技術(shù)特征：

1.一種基于人工魚群和蛙跳算法的光伏電池參數(shù)辨識(shí)方法，mxn個(gè)所述光伏電池通過m串n并組成光伏陣列，m，n為大于1的整數(shù)，所述光伏陣列用于單級(jí)式光伏并網(wǎng)發(fā)電系統(tǒng)；其特征在于：包括以下步驟：

步驟1：建立光伏組件機(jī)理模型：

$I_L=I_{ph.ref}-I_{o.ref}\exp \{\[\frac{q(U_L+I_L{R}_s)}{nKT}\]-1\}-\frac{(U_L+I_L{R}_s)}{R_{sh}}---\left(1\right)$

其中，U_L、I_L分別為光伏電池的輸出電壓和輸出電流，I_ph.ref為標(biāo)準(zhǔn)測(cè)試條件下的光伏電池的光生電流，I_o.ref為標(biāo)準(zhǔn)測(cè)試條件下的二極管反向飽和電流，n為二極管品質(zhì)因子，R_s為串聯(lián)電阻，R_sh為并聯(lián)電阻，T為光伏電池的絕對(duì)溫度，K為玻爾茲曼常數(shù)，q為電子基本電荷量；

步驟2：設(shè)置目標(biāo)函數(shù)：

$R_{MSE}=\sqrt{\frac{1}{N}\underset{i=1}{\overset{N}{\Σ}}{\[f(U_L,I_L,x)\]}^2}---\left(2\right)$

其中，U_L和I_L為所述光伏電池的輸出電壓輸出電流，x＝[I_ph.ref,I_o.ref,R_s,R_sh,n]為需要辨識(shí)的光伏電池參數(shù)，f(U_L,I_L,x)為光伏電池輸出電流的估計(jì)誤差，其計(jì)算方法為：

$f(U_L,I_L,x)=I-(I_{ph.ref}-I_{o.ref}exp\{\[\frac{q(U_L+I_L{R}_s)}{nKT}\]-1\}-\frac{(U_L+I_L{R}_s)}{R_{sh}})---\left(3\right)$

式中I為光伏陣列的實(shí)測(cè)輸出電流；

步驟3：計(jì)算所述光伏電池的實(shí)測(cè)輸出電壓U和實(shí)測(cè)輸出電流I：

U＝U_L1/m (4)

I＝I_L1/n (5)

其中，U_L1和I_L1為所述光伏陣列的實(shí)測(cè)輸出電壓和實(shí)測(cè)輸出電流；

步驟4：執(zhí)行人工魚群算法，由以下具體步驟組成：

步驟4-1：初始化魚群：設(shè)置人工魚群中的人工魚數(shù)量N、人工魚的感知距離Visual、人工魚移動(dòng)的最大步長(zhǎng)Step、擁擠度因子δ、覓食行為嘗試的最大次數(shù)try_number、最大迭代次數(shù)MAXGEN和各人工魚個(gè)體的狀態(tài)位置初始值{X₀}＝(x₁,x₂,...,x_n,...,x_N),其中x_n＝[I_ph.ref,I_o.ref,R_s,R_sh,n]；設(shè)置迭代次數(shù)try為0；

步驟4-2：計(jì)算各人工魚在位置i的食物濃度，即計(jì)算目標(biāo)函數(shù)值R_MES,i，并記錄當(dāng)前全局最優(yōu)人工魚的狀態(tài)位置{X_best}；

步驟4-3：模擬聚群行為：設(shè)置嘗試次數(shù)try_1為0；逐一計(jì)算各人工魚在當(dāng)前狀態(tài)位置X_i,領(lǐng)域范圍d_i,j＝||X_i-X_j||<Visual范圍內(nèi)的伙伴數(shù)目n_f及中心位置X_c,中心位置X_c計(jì)算公式如下：

$X_C=\underset{j=1}{\overset{n_f}{\&Sigma;}}\frac{X_j}{n_f}---\left(6\right)$

判斷(Y_c/n_f)>δY_i是否成立；如果是，將各人工魚的狀態(tài)位置則朝伙伴Y_c的方向前進(jìn)一步，記錄移動(dòng)后的位置X_next1和濃度Y_next1；否則，轉(zhuǎn)向步驟4-6；

步驟4-4：模擬追尾行為：搜索各人工魚在當(dāng)前領(lǐng)域內(nèi)濃度最大的伙伴Y_j，判斷(Y_j/n_f)>δY_i，是否成立；如果是，將各人工魚的狀態(tài)位置則朝伙伴Y_j的方向前進(jìn)一步，記錄移動(dòng)后的位置X_next2和濃度Y_next2；否則，轉(zhuǎn)向步驟4-6；

步驟4-5：嘗試次數(shù)try_1；判斷嘗試次數(shù)try_1是否大于覓食行為嘗試的最大次數(shù)try_number，如果是轉(zhuǎn)向步驟4-8，否則，轉(zhuǎn)向步驟4-6；

步驟4-6：模擬覓食行為：在各人工魚的當(dāng)前狀態(tài)位置的領(lǐng)域范圍內(nèi)隨機(jī)選擇一個(gè)位置狀態(tài)X_k，判斷其濃度Y_k是否大于位置狀態(tài)X_i的濃度Y_i，如果是，轉(zhuǎn)向步驟4-7；否則轉(zhuǎn)向步驟4-5；

步驟4-7：所述人工魚則向位置狀態(tài)X_k方向前進(jìn)一步；

步驟4-8：模擬隨機(jī)行為：各人工魚的狀態(tài)位置隨機(jī)移動(dòng)到下一個(gè)位置：X_i+1＝X_i+r*Visual，r為[-1，1]之間的隨機(jī)數(shù)；

步驟4-9：比較步驟4-3、步驟4-4、步驟4-6和步驟4-8中各人工魚所處狀態(tài)位置對(duì)應(yīng)的目標(biāo)函數(shù)值，選擇最小的一個(gè)更新全局最優(yōu)人工魚的狀態(tài)位置{X_best}；

步驟4-10：try加1，判斷是否大于最大迭代次數(shù)MAXGEN，如果是，轉(zhuǎn)向步驟5，否則，轉(zhuǎn)向步驟4-3；

步驟5：執(zhí)行蛙跳算法，由以下具體步驟組成：

步驟5-1：初始化青蛙種群：將最后一次迭代產(chǎn)生的人工魚按目標(biāo)函數(shù)值排序，取其前1/2生成的相應(yīng)的青蛙，設(shè)置青蛙個(gè)體的狀態(tài)位置為X_i＝(x_1i,x_2i,...x_ki)，其中x_ki＝[I_ph.ref,I_o.ref,R_s,R_sh,n](i＝1,2,...,k)；設(shè)置青蛙子群個(gè)數(shù)p及最大迭代次數(shù)MAXI；蛙跳算法迭代次數(shù)設(shè)置為0；

步驟5-2：將所述各青蛙降序排列后分配到青蛙p個(gè)子群中，分配規(guī)則為第1只青蛙進(jìn)入第1個(gè)子群，第p只進(jìn)入第p個(gè)子群，第p+1只進(jìn)入第一個(gè)子群；設(shè)置跳躍次數(shù)為0；蛙跳算法迭代次數(shù)加1，判斷其是否大于MAXI，如果是，轉(zhuǎn)向步驟6，否則轉(zhuǎn)向步驟5-3；

步驟5-3：每個(gè)子群中，最優(yōu)和最差位置即對(duì)應(yīng)目標(biāo)函數(shù)值最小和最大的青蛙被標(biāo)記為X_b和X_ww，整個(gè)蛙群中的最優(yōu)青蛙標(biāo)記為X_g；將X_ww設(shè)置為跳躍青蛙X_w；設(shè)置模擬跳躍次數(shù)為0；

步驟5-4：模擬青蛙跳躍：模擬跳躍次數(shù)加1，更新規(guī)則如下:

X_w-new＝X_w-current+C*R*(X_b-X_w) (7)

式中，R是0到1之間的隨機(jī)數(shù)；C為步長(zhǎng)因子，X_w-current為X_w的當(dāng)前位置，X_w-new為X_w更新后位置；

步驟5-5：判斷X_w-new是否優(yōu)于X_w-current，如果是，將_w-new更新為X_w-current，轉(zhuǎn)向步驟5-2，否則轉(zhuǎn)向步驟5-6；

步驟5-6：判斷模擬跳躍次數(shù)是否為1，如果是，轉(zhuǎn)向步驟5-7，否則轉(zhuǎn)向步驟5-2；

步驟5-7：設(shè)置X_g為跳躍青蛙X_w，轉(zhuǎn)向步驟5-4；

步驟6：輸出最優(yōu)解，包括辨識(shí)結(jié)果和最小均方根誤差。