[发明专利]一种晶体硅光伏电池的I-V特性拟合曲线确定方法

说明书

本发明公开了一种晶体硅光伏电池的I‑V特性拟合曲线确定方法，以晶体硅光伏电池为对象，提出一种只需根据光伏电池自带的数据手册中的数据，无需求解超越方程和任何实测数据，以两条2阶Bezier函数分别对晶体硅光伏电池I‑V特性曲线最大功率点左右两侧进行简单拟合的方法，通过找出Bezier函数曲线控制点位置与晶体硅光伏电池填充因子之间的线性规律，进而给出满足工程精度要求晶体硅光伏电池的I‑V特性拟合曲线。

技术领域

本发明属于光伏电池的输出特性曲线建模技术领域，具体涉及一种晶体硅光伏电池的I-V特性拟合曲线确定方法。

背景技术

2020年国内光伏装机总容量将达到7.3亿千瓦，2035年，国内光伏发电装机总容量将达到30亿千瓦，在所有电源类型中占第一位，发展潜力巨大。

光伏电池输出特性的电流-电压(I-V)曲线是最大功率跟踪，效率评估、老化测试和成本分析的必要前提，描述光伏电池I-V曲线的是超越方程，含有串联电阻等5个未知参数，而根据厂商数据手册无法对超越方程进行求解，因此如何得到超越方程所需的5个未知量得到了重点关注；

一种方法是通过忽略串联电阻，假定并联电阻无穷大，或设置二极管品质因子为定值等手段，计算其他4个未知参量的解，另一类方法是构造5个等式，其中比较典型的是假定串联电阻或并联电阻等于I-V曲线在开路电压点或短路电压点斜率的负倒数，或者通过推导温度系数与某一个位置参量解析式等手段，寻求给出超越方程所涉及的所有5个未知参量的解。

此外，智能算法在光伏超越方程的参数求解中应用也较多，比如神经网络算法、鱼群算法、蚁狮算法、模式搜索算法、粒子群算法、Pade逼近算法和蛾类搜索算法等等。

上述方法均能得到满足工程精度需求的参数解，但无法直接给出光伏I-V曲线，而光伏发电的最大功率跟踪，效率、老化和成本评估多基于I-V曲线进行，因而，利用前述研究成果得到参数解后，仍需以迭代等方法对光伏电池的超越方程进行数值求解，而迭代算法不仅计算时间较长，且存在着对初值敏感不易收敛等弊端。

鉴于光伏电池输出特性超越方程的参数无法求解直接给出I-V曲线，近年来对I-V曲线拟合研究的重视程度日益显著，主要有以下研究成果：

(1)通过推导辐照度与开路电压和最大功率点电压的关系，实现光伏电池的I-V曲线建模，但该方法并未对所涉及的拟合系数进行详细论述；

(2)基于形状参数的工程解析模型进行光伏电池的I-V曲线建模，但需要利用迭代法对形状参数进行计算；

(3)采用残差神经网络和径向神经网络对I-V曲线进行预测，但该类方法无法摆脱神经网络需要大量训练数据的弊端；

(4)利用傅里叶级数和泰勒级数给出逼近光伏电池I-V曲线的方法，但前者需要实测数据的支撑，后者需要利用迭代计算。

发明内容

针对现有技术中的上述不足，本发明提供的晶体硅光伏电池的I-V特性拟合曲线确定方法解决了现有的晶体硅光伏电池输出特性拟合曲线确定方法复杂且结果不准确的问题。

为了达到上述发明目的，本发明采用的技术方案为：一种晶体硅光伏电池的I-V特性拟合曲线确定方法，包括以下步骤：

S1、基于晶体硅光伏电池的短路电流点I_sc、最大功率点P_m和开路电压点V_oc绘制其对应的直角坐标系；

S2、基于绘制的直角坐标系，确定晶体硅光伏电池对应的第一条Bezier函数曲线上的第一控制点P_c，并确定第一控制点P_c到最大功率点P_m的长度比y₁；