[发明专利]一种光伏组件在线I-V特性监测及参数辨识系统

说明书

本发明提出一种光伏组件在线I‑V特性监测及参数辨识系统，包括光伏组件在线I‑V扫描模块、光伏模型参数辨识方法以及数据处理上位机；光伏组件在线I‑V扫描模块对光伏组件进行I‑V特性曲线在线扫描，并实时监测组件的工作电压和电流，监测数据上传至数据处理上位机；数据处理上位机通过Cubic混沌映射RAO‑1算法CCRAO‑1、单纯形算法INMS的混合优化算法CCRAO1‑INMS辨识光伏模型参数，并对I‑V特性曲线数据进行参数提取；所述CCRAO1‑INMS算法中，使用CCRAO1算法为NMS算法寻找初始点；所述单纯形算法INMS基于NMS算法改进；本发明能够实时地在线获取精确的光伏组件I‑V特性曲线数据和实时工作电流电压数据，并且能够实时进行准确的光伏模型参数识别，算法计算复杂度低，准确性高，可适用于嵌入式系统平台。

技术领域

本发明涉及太阳能电池及光伏发电阵列的检测技术，尤其是一种光伏组件在线I-V特性监测及参数辨识系统。

背景技术

随着世界各国光伏发电装机量的快速增长，光伏发电系统中光伏组件及阵列的精确模型参数提取方法与技术近年来得到国内外越来越多的学者和相关机构的关注。随着人口的增加和工业技术的持续进步，人们对化石燃料的消耗也越来越多，造成了严重的环境污染问题。因此，太阳能这种绿色、清洁、可再生的新能源，受到全球各国的广泛重视，积极开发利用。在中国，光伏发电是一种大规模利用太阳能的可行方式，而光伏组件则是其系统中的核心装置，往往遭受雷电、腐蚀、沙尘、风暴等恶劣环境的影响，出现热斑、阴影、短路、老化等故障。因此，为了有效防止光伏组件出现严重故障，定期检测光伏组件是非常重要的，这对确保光伏系统安全运行，提高系统产出投入比具有重要的实际应用价值。通过测量I-V输出特性曲线，可以直接获取光伏组件的关键电气参数，以评估其正常工作状况。此外，利用优化算法拟合实测的完整I-V曲线可以准确提取光伏模型参数，这将有助于精确建模和优化光伏电站系统。

传统的I-V特性曲线测试技术主要为可变功率电阻器测试法，这种方法费时且费力，测量不准确，不适用于实际工程应用。为了克服传统光伏I-V曲线测试技术的缺点，近年来，国内外学者提出了可变电子负载测试法和动态电容充电测试法。可变电子负载法测量光伏I-V特性曲线，可以通过控制功率晶体管的栅极驱动电压来改变晶体管的电导，从而实现测量功能，由于安全工作区的限制，功率晶体管的可靠性并不高，因为它们只能承受几毫秒的高功耗，易于烧毁。电容负载法测量光伏I-V特性曲线，使用电容器作为负载，因为其电压不能突变，且只消耗少量电能，因此可以在充电过程中测量I-V特性曲线，这种方法充电速度快、充电过程短、环境参数变化小，能够更好地反映实际光伏组件的伏安特性。

基于上述测试方法原理实现的具体测量装置可以分为离线和在线两种操作方法。传统的I-V测量仪器采用离线方法，需要将组件从组件串中断开，甚至有的需要关闭整个光伏发电站，这导致了光伏发电站检查、维修的工作量大，操作繁琐。而在线方法则可以直接测量得到光伏组件I-V特性曲线数据，大大减少了光伏电站相关工作人员的工作难度，也提高了电站检修的整体效率。

为了确定光伏模型参数，学者们提出了大量参数提取方法，这些方法主要基于解析法和数值优化法。解析法依赖于模型公式的简单假设以及一些关键点。然而，如果假设不准确或关键点的测量不准确，则很难获得准确的模型。为了克服解析法的缺点，学者们提出了基于确定性和随机性数值优化的参数提取方法，以最小化实测I-V曲线和仿真I-V曲线之间的总体误差，从而提高参数辨识的准确性和可靠性。确定性数值优化方法，如Levenberg-Marquardt方法(LM)，Nelder-Mead单纯形方法(NMS)等，具有较高的计算效率和快速收敛性，但它们容易陷入局部最优解。随机数值优化方法，如遗传算法(GA)，粒子群优化(PSO)等，具有较强的全局优化能力，但收敛速度较慢，因此不适合实时参数提取。为了实现算法准确性和效率的最佳平衡关系，出现了许多基于解析法、确定性和随机数值优化算法的混合优化算法，以利用各自的优势，实现更高效、更准确的结果。混合优化算法的应用能够提升收敛速度，有效避免陷入局部最优，所以，混合算法正成为学术界和实际应用中的热门研究课题。