[發(fā)明專(zhuān)利]一種基于改進(jìn)哈里斯鷹優(yōu)化算法的光伏電池參數(shù)辨識(shí)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202010160132.6
• 申請(qǐng)日: 2020-03-10
• 公開(kāi)（公告）號(hào): CN111506856B
• 公開(kāi)（公告）日: 2022-06-03
• 發(fā)明（設(shè)計(jì)）人: 吳忠強(qiáng);劉重陽(yáng);王云青;趙德隆
• 申請(qǐng)（專(zhuān)利權(quán)）人: 燕山大學(xué)
• 主分類(lèi)號(hào): G06F17/10
• 分類(lèi)號(hào): G06F17/10;G06N3/00
• 代理公司: 石家莊眾志華清知識(shí)產(chǎn)權(quán)事務(wù)所(特殊普通合伙) 13123
• 代理人: 張建

本發(fā)明涉及一種基于改進(jìn)哈里斯鷹優(yōu)化算法的光伏電池參數(shù)辨識(shí)方法，具體包括：1、采集和處理光伏電池的輸出電流、電壓數(shù)據(jù)；2、建立光伏電池的工程模型，并構(gòu)造適應(yīng)度函數(shù)；3、引入柔性遞減策略改進(jìn)獵物初始能量遞減方式；4、利用黃金正弦法優(yōu)化當(dāng)前種群，引入黃金分割數(shù)，并從中篩選出適應(yīng)度最優(yōu)個(gè)體組建新的種群進(jìn)入下一步迭代；5、根據(jù)種群中個(gè)體攜帶的參數(shù)信息計(jì)算適應(yīng)度值，直到獵物的適應(yīng)度值達(dá)到精度要求或達(dá)到最大迭代次數(shù)后停止，輸出獵物的參數(shù)信息作為最優(yōu)的光伏電池參數(shù)值并繪制擬合曲線(xiàn)和算法迭代曲線(xiàn)，并對(duì)比光伏電池的電流、電壓實(shí)驗(yàn)結(jié)果與模型辨識(shí)結(jié)果。該方法可替代傳統(tǒng)光伏電池辨識(shí)方法，有效提高光伏電池參數(shù)的辨識(shí)精度。

技術(shù)領(lǐng)域

本發(fā)明涉及光伏電池的參數(shù)辨識(shí)方法，屬于新能源技術(shù)領(lǐng)域，具體涉及一種基于改進(jìn)哈里斯鷹優(yōu)化算法的光伏電池模型參數(shù)辨識(shí)方法。

背景技術(shù)

太陽(yáng)能光伏發(fā)電有著無(wú)污染，可再生和使用廣泛的優(yōu)勢(shì)，而光伏電池的建模是光伏發(fā)電系統(tǒng)的基礎(chǔ)，其優(yōu)劣直接影響系統(tǒng)的整體效果。參數(shù)辨識(shí)對(duì)于光伏系統(tǒng)建模有很大的影響，精準(zhǔn)程度不高的參數(shù)不但會(huì)造成很大的誤差，甚至有可能導(dǎo)致最大功率點(diǎn)追蹤失敗。因此,建立可高精度地描述光伏電池的工程數(shù)學(xué)模型，并準(zhǔn)確地辨識(shí)其參數(shù)對(duì)提高光伏發(fā)電系統(tǒng)的效率具有實(shí)際意義。

目前，用于光伏電池模型辨識(shí)的方法大致分為三類(lèi)：解析法、數(shù)值計(jì)算法和優(yōu)化算法估計(jì)法。解析法可以實(shí)現(xiàn)快速求解，但求解適應(yīng)性差的問(wèn)題一直未得到很好的解決，特別是該方法中的近似處理會(huì)降低求解的準(zhǔn)確度。數(shù)值計(jì)算法過(guò)分依賴(lài)于初值的選擇，若誤差過(guò)大，每次都要重新選取初值，然后觀察其收斂性，求解過(guò)程中的誤差也會(huì)隨著辨識(shí)參數(shù)的增加而增大。優(yōu)化算法具有限制條件少和辨識(shí)非線(xiàn)性能力強(qiáng)等優(yōu)點(diǎn)，已被廣泛應(yīng)用于電池模型的參數(shù)辨識(shí)中，但是經(jīng)典智能算法大多存在收斂速度慢和已陷入局部極小點(diǎn)問(wèn)題，導(dǎo)致整體辨識(shí)精度不高。哈里斯鷹優(yōu)化算法是一種新型啟發(fā)式智能算法，通過(guò)模擬哈里斯鷹優(yōu)化群體探索、覓食及合作捕食等行為實(shí)現(xiàn)算法的全局搜索和局部開(kāi)發(fā)，然而在復(fù)雜非線(xiàn)性?xún)?yōu)化問(wèn)題中，其仍存在尋優(yōu)效率不高和易陷入局部最優(yōu)的缺陷。

發(fā)明內(nèi)容

本發(fā)明需要解決的技術(shù)問(wèn)題是針對(duì)哈里斯鷹優(yōu)化算法有時(shí)會(huì)陷入局部最優(yōu)，在保證尋優(yōu)精度的情況下會(huì)導(dǎo)致尋優(yōu)時(shí)間增長(zhǎng)，且搜索過(guò)程調(diào)整不夠靈活，不能針對(duì)性的進(jìn)行階段性搜索，影響搜索精度等問(wèn)題，提出一種高效率高精度的光伏電池參數(shù)辨識(shí)方法。

為解決上述技術(shù)問(wèn)題，本發(fā)明所采用的技術(shù)方案是：

一種基于改進(jìn)哈里斯鷹優(yōu)化算法的光伏電池參數(shù)辨識(shí)方法，其特征在于包括以下步驟：

a、根據(jù)光伏電池的數(shù)學(xué)模型，構(gòu)造光伏電池的工程模型，建立適應(yīng)度函數(shù)，采集和處理光伏電池的輸出電流、電壓數(shù)據(jù)進(jìn)行快速求解；

b、將哈里斯鷹優(yōu)化算法探索階段中以柔性遞減的方式將初始能量遞減到零，進(jìn)一步選擇出適應(yīng)性更好的個(gè)體；

c、進(jìn)入哈里斯鷹優(yōu)化算法狩獵階段，利用黃金正弦法優(yōu)化哈里斯鷹優(yōu)化算法迭代出的當(dāng)代種群，位置更新中引入黃金分割數(shù)以便縮小搜尋空間，使其更加靠近最優(yōu)解，并從種群中篩選出適應(yīng)性最為優(yōu)秀的個(gè)體組建新的哈里斯鷹優(yōu)化種群進(jìn)入哈里斯鷹優(yōu)化算法的下一步迭代；

d、改進(jìn)哈里斯鷹優(yōu)化算法算法用于光伏電池工程模型的參數(shù)辨識(shí)，直到最優(yōu)個(gè)體的適應(yīng)度函數(shù)值達(dá)到預(yù)期標(biāo)準(zhǔn)，輸出最優(yōu)個(gè)體的參數(shù)信息作為光伏電池的模型參數(shù)，并繪制擬合曲線(xiàn)與迭代曲線(xiàn)，對(duì)比光伏電池的電流電壓實(shí)驗(yàn)結(jié)果與模型辨識(shí)結(jié)果。

本發(fā)明技術(shù)方案的進(jìn)一步改進(jìn)在于：步驟a中將光伏電池的數(shù)學(xué)模型簡(jiǎn)化為便于求解的四參數(shù)工程模型，利用標(biāo)準(zhǔn)測(cè)試條件下的開(kāi)路電壓、短路電流、最大功率點(diǎn)電壓、最大功率點(diǎn)電流進(jìn)行快速求解。

本發(fā)明技術(shù)方案的進(jìn)一步改進(jìn)在于：步驟a中所述的光伏電池的工程模型，其輸出特性表達(dá)式為：