[发明专利]一种基于精英群众差分进化算法的光伏电池参数辨识方法

摘要

本发明公开了一种基于精英群众差分进化算法的光伏电池参数辨识方法，实施流程框架包括：建立光伏电池模型并确认需要辨识的参数，采集数据和设置目标函数，种群初始化，计算适应度值、将种群分为精英阶层和群众阶层，对精英阶层和群众阶层进行变异操作和交叉操作，是否超出边界判断判断，计算适应度值并进行选择操作，更新缩放因子F和交叉概率因子CR，移除复制品，最后输出光伏电池中需要辨识的参数最优值。本发明用于光伏并网发电系统中光伏阵列为m×n型的光伏电池参数辨识，能够辨识光伏电池I‑V方程的待定参数和求出光伏电池的输出功率以及利用所辨识的参数分析光伏电池故障。

主权项

1.基于精英群众差分进化算法的光伏电池参数辨识方法，其特征在于，该方法包括如下实施步骤：步骤1：建立式(1)所示的光伏电池I‑V方程，确定需要辨识的参数；其中，V为负载两端电压、I为通过负载的电流、I_ph为光生电流、I_o为二极管反向饱和电流、A为二极管品质因子、R_s为电池串联电阻、R_sh为电池并联电阻、T为电池的绝对温度、K为波尔兹曼常数、q为电子电荷；其中，光生电流I_ph、二极管反向饱和电流I_o、二极管品质因子A、电池串联电阻R_s、电池并联电阻R_sh这5个参数为需要辨识的参数；步骤2：通过测量及计算获得光伏电池阵列的负载两端电压V和负载电流I，同时设置目标函数的适应度，求取适应度的均方根误差R_MES；步骤3：输入原始数据到目标函数的适应度，包括各时段光伏组件的负载两端电压V和通过负载电流I以及约束条件、初始化需要辨识的参数和令计算代价FES＝0；步骤4：种群初始化，初始化缩放因子F_i和交叉概率因子CR_i，其中，X_i＝[I_ph,I_o,R_s,R_sh,A]表示第i个目标向量个体中的5个电池模型的参数值；步骤5：计算每个个体的适应度值，选取适应度值最小的20％为精英阶层，剩余的80％为群众阶层；步骤6：对精英阶层的一个维度进行变异操作，对群众阶层进行变异操作和交叉操作，将新的精英阶层和新的群众阶层合并形成新的种群试验向量；步骤7：对新产生的试验向量个体进行是否超出边界判断，若超出边界则进行边界操作，边界操作如式(2)所示，其中，U_i,j代表第i个个体的第j维，r代表[0,1]之间的随机数，l_j和u_j分别为边界的最小值和最大值；U_i,j＝l_j+r·(u_j‑l_j)  (2)步骤8：计算新产生的种群试验向量个体Ui的适应度值并与目标向量个体X_i的适应度计算值进行一对一贪婪选择如式(3)所示，其中，其中f(Ui)和f(X_i)分别是试验向量个体Ui和目标向量个体X_i的适应度计算值；步骤9：更新缩放因子F和交叉概率因子CR；步骤10：移除复制品。如果一个目标向量个体X₁与另外一个目标向量个体X₂相同，则对其中一个目标向量个体X_i用高斯分布重新生成，如式(4)所示，其中X_i,j为目标向量个体X_i的第j维，N_P为种群数目，N()为高斯分布公式。X_i,j～N(X_i,j,(u_j‑l_j)/N_p)  (4)步骤11：判断计算代价是否达到最大值，如果是则转向步骤12，如果否则转向步骤5；步骤12：输出全局最优解，即为需要辨识的参数最优解。