基于改进正弦余弦算法的光伏模型参数提取.pdf

第 43 卷 第 2 期许昌学院学报Vol.43.No.2 2024 年 3 月JOURNAL OF XUCHANG UNIVERSITYMar.2024收稿日期:2023-10-10基金项目:河南省自然科学基金项目(232300421392);河南省创新科技人才队伍建设项目(CXTD2017099)作者简介:陈永刚(1978),男,河南修武人,讲师,博士,研究方向:进化计算及其应用.文章编号:1671-9824(2024)02-0109-04基于改进正弦余弦算法的光伏模型参数提取陈永刚1,李国芳2,陈艳格1(1.许昌学院 信息工程学院,河南 许昌 461000;2.中国社会科学院大学,北京 102401)摘 要:针对正弦余弦算法对光伏模型参数提取存在精度低等问题,提出了一种改进的正弦余弦算法(ISCA).ISCA 算法中,采用了新的个体位置更新表达式来替换 SCA 中的个体位置表达式.为了验证 ISCA 算法的性能,选择了一种单二极管结构光伏模型进行参数提取.实验结果表明,与其他一些优化算法相比,ISCA 在提取参数解的质量方面具有竞争力和有效性.关键词:正弦余弦算法;参数提取;光伏模型中图分类号:TP391 文献标识码:A 近年来,随着人口的增加以及人民生活水平的提高,化石燃料的消费也迅速增加.发电的主要来源是不可再生能源化石燃料,它们会造成污染并加剧全球变暖.环境污染和全球变暖等问题正在使世界转向可再生能源的开发和利用.可再生能源包括水电、风能和太阳能等等.太阳能光伏是仅次于水电和风力发电的第三大可再生能源.太阳能光伏有维护和运营成本低并且能够在需求侧发电等优点,是一种很有前途的可再生能源.现在,世界上越来越多的太阳能光伏(PV)系统得到应用.光伏系统的性能在很大程度上受到环境条件(如温度、太阳辐照度、灰尘积聚、遮蔽、污垢、电缆损耗)的影响.建立一个可以揭示光伏系统的实际电压和电流之间的关系准确的数学模型更为复杂1.人们提出了许多数学模型来描述电压和电流的非线性特性,其中单二极管模型(SDM)和双二极管模型(DDM)是最常见的基于电气特性模拟光伏系统的实用等效电路.这些模型参数的精确性在许多实际应用中非常重要.到目前为止,已经提出了许多光伏模型参数的提取方法.这些方法可以分为分析方法和数值方法.数值方法优于分析方法,因此被广泛采用.采用优化算法对光伏模型进行参数提取属于数值方法.采用随机搜索技术的优化算法是以概率为基础,从自然中汲取灵感而产生的.它们能有效地解决工程优化问题.这些优化算法包括飞蛾扑火优化算法2,人工蜂群算法3和粒子群优化算法4等等.正弦余弦算法(SCA)是一种较新型智能优化算法,它是由 Mirjalili 于 2016 年提出的5.在多个单峰和多峰函数的实验测试结果表明该算法优于一些常用的优化算法,证明了该算法具有较好的全局探索和局部开采能力.SCA 算法具有流程简单,所有控制参数较少、迭代寻优效率较高等特点,已经引起了研究者的广泛关注.目前,SCA 算法已经成功地应用到了许多工程领域.然而,在处理一些复杂优化问题时,SCA 依然存在收敛速度慢和寻优精度低等问题.综上所述,提高 SCA 算法在求解一些工程性能问题上仍然是一个很有价值的研究方向.提出了一种基于改进正弦余弦算法的光伏组件模型参数提取方法(ISCA).ISCA 在 SCA 的基础上,用变异策略和改动的位置更新方程来指导个体的位置更新.最后,利用常用光伏模型进行实验,通过与标准 SCA 算法以及其他几种智能优化算法进行对比验证,结果验证了 ISCA 在光伏模型参数提取中的有效性和优越性.1 SCA 算法和光伏模型1.1 SCA 算法在 SCA 算法中,个体的位置用来表示优化问题的潜在解.整个种群在搜索空间中飞行寻找全局最优许昌学院学报2024 年 3 月解.在 D 维空间中,与第 i 个个体的位置表示为 Xi=(xi1,xi2,xiD).首先,在解空间内随机产生 NP 个个体的初始位置,对应种群规模的大小.然后,计算每个个体的适应度值,并记录当前最优个体位置.最后,循环至满足终止条件,输出最优解.在每次迭代中,个体位置的更新表达式为xt+1i,d=xti,d+r1sin(r2)r3Ptd-xti,d,r40.5,(1)xt+1i,d=xti,d+r1cos(r2)r3Ptd-xti,d,r40.5,(2)r1=a-atT,(3)其中,a 是常数设为 2,T 是最大迭代次数,t 表示当前迭代次数;r1为控制参数;r2是0,2范围内服从均匀分布的随机数,r3是(0,2)范围内服从均匀分布的随机数,r4是0,1范围内的均匀分布的随机数,Pg表示的是目前为止整个群体发现的最佳位置.d1,D,代表其中的某一维.NP 为个体总数量.文献5给出了 SCA 算法详细介绍.1.2 单二极管模型单二极管模型(SDM)包括 5 个参数,分别是光生电流源(Iph),二极管反向饱和电流(Isd),二极管理想系数(n),并联电阻(Rsh)以及串联电阻(Rs)6.图 1 显示了 SDM 的电路图.图 1 SDM 等效电路根据图 1,可计算输出电流 IL为IL=Iph-Isd expq(VL+RsIL)nkT()-1-VL+RsILRsh,(4)式中,q=1.6021764610-19表示电子电荷,VL是光伏电池的输出电压,k 是波尔兹曼常数,k=1.380650310-23,T 是电池的绝对温度7.构建目标函数:RMSE=1NNk=1f(VL,IL,x)2,(5)其中,VL和 IL为光伏电池的输出电压和输出电流,N 为数据集的个数,向量 X 表示模型中需要提取未知参数的集合,x=Iph,Isd,Rs,Rsh,n;f(VL,IL,x)为模型的电流误差函数,计算公式为f(VL,IL,x)=Iph-Isd expq(VL+RsIL)nkT()-1-V+RsILRp-IL.(6)2 改进的正弦余弦算法(ISCA)从公式(1)和(2)可以清楚地看出,SCA 的搜索性能主要取决这两个核心公式.然而,由于现实世界实际问题的复杂性,从实验结果看,这两个公式对光伏模型参数提取效果不够理想.这里,提出了 ISCA 改进了 SCA 在参数提取方面的性能.在 ISCA 中,采用了两个新的运行公式,来替换原来的两个运行公式.这两个新的运行公式如下:vi,d=xi,d+r5,d(pd-xi,d)+r6,d(xr7,d-xr8,d),r40.7,(7)vi,d=xi,d+r9,dr1cos(r2)(Pd-xj,d),r40.7,(8)其中,r5和 r6为0,1范围内的均匀分布的随机数,r7和 r8为1,NP范围内不相等的随机整数.ISCA 的流程如下:随机初始化产生初始群体 Xi=(xi1,xi2,xiD)和设置参数值,Do计算种群的个体适应度,更新当前群体的最优个体,更新 r1,r2,r4,使用公式(7)-(8)计算新个体并根据适应度值更新当前个体位置,011第 43 卷第 2 期陈永刚,等:基于改进正弦余弦算法的光伏模型参数提取While t最大迭代次数,Return 输出当前的最优解.3 实验和结果分析在本节实验中,使用单二极管模型来验证 ISCA 的性能.采用的其他对比算法为 SCA,CS8,WOA9和BSA10.首先给出了光伏模型参数的取值范围.其次,对基于 PV 参数提取的几种算法进行的实验.最后,给出了相应的实验结果分析.表 1 中列出了这些提取参数的搜索范围.此外,其他对比算法的参数配置是基于相关的文献.对于这次实验,所有选定的算法独立运行30 次,最大适应度评估次数设置为35 000.CS,WOA 和 BSA 的实验结果取自于文献11.表 1 参数的取值范围参数单二极管LBUBIph(A)01Isd01n12Rs00.5Rsh0100表 2 列出了 30 次运行中几个算法获得最好参数提取结果.表 2 也显示 ISCA 算法获得了最小的RMSE.可以看出,相比其他几个算法的参数提取结果,ISCA 算法获得了最好结果.SCA 算法取得 RMSE 最大,相应的,可以说明获得的参数提取结果最差.表 3 列出了所有算法 30 次运行获得 RMSE 的最大值(Worst),最小值(Best),平均值(Mean)和方差(Std)四个指标.可以看出 CS 算法获得最好的平均值,说明算法的稳定最好.根据对表 2 和表 3 的内容分析可以看出,ICSA 在 SDM 的参数提取中具有最好的性能.表 2 不同算法在 SDM 上提取的最好结果算法Iph(A)Isd(uA)nRsRshRMSEISCA0.760800.309401.476830.0365653.050809.90656e-04SCA0.763610.725181.56730.0294338.554856.7554e-03CS0.760710.386121.499310.0358162.445361.0768e-03WOA0.760010.399331.502910.0356962.317421.2340e-03BSA0.760390.394311.501410.0358167.855681.1263e-03 表 3 不同算法在 SDM 上的统计结果算法WorstMeanBestStdISCA2.2713e-031.4105e-039.9066e-043.5498e-04SCA1.8784e-021.2915e-026.7554e-033.2227e-03CS1.6459e-031.2932e-031.0768e-031.4742e-04WOA5.0973e-031.4733e-031.2340e-031.7116e-02BSA1.5808e-031.4146e-031.1263e-031.0943e-044 结语对光伏电池系统评估和控制等需要准确可靠的参数提取.针对传统的 SCA 算法在参数提取中存在精度低的缺点,本文提出了一种改进的正弦余弦算法 ISCA.ISCA 采用了两个不同的个体位置更新公式.在算法优化过程中,个体可以采用不同的概率来更新其位置.实验结果显示,在光伏模型参数提取中,ISCA111许昌学院学报2024 年 3 月具有良好的搜索能力.本文仅研究了在单二极管光伏模型的参数提取,未来,将继续改进 ISCA 的性能,以便 ISCA 能更准确地提取其他光伏模型的参数.参考文献:1 康 童,姚建刚,金敏,等.采用改进型 SOS 算法的光伏组件模型参数辨识J.计算机应用研究,2020,37(4):1034-1042.2MIRJALILI S.Moth-flame optimization algorithm:A novel nature-inspired heuristic paradigm J.Knowledge-Based Sys-tems,2015,89:228-249.3 郝 辉,李雪瑞,张雨森.人工蜂群算法及其在路径寻优问题上的应用J.火力与指挥控制,2023,48(3):57-66.4 张 豪,王贤琳.自适应惯性权重优化的粒子群算法J.智能计算机与应用,2023,13(9):5-8.5 MIRJALILI S.SCA:A sine cosine algorithm for solving optimization problems J.Knowledge-Based Systems,2016,96:120-133.6 YU S,HEIDARI A A,HE C,et al.Parameter estimation of static solar photovoltaic models using Laplacian Nelder-Mead hunger games search J.Solar Energy,2022,242:79-104.7 WANG D,SUN X,KANG H,et al.Heterogeneous differential evolution algorithm for parameter estimation of solar photovol-taic models J.Energy Reports,2022,8:4724-4746.8 李梦晗,杨利红,薛泽臣,等.布谷鸟搜索的非均匀弱光图像自适应增强算法J.西安工业大学学报,2022,42(5):492-499.9 ALJARAH,IBRAHIM,FARIS,et al.Optimizing connection weights in neural networks using the whale optimization algo-rithm J.Soft computing:A fusion of foundations,methodologies and applications,2018,22(1):1-15.10 CIVICIOGLU,PINAR.Backtracking search optimization algorithm for numerical optimization problems J.Applied Mathe-matics&Computation,2013,219(15):8121-8144.11 ZHANG Y,JIN Z,MIRJALILI S.Generalized normal distribution optimization and its applications in parameter extraction of photovoltaic models J.Energy Conversion and Management,2020,224(9):113301.Parameter Extraction of Photovoltaic Model Based on Improved Sine Cosine Algorithm CHEN Yonggang1,LI Guofang2,CHEN Yange1(1.College of Information Technology,Xuchang University,Xuchang 461000,China;2.University of Chinese Academy of Social Sciences,Beijing 102401,China)Abstract:An improved sine cosine algorithm(ISCA)is proposed to address the issue of low accuracy in ex-tracting photovoltaic model parameters using the sine cosine algorithm.In the ISCA algorithm,a new individual position update expression is used to replace the individual position expression in SCA.In order to verify the per-formance of the ISCA algorithm,a single transistor structure photovoltaic model was selected for parameter ex-traction.The experimental results show that compared with other optimization algorithms,ISCA is competitive and effective in extracting the quality of parameter solutions.Key words:sine cosine algorithm;parameter extraction;photovoltaic model责任编辑:赵秋雨211