1.一种光伏电池参数辨识方法,其特征在于,包括:步骤S1:建立光伏电池的三二极管等效电路模型,并根据所述三二极管等效电路模型确定所述光伏电池若干个待识别参数;
步骤S2:给定所述光伏电池的输出电压测量值和输出电流测量值,根据所述输出电压测量值和所述三二极管等效电路模型计算得到所述光伏电池的输出电流计算值;
步骤S3:确定所述输出电流计算值和所述输出电流测量值的均方差,并设定最小均方差为目标函数,以建立光伏电池优化模型;
步骤S4:采用改进水流优化算法求解所述光伏电池优化模型,以确定若干个所述待识别参数的最优解,实现对光伏电池参数的精准辨识;
所述步骤S4包括:
步骤S41:初始化改进水流优化算法;
步骤S42:通过所述改进水流优化算法对所述光伏电池优化模型进行循环迭代寻优,直至水流颗粒流向最低势能处,以确定各水流颗粒的适应度;
步骤S43:根据各水流颗粒的所述适应度确定出当前次迭代的最优水颗粒;
步骤S44:采用高斯正弦变异对水颗粒群进行更新;
步骤S45:判断当前迭代次数是否达到最大迭代次数,并在当前迭代次数达到最大迭代次数时,输出所述待识别参数的最优解,否则返回步骤S42;
所述步骤S42中,通过所述改进水流优化算法对所述光伏电池优化模型进行循环迭代寻优之前,所述方法还包括:对采用层流运动水流优化算法还是湍流运动水流优化算法进行判断,对采用层流运动水流优化算法还是湍流运动水流优化算法进行判断的步骤,包括:步骤S421:设置一0 1之间的随机数,并计算层流概率,所述层流概率采用如下公式表~示:
其中, 为层流概率, 为Morlet小波, , 的可行域为 ;
步骤S422:判断所述随机数是否小于所述层流概率,所述随机数小于所述层流概率时,执行层流运动水流优化算法,所述随机数大于或等于所述层流概率时,执行湍流运动水流优化算法;
所述层流运动水流优化算法采用如下公式表示:
其中, 为第 次迭代中层流更新后水颗粒的位置, 为第 次迭代中水颗粒的位置, , 为水颗粒数量, 为位移参数,取值0 1,矢量 为所有水颗粒~共同的移动方向,所述 采用如下公式表示:
其中, 为第 次迭代中的引导水颗粒的位置, 为当前次迭代中的其它水颗粒的位置;
为第 次迭代中引导水颗粒的适应度, 为第 次迭代中其他水颗粒的适应度;
其中,在执行所述层流运动水流优化算法后,还引入新型教学优化策略对水颗粒进行再次更新,更新公式表示如下:其中, 和 分别为第 个水颗粒更新前和更新后的位置, 为随机数函数,为所有水颗粒适应度的平均值, 为更新因子,所述更新因子采用如下公式表示:其中,为当前迭代次数, 为最大迭代次数, 为四舍五入函数;
所述湍流运动水流优化算法采用如下公式表示:
其中, 为 维解中的任意一个分量, 为不同水颗粒的选择系数,, 为突变值,所述突变值采用如下公式表示:
其中, 为旋转变换, 为层上移动变换, 为第 次迭代过程中第 个水颗粒的任意一维分量, 为第 次迭代过程中第 个水颗粒的任意一维分量, 为第 次迭代过程中第 个水颗粒除去 后的任意一维分量, , 为随机选的水颗粒的另一维度, , 为0 1之间的随机数, 为涡流控制参数, ;
~
其中,旋转变换公式表示如下:
其中, 为 之间的随机数, 为自适应动态移动参数,所述 采用如下公式表示:层上移动变换公式表示如下:
其中,为解的下界, 为解的上界;
步骤S44采用如下公式进行更新:
其中, 为第 次迭代中变异前水颗粒的位置, 为第 次迭代变异后水颗粒的位置, 为高斯分布, 为调节系数, 为 之间的随机数,所述调节系数采用如下公式表示:
其中, 为当前迭代过程中第 个水颗粒与最优水颗粒的欧拉距离,高斯分布的概率密度函数采用如下公式表示:其中, 为概率密度函数, 为分布的平均值, 为标准差。
2.如权利要求1所述的光伏电池参数辨识方法,其特征在于,所述三二极管等效电路模型包括:三个二极管、理想电流源、以及并联电阻和串联电阻,其中,所述理想电流源、所述三个二极管和所述并联电阻并联后,与所述串联电阻串联。
3.如权利要求2所述的光伏电池参数辨识方法,其特征在于,所述输出电流计算值采用如下公式表示:其中, 为输出电流计算值, 为理想电流源的输出电流值, 为第 个二极管的暗饱和电流, 为输出电压测量值, 为串联电阻, 为第 个二极管的理想因子, 为热电压, 为并联电阻,exp为指数函数。
4.如权利要求3所述的光伏电池参数辨识方法,其特征在于,所述光伏电池优化模型采用如下公式表示:其中, 为均方差, 为数据的个数, 为第 时刻的光伏电池的输出电流计算值, 为第 时刻的光伏电池的输出电流测量值,min为取最小值函数。
5.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时,实现如权利要求1‑4中任一项所述的光伏电池参数辨识方法。