摘要
基于参数辨识技术对光伏组件进行辨识可以快速准确地得到光伏组件的模型情况,这对光伏阵列的功率计算、最大功率点跟踪和故障排除等都具有十分积极的作用,然而光伏组件数据的监控测点多、数据大且复杂,传统的参数辨识方法在搜索过程中灵活度较差,难以满足精确度需求.基于光伏组件数学模型,针对传统智能算法精确度低和易陷入局部最优解等问题,提出禁忌搜索算法和果蝇算法结合(TS-FOA)的参数辨识方法.TS-FOA算法进行了两种算法的融合:引入FOA算法,保证前期全局搜索能力,实现初期搜索的快速迭代;引入TS概念对传统FOA算法进行优化,进一步减少迭代时间,并可以避免迭代后期陷入局部最优解的问题,提升寻优效率.在算例分析中,使用光伏电站测试数据,验证该算法在实际工程中的适用性,同时与其他基础算法进行多方面对比,结果表明TS-FOA相较于传统算法能提供更加精准、快速的参数辨识效果.
维普
万方数据