基于智能优化算法的光伏电池参数辨识
发布时间：2021-07-22 19:24
太阳能作为一种清洁能源,具有无污染、可再生等优势,在新能源领域备受关注,被认为是最具有发展潜力的新能源之一。光伏发电系统能将太阳能转换为电能,光伏电池作为光伏发电系统的主要组成部件,对其参数进行准确辨识,对于光伏系统建模有很大的意义,精准程度不高的参数不但会造成很大的误差,甚至有可能导致最大功率点追踪失败。因此,建立可高精度地描述太阳电池非线性特性的数学模型,并准确地辨识其参数,能为太阳能电池故障诊断和最大功率点跟踪控制等技术的设计与应用提供保障,对提高光伏发电系统的效率具有实际意义。论文研究了基于智能优化算法的光伏电池参数辨识方法,具体工作如下:为了对光伏电池的参数进行准确辨识,提出一种基于改进象群游牧优化算法的光伏电池参数辨识方法。针对象群游牧优化算法在寻优过程中存在精度低,收敛速度慢,易陷入局部最优等不足,引入混沌初始化,改善初始种群质量,增强种群的遍历性;增加了快速移动算子,使算法的收敛速度和全局搜索能力有了较大的提升;引入精英策略,用最优个体替代最差个体,加快算法寻优速度,缩短寻优时间。应用于太阳电池模型的参数辨识中,改进象群游牧优化算法比其他算法得到的辨识结果更快、更好。对...
【文章来源】：燕山大学河北省
【文章页数】：71 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 课题背景及研究意义
1.2 光伏发电现状及发展趋势
1.3 光伏电池建模的研究现状
1.4 光伏电池参数辨识方法
1.4.1 解析法辨识
1.4.2 数值计算法辨识
1.4.3 优化算法辨识
1.5 主要研究内容
第2章 相关基础知识介绍
2.1 光伏发电系统简介
2.2 智能优化算法
2.2.1 粒子群优化算法
2.2.2 鲸鱼优化算法
2.2.3 灰狼优化算法
2.2.4 蚁狮优化算法
2.3 本章小结
第3章 基于IEHO算法的光伏电池模型参数辨识
3.1 引言
3.2 光伏电池模型
3.2.1 光伏电池模型
3.2.2 光伏组件模型
3.3 象群游牧优化算法
3.3.1 族更新算子
3.3.2 分离算子
3.4 改进象群游牧优化算法
3.4.1 混沌初始化
3.4.2 快速移动算子
3.4.3 精英策略
3.4.4 IEHO算法伪代码
3.5 改进算法性能测试
3.6 在光伏电池模型参数辨识中的应用
3.6.1 多晶硅辨识及性能比较
3.6.2 不同照度下光伏电池的参数辨识
3.7 本章小结
第4章 基于IHHO算法的光伏电池工程模型参数辨识
4.1 引言
4.2 光伏电池工程模型
4.3 哈里斯鹰优化算法
4.3.1 探索阶段
4.3.2 狩猎阶段
4.4 改进的哈里斯鹰优化算法
4.4.1 柔性递减策略
4.4.2 黄金正弦法
4.4.3 IHHO算法的伪代码
4.5 改进算法性能测试
4.6 在光伏电池工程模型参数辨识中的应用
4.6.1 目标函数的确立
4.6.2 光伏电池的参数辨识结果
4.7 IEHO与 IHHO算法的对比
4.7.1 标准测试函数的结果对比
4.7.2 工程模型参数辨识的结果对比
4.8 本章小结
结论
参考文献
攻读硕士学位期间承担的科研任务与主要成果
致谢
【参考文献】：
期刊论文
[1]关于太阳能发电技术的综述及展望[J]. 周昰彤,鞠振河. 电子世界. 2020(01)
[2]中国可再生能源发展增量几何[J]. 周建平. 能源. 2020(01)
[3]到2035年太阳能将成为主要的电力来源[J]. 能源与环境. 2019(06)
[4]智能启发算法在机器学习中的应用研究综述[J]. 沈焱萍,郑康锋,伍淳华,杨义先. 通信学报. 2019(12)
[5]2010～2019年全球可再生能源投资超过2万亿美元[J]. 中外能源. 2019(12)
[6]2015～2022年中国太阳能热发电发展情景分析及预测[J]. 王志峰,杜凤丽. 太阳能. 2019(11)
[7]改进灰狼优化算法辨识光伏模型参数[J]. 徐明,焦建军,龙文. 中国科技论文. 2019(08)
[8]基于混合蛙跳算法的光伏阵列参数辨识方法[J]. 徐岩,高兆,朱晓荣. 太阳能学报. 2019(07)
[9]采用改进型SOS算法的光伏组件模型参数辨识[J]. 康童,姚建刚,金敏,朱向前,文武. 计算机应用研究. 2020(04)
[10]基于非线性最小二乘法的光伏电池参数辨识[J]. 张海宁. 现代电力. 2017(06)
博士论文
[1]并网光伏发电系统MPPT与孤岛检测方法研究[D]. 王育欣.沈阳工业大学 2013
硕士论文
[1]基于光伏发电预测的微电网能量优化管理策略[D]. 姚江松.南京邮电大学 2019
[2]光伏阵列发电模型及其参数辨识方法[D]. 孙怡昕.华南理工大学 2018
[3]光伏电池建模及其在光伏发电预测中的应用[D]. 蒋亚娟.华中科技大学 2011
本文编号：3297748
【文章来源】：燕山大学河北省
【文章页数】：71 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 课题背景及研究意义
1.2 光伏发电现状及发展趋势
1.3 光伏电池建模的研究现状
1.4 光伏电池参数辨识方法
1.4.1 解析法辨识
1.4.2 数值计算法辨识
1.4.3 优化算法辨识
1.5 主要研究内容
第2章 相关基础知识介绍
2.1 光伏发电系统简介
2.2 智能优化算法
2.2.1 粒子群优化算法
2.2.2 鲸鱼优化算法
2.2.3 灰狼优化算法
2.2.4 蚁狮优化算法
2.3 本章小结
第3章 基于IEHO算法的光伏电池模型参数辨识
3.1 引言
3.2 光伏电池模型
3.2.1 光伏电池模型
3.2.2 光伏组件模型
3.3 象群游牧优化算法
3.3.1 族更新算子
3.3.2 分离算子
3.4 改进象群游牧优化算法
3.4.1 混沌初始化
3.4.2 快速移动算子
3.4.3 精英策略
3.4.4 IEHO算法伪代码
3.5 改进算法性能测试
3.6 在光伏电池模型参数辨识中的应用
3.6.1 多晶硅辨识及性能比较
3.6.2 不同照度下光伏电池的参数辨识
3.7 本章小结
第4章 基于IHHO算法的光伏电池工程模型参数辨识
4.1 引言
4.2 光伏电池工程模型
4.3 哈里斯鹰优化算法
4.3.1 探索阶段
4.3.2 狩猎阶段
4.4 改进的哈里斯鹰优化算法
4.4.1 柔性递减策略
4.4.2 黄金正弦法
4.4.3 IHHO算法的伪代码
4.5 改进算法性能测试
4.6 在光伏电池工程模型参数辨识中的应用
4.6.1 目标函数的确立
4.6.2 光伏电池的参数辨识结果
4.7 IEHO与 IHHO算法的对比
4.7.1 标准测试函数的结果对比
4.7.2 工程模型参数辨识的结果对比
4.8 本章小结
结论
参考文献
攻读硕士学位期间承担的科研任务与主要成果
致谢
【参考文献】：
期刊论文
[1]关于太阳能发电技术的综述及展望[J]. 周昰彤,鞠振河. 电子世界. 2020(01)
[2]中国可再生能源发展增量几何[J]. 周建平. 能源. 2020(01)
[3]到2035年太阳能将成为主要的电力来源[J]. 能源与环境. 2019(06)
[4]智能启发算法在机器学习中的应用研究综述[J]. 沈焱萍,郑康锋,伍淳华,杨义先. 通信学报. 2019(12)
[5]2010～2019年全球可再生能源投资超过2万亿美元[J]. 中外能源. 2019(12)
[6]2015～2022年中国太阳能热发电发展情景分析及预测[J]. 王志峰,杜凤丽. 太阳能. 2019(11)
[7]改进灰狼优化算法辨识光伏模型参数[J]. 徐明,焦建军,龙文. 中国科技论文. 2019(08)
[8]基于混合蛙跳算法的光伏阵列参数辨识方法[J]. 徐岩,高兆,朱晓荣. 太阳能学报. 2019(07)
[9]采用改进型SOS算法的光伏组件模型参数辨识[J]. 康童,姚建刚,金敏,朱向前,文武. 计算机应用研究. 2020(04)
[10]基于非线性最小二乘法的光伏电池参数辨识[J]. 张海宁. 现代电力. 2017(06)
博士论文
[1]并网光伏发电系统MPPT与孤岛检测方法研究[D]. 王育欣.沈阳工业大学 2013
硕士论文
[1]基于光伏发电预测的微电网能量优化管理策略[D]. 姚江松.南京邮电大学 2019
[2]光伏阵列发电模型及其参数辨识方法[D]. 孙怡昕.华南理工大学 2018
[3]光伏电池建模及其在光伏发电预测中的应用[D]. 蒋亚娟.华中科技大学 2011
本文编号：3297748
本文链接：https://www.wllwen.com/shoufeilunwen/boshibiyelunwen/3297748.html
