一种部分遮蔽情况下光伏阵列模型的参数优化方法

1.本发明涉及新能源发电系统建模与优化技术领域，尤其涉及一种部分遮蔽情况下光伏阵列模型的参数优化方法。


背景技术：

2.能源是国民经济发展和提高人民生活水平的重要物质基础。随着经济发展和人口增加，能源需求不断地增长，传统能源的储量却越来越少，其价格必将不断升高，同时传统能源的大量使用导致生态环境的巨大破坏，如温室效应、酸雨及空气污染等。究其根本原因是不合理的能源消费结构和较低的能源使用效率。面对这些问题，全世界都把目光投向了可再生能源，希望通过可再生能源来改变目前的能源结构，实现人类社会的可持续发展。太阳能是符合可持续发展理想的绿色能源，也即将成为21世纪最重要的能源之一。
3.如何降低能源损耗提高发电效率一直是光伏产业推广和应用的关键共性问题。在实际情况下，由于天气(如多云天气)或工作环境(如周边建筑、沙漠或黄土地带)原因，光伏发电系统中的光伏阵列有部分遮蔽情况，使得光伏输出特性曲线存在多个局部峰值点。如果能对部分遮蔽情况下的光伏阵列进行精确机理建模，通过模型参数估计预估被遮蔽光伏组件信息，则可采取有效的保护措施。因此，部分遮蔽情况下的光伏阵列精确机理建模问题是当前实际存在且亟需解决的课题，并能基于所建的精确机理模型，及时找到全局最优功率点。
4.目前，光伏阵列的建模吸引了国内外众多学者，他们都对此做了相关的研究，但是模型参数的准确性和可靠性有待提高，使得测量数据存在随机误差或显著误差时模型输出值与实际光伏阵列的测量值偏差大。例如，李宗鉴等提出了使用有限测量信息构建光伏组件，并用加权最小二乘法进行参数估计，但当数据存在显著误差时，用该方法进行参数估计所得的结果会整体上移或整体下移，并不精确。又如，在此基础上，陈倩等提出了基于相关熵的鲁棒参数估计方法，将非线性规划方法与相关熵的鲁棒参数估计方法结合，当测量数据仅存在随机误差或显著误差时，容易使所得解陷入局部，不能很好得到最优解。又如，程泽等利用自适应混沌粒子群算法对光伏电池模型进行参数估计，增强了算法在全局搜索与局部搜索的平衡性，提高了参数估计的准确性和可靠性，但该方法存在优化时间长、实现较为复杂等问题。
5.因此，有必要提出一种部分遮蔽情况下光伏阵列模型的参数优化方法，能更易得到模型参数的全局最优解，并提高模型参数的准确性和可靠性，使数据在含有显著误差的情况下不受影响，得到较好的结果。


技术实现要素：

6.本发明实施例所要解决的技术问题在于，提供一种部分遮蔽情况下光伏阵列模型的参数优化方法，能更易得到模型参数的全局最优解，并提高模型参数的准确性和可靠性，使数据在含有显著误差的情况下不受影响，得到较好的结果。
7.为了解决上述技术问题，本发明实施例提供了一种部分遮蔽情况下光伏阵列模型的参数优化方法，所述方法包括以下步骤：
8.基于预设的光伏电池等效模型，对多个光伏组件的串并联组成的光伏阵列在相同太阳辐射强度情况下进行机理建模，以得到理想情况下的光伏阵列数学模型，且进一步采用遮蔽组件串电流折算法，构建出同时适用于理想情况与部分遮蔽情况下的光伏阵列输出特性机理模型；
9.构造鲁棒估计函数，并采用所述鲁棒估计函数，对所述光伏阵列输出特性机理模型进行参数估计问题构建，以得到含有多个待辨识参数的目标函数；
10.将所述目标函数转换为无约束优化问题，并对所述无约束优化问题进行迭代求解，得到多个待辨识参数的全局最优解及对应所述光伏阵列输出特性机理模型的最优输出值。
11.其中，所述光伏电池等效模型的表达式如公式(1)所示：
[0012][0013]
其中，i
ph
和i0的表达式为：
[0014][0015][0016]ioref
＝i
scref
/exp(qv
ocref
/akt
ref-1)
[0017]rs
＝-dv/divoc-1/(i
oref
*q/akt
ref
*exp(qv
ocref
/akt
ref
))
ꢀꢀꢀꢀ
(4)；
[0018]iph
为光伏电池光生电流，它的大小与光照强度和温度有关；v
pv
为光伏电池的输出电压；i
pv
为光伏电池的输出电流；p
pv
为光伏电池的输出功率；rs为光伏电池等效串联电阻；i
scref
为标准条件下参数表给出的短路电流值，且该标准条件为光照强度g
ref
为1000w/m2且参考温度t
jref
为25℃；i
phref
为标准条件下的光伏电池光生电流；k0为光生电流与温度的变化对应关系值；tj为光伏电池板的温度；i
oref
为标准条件下二极管饱和电流；v
oc-ref
为标准条件下的开路电压；vg为带隙电压；dv/divoc为开路电压时i-v曲线的斜率；g、t、a、r、k为模型参数。
[0019]
其中，所述理想情况下的光伏阵列数学模型的表达式如公式(5)所示：
[0020][0021]
其中，va、ia、pa的表达式为：
[0022]va
＝n
svpv
ꢀꢀ
(6)；
[0023]
ia＝n
pipv
ꢀꢀ
(7)；
[0024]
pa＝n
snp
p
pv
ꢀꢀ
(8)；
[0025]va
、ia、pa分别为光伏阵列的输出电压、输出电流和输出功率；v
pv
、i
pv
、p
pv
分别为光伏电池的输出电压、输出电流和输出功率；ns为光伏电池的串联数目；n
p
为光伏电池的并联
数目。
[0026]
其中，所述光伏阵列输出特性机理模型的表达式如公式(9)所示：
[0027][0028]
其中，v
x
和i
x
的表达式为：
[0029]vx
＝v
g1
+v
g2
ꢀꢀ
(10)；
[0030][0031]ig1
＝i
ph1-i
01
(exp(q(v
g1
+i
g1rs1
)/(a1kt(g1)))-1)
ꢀꢀ
(12)；
[0032]ig2
＝i
ph2-i
02
(exp(q(v
g2
+i
g2rs2
)/(a2kt(g2)))-1)
ꢀꢀ
(13)；
[0033]vx
为每个子串阵列的输出电压；i
x
为每个子串阵列的输出电流；i
ph1
和i
ph2
为每个子串阵列中理想情况与部分遮蔽情况下各自对应的光伏电池光生电流；v
d1
和v
d2
为每个子串阵列中理想情况与部分遮蔽情况下各自对应流过二极管的电压；i
d1
和i
d2
为每个子串阵列中理想情况与部分遮蔽情况下各自对应流过二极管的电流；r
s1
和r
s2
为每个子串阵列中理想情况与部分遮蔽情况下各自对应的光伏电池等效串联电阻；r
by1
和r
by2
为每个子串阵列中理想情况与部分遮蔽情况下各自对应的二极管等效串联电阻；v
g1
和v
g2
为每个子串阵列中理想情况与部分遮蔽情况下各自对应的二极管的带隙电压；i
g1
和i
g2
为每个子串阵列中理想情况与部分遮蔽情况下各自对应流过光伏电池等效串联电阻的电流；g1、a1和g2、a2为每个子串阵列中理想情况与部分遮蔽情况下各自对应的模型参数；i
01
和i
02
为每个子串阵列中理想情况与部分遮蔽情况下各自对应通过公式(3)所得的电流计算值。
[0034]
其中，所述鲁棒估计函数的表达式如公式(14)和(15)所示：
[0035][0036][0037]
其中，ε为测量变量的测量噪声；1-ω表示测量噪声ε中粗差发生的后验可能性。
[0038]
其中，所述目标函数的表达式如公式(16)和(17)所示：
[0039]
[0040][0041]
其中，为输出电压的测量值；为输出电流的测量值；vj为输出电压的模型输出值；ij为输出电流的模型输出值；σv和σi分别为输出电压和电流测量噪声的标准差；t、s、a、r均为待辨识参数。
[0042]
其中，所述无约束优化问题的表达式如公式(18)所示：
[0043][0044]
其中，所述无约束优化问题是采用连续极值优化法和内点法进行交替迭代求解，得到多个待辨识参数的全局最优解及对应所述光伏阵列输出特性机理模型的最优输出值。
[0045]
实施本发明实施例，具有如下有益效果：
[0046]
本发明通过建立部分遮蔽情况下的光伏阵列输出特性机理模型，并根据实际光伏发电系统的测量信息，考虑了部分遮蔽下的测量误差的分布不确定性，设计光伏阵列遮蔽情况下的鲁棒参数估计问题，同时考虑了鲁棒参数估计求解计算的多个局部极小点问题，具有全局寻优的连续极值优化方法与数值优化算法内点法相结合优化求解，获得全局最优下的模型参数，从而易于进行离线实施精确建模，灵活性好，更易得到模型参数的全局最优解，提高了模型参数的准确性和可靠性，使数据在含有显著误差的情况下不受影响，得到较好的结果。
附图说明
[0047]
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，根据这些附图获得其他的附图仍属于本发明的范畴。
[0048]
图1为本发明实施例提供的一种部分遮蔽情况下光伏阵列模型的参数优化方法的流程图；
[0049]
图2为本发明实施例提供的一种部分遮蔽情况下光伏阵列模型的参数优化方法中部分遮蔽情况下的光伏阵列的等效模型电路图。
具体实施方式
[0050]
为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步地详细描述。
[0051]
如图1所示，为本发明实施例中，提出的一种部分遮蔽情况下光伏阵列模型的参数优化方法，所述方法包括以下步骤：
[0052]
步骤s1、基于预设的光伏电池等效模型，对多个光伏组件的串并联组成的光伏阵列在相同太阳辐射强度情况下进行机理建模，以得到理想情况下的光伏阵列数学模型，且进一步采用遮蔽组件串电流折算法，构建出同时适用于理想情况与部分遮蔽情况下的光伏阵列输出特性机理模型；
[0053]
步骤s2、构造鲁棒估计函数，并采用所述鲁棒估计函数，对所述光伏阵列输出特性机理模型进行参数估计问题构建，以得到含有多个待辨识参数的目标函数；
[0054]
步骤s3、将所述目标函数转换为无约束优化问题，并对所述无约束优化问题进行迭代求解，得到多个待辨识参数的全局最优解及对应所述光伏阵列输出特性机理模型的最优输出值。
[0055]
具体过程为，在步骤s1之前，获取实际光伏发电系统的系统结构信息，研究每个光伏组件的等效电路，建立其对应的光伏电池等效模型。
[0056]
在光伏电池等效模型中，包含串联电阻和单个二极管。由二极管的特性以及基尔霍夫电流定律，可得光伏电池等效模型，如公式(1)所示：
[0057][0058]
其中，i
ph
和i0的表达式为：
[0059][0060][0061]ioref
＝i
scref
/exp(qv
ocref
/akt
ref-1)
[0062]rs
＝-dv/divoc-1/(i
oref
*q/akt
ref
*exp(qv
ocref
/akt
ref
))
ꢀꢀꢀꢀꢀ
(4)；
[0063]iph
为光伏电池光生电流，它的大小与光照强度和温度有关；v
pv
为光伏电池的输出电压；i
pv
为光伏电池的输出电流；p
pv
为光伏电池的输出功率；rs为光伏电池等效串联电阻；i
scref
为标准条件下参数表给出的短路电流值，且该标准条件为光照强度g
ref
为1000w/m2且参考温度t
jref
为25℃；i
phref
为标准条件下的光伏电池光生电流；k0为光生电流与温度的变化对应关系值；tj为光伏电池板的温度；i
oref
为标准条件下二极管饱和电流；v
oc-ref
为标准条件下的开路电压；vg为带隙电压；dv/divoc为开路电压时i-v曲线的斜率；g、t、a、r、k为模型参数。
[0064]
在步骤s1中，首先，根据基尔霍夫定律，在均匀光照情况下，当光伏电池的串联数目为ns及并联数目为n
p
时，结合光伏电池等效模型的公式(1)，构建理想情况下的光伏阵列数学模型，其表达式如公式(5)所示：
[0065][0066]
其中，va、ia、pa的表达式为：
[0067]va
＝n
svpv
ꢀꢀ
(6)；
[0068]
ia＝n
pipv
ꢀꢀ
(7)；
[0069]
pa＝n
snp
p
pv
ꢀꢀ
(8)；
[0070]va
、ia、pa分别为光伏阵列的输出电压、输出电流和输出功率；v
pv
、i
pv
、p
pv
分别为光伏电池的输出电压、输出电流和输出功率。应当说明的是，va、ia、pa的表达式之间的关系满足式(1)与式(2)。
[0071]
其次，构建部分遮蔽情况下(即同时有理想情况与遮蔽情况下)的光伏阵列的等效模型，如图2所示。
[0072]
此时，光伏阵列输出特性机理模型的表达式如公式(9)所示：
[0073][0074]
其中，v
x
和i
x
的表达式为：
[0075]vx
＝v
g1
+v
g2
ꢀꢀ
(10)；
[0076][0077]ig1
＝i
ph1-i
01
(exp(q(v
g1
+i
g1rs1
)/(a1kt(g1)))-1)
ꢀꢀ
(12)；
[0078]ig2
＝i
ph2-i
02
(exp(q(v
g2
+i
g2rs2
)/(a2kt(g2)))-1)
ꢀꢀ
(13)；
[0079]vx
为每个子串阵列的输出电压；i
x
为每个子串阵列的输出电流；i
ph1
和i
ph2
为每个子串阵列中理想情况与部分遮蔽情况下各自对应的光伏电池光生电流；v
d1
和v
d2
为每个子串阵列中理想情况与部分遮蔽情况下各自对应流过二极管的电压；i
d1
和i
d2
为每个子串阵列中理想情况与部分遮蔽情况下各自对应流过二极管的电流；r
s1
和r
s2
为每个子串阵列中理想情况与部分遮蔽情况下各自对应的光伏电池等效串联电阻；r
by1
和r
by2
为每个子串阵列中理想情况与部分遮蔽情况下各自对应的二极管等效串联电阻；v
g1
和v
g2
为每个子串阵列中理想情况与部分遮蔽情况下各自对应的二极管的带隙电压；i
g1
和i
g2
为每个子串阵列中理想情况与部分遮蔽情况下各自对应流过光伏电池等效串联电阻的电流；g1、a1和g2、a2为每个子串阵列中理想情况与部分遮蔽情况下各自对应的模型参数；i01和i02为每个子串阵列中理想情况与部分遮蔽情况下各自对应通过公式(3)所得的电流计算值。
[0080]
在步骤s2中，首先，根据实际光伏发电系统的测量信息，从信息论角度出发，将测量变量的测量数据信息作为信号，考虑测量误差的分布不确定性，构造测量数据信息的信息熵，基于最大熵原理推导出测量误差的概率密度分布函数，采用极大似然估计原理，构造鲁棒估计函数，采用影响函数调整估计函数的内部参数，从而减小测量误差分布的不确定性对参数估计结果的准确性影响。设第i个测量变量的噪声概率密度分布函数为pi，则测量数据信息的信息熵构造为其中，k为boltzmann常数。
[0081]
如果测量测量变量的噪声概率密度分布函数为正态分布，设测量噪声服从零均值方差为ρ2的正态分布，即ε～n(0,σ2)，则可基于最大熵原理推导出测量误差的概率密度分布函数，采用极大似然估计原理，构造鲁棒估计函数如公式(14)所示：
[0082][0083]
其中，ε为测量变量的测量噪声。
[0084]
如果测量测量变量的噪声概率密度分布函数为非正态分布，例如污染正态分布ε＝ωp1+(1-ω)p2，其中，1-ω表示测量噪声中粗差发生的后验可能性。则可基于最大熵原理推导出测量误差的概率密度分布函数，采用极大似然估计原理，构造鲁棒估计函数如公式(15)所示：
[0085][0086]
其中，1-ω表示测量噪声ε中粗差发生的后验可能性。
[0087]
其次，基于鲁棒估计函数构造部分遮蔽情况下的光伏阵列模型的鲁棒参数估计问题，对模型参数(二极管品质因子、等效串并联电阻及其它内部参数及被遮蔽光伏组件的组数等)进行参数估计。此时，构造的部分遮蔽情况下光伏阵列模型的鲁棒参数估计问题通过目标函数来表达，如公式(16)和(17)所示：
[0088][0089][0090]
其中，为输出电压的测量值；为输出电流的测量值；vj为输出电压的模型输出值；ij为输出电流的模型输出值；σv和σi分别为输出电压和电流测量噪声的标准差；t、s、a、r均为待辨识参数。
[0091]
应当说明的是，当t和s有测量值时，其测量数据中含有随机误差，σg，σ
t
分别为输出电压和电流测量噪声的标准差，目标函数如式(16)所示，a、r为作为模型待辨识的参数，通过式(16)与(17)优化问题的求解得到估计值，同时也可以求出t和s的校正值。
[0092]
当t和s无测量值时，目标函数改为t、s、a、r均作为模型待辨识的参数，通过式(16)与(17)优化问题的求解得到估计值。
[0093]
在步骤s3中，首先，将所述目标函数转换为无约束优化问题，如公式(18)所示：
[0094]
[0095]
其次，对无约束优化问题采用连续极值优化法和内点法进行交替迭代求解，得到多个待辨识参数的全局最优解及对应光伏阵列输出特性机理模型的最优输出值，具体过程如下：
[0096]
第一步、采用连续极值优化方法对无约束优化问题(18)进行求解计算，具体求解计算过程如下：
[0097]
step 1：针对问题(19)中的变量vj,ij,g,t,a,r定义合适的物种，定义对应的适值函数λi＝f
obj
；
[0098]
step 2：初始化，随机产生一个问题(19)的初始物种vj°
,ij°
,g
°
,t
°
,a
°
,r
°
；
[0099]
step 3：计算每个物种的适值λi，并根据适值大小对物种排序；
[0100]
step 4：选择适值最小的物种v
j*
,i
j*
,g
*
,t
*
,a
*
,r
*
并更新(按概率分布产生随机数来替换原有的物种v
j*
,i
j*
,g
*
,t
*
,a
*
,r
*
)；
[0101]
step 5：如果满足停止准则，则算法停止，输出求解结果v
j*
,i
j*
,g
*
,t
*
,a
*
,r
*
；否则返回step 3。
[0102]
第二步、将连续极值优化方法优化求解结果v
j*
,i
j*
,g
*
,t
*
,a
*
,r
*
作为初值信息，传递给能处理非线性约束优化问题的内点法，内点法优化求解鲁棒参数估计问题(15)进行求解计算，将内点法求解得到的最优化信息v
j*
,i
j*
,g
*
,t
*
,a
*
,r
*
作为初始化物种vj°
,ij°
,g
°
,t
°
,a
°
,r
°
返回给连续极值优化方法，连续极值优化方法继续对无约束优化问题(18)进行求解，两种方法的求解信息交互，迭代交替求解，既可以进行全局搜索，又可以进行局部搜索，得到鲁棒参数估计问题的全局最优解v
j*
,i
j*
,g
*
,t
*
,a
*
,r
*
，从而得到与实际对象相一致的精确模型。
[0103]
实施本发明实施例，具有如下有益效果：
[0104]
本发明通过建立部分遮蔽情况下的光伏阵列输出特性机理模型，并根据实际光伏发电系统的测量信息，考虑了部分遮蔽下的测量误差的分布不确定性，设计光伏阵列遮蔽情况下的鲁棒参数估计问题，同时考虑了鲁棒参数估计求解计算的多个局部极小点问题，具有全局寻优的连续极值优化方法与数值优化算法内点法相结合优化求解，获得全局最优下的模型参数，从而易于进行离线实施精确建模，灵活性好，更易得到模型参数的全局最优解，提高了模型参数的准确性和可靠性，使数据在含有显著误差的情况下不受影响，得到较好的结果。
[0105]
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，所述的程序可以存储于一计算机可读取存储介质中，所述的存储介质，如rom/ram、磁盘、光盘等。
[0106]
以上所揭露的仅为本发明一种较佳实施例而已，当然不能以此来限定本发明之权利范围，因此依本发明权利要求所作的等同变化，仍属本发明所涵盖的范围。

技术特征：
1.一种部分遮蔽情况下光伏阵列模型的参数优化方法，其特征在于，所述方法包括以下步骤：基于预设的光伏电池等效模型，对多个光伏组件的串并联组成的光伏阵列在相同太阳辐射强度情况下进行机理建模，以得到理想情况下的光伏阵列数学模型，且进一步采用遮蔽组件串电流折算法，构建出同时适用于理想情况与部分遮蔽情况下的光伏阵列输出特性机理模型；构造鲁棒估计函数，并采用所述鲁棒估计函数，对所述光伏阵列输出特性机理模型进行参数估计问题构建，以得到含有多个待辨识参数的目标函数；将所述目标函数转换为无约束优化问题，并对所述无约束优化问题进行迭代求解，得到多个待辨识参数的全局最优解及对应所述光伏阵列输出特性机理模型的最优输出值。2.如权利要求1所述的部分遮蔽情况下光伏阵列模型的参数优化方法，其特征在于，所述光伏电池等效模型的表达式如公式(1)所示：其中，i
ph
和i0的表达式为：的表达式为：i
oref
＝i
scref
/exp(qv
ocref
/akt
ref-1)r
s
＝-dv/divoc-1/(i
oref
*q/akt
ref
*exp(qv
ocref
/akt
ref
))
ꢀꢀꢀꢀꢀꢀ
(4)；i
ph
为光伏电池光生电流，它的大小与光照强度和温度有关；v
pv
为光伏电池的输出电压；i
pv
为光伏电池的输出电流；p
pv
为光伏电池的输出功率；r
s
为光伏电池等效串联电阻；i
scref
为标准条件下参数表给出的短路电流值，且该标准条件为光照强度g
ref
为1000w/m2且参考温度t
jref
为25℃；i
phref
为标准条件下的光伏电池光生电流；k0为光生电流与温度的变化对应关系值；t
j
为光伏电池板的温度；i
oref
为标准条件下二极管饱和电流；v
oc-ref
为标准条件下的开路电压；v
g
为带隙电压；dv/divoc为开路电压时i-v曲线的斜率；g、t、a、r、k为模型参数。3.如权利要求2所述的部分遮蔽情况下光伏阵列模型的参数优化方法，其特征在于，所述理想情况下的光伏阵列数学模型的表达式如公式(5)所示：其中，v
a
、i
a
、p
a
的表达式为：v
a
＝n
svpv
ꢀꢀꢀ
(6)；i
a
＝n
p
i
pv
ꢀꢀꢀ
(7)；p
a
＝n
s
n
p
p
pv
ꢀꢀꢀ
(8)；v
a
、i
a
、p
a
分别为光伏阵列的输出电压、输出电流和输出功率；v
pv
、i
pv
、p
pv
分别为光伏电
池的输出电压、输出电流和输出功率；n
s
为光伏电池的串联数目；n
p
为光伏电池的并联数目。4.如权利要求3所述的部分遮蔽情况下光伏阵列模型的参数优化方法，其特征在于，所述光伏阵列输出特性机理模型的表达式如公式(9)所示：其中，v
x
和i
x
的表达式为：v
x
＝v
g1
+v
g2
ꢀꢀꢀ
(10)；i
g1
＝i
ph1-i
01
(exp(q(v
g1
+i
g1
r
s1
)/(a1kt(g1)))-1)
ꢀꢀꢀ
(12)；i
g2
＝i
ph2-i
02
(exp(q(v
g2
+i
g2
r
s2
)/(a2kt(g2)))-1)
ꢀꢀꢀ
(13)；v
x
为每个子串阵列的输出电压；i
x
为每个子串阵列的输出电流；i
ph1
和i
ph2
为每个子串阵列中理想情况与部分遮蔽情况下各自对应的光伏电池光生电流；v
d1
和v
d2
为每个子串阵列中理想情况与部分遮蔽情况下各自对应流过二极管的电压；i
d1
和i
d2
为每个子串阵列中理想情况与部分遮蔽情况下各自对应流过二极管的电流；r
s1
和r
s2
为每个子串阵列中理想情况与部分遮蔽情况下各自对应的光伏电池等效串联电阻；r
by1
和r
by2
为每个子串阵列中理想情况与部分遮蔽情况下各自对应的二极管等效串联电阻；v
g1
和v
g2
为每个子串阵列中理想情况与部分遮蔽情况下各自对应的二极管的带隙电压；i
g1
和i
g2
为每个子串阵列中理想情况与部分遮蔽情况下各自对应流过光伏电池等效串联电阻的电流；g1、a1和g2、a2为每个子串阵列中理想情况与部分遮蔽情况下各自对应的模型参数；i
01
和i
02
为每个子串阵列中理想情况与部分遮蔽情况下各自对应通过公式(3)所得的电流计算值。5.如权利要求4所述的部分遮蔽情况下光伏阵列模型的参数优化方法，其特征在于，所述鲁棒估计函数的表达式如公式(14)和(15)所示：述鲁棒估计函数的表达式如公式(14)和(15)所示：其中，ε为测量变量的测量噪声；1-ω表示测量噪声ε中粗差发生的后验可能性。6.如权利要求5所述的部分遮蔽情况下光伏阵列模型的参数优化方法，其特征在于，所述目标函数的表达式如公式(16)和(17)所示：
其中，为输出电压的测量值；为输出电流的测量值；v
j
为输出电压的模型输出值；i
j
为输出电流的模型输出值；σv和σ
i
分别为输出电压和电流测量噪声的标准差；t、s、a、r均为待辨识参数。7.如权利要求6所述的部分遮蔽情况下光伏阵列模型的参数优化方法，其特征在于，所述无约束优化问题的表达式如公式(18)所示：8.如权利要求7所述的部分遮蔽情况下光伏阵列模型的参数优化方法，其特征在于，所述无约束优化问题是采用连续极值优化法和内点法进行交替迭代求解，得到多个待辨识参数的全局最优解及对应所述光伏阵列输出特性机理模型的最优输出值。

技术总结
本发明提供一种部分遮蔽情况下光伏阵列模型的参数优化方法，包括基于光伏电池等效模型，对多个光伏组件的串并联组成的光伏阵列在相同太阳辐射强度情况下进行机理建模，以得到理想情况下的光伏阵列数学模型，且进一步采用遮蔽组件串电流折算法，构建出同时适用于理想情况与部分遮蔽情况下的光伏阵列输出特性机理模型；构造鲁棒估计函数，并对光伏阵列输出特性机理模型进行参数估计问题构建，得到含有多个待辨识参数的目标函数；将目标函数转换为无约束优化问题并进行迭代求解，得到多个待辨识参数的全局最优解及对应光伏阵列输出特性机理模型的最优输出值。实施本发明，更易得到模型参数的全局最优解，并提高模型参数的准确性和可靠性。性和可靠性。性和可靠性。


技术研发人员：洪智慧 张正江 郑银燕 曾国强 戴瑜兴
受保护的技术使用者：温州大学
技术研发日：2023.04.06
技术公布日：2023/7/25