[發明專利]一種基于強化學習的光伏陣列在線建模方法

有效

• 申請號: 201911344784.9
• 申請日: 2019-12-24
• 公開（公告）號: CN111177973B
• 公開（公告）日: 2022-09-09
• 發明（設計）人: 張經煒;丁坤;陳曦暉
• 申請（專利權）人: 河海大學常州校區
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06N20/00
• 代理公司: 南京經緯專利商標代理有限公司 32200
• 代理人: 丁濤

1.一種基于強化學習的光伏陣列在線建模方法，其特征在于，包括參數a的強化學習模型執行器(101)、參數R_s的強化學習模型執行器(102)、參數R_sh的強化學習模型執行器(103)、參數dG的強化學習模型執行器(104)、單二極管模型(105)、誤差計算模塊(106)、估算I-V曲線與實測I-V曲線特征狀態提取模塊(107)、回報值計算模塊(108)、具有I-V曲線掃描功能的功率變換器(201)、輻照度傳感器(202)、光伏組件溫度傳感器(203)；

所述參數a的強化學習模型執行器(101)、參數R_s的強化學習模型執行器(102)、參數R_sh的強化學習模型執行器(103)、參數dG的強化學習模型執行器(104)與單二極管模型(105)連接，分別提供估算的模型參數a、R_s、R_sh、dG，輻照度傳感器(202)、光伏組件溫度傳感器(203)與單二極管模型(105)連接，輸出測量所得輻照度G_mea與光伏組件溫度T_mea至單二極管模型(105)，單二極管模型(105)依據數學模型獲得估算I-V曲線，同時由具有I-V曲線掃描功能的功率變換器(201)獲得實測I-V曲線，單二極管模型(105)、具有I-V曲線掃描功能的功率變換器(201)與誤差計算模塊(106)、估算I-V曲線與實測I-V曲線特征狀態提取模塊(107)連接，分別獲得誤差與I-V曲線特征狀態；誤差計算模塊(106)與回報值計算模塊(108)連接，通過誤差獲得各個強化學習模型執行器的回報值，并將估算I-V曲線與實測I-V曲線特征狀態提取模塊(107)和回報值計算模塊(108)分別與參數a的強化學習模型執行器(101)、參數R_s的強化學習模型執行器(102)、參數R_sh的強化學習模型執行器(103)、參數dG的強化學習模型執行器(104)，將I-V曲線特征狀態和回報值輸入強化學習算法更新各個執行器。

2.根據權利要求1所述一種基于強化學習的光伏陣列在線建模方法，其特征在于，單二極管模型(105)中單二極管模型方程為：

其中I為光伏陣列輸出電流、I_ph為光生電流，I_s為飽和電流，q為電子電荷常數，V為光伏陣列輸出電壓，k_B為玻爾茲曼常數，T為光伏組件溫度，a為理想因子，R_s為等效串聯電阻，R_sh為等效并聯電阻，由所述參數a的強化學習模型執行器(101)、參數R_s的強化學習模型執行器(102)、參數R_sh的強化學習模型執行器(103)獲得；

所述光生電流I_ph表示為：

其中I_sc,stc為標準測試條件下光伏陣列短路電流，K_i為電流溫度系數，T_stc為標準測試條件下溫度，G為實測輻照度，G_stc為標準測試條件下輻照度，dG為輻照度補償值，由參數dG的強化學習模型執行器(104)獲得；

所述飽和電流I_s表示為：

其中E_g為材料能隙，I_s,stc為標準條件下飽和電流，表示為：

V_oc,stc為標準條件下光伏陣列開路電壓，N_cs為光伏陣列組件數。