论文部分内容阅读
太阳能作为一种清洁能源,具有无污染、可再生等优势,在新能源领域备受关注,被认为是最具有发展潜力的新能源之一。光伏发电系统能将太阳能转换为电能,光伏电池作为光伏发电系统的主要组成部件,对其参数进行准确辨识,对于光伏系统建模有很大的意义,精准程度不高的参数不但会造成很大的误差,甚至有可能导致最大功率点追踪失败。因此,建立可高精度地描述太阳电池非线性特性的数学模型,并准确地辨识其参数,能为太阳能电池故障诊断和最大功率点跟踪控制等技术的设计与应用提供保障,对提高光伏发电系统的效率具有实际意义。论文研究了基于智能优化算法的光伏电池参数辨识方法,具体工作如下:为了对光伏电池的参数进行准确辨识,提出一种基于改进象群游牧优化算法的光伏电池参数辨识方法。针对象群游牧优化算法在寻优过程中存在精度低,收敛速度慢,易陷入局部最优等不足,引入混沌初始化,改善初始种群质量,增强种群的遍历性;增加了快速移动算子,使算法的收敛速度和全局搜索能力有了较大的提升;引入精英策略,用最优个体替代最差个体,加快算法寻优速度,缩短寻优时间。应用于太阳电池模型的参数辨识中,改进象群游牧优化算法比其他算法得到的辨识结果更快、更好。对不同光照条件下的光伏电池模型进行参数辨识,辨识结果与实测数据拟合度很高,表明改进象群游牧优化算法能够在不同环境下准确有效地进行太阳电池模型的参数辨识。为了便于参数辨识在实际工程中的应用,提出了一种基于改进哈里斯鹰优化算法的光伏电池工程模型参数辨识方法。针对哈里斯鹰优化算法存在搜索过程调整不够灵活,不能针对性的进行阶段性搜索,有时会陷入局部最优使算法搜索精度相对较差等问题,对哈里斯鹰优化算法进行了两项改进。引入柔性递减策略,在迭代初期扩大全局搜索范围,在迭代后期延长局部搜索时间,加强了初期的全局搜索能力和后期的局部搜索能力;引入黄金正弦法,不但增加了种群的多样性,减少算法陷入局部最优的可能性,并且缩小了搜索空间,提高了寻优效率。应用于光伏电池工程模型的参数辨识中,改进哈里斯鹰优化算法比其他算法得到的辨识结果更为精确,辨识结果与实测数据拟合度更高,表明改进哈里斯鹰优化算法能够在不同环境下对光伏电池的工程模型进行准确地参数辨识。