一种基于灵敏度启发的光伏组件单二极管模型参数识别方法

《Modelling》:A Sensitivity-Inspired Parameter Identification Method for the Single-Diode Model of Photovoltaic Modules

【字体: 大 中 小 】 时间:2026年01月10日 来源:Modelling 1.5

编辑推荐:

  光伏(PV)组件的参数化为监控和故障诊断奠定了重要基础。本研究聚焦于单二极管模型(SDM)的参数灵敏度,填补了现有研究的空白。本工作中的灵敏度分析为理解参数鲁棒性提供了全新的视角,并为参数识别方法提供了先验知识。基于对灵敏度分析的深入理解,研究人员提出了一种新

  
光伏(PV)组件的参数化为监控和故障诊断奠定了重要基础。本研究聚焦于单二极管模型(SDM)的参数灵敏度,填补了现有研究的空白。本工作中的灵敏度分析为理解参数鲁棒性提供了全新的视角,并为参数识别方法提供了先验知识。基于对灵敏度分析的深入理解,研究人员提出了一种新颖的参数识别方法,该方法将解析表达式与网格搜索(grid search)算法相结合。所提方法降低了模拟数据集中提取参数的相对误差,其中逆向饱和电流的定量改善显著(平均降低12.6%)。该方法在实测数据集上实现了当前最优的整体性能,且Friedman检验证实该改善具有统计学显著性(p < 0.05)。所提方法在不同运行条件下展现出优异的迁移能力,这暗示其具有应用于光伏系统智能运维的潜力。
**论文解读:一种基于灵敏度启发的光伏组件单二极管模型参数识别方法**

**研究背景与问题**

随着全球可再生能源占比持续提升,太阳能光伏(PV)系统的高效、稳定与安全运行受到广泛关注。PV组件的精确参数化是实现状态监测与故障诊断的重要基础。在众多等效电路中,含五个参数的单二极管模型(SDM)因在精度与复杂度间取得良好折衷而被广泛应用。现有参数识别方法主要分为解析法和数值法:解析法依赖特征点(短路点、开路点、最大功率点)简化非线性方程,计算简便但可能引入显著误差;数值法(包括确定性算法如牛顿-拉夫逊、列文伯格-马夸尔特,以及元启发式算法如遗传算法、差分进化等)虽能降低整体拟合误差,但易陷入局部最优、对初始值敏感或计算开销较大。混合方法结合两者优势,但未考虑参数灵敏度,导致参数误差、特征点误差乃至整条I–V曲线误差的放大问题。此外,同一参数存在多种解析表达式,现有方法未明确哪种表达式更优。因此,亟需将灵敏度分析转化为参数识别的先验知识,以提升识别方法的严谨性与精度。

**研究内容与结论**

本研究首次系统分析了SDM各参数对电流、电压及I–V梯度的灵敏度,揭示了参数鲁棒性的新视角,并据此提出了一种结合解析表达式与网格搜索(grid search)算法的新型参数识别方法。该方法在模拟数据集上显著降低了提取参数的相对误差,尤其使逆向饱和电流(Is)的平均相对误差降低12.6%;在实测数据集(来自美国国家可再生能源实验室NREL)上整体性能达到当前最优,Friedman检验确认改善具有统计学显著性(p < 0.05)。该方法在变工况下表现出优异的迁移能力,可准确模拟I–V曲线与P–V曲线,为PV系统的智能运维提供了重要支撑。该研究发表于《Modelling》。

**主要关键技术方法**

本研究采用的关键方法包括:①灵敏度分析,分别计算各参数对电流、电压及I–V梯度的偏导数,并分析损失函数对各参数的敏感性;②基于灵敏度洞见的解析表达式推导,利用短路点电流计算光生电流(Iph),利用短路点附近的I–V梯度计算并联电阻(Rh),并基于最大功率点附近多个电流-电压数据对解析计算逆向饱和电流(Is);③网格搜索(grid search)算法,在经验范围内对二极管理想因子(n)和串联电阻(Rs)进行两层迭代,优化混合损失函数(兼顾整体I–V曲线损失与开路点损失)。模拟数据集基于Simulink生成(单晶LR6-60-285M、多晶CS6X-310P),实测数据集来自NREL(单晶xSi12922、多晶mSi0188)。

**研究结果**

**2.1 SDM参数描述**
采用改进型SDM,包含五个参数:光生电流(Iph)、并联电阻(Rh)、串联电阻(Rs)、逆向饱和电流(Is)和二极管理想因子(n)。I–V关系由含指数项的非线性方程描述。

**2.2 参数灵敏度分析**
- **2.2.1 参数对电流的灵敏度**:计算各参数对电流的偏导数。在短路点附近,Iph对电流灵敏度的对数趋近于零并稳定,表明使用短路电流计算Iph不会放大测量误差。
- **2.2.2 参数对电压的灵敏度**:在最优工作电压与开路电压之间,n对电压灵敏度的对数趋近于零并稳定,表明该区域计算n的误差与电压测量误差同量级。
- **2.2.3 参数对I–V梯度的灵敏度**:在短路点附近,Rh对I–V梯度灵敏度的对数趋近于零并稳定,表明可用短路点附近梯度计算Rh;在最大功率点附近,Is对梯度灵敏度变化缓慢,宜用多点数据而非单点梯度计算Is。
- **2.2.4 损失函数对参数的灵敏度**:损失函数(f)对各参数的相对灵敏度均方根误差表明,n对损失函数的影响最为显著,应优先采用数值方法而非解析法。

**2.3 参数识别方法设计**
- **2.3.1 灵敏度洞见**:基于灵敏度特性,确定n和Rs适用于数值迭代,Iph和Rh可用解析法计算,Is宜用多点解析公式。
- **2.3.2 解析表达式**:推导出Rh = -gsc + Rs(gsc为短路点梯度),Iph = Isc·(1 + Rs/Rh);基于损失函数对Is的偏导为零,得到Is的解析计算公式(含最大功率点附近数据)。
- **2.3.3 识别算法流程**:输入短路电流Isc、开路电压Voc、最优工作点电流Im和电压Vm、热电压VT。在外循环中对n进行网格搜索,内循环中对Rs进行网格搜索,每次迭代利用解析式更新其他三个参数,并计算混合损失函数(fmix = 0.95·fall + 0.05·foc),最终输出使fmix最小的参数组合。搜索范围依据文献和经验设定,时间复杂度为O(λ1·λ2),空间复杂度为O(1)。

**3. 结果验证**

**3.1 参数验证(模拟数据集)**
在STC条件下,比较四种现有方法(解析法、元启发法、确定性法、混合法)。所提方法提取的各参数相对误差极低,尤其逆向饱和电流(Is)的误差显著低于对比方法,单晶和多晶组件上均表现优异。

**3.2 模型验证(实测数据集)**
在NREL提供的一年期实测数据中,选取温度25±5℃、辐照度200–1000 W/m2的I–V曲线。所提方法模拟的I–V曲线与实测曲线贴合良好,电流相对误差低于现有方法,尤其在辐照度较高时优势明显。整体性能指标(归一化均方根误差nRMSE、平均相对误差MRE、决定系数R2)均优于对比方法。在高斯白噪声(标准差0.001A)下,所提方法仍保持最优整体性能。Friedman检验确认该改善具有统计学显著性(p < 0.05)。计算时间适中,介于解析法与元启发法之间。

**4. 讨论**

**4.1 参数解释**
各参数对I–V曲线的单独影响:Iph决定短路电流,Rh决定短路点斜率,两者影响相对独立;n与Is对开路电压有高度相关的影响;Rs影响开路点附近斜率。参数间的协同效应表明,当n变化时,Is和Rs可相应调整以保持I–V曲线近似一致,这意味着在一定误差范围内参数不唯一。相关性分析显示,Is与n正相关,Rs与n负相关,且n的微小变化导致Is大幅变化,解释了Is相对误差最大的原因。

**4.2 应用**
将STC下的参数通过标准迁移公式转换至其他工况(如温度85℃、辐照不变),所提方法模拟的I–V曲线和P–V曲线与实测曲线高度一致,而现有方法在开路电压和最大功率点出现明显偏差。这证明该方法具有优异的工况迁移能力,可用于PV系统监测。此外,参数变化与组件退化老化相关,准确的参数识别有益于故障诊断,适用于智能运维。

**4.3 方法比较**
解析法最快但精度有限;元启发法计算时间长但可全局搜索;混合法(如结合流动方向算法)在最大功率点精度高但结果随机。所提方法在模拟数据集上参数精度最佳,在实测数据集上整体性能(nRMSE、MRE、1–R2)最优,且工况迁移能力优于现有方法。但该方法在薄漠组件上未测试,且SDM对多晶组件在高辐照度下部分适用,若扩展至双二极管模型(DDM)性能有望提升。

**研究结论翻译**
本文提出了一种受灵敏度启发的SDM参数识别新方法。为揭示测量误差的影响,分析了参数对电流、电压及I–V梯度的灵敏度,发现利用短路电流计算光生电流不会放大测量误差。分析了损失函数对参数的灵敏度,证明二极管理想因子误差对损失函数影响最为显著。推导出光生电流、并联电阻和逆向饱和电流的显式表达式,使计算误差尽可能低。通过迭代提取二极管理想因子和串联电阻,搜索混合损失函数的最优值。仿真结果验证了提取参数与真实值的一致性。实测数据集上的实验表明,该方法在特征点与整体性能间取得了良好折衷。该工作为监测与故障诊断提供了重要基础,有助于光伏系统的智能运维。此外,SDM完全适用于单晶组件(xSi12922),在高辐照下部分适用于多晶组件(mSi0188)。若将该方法扩展至DDM,性能有望提升。该方法尚未在薄膜组件上进行测试。未来的研究工作将探索基于DDM的灵敏度分析与参数化,并在薄膜组件上进行实验。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号