多项式拟合的光伏电池阵列模拟器研究与设计

分析了光伏电池的数学模型,提出了一种简化的工程应用模型,该模型仅需要光伏电池的5个出厂参数就可以在工程精度下完整地复现光伏电池的外部特性,采用多项式拟合方法,成功地使用4段折线对光伏电池的I-U特性曲线进行了拟合。基于多项式拟合的光伏电池阵列特性曲线设计了一种数字式光伏阵列模拟器,该模拟器以Boost变换器作为主电路,采用电流闭环PI控制。仿真与实验证明,采用多项式对光伏电池特性曲线进行分段拟合具有较高的精确度,模型误差在6 %以下,可以满足光伏系统设计及仿真的精度要求,可以取代实际光伏阵列进行相关实验研究。     

基于改进麻雀搜索算法优化RBF神经网络的光伏阵列故障诊断

针对传统BP神经网络在光伏阵列故障诊断时受初始权值阈值的影响,易导致全局搜索过程陷入局部最优这一问题,提出了一种基于改进麻雀搜索算法优化RBF神经网络（ISSA-RBF）的光伏故障诊断方法。首先,利用Matlab建立光伏阵列故障仿真模型,提取出故障诊断模型的特征参数;其次,融入Levy飞行和自适应权重φ对麻雀搜索算法进行改进,用优化后的算法建立ISSA-RBF故障诊断模型;最后,与传统BP和SSA-RBF模型进行对比验证,实验结果表明,ISSA-RBF模型在故障诊断精度上达到94.8%,可以有效诊断光伏阵列的故障类型。     

基于自适应混沌粒子群算法的光伏电池模型参数辨识

光伏电池模型参数的快速准确辨识在光伏阵列的输出功率预测、最大功率点跟踪以及电池故障模型的特性研究方面具有非常重要的工程意义。针对大部分传统智能算法用于系统参数辨识时的辨识精确受参数初值影响较大,而且算法易陷入早熟的问题,利用自适应混沌粒子群算法(SA-CPSO)对光伏电池模型参数进行辨识。将混沌算法与粒子群算法融合,对粒子群进行混沌初始化并促使陷入局部最优的粒子进行混沌搜索,引导其跳出局部极值从而搜索到更好的解;同时引入自适应调整策略来有效控制全局与局部搜索,提高了进化后期算法的收敛精度。经过仿真和实验测试,证明SA-CPSO算法在光伏电池模型参数辨识方面具有较高的精确度和快速性。还通过实验探讨了辐照度变化对太阳能电池参数的影响。     

自适应差分进化算法在光伏组件模型参数辨识中的应用

针对光伏组件模型参数辨识精度低和传统优化算法参数辨识过早收敛的问题,提出了基于自适应缩放因子和自适应交叉变异概率的差分进化算法对两种常用太阳能电池单元模型进行参数辨识,把辨识参数代入模型与实测数据进行拟合,用拟合效果好的一种太阳能电池单元模型作为光伏组件模型的基础,并用自适应差分进化算法对光伏组件模型的参数进行辨识,辨识结果的均方根误差为1.402e-2,辨识精度更高,全局收敛能力更强,并对辨识后的模型与实际测量数据进行拟合,其拟合相对误差是5.73e-4。计算电流平均绝对误差为2.11e-3,结果明显优于粒子群算法(POS),遗传算法(GA),模式搜索算法(PS),并在不同环境下验证了所提方法的有效性。这对光伏发电系统最大功率点跟踪控制和功率预测具有实际意义。     

基于非线性最小二乘法的光伏电池参数辨识

光伏阵列模型的准确性直接关系到其仿真的可靠性,由于模型的参数值随工况的变化而改变,因此根据实测数据辨识模型参数尤为重要。本文采用四参数模型对光伏组件建模,首先提出了一种基于逐步线性搜索的非线性最小二乘光伏电池参数辨识方法,利用该方法辨识得到了光伏电池的参数参考值,辨识曲线与实测数据的对比结果证明了该方法的可行性,且辨识精度较高,实现简单。然后对光伏组件四参数模型中的α、β、γ3个系数进行了优化,并将光伏电池参数辨识与模型系数优化相结合,提出了参数辨识-系数优化(PI-CO)迭代法。迭代过程中参数值和系数值快速收敛至最优点,且目标函数值随之减小,表明该辨识方法能够进一步提高仿真精度。     

基于KPCA-ISSA-KELM的光伏阵列故障诊断方法

为提高光伏阵列故障诊断的精度,提出一种基于核主成分分析（KPCA）和改进麻雀搜索算法（ISSA）优化核极限学习机（KELM）的光伏故障诊断方法。利用KPCA降维提取故障数据的非线性特征,减少外界条件产生的冗余数据,有效提高复杂故障识别准确率。通过融入Levy飞行和自适应权重t对麻雀搜索算法进行改进,并利用ISSA对KELM中的核参数γ和正则化系数C进行优化,建立了基于KPCA-ISSA-KELM的光伏阵列故障诊断模型。实验结果表明,经ISSA优化KELM的光伏阵列故障诊断模型与其他光伏阵列诊断模型相比,在故障诊断精度上达到97%,验证了该模型的准确性和有效性。     

改进麻雀搜索算法在光伏阵列MPPT中的应用

在局部遮阴条件下光伏阵列的输出功率存在多个峰值,传统的最大功率点追踪(MPPT)技术在寻优过程中易陷入局部峰值,难于快速准确地追踪到最大功率点。针对这一问题,提出了一种改进麻雀搜索算法应用于光伏MPPT技术。首先,借鉴于乌鸦搜索算法引入了飞行步长,并采用一种动态递变规则调节飞行步长,增强加入者的探索能力,解决了麻雀搜索算法在低维下寻优精度低的问题;其次,设计了一种自适应规则应用于发现者位置更新中,同时通过边界处理策略约束麻雀位置更新,保证了麻雀搜索算法能够有效地解决搜索范围较小情况下的寻优问题;最后,在MATLAB中对6个基准函数进行测试验证,并将改进的算法应用于非均匀光照条件下光伏阵列的最大输出功率点追踪中进行仿真。结果表明,所提出的改进麻雀搜索算法具有较快的收敛速度和较高的追踪精度,在寻优过程中能有效避免陷入局部峰值并快速精确地追踪到最大功率点。     

基于平抛模型的光伏多峰最大功率点预测跟踪方法

局部阴影条件下,现有的常规光伏电池模型不再适用。结合光伏阵列电流压特性曲线和质点平抛运动轨迹的相似性,构建了适用于阴影条件下的光伏阵列运动学平抛模型,并利用改进粒子群算法对其求解进行最大功率预测。由于平抛模型是对光伏阵列电流电压特性曲线的拟合,而拟合曲线不一定精确,单独使用该模型预估追踪最大功率点存在误差。针对上述问题,在使用改进PSO算法预测光伏阵列的最大功率点后,再利用指数变步长电导增量法进行局部跟踪。在MATLAB中通过不同运行工况下的仿真实验,验证了此多峰寻优方法的可行性,该方法能够有效缩短寻优时间,且减少寻优时系统的振荡,从而达到提高收敛速度和光伏发电效率的目的。     

基于ARM的数字式光伏电池模拟器

详细分析了光伏电池阵列的电气特性,提出了光伏电池模拟器数字式控制的理论依据。设计了基于ARM控制的主电路为BUCK电路的数字式光伏阵列模拟器,并采用电压、电流双环PI调节对BUCK电路进行控制,以提高系统的动态响应能力及稳定性。对光伏电池特性曲线进行分段多项式拟合,基于ARM控制单元完成采样、计算和PWM输出,实现对光伏电池模拟器的数字式控制。在Matlab中建立了数字式光伏电池模拟器仿真模型,实现了不同负荷下的输出特性仿真,验证了设计的合理性。     

基于Bezier曲线的CIGS薄膜光伏电池I-V曲线简单拟合方法

精准的光伏电池输出数学模型是研究光伏系统的必要条件,然而由于厂家提供的数据有限,铜铟镓硒(CIGS)薄膜光伏电池的输出数学模型是包含若干未知参数的非线性特性曲线.因此提出仅利用厂家提供的有限数据,对CIGS薄膜光伏电池的电流-电压输出特性曲线,即I-V曲线进行拟合.首先利用Bezier曲线选取函数控制点,对CIGS薄膜光伏电池的I-V曲线进行拟合;然后找出Bezier曲线控制点位置与CIGS薄膜光伏电池的填充因子之间的函数关系;最后,利用4种新型CIGS薄膜光伏电池对该函数关系进行验证,并对结果进行了对比分析.分析结果表明,所提方法对4种CIGS薄膜光伏电池的I-V曲线的拟合方法的平均相对误差均小于0.8％,验证了所提方法的有效性.     

粒子群优化算法在光伏阵列多峰最大功率点跟踪中的应用

局部阴影情况下,光伏阵列功率-电压(P-U)特性曲线呈现多个极值点,传统的最大功率点跟踪(maximum power point tracking,MPPT)方法会失效。研究了粒子群优化算法(particle swarm optimization,PSO)在光伏阵列(photovoltaic array)多峰MPPT中的应用,该方法根据多峰P-U曲线的特性,提出将粒子初始位置分散定位在可能的峰值点电压处这一新思路,保证了粒子群算法不会陷入局部极值点且不会错过任何极值点。设置了粒子群算法的参数,同时提出有效的迭代终止策略,能够避免系统趋于稳定时的功率振荡。最后通过仿真验证了该算法在有、无阴影情况下均能够快速且准确地跟踪最大功率点,有效地提高了光伏阵列输出效率。     

一种基于改进型樽海鞘群算法的光伏电池参数辨识方法

针对樽海鞘群算法(SSA)在光伏电池双二极管模型参数辨识时存在陷入局部最优,精度不高等问题,提出了一种基于改进型樽海鞘群算法的光伏电池参数辨识方法.在樽海鞘群算法的基础上加入精英反向学习与差分策略来辨识光伏电池双二极管模型的参数,将其与改进前的樽海鞘群算法进行仿真试验对比研究,结果表明改进后的算法能够提高光伏电池双二极管模型参数的辨识速度和精度,具有很好的实用性.     

优化SVM模型在泥石流易发性中的应用

泥石流灾害是我国最常发生且危害最大的地质灾害之一，因此实现有效、准确的泥石流灾害预测对于人类的生活和生产具有重大意义。研究以四川省石棉县为研究区域，选取12个泥石流影响因子。同时针对传统支持向量机模型精度不高的问题，采用遗传算法、粒子群算法、秃鹰搜索算法以及新型的群智能优化算法—麻雀搜索算法等4种算法来优化支持向量机的超参数C和gamma。通过优化后的支持向量机模型建立泥石流易发性评价模型，同时对比随机森林模型与人工神经网络模型，最后采用受试者工作特征曲线来评价预测模型。研究结果表明，4种优化算法均能有效提高预测准确度，但麻雀搜索算法优化的支持向量机模型具有更高的准确度和受试者工作特征曲线下面积，分别为0.957 3和0.98,并在泥石流易发性分区图中得到验证。因此，麻雀搜索算法优化的支持向量机模型在泥石流易发性评价研究中更为适用。     

太阳能光伏电站等效建模

提出了光伏电池在无遮挡以及部分遮挡2种情况下光伏电站的等效建模方法。首先根据光伏电池的外特性进行聚合,获得等效光伏电池的外特性;分析了当光伏电池部分遮挡时,等效光伏组件的最大功率点出现漂移,此时根据光伏电池聚合获得的等效光伏单元的功率大于实际值。为获得光伏电池部分遮挡情况下光伏电站的等效模型,根据光伏电站PCC点处测量得到的功率、电压以及实际环境信息,以理想光伏电池外特性作为拟合函数,进而辨识光伏阵列的并联数目。算例结果表明,该方法兼具较高的稳态与动态精度,适用于光伏电池型号不同或部分遮挡下的光伏电站等效建模。     

光伏组件参数拟合及输出特性研究

为了能够对任意光照强度和温度下的光伏组件进行准确建模,提出了一种基于参数拟合的五参数等效电路模型。分析不同工况下的光伏组件输出特性曲线,借助于改进的人工鱼群算法对模型中各个参数进行辨识;在此基础上,通过最小二乘拟合法对光伏组件各参数进行公式拟合修正,获取任意工况下对应的模型参数值。与传统参数转换公式相比,基于所提方法对光伏组件建模精确度更高,模型能够表征对应光伏组件输出特性的变化规律。实验结果进一步验证了所提建模方法的准确性和有效性。     

基于模糊PI调节Boost电路的光伏系统最大功率点跟踪控制

详细分析了光伏电池及光伏阵列的工作特性,建立了光伏电池的等效电路及数学模型,根据实际的光伏电池参数计算得出相应数学模型的拟合参数,并根据拟合参数建立了光伏阵列的MATLAB模型。利用Boost电路提升光伏阵列的电压,采用改进的导纳增量法实现光伏阵列的最大功率点跟踪(MPPT)功能,并利用模糊PI控制算法修改控制参数以提高系统的速度。通过对电路的分析,得出了其小信号状态空间模型,利用模型仿真可知电路是一个稳定的系统。实验结果验证了系统工作稳定、可靠、快速。     

光伏电池实用模型研究

本文介绍一种简化光伏电池工程应用模型,根据此模型模拟模拟任意外界温度、光照强度、光伏模块参数、电池串并联方式下组合下的光伏阵列U-I、U-P曲线。模型内部参数有效的进行优化处理,较好地反应了电池实际特性。MATALB软件建立仿真模型,将仿真结果与实际参数进行对比,效果较好。     

基于改进麻雀搜索算法的MPPT方法

局部阴影情况下,光伏系统的功率-电压(P-V)输出特性曲线呈现多峰值现象,传统的最大功率跟踪算法易陷入局部最优.针对这一现象,提出了一种基于改进麻雀搜索算法的控制方法,应用于最大功率跟踪模块.与传统麻雀搜索算法相比,该算法解决了生产者易陷入局部最优问题、由原来向最佳位置跳跃改成向最佳位置移动,提高了算法的全局搜索能力,...     

光学损失故障对单晶硅光伏电池参数的影响

长时间暴露在室外的光伏电池会出现封装材料的老化或破损,从而导致电池的光学损失故障。为研究不同的故障状态对光伏电池模型参数的影响,从等效透光率的角度入手,用半透膜逐层遮挡的方法模拟光伏电池不同的光学损失故障状态,测量并分析相应状态下光伏电池的I-V特性曲线,采用自适应混沌粒子群算法辨识出相应光伏模型的5个参数值,从而对在发生光学损失故障时的光伏电池模型参数的变化规律进行研究,得到了能较好表现光伏模型参数变化规律的非线性表达式,为提高光伏电池的效率和后续光伏电池故障诊断的研究打下基础。     

基于改进教与学优化的光伏阵列模型参数辨识研究

光伏发电系统中阵列模型及其参数辨识的准确性对光伏电站故障诊断、发电功率预测以及并网运行的稳定性评估具有重要意义。在单二极管模型基础上建立了光伏阵列数学模型,并提出一种基于Tent混沌映射的改进教与学优化算法对模型参数进行辨识,通过实测数据和参数辨识后的仿真结果进行对比,验证了该模型的准确性、求解快速性以及稳定性,为下阶段综合能源系统建模奠定模型基础。