[发明专利]基于全局最大功率点跟踪和混合优化算法的光伏在线参数辨识方法

权利要求书

1.一种基于全局最大功率点跟踪和混合优化算法的光伏在线参数辨识方法，其特征在于：包括以下步骤：

步骤S1：根据光伏逆变器动态工作点的时间序列电压电流波形，采用突变点检测算法辨别最大功率点跟踪步，记录波形突变时刻，提取处于稳态下的电压电流波形；

步骤S2：根据电压电流波形中的电压步长变化特点，识别全局最大功率点跟踪过程即GMPPT的波形，并提取GMPPT对应波形的关键段I-V特性曲线；

步骤S3：根据全局最大功率点跟踪提取得到的I-V特性曲线以及光伏阵列的串联和并联太阳能电池片的数量N_s和N_p，选择单二极管五参数模型进行参数辨识，并根据模型电气参数的搜索范围提取模型中的光电流、单二极管反向饱和电流、理想因子、等效串联电阻、等效并联电阻五个电气参数；

步骤S4：采用量子粒子群智能优化算法对光伏模型参数进行全局搜索，并获取最优的光伏模型参数初始值向量；

步骤S5：采用列文伯格-马夸尔特算法，并利用步骤S4中得到的最优光伏模型参数向量作为初始搜索参数，进行进一步的局部搜索；

步骤S6：通过混合量子粒子群算法和列文伯格——马夸尔特算法即QPSO-LM算法对两类光伏数据进行等效单二极管模型参数提取；所述两类光伏数据为不同实测条件下静态完整的I-V特性曲线和动态工作点全局最大功率点跟踪过程提取的关键段I-V曲线。

2.根据权利要求1所述的一种基于全局最大功率点跟踪和混合优化算法的光伏在线参数辨识方法，其特征在于：

步骤S1中所述突变点检测算法根据动态工作点数据的采集频率，将每连续的200个光伏阵列工作电压作为一个集合，随机选择一个点将该集合分为两部分，计算两边各点与各部分平均值的残差，当总残差达到最小值，即可找到突变点，突变点检测算法如下式所示：当J取得最小值，记录V_r＝k时间节点，即为动态工作点电压电流波形突变点时刻。

3.根据权利要求1所述的一种基于全局最大功率点跟踪和混合优化算法的光伏在线参数辨识方法，其特征在于：步骤S2中所述全局最大功率点跟踪过程，为逆变器工作采用的扰动观察法，扰动的电压步长取值范围为0.2V至4V；逆变器最低工作电压80V至光伏阵列正常工作电压120V之间按电压步长4V扰动光伏阵列的输出电压，实现GMPPT过程，根据突变点时刻记录对应电压电流，提取GMPPT过程关键段I-V曲线。

4.根据权利要求1所述的一种基于全局最大功率点跟踪和混合优化算法的光伏在线参数辨识方法，其特征在于：步骤S3中所述光伏模型为单二极管五参数模型；单二极管光伏模组的数学模型如下式所示：

单二极管光伏阵列的数学模型如下所示：

其中，I_t和V_t为实测I-V曲线中的电流和电压值；k为玻尔兹曼常数1.3806503×10^-23J/K，q为基本电荷量1.60217646×10^-19C；单二极管光伏模型五参数向量为[I_phI_s，n，B_s，R_p]，其中I_ph为光电流，I_s为单二极管反向饱和电流，n为单二极管理想化因子，R_s等效串联电阻，R_p为等效并联电阻，N_s和N_p分别是串联和并联的电池片的数量。

5.根据权利要求1所述的一种基于全局最大功率点跟踪和混合优化算法的光伏在线参数辨识方法，其特征在于：

步骤S4和S5中算法通过在给定参数向量的搜索范围内，寻找一组最优的参数向量x使得如下述公式所示：

将和方差SSE作为混合优化算法即QPSO-LM算法的目标函数，当其取值最小，即使得实测I-V曲线与计算仿真I-V曲线最优拟合，即表示实测I-V曲线与计算仿真I-V曲线最优拟合。