传感器(203)；

所述参数a的强化学习模型执行器(101)、参数R_s的强化学习模型执行器(102)、参数R_sh的强化学习模型执行器(103)、参数dG的强化学习模型执行器(104)与单二极管模型(105)连接，分别提供估算的模型参数a、R_s、R_sh、dG，辐照度传感器(202)、光伏组件温度传感器(203)与单二极管模型(105)连接，输出测量所得辐照度G_mea与光伏组件温度T_mea至单二极管模型(105)，单二极管模型(105)依据数学模型获得估算I-V曲线，同时由具有I-V曲线扫描功能的功率变换器(201)获得实测I-V曲线，单二极管模型(105)、具有I-V曲线扫描功能的功率变换器(201)与误差计算模块(106)、估算I-V曲线与实测I-V曲线特征状态提取模块(107)连接，分别获得误差与I-V曲线特征状态；误差计算模块(106)与回报值计算模块(108)连接，通过误差获得各个强化学习模型执行器的回报值，并将估算I-V曲线与实测I-V曲线特征状态提取模块(107)和回报值计算模块(108)分别与参数a的强化学习模型执行器(101)、参数R_s的强化学习模型执行器(102)、参数R_sh的强化学习模型执行器(103)、参数dG的强化学习模型执行器(104)，将I-V曲线特征状态和回报值输入强化学习算法更新各个执行器。

2.根据权利要求1所述一种基于强化学习的光伏阵列在线建模方法，其特征在于，单二极管模型(105)中单二极管模型方程为：

其中I为光伏阵列输出电流、I_ph为光生电流，I_s为饱和电流，q为电子电荷常数，V为光伏阵列输出电压，k_B为玻尔兹曼常数，T为光伏组件温度，a为理想因子，R_s为等效串联电阻，R_sh为等效并联电阻，由所述参数a的强化学习模型执行器(101)、参数R_s的强化学习模型执行器(102)、参数R_sh的强化学习模型执行器(103)获得；

所述光生电流I_ph表示为：

其中I_sc,stc为标准测试条件下光伏阵列短路电流，K_i为电流温度系数，T_stc为标准测试条件下温度，G为实测辐照度，G_stc为标准测试条件下辐照度，dG为辐照度补偿值，由参数dG的强化学习模型执行器(104)获得；

所述饱和电流I_s表示为：

其中E_g为材料能隙，I_s,stc为标准条件下饱和电流，表示为：

V_oc,stc为标准条件下光伏阵列开路电压，N_cs为光伏阵列组件数。