基于改进粒子群算法的光伏电池参数辨识方法

    公开(公告)号:CN106202914A

    公开(公告)日:2016-12-07

    申请号:CN201610531659.9

    申请日:2016-07-07

    CPC classification number: G06F19/00 G06N3/006

    Abstract: 本发明公开了一种基于改进粒子群算法的光伏电池参数辨识方法,实施流程框架包括:建立光伏电池的递推最小二乘模型形式并确定待辨识参数,初始化粒子群的位置和速度,计算粒子适应度值、个体极值、群体极值,更新粒子的位置和速度,个体极值加入高斯算子,计算适应度值并更新个体极值,计算各粒子与全局极值的距离,计算粒子适应度值,进行个体极值和群体极值更新,最后输出待定光伏电池参数的最优取值。本发明用于光伏并网发电系统中串并联m×n型光伏组件阵列的参数分析,能够辨识光伏电池I-V方程的待定参数、确定光伏电池的I-V数学模型及解析光伏电池的故障起因。

    一种考虑光伏电站元件可靠性的电网风险评估方法

    公开(公告)号:CN108364117B

    公开(公告)日:2022-05-24

    申请号:CN201810011600.6

    申请日:2018-01-05

    Abstract: 本发明公开了一种考虑光伏电站元件可靠性的电网风险评估方法。首先,根据元件失效机制对光伏电站关键元件进行分类,分别建立逆变器的两状态模型和光伏阵列的多状态模型,通过状态抽样生成考虑元件可靠性的光伏电站输出功率概率模型;然后,依据所建模型抽取光伏出力值,确定常规发电机和线路的停运状态和系统负荷状态,得到一次抽样的确定性系统状态;接着,通过直流潮流最优切负荷算法,计算一次确定性抽样系统的切负荷量;最后,通过非序贯蒙特卡洛模拟,计算系统失负荷概率和电力不足期望风险指标。本发明将光伏阵列所有元件作为一个整体,根据其累积分布函数划分为多状态模型,有效缓解对每个光伏元件状态都进行抽样可能导致的内存消耗大、抽样速度慢、计算效率低等问题,提高了含光伏电站的电网风险评估的效率。

Patent Agency Ranking