本发明属于光伏电池建模领域,更具体地,涉及基于改进花授粉算法的光伏电池模型参数辨识方法和系统。
背景技术:
1、全球气候变暖以及极端气候的频繁发生,使得人类愈发重视清洁能源的必要性。由于太阳能的普及性、无害性和持久性,太阳能已成为主要的可再生能源之一,同时也作为化石能源的重要替代方式受到越来越多的关注。为了保证光伏发电将光能高效转化为电能,越来越多的研究人员对光伏电池模型的参数辨识进行了深入研究。通过数学模型对光伏电池模型进行精确建模来模拟光伏电池的特性在过去几十年取得了重大进展。
2、目前被广泛接受的光伏电池模型通过由二极管组成的等效电路拟合观察到的电流-电压(i-v)数据,模型主要包括单二极管模型和双二极管模型。同时,光伏电池模型参数的准确辨识不仅有利于光伏电池在遮蔽光照下和不同温度下的性能评估,而且在光伏电池设计优化和质量控制也具有不可忽视的作用。然而,现有光伏电池模型参数辨识方法较多采用运筹学中确定性优化方法。确定性优化方法通常要求优化问题是凸的或保证问题是可微的,通过确定性优化方法得到的优化结果与理想结果通常有较大的偏差。而启发式算法将优化问题视为一个黑盒问题,无需考虑问题的具体形式,具有易于实现,求解效率高的优点。
3、研究发现,花授粉算法(flower pollination algorithm,fpa)作为一种较为流行的启发算法在模型参数辨识中呈现出收敛速度慢、求解精度低的缺陷。
技术实现思路
1、针对现有技术的缺陷,本发明的目的在于提供基于改进花授粉算法的光伏电池模型参数辨识方法和系统,旨在解决现有光伏电池模型参数辨识呈现收敛速度慢、求解精度低的问题。
2、为实现上述目的,第一方面,本发明提供了一种基于改进花授粉算法的光伏电池模型参数辨识方法,该方法包括:
3、s1.接收对光伏电池模型的类型和花授粉算法参数的设定,根据设定的光伏电池模型类型,确定待辨识参数构成,将其作为花粉个体的位置,初始化花粉种群;
4、s2.采用改进花授粉算法进行种群迭代,输出全局最优解和对应花粉位置,作为光伏电池模型的参数辨识结果;
5、所述改进花授粉算法在种群迭代时,全局授粉更新花粉个体位置时,控制授粉强度的参数采用高斯分布随机数,局部授粉更新花粉个体位置时,种群中不同于当前花粉的两个花粉的位置来自于不同聚类,所述聚类是按照个体适应度从小到大进行排序从而划分的两个集合。
6、优选地,所述全局授粉时,花粉位置的更新公式如下:
7、
8、其中,为第t+1次函数评价第i个个体的位置向量,gt为全局最优个体位置,对应当前种群中适应度最小的个体位置,gauss(0,α)表示均值为0、标准差为α的高斯分布随机数。
9、优选地,所述局部授粉时,花粉位置的更新公式如下:
10、
11、其中,为第t+1次函数评价第i个个体的位置向量,b为适应度较小的聚类集合,c为适应度较大的聚类集合,i1和i2分别为从b和c中随机选择的个体对应的索引。
12、优选地,得到新个体位置后,从适应度较大的聚类集合c中随机选择一个个体按照混沌精英策略进行局部搜索,具体如下:
13、若当前评价次数与最大评价次数的比值大于[0,1]区间的随机数,则生成混沌随机数zl=zl·η·(1-zl-1),并在全局最优位置进行局部搜索否则,采用个体历史最优位置其中,zl为第l次混沌序列值,初始值z0为[0,1]区间均匀分布的随机数,η为[3.57,4.0]之间的随机数;为第t次迭代第i3个个体在第j维度的位置,为第t次函数评价第i3个个体在第j维度的个体历史最优位置,i3为随机选择的个体索引位置,step为[0,1]区间分布的随机数。
14、优选地,得到新个体位置后,采用自适应边界处理策略对个体进化过程中的不合理位置进行调整,具体如下:
15、若则
16、否则,
17、其中,为第t次迭代第i个个体在第j维度的位置,lbj为问题空间第j维的下限,ubj为问题空间第j维的上限,φ为问题上下边界的中间值。
18、优选地,若光伏电池模型类型为单二极管模型,则待辨识参数为x={iph,isd,rs,rsh,n};若光伏电池模型类型为双二极管模型,则待辨识参数为x=iph,isd1,rs,rsh,n1,isd2,n2};
19、其中,iph表示通过太阳能产生的光伏电流;isd表示二极管短路电流;rs和rsh分别表示串联和并联电阻;n表示二极管理想因子;isd1和isd2分别表示第一个和第二个二极管的饱和电流;n1和n2分别表示第一个和第二个二极管的理想因子。
20、优选地,所述适应度函数为观测电流和计算电流的均方根误差。
21、为实现上述目的,第二方面,本发明提供了一种基于改进花授粉算法的光伏电池模型参数辨识系统,包括:处理器和存储器;所述存储器,用于存储计算机执行指令;所述处理器,用于执行所述计算机执行指令,使得第一方面所述的方法被执行。
22、总体而言,通过本发明所构思的以上技术方案与现有技术相比,具有以下有益效果:
23、为解决花授粉算法在光伏电池模型参数辨识中呈现出收敛速度慢、求解精度低的缺陷低的技术问题,本发明提出一种基于改进花授粉算法的光伏电池模型参数辨识方法和系统,核心思想是:采用高斯分布表征花授粉过程中的远距离授粉,采用聚类进化策略表征花授粉过程中的近距离授粉,这样能够有效提升花授粉算法在光伏模型参数辨识中的收敛速度和求解精度方面存在的缺陷。此外,采用自适应边界处理策略对个体进化过程中的不合理位置进行调整;采用混沌精英学习策略提升较差个体的性能,进一步提高收敛速度和求解精度。
1.一种基于改进花授粉算法的光伏电池模型参数辨识方法,其特征在于,该方法包括:
2.如权利要求1所述的方法,其特征在于,所述全局授粉时,花粉位置的更新公式如下:
3.如权利要求1所述的方法,其特征在于,所述局部授粉时,花粉位置的更新公式如下:
4.如权利要求3所述的方法,其特征在于,得到新个体位置后,从适应度较大的聚类集合c中随机选择一个个体按照混沌精英策略进行局部搜索,具体如下:
5.如权利要求1至4任一项所述的方法,其特征在于,得到新个体位置后,采用自适应边界处理策略对个体进化过程中的不合理位置进行调整,具体如下:
6.如权利要求1所述的方法,其特征在于,若光伏电池模型类型为单二极管模型,则待辨识参数为x={iph,isd,rs,rsh,n};若光伏电池模型类型为双二极管模型,则待辨识参数为x=iph,isd1,rs,rsh,n1,isd2,n2};
7.如权利要求1所述的方法,其特征在于,所述适应度函数为观测电流和计算电流的均方根误差。
8.一种基于改进花授粉算法的光伏电池模型参数辨识系统,其特征在于,包括:处理器和存储器;