一种改进头脑风暴优化算法的光伏电池参数提取方法

本发明属于新能源，涉及一种改进头脑风暴优化算法的光伏电池参数提取方法。

背景技术：

1、能源问题已经成为全球讨论的热点之一。太阳能因其清洁、无污染、无地域限制等特点而受到广泛关注。光伏发电系统是一种可以充分利用太阳能并将其转化为电力可靠的系统。为了提高光伏发电系统的性能，需要适当的光伏太阳能电池模型。通常使用的光伏太阳能电池模型一般有单二极管模型(sdm)、双二极管模型(ddm)。

2、电池参数的准确识别是光伏电池模型构建的主要依据，目前传统技术中一些用于提取光伏模型参数的各种方法，多是基于光伏电池制造商提供的数据，然而，由于串并联的光伏电池阵列中工作状态的不一致，利用制造商提供的数据所产生的光伏电池模型的准确性相对较差。

技术实现思路

1、本发明的目的是提供一种改进头脑风暴优化算法的光伏电池参数提取方法，解决了光伏电池参数提取时误差较大和精度不高的技术问题。

2、为实现上述目的，本发明采用如下技术方案：

3、一种改进头脑风暴优化算法的光伏电池参数提取方法，包括如下步骤：

4、步骤1：建立数据采集服务器、模型服务器和参数提取服务器，数据采集服务器用于通过数据采集模块采集光伏电池的输出电流il、输出电压vl和电池温度t；

5、数据采集服务器、模型服务器和参数提取服务器之间通过互联网相互通信；

6、步骤2：在模型服务器中建立光伏电池数学模型，具体公式如下：

7、

8、其中，il表示电池的输出电流，iph表示实际供电的光照产生的电流，isd表示单二极管的反向饱和电流，q＝1.60217646×10-19表示电子电荷，vl是输出电压，rs表示串联电阻，n表示单二极管理想因子，k是波尔兹曼常数，k＝1.3806503×10-23，t是电池温度，rsh表示并联电阻；

9、在光伏电池数学模型中，iph、isd、n、rs和rsh为需要提取未知参数；

10、步骤3：模型服务器根据光伏电池数学模型构建目标函数，具体公式如下：

11、

12、其中，n1为数据集的个数，向量x表示模型中需要提取未知参数的集合，x＝{iph，isd，rs，rsh，n}，f(vl，il，x)为模型的电流误差函数；

13、步骤4：参数提取服务器调取光伏电池数学模型和目标函数，通过改进头脑风暴优化算法对光伏电池数学模型的参数进行提取；

14、步骤5：参数提取服务器输出光伏电池数学模型的参数提取结果。

15、优选的，数据采集服务器设有用于采集电压或电流的模数信号的采集板，通过外部电流采样电阻、外部电压采样电阻和温度传感器分别采集光伏电池的输出电流il、输出电压vl和电池温度t。

16、优选的，在执行步骤3时，电流误差函数f(vl，il，x)的具体计算公式如下：

17、

18、其中，il表示电池的输出电流，iph表示实际供电的光照产生的电流，isd表示单二极管的反向饱和电流，q＝1.60217646×10-19表示电子电荷，vl是输出电压，rs表示串联电阻，n表示单二极管理想因子，k是波尔兹曼常数，k＝1.3806503×10-23，t是电池温度，rsh表示并联电阻。

19、优选的，在执行步骤4时，具体包括如下步骤：

20、步骤4-1：设置解的数量pn，最大的迭代次数maxiter和每个解位置的初始值x0＝{x1,x2,…,xi,…,xpn}，其中xi＝{iph,isd,rs,rsh,n}，设置迭代次数iter为0；

21、步骤4-2：将pn个解通过k-means方法进行聚类，产生的聚类为m个，m个聚类中心的位置值为c＝{c1,…,ci,…,cm}，其中i取值为1到m，ci＝{iph,isd,rs,rsh,n}；

22、步骤4-3：计算pn个解和m个聚类中心的适应度值，设置当前全局最优个体解的位置为xbest；

23、步骤4-4：依次对于pn个解中的某个解xi，产生一个随机数rand1∈[0,1]；

24、步骤4-5：判断rand1的值是否小于预先设定的一个概率p1，p1＝0.7：是则转向步骤4-6；否，则转向步骤4-12；

25、步骤4-6：产生一个随机数rand2∈[0,1]；

26、步骤4-7：判断rand2的值是否小于预先设定的一个概率p2(p2＝0.5)：是，则者执行步骤4-8；否，则转向步骤4-10；

27、步骤4-8：利用以下公式产生新的个体解：

28、xnewi,j＝xi,j+rand(0,1)×(xr1,j-xr2,j)；

29、其中，rand(0,1)为(0,1)之间的随机数，j为某个个体解x的第j维上的数值，i,r1,r2是范围为{1，2，…，pn}中互不相同的随机正整数；

30、步骤4-9：转向步骤4-11；

31、步骤4-10：利用以下公式产生新的个体解：

32、xnewi,j＝xi,j+rand(0,1)×(xr3,j-xr4,j)+rand(0,1)×(xbest,j-xi,j)；

33、其中，i,r3,r4是范围为{1，2，…，pn}中互不相同的随机正整数；

34、步骤4-11：计算xnewi的适应度f(xnewi)，如果f(xnewi)优于f(xi)，则用xnewi更新xi，同时f(xnewi)更新f(xi)；其中，f(xi)表示xi的适应度；

35、步骤4-12：产生一个随机数rand3∈[0,1]；

36、步骤4-13：判断rand3的值是否小于预先设定的一个概率p3，p3＝0.5：是，则者执行步骤4-14；否，则转向步骤4-16；

37、步骤4-14：利用以下公式产生新的个体解：

38、xnewi,j＝xi,j+rand(0,1)×(xr5,j-xr6,j)+rand(0,1)×(xr7,j-xr8,j)；

39、其中，i,r5,r6,r7,r8是范围为{1，2，…，pn}中互不相同的随机正整数；

40、步骤4-15：转向步骤4-18；

41、步骤4-16：产生一个范围为{1，2，…，m}的随机正整数r9；

42、步骤4-17：利用以下公式产生新的个体解；

43、xnewi,j＝xi,j+rand(0,1)×(xbest,j-cr9,j)+rand(0,1)×(xr10,j-xr11,j)；

44、式中，i,r10,r11是范围为{1，2，…，pn}中互不相同的随机正整数；

45、步骤4-18：计算xnewi的适应度得到f(xnewi)，如果f(xnewi)优于f(xi)，则用xnewi更新xi，f(xnewi)更新f(xi)；

46、步骤4-19：设置pn个解中适应度最优个体解的位置为xbest；

47、步骤4-20：迭代次数iter加1，判断是否大于最大迭代次数maxiter：如果是，转向步骤5；否则，转向步骤4-2。

48、优选的，在执行步骤5时，输出的参数提取结果为xbest。

49、本发明所述的一种改进头脑风暴优化算法的光伏电池参数提取方法，解决了构建光伏电池模型并对光伏电池模型参数进行准确的提取的技术问题，本发明通过改进头脑风暴优化算法来实现光伏电池模型的参数提取，准确度高，本发明通过聚类方法产生了一些个体，通过不同的概率选择，运用不同的产生个体公式，不断地产生适应度更优的个体，来更新相应的适应度差的个体，本发明的聚类个体解参与了个体产生公式，采用四个不同的个体解产生公式，可以保持探索和开采能力的平衡，本发明通过一代代的迭代优化，最后得到最优个体解，输出最优个体解的每一个值，即为提取后的参数值，从而能够快速和准确的提取到不同光伏模型的参数，提高了光伏电池模型的精度。