基于改进多种群粒子群算法的光伏组件参数辨识

针对光伏组件参数辨识问题,本文首先通过调整光伏单二极管超越方程重构出低计算复杂度的目标函数,又预估计模型参数对搜索空间进行优化,再结合多种群粒子群算法与单纯形算法的优点,构造出N-MPSO混合新算法用于光伏组件模型参数的精确稳定辨识。最后利用多种实际光伏组件测量数据对所提方法进行检验。结果表明N-MPSO算法相较于传统算法能够更加准确、快速且稳定地辨识出任意环境条件下光伏组件的模型参数,对于光伏组件及光伏电站的设计、测试与诊断具有实际意义。     

一种光伏组件I-V特性曲线测试及参数辨识系统

提出一种光伏组件的I-V曲线扫描与参数识别系统.该系统采用功率MOS管作为电子负载,通过控制MOS管的导通程度改变电子负载以实现I-V特性曲线扫描;采用新型布谷鸟-NM单纯形混合算法实现快速、精确的I-V曲线拟合,以提取准确光伏模型参数.现场实验结果表明:该系统能够快速扫描光伏组件的I-V特性曲线,实现精确的模型参数辨识,具有较高的实际工程应用价值.     

基于参数优化的光伏电池故障诊断

提出一种基于参数优化的光伏电池故障诊断方法.采用优化的人工蜂群算法对影响光伏电池I-V曲线的参数进行辨识,获取不同故障类型光伏电池特征参数数据集,建立概率神经网络故障诊断模型对光伏电池故障类型进行诊断.仿真结果表明,优化的人工蜂群算法能够对光伏电池特征参数进行快速、准确的辨识,故障诊断结果与故障特征一致,验证了基于参数优化光伏电池故障诊断方法的有效性.     

基于自适应粒子群优化算法的光伏电池参数辨识

利用双二极管等效电路模型进行光伏电池输出特性仿真,基于光伏电池的U-I数据建立了目标寻优函数,采用自适应粒子群优化算法对光伏电池参数进行了反演计算.结果表明:U-I反演曲线与实际曲线基本吻合,自适应粒子群算法与单纯形方法的参数辨识结果均与理论值相符,权重因子策略和种群规模对自适应粒子群优化算法寻优结果具有显著影响,基于自适粒子群优化算法的光伏电池参数辨识方法具有更高的求解精度和寻优效率.     

基于精英反向学习粒子群算法的光伏电池参数辨识

快速准确辨识光伏电池参数对于电池输出功率预测及电池故障诊断模型的研究具有重要意义.针对传统智能算法应用于光伏电池参数辨识时存在准确性低、易陷入早熟的问题,提出一种精英反向粒子群算法(EOPSO),在算法进化过程中,对当前种群中的优秀个体根据概率进行精英反向学习,生成精英反向种群,并将精英反向种群与当前种群进行竞争,当算...     

基于BP神经网络的故障光伏组件输出功率预测

针对产生故障的光伏组件会降低光伏组件输出功率的问题,提出了一种改进的BP神经网络预测模型.该预测模型在辐照度、环境温度等因素的基础上加入光伏组件故障面积,串联光伏组件个数作为输入,对比SCG算法和LM算法两种改进方法,对故障光伏组件的输出功率进行预测,并用平均绝对百分比误差和均方误差两种方式对两种改进模型的准确性进行评...     

基于模糊理论和组合权重的光伏组件健康状况评估

光伏能源以其能源再生和清洁为特点得到广泛应用,并具有广阔发展前景,然而其运行过程中的健康状况直接影响电力系统运行的安全性、经济性和电能质量,因此需要对光伏组件进行健康状况评估,以达到“早发现,早治疗”的目的.综合运用模糊理论、云模型及层次分析法和熵权法建立了光伏组件健康状况评估模型.以运行参数、环境参数、巡视参数为主要依据,考虑到光伏组件状况的多层次性和多因素性,进而将复杂问题进行分解,建立了光伏组件状况评估的层次指标体系.根据层次分析法(AHP)和熵权法确定权重向量模型,利用云模型建立模糊关系,依此建立光伏组件健康状况评估模型,对层次指标体系中的各层次的权重向量模型和模糊关系模型进行模糊运算,最终得到光伏组件健康状况的隶属度.实例分析表明,该方法是可行有效的.     

基于实时仿真硬件在环的光伏逆变控制器参数辨识

为准确获取光伏逆变控制器参数,在仿真中实现对光伏系统的精确建模,以便正确分析光伏并网系统的动态性能。提出了一种基于实时仿真硬件在环测试的光伏逆变控制器参数辨识方法。该方法采用基于粒子群算法的dq轴参数解耦辨识策略,通过搭建光伏逆变控制器-实时仿真硬件在环测试平台,将测得多种工况下光伏逆变器的响应数据作为实测数据。利用快速原型控制器(rapid prototyping controller, RCP)对所提出辨识策略准确性进行验证后,利用平台对实际控制器进行硬件在环实验,并依据辨识结果在Simulink中建立仿真模型与实测数据对比。结果表明:所提辨识方法正确性及有效性,可以满足电力系统暂态仿真需求。     

局部遮挡下光伏组件MPPT复合算法

当光伏组件受到局部阴影遮挡时,其最大功率点跟踪(maximum power point tracking, MPPT)过程常出现误跟踪、跟踪速度慢、光伏组件输出功率低等问题.为使局部阴影下光伏组件保持快速、稳定、准确地最大功率输出,基于电导增量法(incremental conductance algorithm, INC),结合全局比较算法(global comparison algorithm, GCA),提出一种基于电导增量/全局比较的复合MPPT算法(INC-GCA),并通过搭建Simulink仿真模型和设计光伏试验平台,验证该算法的可行性.结果表明：基于电导增量/全局比较的复合MPPT算法在光伏组件受到局部阴影遮挡时可准确追踪到最大功率,且跟踪速度快、可靠性高,完全避免了误跟踪问题;相较于电导增量法,该算法可有效提高光伏系统的发电效率,提升光伏电站的经济效益.     

基于果蝇优化算法的船舶操纵响应模型的辨识

应用果蝇优化算法对船舶操纵运动响应模型的结构参数进行辨识,并用辨识得到的响应模型进行自航模变Z形试验预报.预报结果与自航模试验结果的对比验证了所提算法的有效性.研究结果表明,基于果蝇优化算法的参数辨识方法具有算法设置简单、调整参数少以及不易陷入局部极小值等优点.