[发明专利]一种基于改进哈里斯鹰优化算法的光伏电池参数辨识方法

说明书

本发明公开了一种基于改进哈里斯鹰优化算法的光伏电池参数辨识方法，包括以下步骤：获取光伏电池的输出电流和输出电压；搭建光伏电池模型，确定目标函数及需要辨识的参数；利用预设的改进哈里斯鹰优化算法来辨识光伏电池的未知参数；输出根据所述的改进哈里斯鹰优化算法辨识得到的参数。实施本发明，能解决哈里斯鹰优化算法的陷入局部最优解、收敛速度慢等问题，实现对具体领域的参数辨识，提高精度。

技术领域

本发明涉及新能源领域，尤其涉及一种基于改进哈里斯鹰优化算法的光伏电池参数辨识方法。

背景技术

光伏电池模型及其参数辨识方法对于太阳能光伏发电系统的模拟、设计、评估、控制和优化至关重要，因此光伏电池参数辨识方法获得了广泛关注。

总所周知，群体智能优化算法通过模拟自然界的各种生物和非生命系统的所表现出的群体智能行为，利用群体中个体之间的相互协作、交流来达到寻优的目的。这些群体智能算法较为著名有：蚁群算法，粒子群算法，人工蜂群算法，鸡群算法等等。

Heidari等人在2019年提出了哈里斯鹰优化算法(Harris Hawks Optimization，HHO),这是一种新型的群体智能算法，该算法模拟哈里斯鹰的捕食行为来搜索最优解，该算法模拟哈里斯鹰捕食时的“突袭”策略，并根据情况动态地变换多种追逐猎物的方式，实验结果证明该算法具有较强的搜索能力。但是，HHO在处理存在大量局部最优的问题时，容易陷入最优，很难找到全局最优，使得辨识得到的参数不够精确。因此，针对上述问题，需要从增加算法局部搜索能力的角度来改进算法,从而提高参数辨识的精度。

发明内容

本发明的目的在于提供一种基于改进哈里斯鹰化算法的光伏电池参数辨识方法，能解决哈里斯鹰化算法的陷入局部最优解、收敛速度慢等问题，实现对具体领域的问题进行参数辨识，提高精度。

为了达到上述目的，本发明提供了一种基于改进哈里斯鹰优化算法的光伏电池参数辨识方法，包括以下步骤：

步骤S1、获取光伏电池的输出电流和输出电压；

步骤S2、搭建光伏电池模型，确定目标函数及需要辨识的参数；

步骤S3、利用预设的改进哈里斯鹰优化算法来辨识光伏电池的未知参数；

步骤S4、输出根据所述的改进哈里斯鹰优化算法辨识得到的参数。

进一步设置是：所述的步骤S3具体包括：

步骤3.1、参数初始化，具体包括：最大迭代次数T、哈里斯鹰种群个数N、光伏系统参数光生电流I_ph、反向饱和电流I_sd、串联电阻R_S、并联电阻R_sh及二极管理想因子n的搜索空间；

步骤3.2、初始化N只哈里斯鹰的位置X_i＝(X_i，1，X_i，2，X_i，3，X_i，4，X_i，5)；

步骤3.3、计算每只鹰i的适应度f_i，并将适应度值最小的哈里斯鹰的位置设为猎物位置X_rabbit；

步骤3.4、根据公式(1)至(3)更新初始能量E₀、跳跃力量J、能量E；

E⁰＝2ran^d()-1  (1)

J＝2(1-ran^d())  (2)

其中，t是当前迭代次数，T是最大迭代次数；

步骤3.5、更新哈里斯鹰的位置；