基于循环系统优化算法（CSBO）的光伏电池模型参数提取研究

《Scientific Reports》：Parameter estimation of single, double, and three-diode photovoltaic cell models using an advanced optimization algorithm

　　随着全球对绿色能源需求的增长，可靠且高效的太阳能光伏发电（PV）系统已成为最具前景的可持续能源选择之一。太阳能发电器的精确建模对于提高其能量转换效率至关重要，这一需求也更为迫切。精确提取光伏（PV）模型参数对于评估光伏系统至关重要。目前许多获取光伏参数的技术精度较差，且容易陷入局部最优解。为克服这些缺陷，本文提出了一种基于循环系统的优化算法（CSBO）。本研究提出了一种创新方法，利用近期发现的CSBO算法提取RTC FRANCE硅太阳能电池单二极管模型（SDM）、双二极管模型（DDM）和三二极管模型（TDM）的关键特性，该算法此前尚未在此领域应用。CSBO利用均方根误差（RMSE）精确计算光伏单元电流并进行评估。采用非线性方程精确求解RTC FRANCE硅太阳能电池的I-V曲线。通过全面的仿真评估所提出策略的有效性，并将其与其他元启发式技术进行比较。结果表明，CSBO显著降低了均方根误差（RMSE），SDM、DDM、TDM和Photowatt-PWP-201模块分别实现了最优RMSE值9.860218×10??、9.824848×10??、9.803370×10??和2.425074×10?3，且所有光伏电池模型的运行时间（RT）更短。结果验证了CSBO相较于现有方法的增强性能和精度，其采用循环启发的搜索策略，增强了全局探索、局部开发、种群多样性、收敛速度以及避免早熟收敛的能力，证明其能产生更可靠的参数估计，有助于提高太阳能系统的能量转换效率。