太阳能光伏模型的参数确定及模型应用介绍_光伏电池理想模型与五参数模型-程序员宅基地
技术标签： matlab 太阳能光伏模型优化 IT技术 太阳能光伏模型
一、太阳能光伏模型介绍
太阳能通过光伏（PV）发电系统转化为电能。通过使用新材料技术，一直致力于提高光伏系统中太阳能电池的功率转换效率。基于钙钛矿太阳能电池的冠军器件具有24.8%的认证功率转换效率，仍有很大的改进空间。因此，对精确的光伏电池模型进行仿真、控制和优化对于使光伏发电系统在不同天气条件和温度下具有更高和稳定的转换效率具有帮助和至关重要。
关于光伏模型，有几种主流模型，包括单二极管模型（SDM），双二极管模型（DDM），三二极管模型（TDM），光伏组件模型（MM）等。精确的光伏电池建模被认为是分析光伏系统的特定特性（如电流-电压（I-V）特性）的关键，而参数估计是光伏模型中的一个关键问题。希望找到接近实验数据的模型参数值，以最大限度地提高PV模型在特定条件下的性能。光伏系统的仿真、性能评估、优化设计和实时控制的参数估计至关重要。为了获得高性能的光伏模型，总是要施加准确的参数。此外，它可以为太阳能电池制造中的应用设计、光伏转换增强和最大功率点跟踪提供有价值的指导。因此，光伏模型中的参数估计越来越受到关注，并提出了各种方法来解决这个问题。
上图中（a）~(d)分别为单二极管（SDM）、双二极管（DDM）、三二极管模型（TDM）和光伏组件模型（MM）。
为了正确估计PV模型中的参数，首先设计了一个误差函数来描述测量电流数据和实验电流数据之间的差异。显然，我们的目标是在光伏模型中找到一组参数，以尽量减少这种误差。将设计的误差函数视为目标函数，在此基础上评估所有解，并演化并保存优秀解以存活到下一次迭代中。
1.1单二极管（SDM）
I L = I p h − I d − I s h = I p h − I s d [ exp ( q ( V L + R s I L ) a k T ) − 1 ] − V L + R s I L R s h I_{L}=I_{ph}-I_{d}-I_{sh}=I_{ph}-I_{sd}\left[\exp\left(\frac{q(V_{L}+R_{s}I_{L})}{akT}\right)-1\right]-\frac{V_{L}+R_{s}I_{L}}{R_{sh}} IL=Iph−Id−Ish=Iph−Isd[exp(akTq(VL+RsIL))−1]−RshVL+RsIL
{ f i ( V L , I L , X ) = I p h − I s d [ exp ( q ( V L + R s I L ) a k T ) − 1 ] − V L + R s I L R s h − I L X = { I p h , I s d , R s , R s h , a } \begin{cases}f_i(V_L,I_L,X)=I_{ph}-I_{sd}\left[\exp\left(\frac{q(V_{L}+R_{s}I_{L})}{akT}\right)-1\right]-\frac{V_{L}+R_{s}I_{L}}{R_{sh}}-I_L\\\\X=\{I_{ph},I_{sd},R_s,R_{sh},a\}\end{cases} ⎩
⎨
⎧fi(VL,IL,X)=Iph−Isd[exp(akTq(VL+RsIL))−1]−RshVL+RsIL−ILX={
Iph,Isd,Rs,Rsh,a}
1.2双二极管（DDM）
I L = I p h − I d − I s h = I p h − I s d 1 [ exp ( q ( V L + R s I L ) a 1 k T ) − 1 ] − I s d 2 [ exp ( q ( V L + R s I L ) a 2 k T ) − 1 ] − V L + R s I L R s h I_{L}=I_{ph}-I_{d}-I_{sh}=I_{ph}-I_{sd1}\left[\exp\left(\frac{q(V_{L}+R_{s}I_{L})}{a_{1}kT}\right)-1\right]-I_{sd2}\left[\exp\left(\frac{q(V_{L}+R_{s}I_{L})}{a_{2}kT}\right)-1\right]-\frac{V_{L}+R_{s}I_{L}}{R_{sh}} IL=Iph−Id−Ish=Iph−Isd1[exp(a1kTq(VL+RsIL))−1]−Isd2[exp(a2kTq(VL+RsIL))−1]−RshVL+RsIL
{ f i ( V L , I L , X ) = I p h − I s d 1 [ exp ( q ( V L + R s I L ) a 1 k T ) − 1 ] − I s d 2 [ exp ( q ( V L + R s I L ) a 2 k T ) − 1 ] − V L + R s I L R s h − I L X = { I p h , I s d 1 , I s d 2 , R , R s d , a 1 , a 2 } \begin{cases}f_i(V_L,I_L,X)=I_{ph}-I_{sd1}\left[\exp\left(\frac{q(V_{L}+R_{s}I_{L})}{a_{1}kT}\right)-1\right]-I_{sd2}\left[\exp\left(\frac{q(V_{L}+R_{s}I_{L})}{a_{2}kT}\right)-1\right]-\frac{V_{L}+R_{s}I_{L}}{R_{sh}}-I_L\\X=\{I_{ph},I_{sd1},I_{sd2},R,R_{sd},a_1,a_2\}\end{cases} {
fi(VL,IL,X)=Iph−Isd1[exp(a1kTq(VL+RsIL))−1]−Isd2[exp(a2kTq(VL+RsIL))−1]−RshVL+RsIL−ILX={
Iph,Isd1,Isd2,R,Rsd,a1,a2}
1.3三二极管模型（TDM）
I L = I p h − I d − I s h = I p h − I s d 1 [ exp ( q ( V L + R s I L ) a 1 k T ) − 1 ] − I s d 2 [ exp ( q ( V L + R s I L ) a 2 k T ) − 1 ] − I s d 3 [ exp ( q ( V L + R s I L ) a 3 k T ) − 1 ] − V L + R s I L R s h I_{L}=I_{ph}-I_{d}-I_{sh}=I_{ph}-I_{sd1}\left[\exp\left(\frac{q(V_{L}+R_{s}I_{L})}{a_{1}kT}\right)-1\right]-I_{sd2}\left[\exp\left(\frac{q(V_{L}+R_{s}I_{L})}{a_{2}kT}\right)-1\right]-I_{sd3}\left[\exp\left(\frac{q(V_{L}+R_{s}I_{L})}{a_{3}kT}\right)-1\right]-\frac{V_{L}+R_{s}I_{L}}{R_{sh}} IL=Iph−Id−Ish=Iph−Isd1[exp(a1kTq(VL+RsIL))−1]−Isd2[exp(a2kTq(VL+RsIL))−1]−Isd3[exp(a3kTq(VL+RsIL))−1]−RshVL+RsIL
{ f i ( V L , I L , X ) = I p h − I s d 1 [ exp ( q ( V L + R s I L ) a 1 k T ) − 1 ] − I s d 2 [ exp ( q ( V L + R s I L ) a 2 k T ) − 1 ] − I s d 3 [ exp ( q ( V L + R s I L ) a 3 k T ) − 1 ] − V L + R s I L R s h − I L X = { I p h , I s d 1 , I s d 2 , I s d 2 , R s , R s h , a 1 , a 2 , a 3 } \begin{cases}f_i(V_L,I_L,X)=I_{ph}-I_{sd1}\left[\exp\left(\frac{q(V_{L}+R_{s}I_{L})}{a_{1}kT}\right)-1\right]-I_{sd2}\left[\exp\left(\frac{q(V_{L}+R_{s}I_{L})}{a_{2}kT}\right)-1\right]-I_{sd3}\left[\exp\left(\frac{q(V_{L}+R_{s}I_{L})}{a_{3}kT}\right)-1\right]-\frac{V_{L}+R_{s}I_{L}}{R_{sh}}-I_L\\X=\{I_{ph},I_{sd1},I_{sd2},I_{sd2},R_s,R_{sh},a_1,a_2,a_3\}\end{cases} {
fi(VL,IL,X)=Iph−Isd1[exp(a1kTq(VL+RsIL))−1]−Isd2[exp(a2kTq(VL+RsIL))−1]−Isd3[exp(a3kTq(VL+RsIL))−1]−RshVL+RsIL−ILX={
Iph,Isd1,Isd2,Isd2,Rs,Rsh,a1,a2,a3}
1.4光伏组件模型（MM）
I L / N p = I p h − I s d [ exp ( q ( V L / N s + R s I L / N p ) a k T ) − 1 ] − V L / N s + R s I L / N p R s h I_L/N_p=I_{ph}-I_{sd}\left[\exp\left(\frac{q(V_L/N_s+R_sI_L/N_p)}{akT}\right)-1\right]-\frac{V_L/N_s+R_sI_L/N_p}{R_{sh}} IL/Np=Iph−Isd[exp(akTq(VL/Ns+RsIL/Np))−1]−RshVL/Ns+RsIL/Np
{ f i ( V L , I L , X ) = I p h − I s d [ exp ( q ( V L / N s + R s I L / N p ) a k T ) − 1 ] − V L / N s + R s I L / N p R s h − I L / N p X = { I p h , I s d , R s , R s h , a } \begin{cases}f_i(V_L,I_L,X)=I_{ph}-I_{sd}\bigg[\exp\left(\frac{q(V_L/N_s+R_sI_L/N_p)}{akT}\right)-1\bigg]-\frac{V_L/N_s+R_sI_L/N_p}{R_{sh}}-I_L/N_p\\\\X=\{I_{ph},I_{sd},R_s,R_{sh},a\}\end{cases} ⎩
⎨
⎧fi(VL,IL,X)=Iph−Isd[exp(akTq(VL/Ns+RsIL/Np))−1]−RshVL/Ns+RsIL/Np−IL/NpX={
Iph,Isd,Rs,Rsh,a}
对于 SDM、DDM、TDM 和 MM，将均方根误差（RMSE）用作这些优化方法的目标函数，以量化总体误差，给出如下：
R M S E ( X ) = 1 N ∑ i = 1 N f ( V L , I L , X ) \mathrm{RMSE}(X)=\sqrt{\frac{1}{N}\sum_{i=1}^{N}f(V_{L},I_{L},X)} RMSE(X)=N1i=1∑Nf(VL,IL,X)
其中N表示实验数据的数量。
参考文献：
[1] Gao S , Wang K , Tao S , et al. A state-of-the-art differential evolution algorithm for parameter estimation of solar photovoltaic models[J]. Energy Conversion and Management, 2021, 230:113784.
智能推荐
模拟神器之QEMU-程序员宅基地
文章浏览阅读1.3w次，点赞6次，收藏48次。1. 简介QEMU（quick emulator）是一款由法布里斯·贝拉（Fabrice Bellard）等人编写的免费的可执行硬件虚拟化的（hardware virtualization）开源托管虚拟机（VMM）。QEMU 是一个托管的虚拟机镜像，它通过动态的二进制转换，模拟CPU，并且提供一组设备模型，使它能够运行多种未修改的客户机OS，可以通过与KVM一起使用进而接近本地速度运行虚拟机（接近真实电脑的速度）。QEMU还可以为user-level的进程执行CPU仿真，进而允许了为一种架构编译的程序_qemu
【最详细|附源码】Visual C++(VC)6.0最新安装教程_visual c++安装教程-程序员宅基地
文章浏览阅读1.4w次，点赞14次，收藏78次。软件：Visual C++版本：6.0语言：简体中文大小：34.26M安装环境：Win11/Win10/Win8/Win7硬件要求：[email protected] 内存@4G(或更高）下载通道①百度网盘丨下载链接：提取码：dg2n[更多软件]：点击进入管家「软件目录」！_visual c++安装教程
新路由3 高恪魔改固件+底包_新路由3高恪5.0nat1-程序员宅基地
文章浏览阅读2.7w次，点赞2次，收藏8次。新路由3 newifi3 d2 高恪魔改固件，请在breed中先刷入底包，然后启动路由器进入底包系统后，再在底包系统里面网页web升级固件，选择魔改进行升级，切记必须这样操作。压缩包包含了底包和固件解压密码 123下载地址：https://u13909188.pipipan.com/fs/13909188-384246318..._新路由3高恪5.0nat1
戳破“砖家”假面：唯快不破的时代，为什么这件事一定要慢慢做？-程序员宅基地
文章浏览阅读298次。导读：我们生活在一个嘈杂、混乱的世界中。生活中，我们有很多“权威”和“专家”，他们标榜自己是内行人，宣称自己掌握着该领域的真理，而我们需要做的只有两个字——接受。但事实上..._唯快不破的人为什么定
初始化时checkbox选中问题-程序员宅基地
文章浏览阅读746次。首先我们大家在写页面的时候可能回经常遇到checkbox、radio等一些使选中或者是不选中的问题。这是我在项目当中做的时候发现的一个小知识点，把它赶紧记录下来。以便以后复习与巩固。 现把代码写出来再解释： function operateCheckOrRadio() { var sForm = document.getElementById("sform"); var sStatus = d..._flutter checkbox用变量初始化无法设置为选中状态
UE5——问题——MediaPlayer的使用播放视频注意点_ue mediaplayer-程序员宅基地
文章浏览阅读1.1k次。UE5——问题——MediaPlayer的使用播放视频注意点_ue mediaplayer
随便推点
欧拉图和哈密顿图_哈密顿通路度为偶数-程序员宅基地
文章浏览阅读3.8k次。欧拉图及欧拉路径欧拉图 如果图G上有一条经过所有顶点、所有边的闭路径（边不重复，顶点可以重复）充分必要条件 无向图：G连通，所有顶点的度都是偶数有向图：G弱连通，每个顶点出度与入度相等欧拉路径 如果图G上有一条经过所有顶点、所有边的路径（边不重复，顶点可以重复）充分必要条件 无向图：G连通，恰有两个顶点的度是奇数有向图：G连通，恰有两个顶点的出度与入度不相等，其中一个出度比入度多_哈密顿通路度为偶数
Linux下SVN安装配置和使用中遇到的问题-程序员宅基地
文章浏览阅读68次。两个命令：svn info :显示版本库信息，svn的下载url等。svn co https://xxxxx/xxx wodemulu (通过我的目录制定co的文件夹)svn st:显示修改的文件。=-=========================================第一章 安装1. 采用源文件编译安装。源文件共两个（可下载完传入linux），为：s..._can't lunch modelsim make sure
【算法】设计算法求所有强连通分量的完整代码（kosaraju算法）_kosaraju算法代码-程序员宅基地
文章浏览阅读332次。代码：typedef struct anode { int adjvex;//该边的邻接点编号 struct anode* nexarc;//指向下一条边的指针 int weight;//该边的相关信息，比如权值}arcnode;//边结点类型typedef struct vnode { //InfoTyoe info; 顶点的其他信息 arcnode* firstarc;//指向第一个边结点}Vnode;//邻接表头结点类型typedef struct {_kosaraju算法代码
程序员的自我评价_程序员自我评价-程序员宅基地
文章浏览阅读4.4k次，点赞2次，收藏2次。篇一：程序员简历自我评价程序员简历自我评价本人勤奋踏实，工作认真负责，自学能力强;性格开朗，容易与人相处，注重团队协作精神，且能承受较大压力。注重专业基础学习和实践能力的培养，在校期间不仅做过多个课程设计暑假期间也去过单位实践过，对java编程和网站开发具有浓厚的兴趣。篇二：优秀的程序员自我鉴定优秀的程序员自我鉴定以下一篇是一名优秀并且有工作经验的程序员的自我鉴定范文：大家好,我叫xxx。我性格开朗，乐于与人交往，诚实，正直，有教强的上进心，较强的学习能力，在学校团学会的工作使我组织_程序员自我评价
vue的vue-resource和axios介绍_vue-resuorce-程序员宅基地
文章浏览阅读1.2k次，点赞26次，收藏14次。vue的vue-resource和axios介绍_vue-resuorce
MySQL笔记复习（实例 全）_在 goods_name 列上加普通索引-程序员宅基地
文章浏览阅读907次。mysql复习一:复习前的准备1:确认你已安装wamp2:确认你已安装ecshop,并且ecshop的数据库名为shop二 基础知识:1.数据库的连接mysql -u -p -h-u 用户名-p 密码-h host主机2:库级知识2.1 显示数据库: show databases;2.2 选择数据库: use dbname;2.3 创建数据库_在 goods_name 列上加普通索引