基于元启发式算法的光伏系统参数辨识

作     者：范毅 

作者单位：温州大学 

学位级别：硕士

导师姓名：汪鹏君

授予年度：2021年

学科分类：08[工学] 0807[工学-动力工程及工程热物理] 

主      题：光伏系统 二极管模型 元启发式算法 参数辨识 收敛性 

摘      要：现代世界已经与化石燃料密不可分。但全球气候变暖、空气污染、物种灭绝等一系列环境问题的出现,让人们意识到化石燃料的过度使用可能是造成这种局面的根本原因。为了在保护环境的前提下继续满足人们的能源需求,将太阳能转化为电能的光伏系统受到了广泛的关注。设计准确的数学模型是研究和优化光伏系统性能的重要手段。其中,单二极管模型和双二极管模型是实际应用中最广泛的两种模型。由于两种模型都是隐式超越方程,因此提出一种能够准确辨识模型参数的方法成为研究的热点。具体工作如下:（1）提出改进型堆优化器对光伏模型参数的辨识。堆优化器是一种利用堆数据结构将搜索代理映射在人类企业等级层的新元启发式算法。为进一步增强算法的优化能力,做出如下改进:删除员工自我贡献的更新机制,将轮盘由原先的三部分修改为两部分,修改同事之间交流的更新机制。与堆优化器、乌鸦搜索算法、球形演变算法等不同元启发式算法相比较的实验结果表明,改进型堆优化器具有收敛速度快和收敛精度高的优化性能,能够实现对光伏模型参数的有效辨识,并在不同温度或光照强度的特殊条件也表现出较强的优化稳定性。（2）提出混合算法对光伏模型参数的辨识。粒子群算法在开发局部空间方面具有优势,而布谷鸟搜索算法在探索全局空间方面表现突出。因此,在粒子群算法的基础上,通过引入布谷鸟搜索算法的随机重选寄生巢策略,提出混合算法并在光伏系统参数辨识问题应用。结果表明,所提出的混合算法比粒子群算法、布谷鸟搜索算法等不同元启发式算法具有更高的收敛精度和更好的辨识结果,并在不同温度或光照强度的特殊条件也表现出较强的优化稳定性。（3）提出改进型洗牌蛙跳算法对光伏模型参数的辨识。记忆进化机制与混合选择策略为洗牌蛙跳算法解决非线性、多模态问题提供了保障。为提高洗牌蛙跳算法精确辨识光伏模型参数的能力,提出一种具有延迟动态步长机制的改进型洗牌蛙跳算法。与洗牌蛙跳算法、改进型JAYA算法等不同元启发式算法相比较的结果表明,改进型洗牌蛙跳算法具有更快的收敛速度和更高的收敛精度,并在不同温度或光照强度的特殊条件也表现出较强的优化稳定性。改进型堆优化器、混合算法和改进型洗牌蛙跳算法之间比较的结果表明,改进型堆优化器的收敛速度最快,但收敛精度不高;混合算法的收敛精度最高,但收敛速度没有优势;改进型洗牌蛙跳算法以增加算法复杂度为代价,使其收敛表现接近改进型堆优化器的收敛速度以及混合算法的收敛精度。三种算法各有其优势与缺点,针对不同的具体要求可分别实现光伏模型参数的更有效辨识。