太阳电池I-V曲线拟合的优化算法

doi:10.3724/SP.J.1087.2013.01481

计算机应用 ›› 2013, Vol. 33 ›› Issue (05): 1481-1484.DOI: 10.3724/SP.J.1087.2013.01481

太阳电池I-V曲线拟合的优化算法

胡克满¹,²,胡海燕³,柳桂国¹,⁴

1. 宁波华索光伏设备有限公司研发中心，浙江宁波 315000
2. 宁波职业技术学院电子信息工程系，浙江宁波 315800
3. 宁波职业技术学院科研处，浙江宁波 315800
4. 浙江纺织服装职业技术学院机电与轨道交通学院，浙江宁波 315211

收稿日期:2012-11-12 修回日期:2012-12-19 出版日期:2013-05-01 发布日期:2013-05-08
通讯作者: 胡克满
作者简介:胡克满(1980-)，男，浙江瑞安人，讲师，硕士，主要研究方向：智能控制、无线传感器网络；胡海燕(1982-)，女，浙江象山人，讲师，硕士，主要研究方向：光伏技术、智能控制；柳桂国(1963-)，男，浙江宁波人，教授，博士，主要研究方向：智能信号处理、智能控制、故障诊断。
基金资助:
2012年浙江省教育厅高等学校访问工程师校企合作项目(FW2012017);浙江省教育厅2012年度科研计划项目(Y201226216)

Optimization algorithm for I-V curve fitting of solar cell

HU Keman¹,²,HU Haiyan³,LIU Guiguo²,⁴

1. Department of Electronic and Information Engineering,Ningbo Polytechnic, Ningbo Zhejiang 315800, China
2. Research and Development Center, Ningbo Wesun Solar Energy Equipment Limited Company, Ningbo Zhejiang 315000, China
3. Scientific Research Office, Ningbo Polytechnic, Ningbo Zhejiang 315800, China
4. Mechanical and Electrical Engineering School, Zhejiang Textile and Fashion College, Ningbo Zhejiang 315211, China

Received:2012-11-12 Revised:2012-12-19 Online:2013-05-08 Published:2013-05-01
Contact: HU Keman

摘要/Abstract

摘要： 通过对遗传算法(GA)和人工鱼群算法(AFSA)的研究，结合太阳电池I-V曲线的数学模型，提出了一种遗传算法与人工鱼群算法相互融合的优化算法(GA-AFSA)。GA-AFSA保持了遗传算法的全局寻优的优点，克服了人工鱼群漫无目的随机游动和遗传算法收敛慢的缺点，并且通过人工鱼群算法的计算提高了收敛速度。利用了太阳电池实测数据进行I-V曲线拟合及太阳电池的光生电流、二极管品质因数、串联电阻、反向饱和电流、并联电阻等5个重要参数的最优求解。将GA-AFSA与已有的算法进行了比较，仿真实验表明GA-AFSA精度高，收敛速度快。

关键词: 遗传算法, 人工鱼群算法, 太阳电池, 曲线拟合

Abstract: A new optimization algorithm, GA-AFSA, was proposed by integrating Genetic Algorithm (GA) and Artificial Fish Swarm Algorithm (AFSA) to fit for the mathematic model of I-V curve of solar cell. It maintained the global optimization advantages of GA and quick convergence of AFSA while overcoming the defects of GA's slow convergence and AFSA's stepping without a definite purpose. By fitting the five important parameters of I-V curve, namely the photo-generated current of solar cell, quality factor of diode, series resistance, reverse saturation current and shunt resistance, GA-AFSA made a great improvement. Compared with the existing algorithm, the new one has a higher precision and a rapid convergence speed.

Key words: Genetic Algorithm (GA), Artificial Fish Swarm Algorithm (AFSA), solar cell, curve fitting

中图分类号:

TM914.4

胡克满胡海燕柳桂国. 太阳电池I-V曲线拟合的优化算法[J]. 计算机应用, 2013, 33(05): 1481-1484.

HU Keman HU Haiyan LIU Guiguo. Optimization algorithm for I-V curve fitting of solar cell[J]. Journal of Computer Applications, 2013, 33(05): 1481-1484.

参考文献

［1］OKIM S, YOUN M J.Variable-structure observer for solar array current estimation in a photovoltaic power-generation system［J］.IEEE Proceedings of Electric Power Application,2005,152(4):953-959.

［2］翟载腾,程晓舫,杨臧健,等.太阳电池一般电流模型参数的解析解［J］.太阳能学报,2009,30(8):1078-1080.

［3］彭乐乐,孙以泽,林学龙,等.工程用太阳电池模型及参数确定方法［J］.太阳能学报,2012,33(2):282-285。

［4］BOUZIDI K,CHEGAAR M,BOUHEMADOU A.Solar cells parameters evaluation considering the series and shunt resistance［J］.Solar Energy Materials and Solar Cells,2007,91(18)：1647-1651．

［5］CARRO C, RODRIGUEZ J, RAMFREZ D,et al. Simple estimation of PV modules loss resistances for low error modelling［J］. Renewalbe Energy,2009,35(5)：1103-1108.

［6］OSINNIY V,BOMHOLT P, LARSEN N A N,et al.Factors limiting minority carrier lifetime in solar grade silicon produced by the metallurgical route［J］.Solar Energy Mater Solar Cells,2011,95(2)：564-565.

［7］王志明.在线太阳电池测试系统关键技术研究［D］.上海:上海大学,2009.

［8］雷英杰，张善文.Matlab遗传算法工具箱及应用［M］. 4版.西安：西安电子科技大学，2011：14-31.

［9］周绮，姜淑娟，赵雪峰. 改进的量子遗传算法及其在测试数据生成中的应用［J］. 计算机应用，2012,32(2)：557-560.

［10］邢焕来，潘炜,邹喜华.一种解决组合优化问题的改进型量子遗传算法［J］.电子学报，2007，35(10)：1999-2002.

［11］江铭炎,袁东风.人工鱼群算法及其应用［M］.北京：科学出版社，2012.

［12］张红霞，罗毅，师瑞峰.基于单纯形法的改进型人工鱼群算法［J］. 计算机应用，2011,31(5)：1321-1327.

［13］张汉强，卢建刚，陈金水. 新的混合智能优化算法及其多目标优化应用［J］. 计算机应用，2010,30(5)：1290-1292.

［14］徐林,崔容强.对太阳电池I-V曲线进行拟合的数论方法［J］.太阳能学报,2000,21(2):160-163.

[1]	张闻强, 邢征, 杨卫东. 基于多区域采样策略的混合粒子群优化求解多目标柔性作业车间调度问题[J]. 计算机应用, 2021, 41(8): 2249-2257.
[2]	张盟, 郭健全. 需求和回收不确定的闭环供应链渠道结构选择[J]. 计算机应用, 2021, 41(7): 2100-2107.
[3]	杨震, 马健霄, 王宝杰. 设置待行区条件下双环相位信号配时优化模型[J]. 计算机应用, 2021, 41(7): 2108-2112.
[4]	李进, 王凤, 杨沈宇. 换电模式下电动车货运路径优化模型与算法[J]. 计算机应用, 2021, 41(6): 1792-1798.
[5]	李舒仪, 韩晓龙. 海铁联运港口混合作业模式下轨道吊与集卡协同调度[J]. 计算机应用, 2021, 41(5): 1506-1513.
[6]	周美玲, 陈淮莉. 基于负荷平衡的电动汽车模糊多目标充电调度算法[J]. 计算机应用, 2021, 41(4): 1192-1198.
[7]	王彬溶, 谭代伦, 郑伯川. 基于旅行商问题转化和遗传算法求解汽配件喷涂顺序[J]. 计算机应用, 2021, 41(3): 881-886.
[8]	马晓梅, 何非. 基于改进遗传算法的标签印刷生产调度技术[J]. 计算机应用, 2021, 41(3): 860-866.
[9]	黄书召, 田军委, 乔路, 王沁, 苏宇. 基于改进遗传算法的无人机路径规划[J]. 计算机应用, 2021, 41(2): 390-397.
[10]	张阳, 王小宁. 基于Word2Vec词嵌入和高维生物基因选择遗传算法的文本特征选择方法[J]. 《计算机应用》唯一官方网站, 2021, 41(11): 3151-3155.
[11]	杨华龙, 王美玉, 辛禹辰. 横向整合战略下异质车辆库存路径优化模型[J]. 计算机应用, 2021, 41(10): 3040-3048.
[12]	黄晓祥, 胡咏梅, 吴丹, 任力杰. 基于变分自编码器的异常颈动脉早期识别和预测[J]. 计算机应用, 2021, 41(10): 3082-3088.
[13]	陈桢, 钟一文, 林娟. 求解0-1背包问题的混合贪婪遗传算法[J]. 计算机应用, 2021, 41(1): 87-94.
[14]	王永航, 张天宇, 郑红星. 考虑恶劣天气的班轮多阶段重调度方法[J]. 计算机应用, 2021, 41(1): 286-294.
[15]	李华峰, 黄樟灿, 张蔷, 湛航, 谈庆. 求解需求可拆分车辆路径问题的改进的金字塔演化策略[J]. 计算机应用, 2021, 41(1): 300-306.

太阳电池I-V曲线拟合的优化算法

Optimization algorithm for I-V curve fitting of solar cell

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics