光伏组件5参数模型的模型参数求解算法的制作方法

本发明涉及光伏组件模型的模型参数，具体涉及一种光伏组件的5参数模型的模型参数求解算法。

背景技术

随着光伏发电的普及，光伏系统设计者越来越需要一个能够预测光伏组件生产电能的工具。光伏组件建模不仅能够为设计者提供评价组件性能的参考工具以辅助其决策，而且对光伏系统的仿真、设计、评估、控制和优化都有着至关重要的意义。目前衍生于组件材料的单二极管模型被普遍使用，包括有理想模型、4参数模型和5参数模型三种，其中5参数模型精度最高，相比于理想模型和4参数模型增加了等效串并联电阻，保证了单二极管模型物理结构的完整性，适用于仿真多个电池单元组成的光伏组件，或者由多个光伏组件组成的光伏阵列。

光伏组件5参数模型中的5个特征参数分别为光生电流iph，二极管反向饱和电流i0，二极管理想因子n，串联电阻rs和并联电阻rsh。求解光伏组件5参数模型的参数，通常以光伏组件i-u特性曲线上3个特殊点推导得到4个相关等式，由此4个等式组成的欠定方程组的参数求解，往往需要增加额外的条件(方程或等式)，以此满足目标方程组获得唯一解的必要性。

目前，常用额外条件的增加方法大致分为两种类型。第一种类型是经验取值，即假设光伏组件5参数模型的某一特征参数(例如二极管理想因子或光生电流)为一固定常数，如villalva认为二极管理想因子的值为1.3，而huan-liangtsai认为硅材料组件的二极管理想因子数值为1.2，以及m.bashahu列出了不同材料光伏组件的二极管理想因子的数值，显然这种根据经验取值难免带有独断性和随意性，也降低了光伏组件5参数模型的普适性。而第二种类型是近似求解，如aissachouder利用光伏组件特性曲线的短路点及开路点斜率，近似求取光伏组件5参数模型的特征参数，这种基于数据的方法需要提前掌握标准测试环境下开路点及短路点处电压电流曲线的斜率，然而这曲线斜率在光伏系统开发设计阶段是不可知的。学者白建波利用4参数模型的特征参数，近似求解了光伏组件5参数模型的串并联电阻rs和rsh的初始值，这种近似求解的方法虽然适用性较前者略有提升，但是表达式推导过程中的近似步骤依然导致光伏组件5参数模型的精度不够理想。

技术实现要素：

为解决上述根据主观性经验取值而降低光伏组件5参数模型的适用性以及光伏组件5参数模型近似解析而导致精度较低的问题，本发明提出一种新型的增加额外等式条件的光伏组件5参数模型求解方法。

本发明的具体技术方案如下：一种光伏组件5参数模型的模型参数求解算法，包括：

第一步，根据光伏组件的开路电压、短路电流、最大功率点处电压和最大功率点处电流，将光伏组件5参数模型分别转化为开路点方程、短路点方程、最大功率点方程以及最大功率点斜率方程；

第二步，利用电压温度系数、电流温度系数与光伏组件材料特性值，以及二极管反向饱和电流微观计算定理，将开路点方程与短路点方程相对温度的微分形式变换获得第五个基础方程；

第三步，利用等式变换将开路点方程、短路点方程、最大功率点方程、最大功率点斜率方程以及第五个基础方程变换成三个目标方程；

第四步，采用迭代法求解第三步得到的三个目标方程，得到光伏组件5参数模型中的参数。

作为本发明的进一步改进，第二步获得第五个基础方程的具体步骤包括：

2.1、将开路点方程和短路点方程经过变换后整理得到下式：

将上式对温度t求微分，得到下式：

2.2、二极管反向饱和电流i0可表示为：

将式(1-2)对温度t求微分，得到下式：

2.3、将式(1-2-1)代入式(2-1-2-1)中，得到第五基础方程，见下式：

其中，eg为半导体材料的带隙eg＝1.124ev≈1.8×10^-19j，k为波兹曼常数，t为开尔文温度，为短路电流温度系数，为开路电压温度系数。

作为本发明的进一步改进，第三步获得的三个目标方程分别是：

本发明的有益效果：本发明提出的光伏组件5参数模型的模型参数求解算法，首先利用光伏组件数据手册提供的光伏组件的开路点、短路点和最大功率点将5参数模型转化为四个基础方程，然后引入二极管反向饱和电流微观计算定理，利用电压电流温度系数与光伏组件材料特性值，将开路点与短路点的基础方程相对温度的微分形式变换为第五个基础方程，再利用等式变换将五个基础方程转换为三个目标方程，最后通过迭代算法求解三个目标方程获得5参数模型中的5个参数。本发明方法根据光伏组件的材料以及材料特性，获得额外求解条件，提高了算法适用性，求解过程中使用等式变化，未有近似化简，保证了算法求解精度。

附图说明

图1是光伏组件5参数模型等效电路。

图2是本发明实施例光伏组件5参数模型的模型参数求解算法的流程图。

图3是光伏组件eg-250p60-c¹的输出电流和输出功率特性曲线图。

图4是光伏组件eg-250p60-c¹的输出电流相对误差和输出功率相对误差曲线图。

图5是光伏组件jkm280m-60²与光伏组件jkm315pp-72²的输出电流和输出功率特性曲线图。

图6是光伏组件rjt325m与光伏组件rsm72-156p²的输出电流和输出功率特性曲线图。

图7是9种光伏组件的最大误差电流柱状图。

具体实施方式

下面结合附图和具体实施例对本发明做进一步的解释说明。

本发明实施例提供一种光伏组件5参数模型的模型参数求解算法，如图2所示，包括以下步骤：

s101、根据光伏组件的开路电压、短路电流、最大功率点处电压和最大功率点处电流，将光伏组件5参数模型转化为四个基础方程，分别为开路点方程、短路点方程、最大功率点方程以及最大功率点斜率方程，具体为：

1.1、结合图1所示的光伏组件的等效电路，其中iph为光生电流，id为二极管分流，uth为热电压，ish为并联电阻分流，根据电流-电压规律，得到光伏组件输出电压u和输出电流i之间的关系表达式，即光伏组件5参数模型的解析式，见下式：

1.2、组件开路时，输出电流i＝0，输出电压u＝uoc，代入式(1-1)，得到开路点方程，见下式：

其中，uoc为开路电压，可查阅光伏组件数据手册获得。

1.3、组件短路时，输出电流i＝isc，输出电压u＝0，代入式(1-1)，得到短路点方程，见下式：

其中，isc为短路电流，可查阅光伏组件数据手册获得。

1.4、组件功率达到最大时，输出电流i＝im，输出电压u＝um，代入式(1-1)，得到最大功率点方程，见下式：

其中，im为最大功率点处输出电流，um为最大功率点处输出电压，可查阅光伏组件数据手册获得。

1.5、组件功率达到最大时，输出功率对输出电压导数等于0，得到最大功率点斜率方程，见下式：

s102、利用电压温度系数、电流温度系数与光伏组件材料特性值，以及二极管反向饱和电流微观计算定理，将开路点方程与短路点方程相对温度的微分形式变换为第五个基础方程，具体为：

2.1、将式(2-1)和式(2-2)经过变换后整理得到下式：

将上式对温度t求微分，得到下式：

2.2、二极管反向饱和电流i0可表示为：

需要说明的是，上式为二极管反向饱和电流的理论计算公式，为常用的二极管反向饱和电流微观计算定理。

将式(1-2)对温度t求微分，得到下式：

2.3、将式(1-2-1)、和代入式(2-1-2-1)中，得到第五基础方程，见下式：

其中，eg为半导体材料的带隙eg＝1.124ev≈1.8×10^-19j，k为波兹曼常数，t为开尔文温度，为短路电流温度系数，为开路电压温度系数。

s103、再将上述五个基础方程转变为三个目标方程，具体为：

3.1、将式(2-1)整理得到下式：

将式(2-1-1)代入式(2-2)中，得到下式：

再将式(2-1-1)和式(2-2-1)代入式(2-3)中，再转变为第一目标方程，见下式：

3.2、结合式(1-1)，将式(2-4)整理得到下式：

将式(2-2-1)代入式(2-4-1)中，再转变为第二目标方程，见下式：

3.3、将式(2-2-1)代入式(2-1-2-2)中，再转变为第三目标方程，见下式：

s104、采用迭代法求解步骤2得到的三个目标方程式(3-1)、式(3-2)和式(3-3)，同时使f1、f2和f3接近为0，得到光伏组件5参数模型中的3个特征参数，分别为二极管理想因子n，串联电阻rs和并联电阻rsh，再根据式(2-2-1)得到二极管反向饱和电流i0，最后根据式(2-1-1)得到光生电流iph。

下表为几种常用的光伏组件，表中对应提供有各光伏组件的开路电压、短路电流、最大功率点处电压和最大功率点处电流，详见表1。

表1

使用本发明实施例提供的光伏组件5参数模型的模型参数求解算法，分别求解表1中各光伏组件5参数模型的参数，求解结果如表2。

表2

上表中，rmsei表示输出电流相对误差，rmsep表示输出功率相对误差，r²(coefficientofdetermination)用于评价理论曲线对实际测量数据的拟合程度，max(δi)表示最大电流误差值，即理论计算电流与实际测量电流误差(绝对值的)最大值。

求解出各光伏组件的5参数模型所含的特征参数后，从而通过5参数模型可计算出各光伏组件的理论输出电流、输出电压以及输出功率。

如图3所示，为光伏组件eg-250p60-c¹的输出电流和输出功率特性曲线图，横坐标为输出电压，左边纵坐标为输出电流，右边纵坐标为输出功率。图中曲线a为使用5参数模型计算的理论输出电流特性曲线，曲线b为实际测量的输出电流特性曲线，曲线c为使用5参数模型计算的理论输出功率特性曲线，曲线d为实际测量的输出功率特性曲线。从图中可以看出，理论输出电流特性曲线与实际输出电流特性曲线基本吻合，理论输出功率特性曲线与实际输出功率特性曲线基本吻合，说明本发明实施例提供的光伏组件5参数模型的模型参数求解算法求解精度高，进而得到的5参数模型精度高。

如图4所示，为光伏组件eg-250p60-c¹的输出电流相对误差和输出功率相对误差曲线图，横坐标为输出电压，左边纵坐标为输出电流相对误差，右边坐标为输出功率相对误差。图中曲线a为输出电流相对误差曲线，曲线b为输出功率相对误差曲线。从图中可以看出，输出电流相对误差小于4％，输出功率相对误差小于5％，说明本发明实施例提供的光伏组件5参数模型的模型参数求解算法求解精度高，进而得到的5参数模型精度高。

如图5所示，为光伏组件jkm280m-60²与光伏组件jkm315pp-72²的输出电流和输出功率特性曲线图，横坐标为输出电压，左边纵坐标为输出电流，右边纵坐标为输出功率。图中曲线a为单晶硅光伏组件jkm280m-60²使用5参数模型计算的理论输出电流特性曲线，曲线b为单晶硅光伏组件jkm280m-60²实际测量的输出电流特性曲线，曲线c为单晶硅光伏组件jkm280m-60²使用5参数模型计算的理论输出功率特性曲线，曲线d为单晶硅光伏组件jkm280m-60²实际测量的输出功率特性曲线，曲线e为多晶硅光伏组件jkm315pp-72²使用5参数模型计算的理论输出电流特性曲线，曲线f为多晶硅光伏组件jkm315pp-72²实际测量的输出电流特性曲线，曲线g为多晶硅光伏组件jkm315pp-72²使用5参数模型计算的理论输出功率特性曲线，曲线h为多晶硅光伏组件jkm315pp-72²实际测量的输出功率特性曲线。从图中可以看出，光伏组件jkm280m-60²与光伏组件jkm315pp-72²的理论输出电流特性曲线与实际输出电流特性曲线均基本吻合，理论输出功率特性曲线与实际输出功率特性曲线均基本吻合，说明本发明实施例提供的光伏组件5参数模型的模型参数求解算法求解精度高，进而得到的5参数模型精度高。

如图6所示，为光伏组件rjt325m与光伏组件rsm72-156p²的输出电流和输出功率特性曲线图，横坐标为输出电压，左边纵坐标为输出电流，右边纵坐标为输出功率。图中曲线a为单晶硅光伏组件rjt325m使用5参数模型计算的理论输出电流特性曲线，曲线b为单晶硅光伏组件rjt325m实际测量的输出电流特性曲线，曲线c为单晶硅光伏组件rjt325m使用5参数模型计算的理论输出功率特性曲线，曲线d为单晶硅光伏组件rjt325m实际测量的输出功率特性曲线，曲线e为多晶硅光伏组件rsm72-156p²使用5参数模型计算的理论输出电流特性曲线，曲线f为多晶硅光伏组件rsm72-156p²实际测量的输出电流特性曲线，曲线g为多晶硅光伏组件rsm72-156p²使用5参数模型计算的理论输出功率特性曲线，曲线h为多晶硅光伏组件rsm72-156p²实际测量的输出功率特性曲线。从图中可以看出，光伏组件rjt325m与光伏组件rsm72-156p²的理论电流输出特性曲线与实际输出电流特性曲均线基本吻合，理论输出功率特性曲线与实际输出功率特性曲线均基本吻合，说明本发明实施例提供的光伏组件5参数模型的模型参数求解算法求解精度高，进而得到的5参数模型精度高。

如图7所示，为各光伏组件的最大误差电流柱状图，横坐标为光伏组件型号，纵坐标为最大电流误差。从图中可以看出，表1中9种型号的光伏组件的最大误差电流均小于0.45。说明利用本发明实施例提出的光伏组件5参数模型的模型参数求解算法获得的光伏组件5参数模型的普适性强。