光伏组件内部参数辨识与输出特性研究

随着生态问题的日益突出，不可再生能源的过度使用，对环境造成了不小的影响，比如近几年我国雾霾尤其严重，这就凸显出清洁可再生能源的重要性了。近年来，光伏产业作为可再生能源工业的代表，在人们生活的各个领域得到快速发展和应用。光伏组件输出特性由光照强度和外界温度等要素有关[1]。通常，生产商仅提供光伏组件在标况下的外部输出特性曲线和对应的电气铭牌参数。而在实际应用中，光伏组件基本不会在标况下运行，所以获得光伏组件在不同条件下的外部输出特性和对应的电气参数具有实际意义，同时也为光伏组件不同工况下的运行状况分析提供依据。

由于光伏组件的输出特性随外界环境变化明显，所以选择合适的光伏组件模型并对其内部5参数进行准确辨识便成为需要解决的问题[2]。选择典型的单二极管模型，并且该模型在工程应用中也具有高精度[3]。对于参数辨识的方法主要分为近似的数学解析法和基于优化算法的参数辨识方法。文献[4-5]采用近似的数学解析算法，对于参数近似的数学解析算法中，由于存在复杂的超越非线性函数，且有些参数直接近似取固定值，使得计算出的参数准确度大大降低；文献[6]采用CPSO算法，虽然收敛精度达到了，但迭代次数多。总之，基于智能优化算法的参数识别方法在准确度和可靠性方面具有明显优势，但大部分传统的优化算法还是存在着易陷入早熟或迭代寻优次数过多等问题。所以在此基础上提出了改进量子粒子群算法对光伏组件内部参数进行辨识，既解决了PSO算法陷入局部最优的问题，又解决了寻优过程中迭代次数过多问题。此外，光伏组件外部输出特性和内部五参数随外界环境变化呈现复杂的非线性关系，因此如何准确地预测出不同工况下的输出特性曲线和对应的内部参数意义重大。

1光伏电池理论模型和目标函数

1.1 光伏电池理论模型

光伏电池是利用光生电效应把太阳能转变为电能的装置，其单二极管模型如图1所示[7]。

由图1得出光伏组件内部参数等效电流和电压表达式：

式中，U为负载两端电压，I为通过负载的电流，I ph为光生电流，I o为二极管反向饱和电流，A为二极管影响因子，R s为电池串联电阻，R sh为电池并联电阻，T为电池的绝对温度，K为玻尔兹曼常数(1.38×10-23 J/K)，q为电荷常数(1.6×10-19 C)。其中I ph、I o、A、R s、R sh为待辨识参数。

1.2 目标函数的建立

基于上述光伏组件的理论模型特点，将改进量子粒子群算法引入其中，从而准确提取该模型中的未知5参数的值。文献[8]引用Lambert W函数简化光伏电池电流I的显式表达式：