CN113011000B - 光伏电池工作特性多条件参数预测的方法及系统 - Google Patents

Abstract

本公开提出了光伏电池工作特性多条件参数预测的方法及系统，包括：通过实测I‑V特性曲线，利用最优化算法求解新单二极管模型中的系数；基于所求得的系数得到一组关于单二极管模型的五参数与光照温度的方程；输入任意条件的光照温度，即可获得对应的五个物理参数的值。消除了参考条件的选择带来的影响。此外整个求解过程只需要一次寻优，大大简化了求解步骤。

Description

光伏电池工作特性多条件参数预测的方法及系统

技术领域

本公开属于光伏电池参数预测技术领域，尤其涉及光伏电池工作特性多条件参数预测的方法及系统。

背景技术

本部分的陈述仅仅是提供了与本公开相关的背景技术信息，不必然构成在先技术。

随着工业化的发展，能源问题日益加剧，煤炭、石油等传统能源带来环境污染和资源匮乏等一系列问题，与目前各国追求的现代环境保护理念格格不入，于是纷纷开始发展新能源。光伏作为新兴的能源，具有无噪音，无污染，可再生等优点，逐渐成为世界能源的重要组成部分。而光伏板的工作特性预测对于太阳能发电效率来说是至关重要的，因此必须提出更为精确的光伏电池模型参数求解方法。

对于光伏电池的物理模型，目前应用最为广泛的是单二极管模型，此外还有双二极管模型，动态模型等等。

发明人在研究中发现，在单一条件(给定光照和温度)下的参数求解方法可以分为解析算法和数值算法，都可以获得很高的精度。而在多条件下的参数求解办法一般分为两步：第一步设定参考条件，采用解析算法或者数值算法求解参考条件下的参数；第二步，将参考条件下的参数带入设定好的转换方程，得到多条件下的参数。这种两步的方法的精度会受到参考条件的选择的影响。

发明内容

为克服上述现有技术的不足，本公开提供了光伏电池工作特性多条件参数预测的方法，消除了参考条件的选择带来的影响。

为实现上述目的，本公开的一个或多个实施例提供了如下技术方案：

第一方面，公开了光伏电池工作特性多条件参数预测的方法，包括：

通过实测I-V特性曲线，利用最优化算法求解新单二极管模型中的系数；

基于所求得的系数得到一组关于单二极管模型的五参数与光照温度的方程；

输入任意条件的光照温度，即可获得对应的五个物理参数的值。

进一步的技术方案，所述单二极管模型同时考虑了光照及温度的影响。

进一步的技术方案，针对原始光伏电池的单二极管模型，用线性关系来表示温度关系，指数关系来表示光照关系，替换掉含参考条件的项，得到不含参考条件的又一组五参数关于光照温度的关系式，即新单二极管模型。

进一步的技术方案，光照温度的关系式中的系数通过寻优化算法，拟合大量数据的I-V特性曲线得到。

进一步的技术方案，寻优化算法采用平均均方根误差

来进行寻优，其定义为：

其中，N_l和N分别为拟合所用的曲线数和每条曲线上的点数，N_p为所有实验点的数量，I_(j，i)和

分别为第j条曲线的第i个点的实测电流值和计算值。

进一步的技术方案，不含参考条件的又一组五参数关于光照温度的关系式为：

I_ph＝(A+B·T)S

n＝(F+G·T)S^H

R_s＝(I+J·T)S^K

R_sh＝(L+M·T)S^N

第二方面，公开了光伏电池工作特性多条件参数预测的系统，包括：

模型中的系数获取模块，通过实测I-V特性曲线，利用最优化算法求解新单二极管模型中的系数；

五参数与光照温度的方程获取模块，基于所求得的系数得到一组关于单二极管模型的五参数与光照温度的方程；

五参数获取模块，输入任意条件的光照温度，即可获得对应的五个物理参数的值。

进一步的技术方案，针对原始光伏电池的单二极管模型，用线性关系来表示温度关系，指数关系来表示光照关系，替换掉含参考条件的项，得到不含参考条件的又一组五参数关于光照温度的关系式，即新单二极管模型。

以上一个或多个技术方案存在以下有益效果：

本公开求取任意条件下五参数的方法，解决了求解过程中需要设置参考条件的问题，消除了参考条件的选择对结果的影响。并且采用实验数据求解参数，限制了光伏板老化，气候变化对光伏板输出特性的影响。此外，本方法不需要计算参考条件下的参数值，只需一步寻优就可得到所有参数，使计算过程大大简化。

本发明附加方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

构成本公开的一部分的说明书附图用来提供对本公开的进一步理解，本公开的示意性实施例及其说明用于解释本公开，并不构成对本公开的不当限定。

图1为本公开实施例技术流程图；

图2为本公开实施例不同光照条件下预测结果曲线图。

具体实施方式

应该指出，以下详细说明都是示例性的，旨在对本公开提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本公开所属技术领域的普通技术人员通常理解的相同含义。

需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本公开的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。

在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。

本公开提出的总体思路：

根据光伏电池的电路模型，提出其数学模型，并由最优化算法从一系列光伏特性曲线中提取数学模型中的参数，并预测不同工况下的参数。本方法避免了传统预测方法中设置参考条件而带来误差的影响，提高了光伏电池参数的预测精度。

实施例一

本实施例公开了光伏电池工作特性多条件参数预测的方法，基于最优化算法，先建立多条件下的参数方程，对测量的光伏板的电压-电流特性曲线进行拟合，得到参数方程的系数，这些系数是与参考条件无关的常数，因此消除了参考条件的选择带来的影响。此外整个求解过程只需要一次寻优，大大简化了求解步骤。

通过实测的I-V曲线，利用最优化算法求解所提出模型中的系数，进而得到一组关于单二极管模型的五参数与光照温度的方程，只需提供任意条件的光照温度，即可获得任意条件五个物理参数的值。

下面详细说明本申请技术方案的由来：

根据光伏电池的单二极管模型，其I-V关系如公式(1)所示，

式中，I和V分别为输出的电流和电压，I_ph为光生电流，R_sh和R_s分别为并联电阻和串联电阻，I₀为二极管反向饱和电流，V_th是热电压，其表达式为：

其中k＝1.381×10^-23J/K，q＝1.602×10^-19C，N_s代表串联的光伏电池的数量，T代表光伏板的温度。

五参数为光生电流、二极管反向饱和电流、等效串联电阻、等效并联电阻及二极管理想因子。

五参数随光照温度的变化规律在不同文章中有不同的说法，本文只给出两种形式的转换方程(包括但不限于这两种形式)。第一种为传统的转换方程，在大多数文章中被用到：

I_ph＝[I_ph，ref+α_Isc(T-T_ref)]·S/S_ref (3)

R_s＝R_s，ref (5)

R_sh＝R_sh，ref·S_ref/S (6)

n＝n_ref (7)

其中，α_Isc是短路电流I_sc的温度系数，E_g代表光伏电池的禁带宽度，S代表光伏板表面的光照强度，下标ref代表对应参数在参考条件下的值。可以看到每个公式中都含有参考条件的项，但是通过变形，可以将带有参考条件的项设置为常数。对于公式(3)，由于温度对光生电流的影响非常小，公式(3)可以展开为：

I_ph＝I_ph，r_ef/S_ref·S+α_IscT-α_IscT_ref (8)

用A，B，C分别替换掉I_ph，ref/S_ref，α_Isc和α_ISCT_ref，于是得到公式(9)：

I_ph＝A·S+B·T-C (9)

类似的，用D替换掉

得到公式(10)：

其中E_g可用公式(11)进行计算：

式中E_g(0)是T＝0K时该材料的禁带宽度值，而α和β为常数，因此分别用E，F和G替换，得到公式(12)：

同样用H替换掉R_sh，ref·S_ref，得到公式(13)：

而n和R_s直接适用于任意条件，至此，所有方程都不含参考条件下的参数。

可以看到公式(3)-(7)中，有的方程忽略了光照的影响，有的忽略了温度，只有光生电流同时考虑了光照温度的影响，而五个参数都会受到光照温度的影响。

因此由本文提出第二种转换方程，它同时考虑了光照温度的影响，这里用了线性关系来表示温度关系，指数关系来表示光照关系，形式包括但不限于此：

采用同样的方法替换掉含参考条件的项，得到公式(19)-(23)：

I_ph＝(A+B·T)S (19)

n＝(F+G·T)S^H (21)

R_s＝(I+J·T)S^K (22)

R_sh＝(L+M·T)S^N (23)

于是得到不含参考条件的又一组五参数关于光照温度的关系式。式中的系数则通过寻优化算法，拟合大量数据的I-V特性曲线得到，这里采用平均均方根误差

来进行寻优，其定义为：

其中，N_l和N分别为拟合所用的曲线数和每条曲线上的点数，N_p为所有实验点的数量，I_(j，i)和

分别为第j条曲线的第i个点的实测电流值和计算值。

本发明提出一种新的求取任意条件下五参数的方法，解决了求解过程中需要设置参考条件的问题，消除了参考条件的选择对结果的影响。并且采用实验数据求解参数，限制了光伏板老化，气候变化对光伏板输出特性的影响。此外，本方法不需要计算参考条件下的参数值，只需一步寻优就可得到所有参数，使计算过程大大简化。

本发明的具体过程为，选择用到的五参数随光照温度变化的转换方程，通过替换其中的含有参考条件的项，变为适用于任意条件下的方程。输入用于寻优的实测I-V特性曲线，设置好寻优算法的各项指标和目标函数，通过寻优得到新的方程的各项系数，最后得到一组只含光照和温度的转换方程。给定任意光照温度，即可读取在这个条件下五参数的值。其总技术流程图如图1所示。

实验验证：

选择某36块电池串联的光伏电池组件，获得其500条实测I-V特性曲线。选择上述第一种模型求得其参数如下表所示：

表1各参数结果

利用4组不同光照下的实测数据进行验证，如图2所示。

从图2中可以看到，本发明的方法可以准确地预测不同工况下的光伏电池I-V特性。

实施例二

本实施例的目的是提供一种计算装置,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述方法的步骤。

实施例三

本实施例的目的是提供一种计算机可读存储介质。

一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时执行上述方法的步骤。

实施例四

本实施例的目的是提供了光伏电池工作特性多条件参数预测的系统，包括：

模型中的系数获取模块，通过实测I-V特性曲线，利用最优化算法求解新单二极管模型中的系数；

五参数与光照温度的方程获取模块，基于所求得的系数得到一组关于单二极管模型的五参数与光照温度的方程；

五参数获取模块，输入任意条件的光照温度，即可获得对应的五个物理参数的值。

以上实施例二、三和四的装置中涉及的各步骤与方法实施例一相对应，具体实施方式可参见实施例一的相关说明部分。术语“计算机可读存储介质”应该理解为包括一个或多个指令集的单个介质或多个介质；还应当被理解为包括任何介质，所述任何介质能够存储、编码或承载用于由处理器执行的指令集并使处理器执行本公开中的任一方法。

本领域技术人员应该明白，上述本公开的各模块或各步骤可以用通用的计算机装置来实现，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。本公开不限制于任何特定的硬件和软件的结合。

以上所述仅为本公开的优选实施例而已，并不用于限制本公开，对于本领域的技术人员来说，本公开可以有各种更改和变化。凡在本公开的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本公开的保护范围之内。

上述虽然结合附图对本公开的具体实施方式进行了描述，但并非对本公开保护范围的限制，所属领域技术人员应该明白，在本公开的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本公开的保护范围以内。

Claims (10)

1.光伏电池工作特性多条件参数预测的方法，其特征是，包括：

通过实测I-V特性曲线，利用最优化算法求解新单二极管模型中的系数；

基于所求得的系数得到一组关于单二极管模型的五参数与光照温度的方程；根据光伏电池的单二极管模型，其I-V关系如公式(1)所示，

式中，I和V分别为输出的电流和电压，I_ph为光生电流,R_sh和R_s分别为并联电阻和串联电阻，I₀为二极管反向饱和电流，V_th是热电压，其表达式为：

其中k＝1.381×10^-23J/K，q＝1.602×10^-19C，N_s代表串联的光伏电池的数量，T代表光伏板的温度；

I_ph＝[I_ph,ref+α_Isc(T-T_ref)]·S/S_ref (3)

R_s＝R_s,ref (5)

R_sh＝R_sh,ref·S_ref/S (6)

n＝n_ref (7)

其中，α_Isc是短路电流I_sc的温度系数，E_g代表光伏电池的禁带宽度，S代表光伏板表面的光照强度，下标ref代表对应参数在参考条件下的值，可以看到每个公式中都含有参考条件的项，但是通过变形，可以将带有参考条件的项设置为常数，对于公式(3)，由于温度对光生电流的影响非常小，公式(3)可以展开为：

I_ph＝I_ph,ref/S_ref·S+α_IscT-α_IscT_ref (8)

用A，B，C分别替换掉I_ph,ref/S_ref，α_Isc和α_IscT_ref，于是得到公式(9)：

I_ph＝A·S+B·T-C (9)

类似的，用D替换掉

得到公式(10)：

其中E_g可用公式(11)进行计算：

式中E_g(0)是T＝0K时该材料的禁带宽度值，而α和β为常数，因此分别用E，F和G替换，得到公式(12)：

同样用H替换掉R_sh，ref·S_ref，得到公式(13)：

而n和R_s直接适用于任意条件，至此，所有方程都不含参考条件下的参数；

输入任意条件的光照温度，即可获得对应的五个物理参数的值，进而得到任意条件下的I-V曲线和工作特性。

2.如权利要求1所述的光伏电池工作特性多条件参数预测的方法，其特征是，所述新单二极管模型消除了参考条件选择的影响。

3.如权利要求1所述的光伏电池工作特性多条件参数预测的方法，其特征是，针对原始光伏电池的单二极管模型，用线性关系来表示温度关系，指数关系来表示光照关系，替换掉含参考条件的项，得到不含参考条件的又一组五参数关于光照温度的关系式，即新单二极管模型。

4.如权利要求1所述的光伏电池工作特性多条件参数预测的方法，其特征是，光照温度的关系式中的系数通过寻优化算法，拟合大量数据的I-V特性曲线得到。

5.如权利要求1所述的光伏电池工作特性多条件参数预测的方法，其特征是，寻优化算法采用平均均方根误差

来进行寻优，其定义为：

其中，N_l和N分别为拟合所用的曲线数和每条曲线上的点数，N_p为所有实验点的数量，I_(j,i)和

分别为第j条曲线的第i个点的实测电流值和计算值。

6.如权利要求1所述的光伏电池工作特性多条件参数预测的方法，其特征是，不含参考条件的又一组五参数关于光照温度的关系式为：

I_ph＝(A+B·T)S

n＝(F+G·T)S^H

R_s＝(I+J·T)S^K

R_sh＝(L+M·T)S^N。

7.光伏电池工作特性多条件参数预测的系统，其特征是，包括：

模型中的系数获取模块，通过实测I-V特性曲线，利用最优化算法求解新单二极管模型中的系数；

五参数与光照温度的方程获取模块，基于所求得的系数得到一组关于单二极管模型的五参数与光照温度的方程；根据光伏电池的单二极管模型，其I-V关系如公式(1)所示，

式中，I和V分别为输出的电流和电压，I_ph为光生电流,R_sh和R_s分别为并联电阻和串联电阻，I₀为二极管反向饱和电流，V_th是热电压，其表达式为：

其中k＝1.381×10^-23J/K，q＝1.602×10^-19C，N_s代表串联的光伏电池的数量，T代表光伏板的温度；

I_ph＝[I_ph,ref+α_Isc(T-T_ref)]·S/S_ref (3)

R_s＝R_s,ref (5)

R_sh＝R_sh,ref·S_ref/S (6)

n＝n_ref (7)

其中，α_Isc是短路电流I_sc的温度系数，E_g代表光伏电池的禁带宽度，S代表光伏板表面的光照强度，下标ref代表对应参数在参考条件下的值，可以看到每个公式中都含有参考条件的项，但是通过变形，可以将带有参考条件的项设置为常数，对于公式(3)，由于温度对光生电流的影响非常小，公式(3)可以展开为：

I_ph＝I_ph,ref/S_ref·S+α_IscT-α_IscT_ref (8)

用A，B，C分别替换掉I_ph,ref/S_ref，α_Isc和α_IscT_ref，于是得到公式(9)：

I_ph＝A·S+B·T-C (9)

类似的，用D替换掉

得到公式(10)：

其中E_g可用公式(11)进行计算：

式中E_g(0)是T＝0K时该材料的禁带宽度值，而α和β为常数，因此分别用E，F和G替换，得到公式(12)：

同样用H替换掉R_sh，ref·S_ref，得到公式(13)：

而n和R_s直接适用于任意条件，至此，所有方程都不含参考条件下的参数；

五参数获取模块，输入任意条件的光照温度，即可获得对应的五个物理参数的值。

8.如权利要求7所述的光伏电池工作特性多条件参数预测的系统，其特征是，针对原始光伏电池的单二极管模型，用线性关系来表示温度关系，指数关系来表示光照关系，替换掉含参考条件的项，得到不含参考条件的又一组五参数关于光照温度的关系式，即新单二极管模型。

9.一种计算装置,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征是，所述处理器执行所述程序时实现上述权利要求1-6任一所述方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征是，该程序被处理器执行时执行上述权利要求1-6任一所述方法的步骤。

Images