通过使用粒子集群优化和人工神经网络进行光伏面板模型参数估计.
Wai-Lun Lo1, Henry Shu-Hung Chung2, Richard Tai-Chiu Hsung1
1Department of Computer Science, Hong Kong Chu Hai College, Hong Kong, China.
Sensors (Basel, Switzerland)
|May 25, 2024
概括
这项研究引入了一种新的方法,用于使用人工神经网络 (ANN) 和粒子群优化 (PSO) 估计光伏 (PV) 面板参数. 该方法提高了光伏面板健康监测和最大功率点跟踪的准确性和融合速度.
科学领域:
- 可再生能源技术可再生能源技术
- 在工程领域的人工智能.
- 电气工程 电气工程
背景情况:
- 光伏 (PV) 电池板是重要的绿色能源,需要准确的参数估计来监测性能和诊断故障.
- 现有的光伏面板参数估计方法虽然在进步,但仍有机会提高准确性和效率.
研究的目的:
- 开发一种新的,更准确的方法来估计光伏 (PV) 面板的参数.
- 为了提高光伏面板参数估计算法的收速度.
- 为光伏面板健康监测和最大功率点跟踪 (MMPT) 提供改进的数据.
主要方法:
- 利用输出电流和电压的动态反应来创建时间序列I-V向量.
- 采用基于人工神经网络 (ANN) 的光伏模型参数范围分类器 (MPRC),在各种 I-V 数据集上进行训练.
- 集成MPRC输出来初始化粒子群优化 (PSO) 算法用于参数估计.
主要成果:
- 拟议的混合ANN-PSO方法在PV面板参数估计中达到3.5%的准确性.
- 与独立的PSO方法相比,在融合速度方面取得了显著的改进.
- 通过使用实验和生成I-V数据集的模拟验证.
结论:
- 开发的方法有效地估计了光伏面板的参数,提高了准确性和更快的融合.
- 这种方法为先进的光伏电池板健康监测和优化最大功率点跟踪提供了有价值的工具.
- 整合ANN用于初始参数范围分类显著提高了PSO算法的效率.


