发明内容

发明目的：本发明提出一种基于群体优化算法的光伏阵列建模方法，该方法运用改进的教与学算法对光伏组件模型参数进行优化，能够快速精确地实现光伏组件建模，进一步实现光伏阵列建模。

技术方案：本发明所述的一种基于群体优化算法的光伏阵列建模方法，包括步骤：

(1)获取光伏组件实际运行的电流电压数据并筛选参考数据；

进一步地，所述步骤(1)具体包括：

(1.1)通过集成电流电压曲线扫描功能的逆变器，获取光伏组件实际运行的电流电压数据，记为[I_ori,V_ori]。

(1.2)通过数据预处理，主要有异常点检测、平滑滤波、环境平稳性检测等，得到参考的光伏组件电流电压数据，记为[I_i,mea,V_i,mea]，i＝(1,…,N)。N表示电流电压的数据点个数。

(2)根据光伏组件电气模型建立等效电路方程；

进一步地，所述步骤(2)具体包括：

(2.1)所述光伏组件由多个太阳能电池串联或并联组成，N_p为并联的太阳能电池数量，N_s为串联的太阳能电池数量，I为光伏组件输出电流，V为光伏组件输出电压。

(2.2)所述太阳能电池等效为单二极管模型，I_ph为光生电流，I_d为二极管分流，I_sh为并联电阻分流，I_s为二极管反向饱和电流，V_d为二极管节热电压，V_cell为太阳能电池输出电压，I_cell为太阳能电池输出电流，R_s为串联电阻，R_sh为并联电阻，a为二极管理想因子，q为库伦电荷，k为玻尔兹曼常数，T为太阳能电池开尔文温度。

(2.3)太阳能电池的等效电路方程如式(10)-(14)：

I_cell＝I_ph-I_d-I_sh (10)

将式(11)-(13)代入式(10)，式(10)转化为：

(2.4)考虑太阳能电池串并联数量，光伏组件的等效电路方程如式(15)：

则光伏组件的等效电路模型包括5个未知参数X＝[I_ph,I_s,R_s,R_sh,a]。

(3)结合了实际的分享经验，得到改进的教与学算法；对光伏组件等效电路方程的未知参数优化，得到最佳参数；

进一步地，所述步骤(3)具体包括：

(3.1)配置群体优化算法参数；

进一步地，所述参数包括：群体规模pop(群体中粒子的个数，即待优化的未知参数矩阵的个数)、最大迭代次数It_max(算法的终止条件)、先进粒子占比A；

(3.2)随机生成一个群体，初始化每个粒子的经验，粒子的经验表示一组光伏组件等效模型的未知参数；计算粒子的价值并进行排序，价值最好的粒子作为最优粒子，按一定比例划分先进粒子与普通粒子；

进一步地，该步骤具体包括：

(3.2.1)随机生成一个群体，在搜索空间中初始化每个粒子按如下公式进行初始化：

其中，和分别表示每一维经验的上界和下界，表示第j个粒子的第i维经验的值，pop表示粒子的个数，d表示经验的维数,rand表示[0,1]的随机数。

(3.2.2)计算每一个粒子的价值f(X_i),i＝1,2,...,pop,并进行排序。将价值最好的粒子作为最优粒子X_best，将价值前A％的粒子作为是经验较优的先进粒子X_better，剩下的粒子作为是经验一般的普通粒子X_normal。粒子价值f(X_i)如式(2)-(3)：

f(X_i)＝1-RMSE_i (2)

其中，RMSE_i表示X_i对应的电流均方根误差，N表示实测的电压点数，I_j,meal表示第j个电压对应的实测电流值，I_j,cal表示根据第j个电压求解得到的电流值。RMSE越小，粒子价值越高，说明光伏组件建模精度越高。

(3.3)分享阶段，最优粒子进行分享；

进一步地，该步骤具体包括：

(3.3.1)最优粒子X_best根据粒子平均掌握的经验水平对每个粒子X_i进行分享，分享过程如式(5)-(7)：

T_F＝1+rand (7)

其中，和分别表示粒子X_i的新经验和当前经验，X_mean表示所有粒子经验的平均值，T_F表示分享因子，决定了所有粒子平均经验的改变程度，rand为[0,1]的随机数。

(3.3.2)分享过后，计算每一个粒子的新价值如果价值优于则更新为否则不更新。重复步骤(3.2.2)。

(3.4)学习阶段，先进粒子之间相互交流，普通粒子吸收分享内容；

进一步地，该步骤具体包括：

(3.4.1)先进粒子X_i和X_r之间相互交流，i,r∈(1,...,better)，当f(X_i)<f(X_r)时，按式(8)学习：

其中，和分别表示先进粒子X_i的新经验和当前经验，表示先进粒子X_r的当前经验。

(3.4.2)普通粒子X_i吸收分享内容，i∈(better,...,pop)，按式(9)吸收：

其中，和分别表示普通粒子X_i的新经验和当前经验，X_best表示分享内容，Guass表示[0,1]的高斯随机数。

(3.4.3)学习过后，计算每一个粒子的新价值如果价值优于则更新为否则不更新。重复步骤(3.2.2)。

(3.5)如果达到终止条件，则输出当前最优粒子的经验，并将其作为最优参数，否则重复步骤(3.2)-(3.4)。

(4)建立光伏组件模型

进一步，将步骤(3)得到的最优参数代入式(15)建立光伏组件模型。

(5)建立光伏阵列模型

进一步，根据光伏阵列拓扑结构，光伏组件模型电流输出乘以并联光伏子串数作为光伏阵列模型电流输出，光伏组件模型电压输出乘以串联光伏组件数作为光伏阵列模型电压输出，从而建立光伏阵列模型。

综上所述，通过本发明所提供的技术方案，能够取得一下有益效果：

(1)本发明采用群体优化算法进行光伏阵列建模，该方法能够快速、精确地求解模型参数，同时具有较好的鲁棒性、可靠性；

(2)本发明对教与学算法进行改进，所述步骤(3.2)将粒子按价值划为先进粒子与普通粒子，增强学习的泛化能力，避免分享后，当前最优解陷入局部最优。所述步骤(3.4)针对不同粒子群体实施不同的学习方式，先进粒子之间相互学习，较优解在彼此附近随机搜索，避免最优解陷入局部最优；普通粒子吸收分享内容，较差解不断向较优解进化，提升了粒子的整体经验水平。此外，引入了高斯随机数，符合普通粒子价值的正态分布趋势。