[發(fā)明專利]光伏模型的參數(shù)確定方法、裝置、設(shè)備及存儲介質(zhì)

在審

• 申請?zhí)枺?/td>: 202210008611.5
• 申請日: 2022-01-04
• 公開（公告）號: CN114492172A
• 公開（公告）日: 2022-05-13
• 發(fā)明（設(shè)計）人: 李水佳;谷瓊;龔文引;寧彬;胡春陽;蔡之華
• 申請（專利權(quán)）人: 湖北文理學院
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06N3/00
• 代理公司: 深圳市世紀恒程知識產(chǎn)權(quán)代理事務(wù)所 44287
• 代理人: 劉錫濱

本發(fā)明公開一種光伏模型的參數(shù)確定方法、裝置、設(shè)備及存儲介質(zhì)。本發(fā)明通過獲取光伏模型對應(yīng)的待優(yōu)化參數(shù)，將待優(yōu)化參數(shù)作為種群個體構(gòu)建基于預(yù)設(shè)自適應(yīng)教學優(yōu)化算法的學習種群，然后獲取學習種群中各待優(yōu)化參數(shù)的目標函數(shù)值，并根據(jù)目標函數(shù)值確定學習種群中的學習者自適應(yīng)學習階段，然后根據(jù)當前循環(huán)代數(shù)和所述學習者自適應(yīng)學習階段確定預(yù)設(shè)學習方式，并根據(jù)預(yù)設(shè)學習方式對學習種群中的學習者參數(shù)進行更新，獲得更新后的學習者參數(shù)，再根據(jù)更新后的學習者參數(shù)確定光伏模型的參數(shù)。本發(fā)明能夠根據(jù)自身的學習水平自適應(yīng)地選擇適合自己的預(yù)設(shè)學習方式，并且能夠不斷對待優(yōu)化參數(shù)進行更新，進一步使光伏模型的參數(shù)更加準確可靠。

技術(shù)領(lǐng)域

本發(fā)明涉及數(shù)據(jù)處理技術(shù)領(lǐng)域，尤其涉及一種光伏模型的參數(shù)確定方法、裝置、設(shè)備及存儲介質(zhì)。

背景技術(shù)

由于過去大量使用化石能源造成的環(huán)境污染、氣候變化、全球變暖等問題，使得可再生能源受到越來越多的關(guān)注。在可再生能源中，如風能、太陽能、核能、潮汐能、地熱能、生物質(zhì)能等，太陽能因其廣泛的可用性和清潔性，被認為是最有潛力的能源之一。在太陽能發(fā)電中，光伏(Photovoltaic，PV)系統(tǒng)作為一種廣泛使用的技術(shù)近年來備受關(guān)注，因為它能夠?qū)⑻柲苤苯愚D(zhuǎn)化為電能。而對于PV系統(tǒng)，其電能轉(zhuǎn)換性能很依賴于PV模型的選擇。PV模型的建立主要是根據(jù)測量的電流-電壓(I-V)數(shù)據(jù)集。目前實際中最常用的PV模型有單二極管、雙二極管這兩種。然而，不論是選取哪種PV模型，都必須要先提取該模型中的一些未知參數(shù)，這些參數(shù)的準確性對于模型的性能是至關(guān)重要的。而要提取PV模型中的這些未知參數(shù)并不是一件容易的事情，因為這些PV模型的等效電路方程具有高度非線性、隱式、多變量等特性，這大大增加了提取的難度。因此，如何使光伏模型的參數(shù)更加準確可靠，成為一個亟待解決的問題。

上述內(nèi)容僅用于輔助理解本發(fā)明的技術(shù)方案，并不代表承認上述內(nèi)容是現(xiàn)有技術(shù)。

發(fā)明內(nèi)容

本發(fā)明的主要目的在于提供了一種光伏模型的參數(shù)確定方法、裝置、設(shè)備及存儲介質(zhì)，旨在解決現(xiàn)有技術(shù)無法準確可靠地確定光伏模型參數(shù)的技術(shù)問題。

為實現(xiàn)上述目的，本發(fā)明提供了一種光伏模型的參數(shù)確定方法，所述光伏模型的參數(shù)確定方法包括：

獲取光伏模型對應(yīng)的待優(yōu)化參數(shù)，將所述待優(yōu)化參數(shù)作為種群個體構(gòu)建基于預(yù)設(shè)自適應(yīng)教學優(yōu)化算法的學習種群；

獲取所述學習種群中各待優(yōu)化參數(shù)的目標函數(shù)值，并根據(jù)所述目標函數(shù)值確定所述學習種群中的的學習者自適應(yīng)學習階段；

根據(jù)當前循環(huán)代數(shù)和所述學習者自適應(yīng)學習階段確定預(yù)設(shè)學習方式，并根據(jù)所述預(yù)設(shè)學習方式對所述學習種群中的學習者參數(shù)進行更新，獲得更新后的學習者參數(shù)；

根據(jù)所述更新后的學習者參數(shù)確定所述光伏模型的最優(yōu)參數(shù)。

可選地，所述獲取所述學習種群中各待優(yōu)化參數(shù)的目標函數(shù)值，并根據(jù)所述目標函數(shù)值確定所述學習種群中的學習者自適應(yīng)學習階段的步驟，具體包括：

根據(jù)所述學習種群中各待優(yōu)化參數(shù)的目標函數(shù)值確定各待優(yōu)化參數(shù)的排名選擇概率；

為各待優(yōu)化參數(shù)生成對應(yīng)的隨機數(shù)，并將各待優(yōu)化參數(shù)的隨機數(shù)與對應(yīng)的排名選擇概率進行比較；

根據(jù)比較結(jié)果確定所述學習種群中的學習者自適應(yīng)學習階段。

可選地，預(yù)設(shè)學習方式包括：教師教學方式和學生學習方式；

所述根據(jù)當前循環(huán)代數(shù)和所述學習者自適應(yīng)學習階段確定預(yù)設(shè)學習方式，并根據(jù)所述預(yù)設(shè)學習方式對所述學習種群中的學習者參數(shù)進行更新，獲得更新后的學習者參數(shù)的步驟，具體包括：

根據(jù)當前循環(huán)代數(shù)和所述學習者自適應(yīng)學習階段確定教師教學方式，并根據(jù)所述教師教學方式對所述學習種群中的學習者參數(shù)進行更新，獲得更新后的學習者參數(shù)；