摘 要

光伏电池板双二极管模型参数的识别在预测光伏阵列的输出功率、跟踪最大功率点还在电池故障模型的特性研究方面具有非常重要的地位。考虑到大部分传统智能算法用于光伏电池板双二极管模型的识别的辨识精确受参数初值影响还比较大，并且算法易陷入早熟的问题，采用萤火虫算法对光伏电池模型参数进行识别获取，而且光伏电池模型采用更为实用的双二极管模型，提出一种精确度较高，可靠性较高的光伏电池板模型参数的获取方法即萤火虫算法。

本文先介绍萤火虫算法的原理概念，然后着重通过对萤火虫算法仿生原理的了解，从数学的角度对萤火虫算法进行合理的描述和过程的定义，最后编写该算法的matlab代码实现对测试函数进行仿真测试，得到测试函数的测试结果，使萤火虫算法得到比较充分的验证。最后通过编写萤火虫算法的代码识别光伏电池板双二极管模型参数，本文首次将萤火虫算法运用到太阳能电池双二极管模型参数辨识中，与其他传统的智能算法相比，萤火虫算法增强了算法在全局和局部搜索中的平衡性，大大降低了算法迭代的次数，提高了参数辨识的准确性以及可靠性等等。

论文主要研究了光伏电池板双二极管模型参数的识别方法问题和怎么用萤火虫算法去识别光伏电池板的双二极管模型，并得出结论。

研究结果表明：萤火虫算法达到最优化的时间较短，该算法平均迭代次数较少即可达到全局最优，并且萤火虫算法搜索的全局最优解比其他智能算法要好得多。表明利用萤火虫算法识别光伏电池板双二极管模型参数是非常实用并且精度较高的方法。

本文的特色：将萤火虫算法应用于光伏电池板双二极管模型参数的识别，提供了一个较好的方法。

关键词：智能算法；萤火虫算法；双二极管模型；参数识别

Abstract

The identification of the parameters of the dual-diode model of photovoltaic panels plays an important role in predicting the output power of photovoltaic arrays and tracking the maximum power point. Considering that most of the traditional intelligent algorithms used in the identification of double-diode model of photovoltaic panels are affected by the initial value of parameters, and the algorithm is easy to fall into premature problem, the firefly algorithm is used to identify and obtain the parameters of photovoltaic cell model, and the more practical double-diode model is used in photovoltaic cell model, and a high accuracy and reliability is proposed. Firefly algorithm is the method to obtain the parameters of photovoltaic panel model.

This paper first introduces the concept of the principle of the firefly algorithm, then focuses on the understanding of the bionic principle of the firefly algorithm, describes reasonably the firefly algorithm and defines the process from a mathematical point of view, and finally compiles the matlab code of the algorithm to realize the simulation test of the test function, and obtains the test results of the test function, which makes the firefly algorithm more fully verified. Finally, by compiling the code of the firefly algorithm to identify the parameters of the double-diode model of photovoltaic panels, this paper applies the firefly algorithm to the parameter identification of the double-diode model of solar cells for the first time. Compared with other traditional intelligent algorithms, the firefly algorithm enhances the balance of the algorithm in global and local search, greatly reduces the number of iterations of the algorithm, and improves the parameter identification. Accuracy and reliability of knowledge, etc.

This paper mainly studies the identification method of the parameters of the double-diode model of photovoltaic panels and how to use the firefly algorithm to identify the double-diode model of photovoltaic panels, and draws a conclusion.

The results show that the time of optimization is shorter, the average number of iterations of the algorithm is less, and the global optimal solution searched by the firefly algorithm is much better than other intelligent algorithms. The results show that the firefly algorithm is a very practical and accurate method for identifying the parameters of the double-diode model of photovoltaic panels.

The feature of this paper is that the firefly algorithm is applied to the parameter identification of double-diode model of photovoltaic panels, which provides a better method.

Key words: intelligent algorithm; firefly algorithm; double-diode model; parameter identification

目录

摘要 I

Abstract II

第1章 绪论 1

1.1研究的背景及意义 1

1.2优化与优化算法 1

1.2.1智能优化算法 2

1.3本文的内容和结构 3

第2章 萤火虫算法介绍以及原理 3

2.1萤火虫算法的概念和原理 3

2.1.1萤火虫算法的概念 4

2.1.2萤火虫算法的原理 4

2.2萤火虫算法的数学描述 4

2.3萤火虫算法的流程 5

第3章 萤火虫算法编程和测试 6

3.1萤火虫算法的编程 6

3.1.1程序结果分析 7

3.2萤火虫算法程序测试 8

3.2.1测试函数介绍 8

3.2.2测试结果 9

第4章 用萤火虫算法识别光伏电池双二极管模型参数 11

4.1双二极管模型以及目标函数获取 11

4.2仿真实验分析 12

4.2.1参数的设置 13

4.2.2参数的求解 13

4.2.3的计算值与误差 14

4.3结果分析 15

第5章 结论 16

参考文献 18

附录 20

致谢 23

第1章 绪论

1.1研究的背景及意义

由于污染的环境变得越来越严重起来，还有化石燃料越来越枯竭，对可再生新能源的研究已经成为世界各国关注的焦点。而太阳能是可再生能源中资源最绿色环保，清洁无污染，资源比较丰富的可再生能源。因此太阳能成为世界广泛认可的理想替代的能源。而光伏电池作为发电系统的核心，已经是成为了国内外各个学者的研究热点，合适的光伏电池板模型对于光伏电池的设计和制造，光伏电池的最大功率跟踪即MPPT还有光伏电池的评估有着十分重要的意义。

而光伏电池模型参数作为光伏电池的最重要的性能指标，我们需要有方便好用的方法去识别获取光伏电池的模型参数，只有识别了准确的参数，才能更好的进行光伏电池的研究以及应用。目前一般有两种方法来识别光伏电池的模型参数，第一种是利用曲线上关键的点来求取，比如开路电压，短路电流和MPPT即最大功率跟踪，最后用解析法比如牛顿-拉夫逊来求取参数，但是这种方法最终还是用的点比较少，最后求解的精确度肯定是有待提高的。随着科技的不断发展，各类优化问题的解决方法也越来越成熟，对于规模非常大的优化问题，已经有了不错的解决办法，所以第二种方法就是运用智能算法识别获取光伏电池模型参数。

而目前所采用的比较多的智能算法有人工蜂群（ABS）算法，遗传算法（GA），模式搜索（PS）算法与模拟退火（SA）算法。但是没有采用过萤火虫算法，萤火虫算法具有迭代次数少，收敛快，精确度高，算法原理简单易懂等等优点。所以萤火虫算法用于识别获取光伏电池参数是完全没有问题的。而且准确度精度等还非常有可能由于其他智能算法。本文就利用萤火虫算法来识别光伏电池板的双二极管模型参数，有着非常好的发展前景。

1.2优化与优化算法

从古至今，人们都崇尚着最优。到达目的地总是寻找最近的路，爬上总是寻找最安全的路，买东西总是期望花最少的钱买最多的东西，做一件事情总是希望花最少的时间，这些问题都可以概括为一个问题，那就是优化问题。而如今在全球资源紧缺，如水资源、煤矿资源、石油资源甚至是人力资源都在紧缺，很多资源都是无法再生的，我们只有合理利用这些资源才能实现可持续的发展，而这些资源紧缺的问题都涉及到了优化问题。不仅仅是资源紧缺这一个问题，现如今在电力、交通、信息、金融等领域都出现了需要优化这一重要的问题，所以如何优化是现如今我们国内外大量学者所广泛关注的问题。而优化问题可以有很多解决方法，随着科技的发展，人类的进步，优化解决办法也是越来越智能。比如，最开始的牛顿拉夫逊法也被称作是微积分基本定理的提出，也创立了微积分的理论，最终解决了函数的极值问题，为数学家、物学家等大量学者提供了优秀的方法，解决了当时大量的难题，可以说牛顿拉夫逊法的提出是世界优化历史上的一个大的里程碑。紧接着，人们对优化的追求从来没有停止过脚步，再后来，许多数学家都提出了大量优秀的优化理论，比如说：拉格朗日数乘法，线性规划，最速下降法等等。一直到现如今，对优化问题的解决在世界上已经是相当成熟了，已经能解决可以说是大部分的难题了，这一点是值得高兴的。

但是现如今科技越来越发达，人们所面临的问题也是越来越复杂越来越难以解决，曾经的传统优化算法虽然能解决大部分，但是太过复杂，很明显已经不能够满足科学家和人类的需要了。所以，我们只能寻找更好的优化算法，争取利用简单明了的方法来解决优化问题，而不是通过大量繁琐的计算。所以后来，学者科学家们受到生物界特性行为的启发，最后得出一种具有较好的优化全局的并能应用在各个领域的优化算法，比如说：函数优化，组合优化，机器人智能控制，电力系统领域，工程设计问题，生物医学领域，通信领域，交通运输领域这些领域的问题。因为这种算法能使用于各种领域，所以这种算法最终被称作是智能优化算法，下面将重点介绍智能优化算法特别是萤火虫算法。

1.2.1智能优化算法

就像生物界一样，优胜劣汰，适者生存。我们寻求最优也和生物界的自然法则一样，我们在寻求最优的过程中，总是需要去尝试各种不同的结果，最终找到最好的结果，较差的结果就会被淘汰。所以说智能算法是一种根据生物的生物特性而来的一种智能算法。

智能算法为什么智能呢？首先，智能算法可以应用于各种各样不同的领域，只有应用广泛才能称得上是智能算法。其次，智能算法的过程中，我们不需要任何操作和计算，就和人工智能一样，所以可以称之为智能算法。

下面说明一下智能算法的中心思想：就像生物界一样，适者生存，优胜劣汰。主要是和生物的生存机制类似，生物种群在随着时间的推移中，种群是会随着环境的变化而变化的，只有进化成适应力更强的个体，那些个体才不会被自然界所淘汰，对于那些没有进化的，自然界自然会将他们淘汰，最终种群会向着最好的种群发展，而智能算法则是向着最优解发展。

当前智能算法有很多种，但都是根据生物的活动特征所总结出来的算法，其中有人工蜂群优化算法（ABC）、人工鱼群优化算法（AFS）、粒子群优化算法（ACO）、蚁群优化算法（ACO）、萤火虫优化算法（FA）等等。目前这些算法已经广泛应用于函数优化，组合优化，机器人智能控制，电力系统领域，工程设计问题，生物医学领域，通信领域，交通运输领域这些领域。

相比于其他智能算法，萤火虫算法属于最新的智能算法，萤火虫算法在2009年才被提出。由于萤火虫算法发展的时间还很短，所以运用萤火虫算法来识别获取光伏电池板的模型参数有着非常大的意义。

1.3本文的内容和结构

本论文的主要内容如下：

（1）介绍该论文的背景，体现出光伏发电的重要性，再说明光伏电池模型参数的重要性，最后再说明识别光伏电池模型参数的重要性，最后再提出利用萤火虫算法来识别光伏电池模型参数。

（2）主要是先介绍智能算法，再提出萤火虫算法，从萤火虫的生物来源开始，介绍萤火虫算法的原理，再利用数学语言来说明萤火虫算法的原理，最后介绍萤火虫算法的基本流程，为后面的章节打好基础。

（3）学习matlab编程方法，并编写基础的萤火虫算法程序，编写好程序之后，使用三个测试函数来测试萤火虫算法程序的正确性，其中三个函数各有不同的特点，测试通过之后就很有说服力了。

（4）介绍光伏电池的双二极管模型，以及双二极管模型的五个参数，最后通过数学方法，提取出我们所需要的目标函数，为利用萤火虫算法识别双二极管模型参数做好准备。

（5）修改编写的程序，使用萤火虫算法识别双二极管模型的参数，得到所识别获取到的参数，并将结果与其他文献所采用的其他方法来相比较，得出结论，说明萤火虫算法识别光伏电池双二极管模型参数的优点以及不足之处。

第2章 萤火虫算法介绍以及原理

2.1萤火虫算法的概念和原理

萤火虫算法(Firely Algorithm,FA)是启发式智能算法中的一种使用范围特别广的智能算法，这种算法来源于萤火虫夜晚的发光的行为，并且萤火虫算法去除掉其中一切的生物学意义，只讨论萤火虫发光行为中的数学意义。萤火虫夜晚发光的生物行为的主要目的是将光亮作为一个信号系统，用来吸引其他地方的萤火虫，从而进行其他一切的生物活动，比如寻偶、觅食、发现危险等等。著名大学剑桥大学的教授Xin-She Yang在2009年提出了新颖的萤火虫算法，下面主要介绍萤火虫算法的概念和原理。

2.1.1萤火虫算法的概念

萤火虫算法的首要前提是：

（1）萤火虫会被其他比它更亮的萤火虫吸引并飞向那一只萤火虫，而且这一特性与萤火虫的性别无关，即萤火虫飞行的方向只和别的萤火虫的发光亮度有关，不会因为性别不同而出现干扰，这一点对于萤火虫算法来说尤为重要。

（2）萤火虫相互吸引是根据吸引度的，而吸引度不仅和亮度有关，两个萤火虫之间的距离也会对吸引度有很大的影响，距离越远吸引度就越小，而亮度越大吸引力就会越大，对于萤火虫算法来说计算吸引度的时候距离和亮度是非常重要的。

（3）假如萤火虫没有看到比自己更亮的萤火虫，则萤火虫会随机移动，并没有固定的移动方向。

以上即为萤火虫算法的首要前提，萤火虫编程必须遵循这一前提，运用萤火虫解决一切问题时也需要也必须遵循这一前提，这是萤火虫算法的核心。

2.1.2萤火虫算法的原理

萤火虫和人类的交流方式不一样，他们通过身体发光来进行交流，通过发光来进行一些信息的传递，比如说：有萤火虫寻找到食物时则会发光来吸引同伴以至于同伴也能找到食物、有萤火虫遇到危险时通过发光来发出警告信息来告诉同伴远离危险、有的萤火虫也会通过身体发光来吸引异性。这些都是萤火虫发光的生物意义，对于萤火虫来说这些非常的重要，以至于关系到它们的生存问题。而对于我们的萤火虫算法来说，那些生物意义没有太大的作用，我们只需要提取其中的数学意义来帮我们解决问题就可以了。

对于萤火虫发光行为的数学意义，那就是我们萤火虫算法的主要原理了。首先，编写算法时，我们会设置很多只萤火虫，并且它们还只能在我们所规定的范围内移动。其次，我们会给每一只萤火虫附上初始的值，这些值都是范围内随机的。然后，每只萤火虫的值就带表这它们的位置，位置越好则表示所代表的值越优，并且位置越好的萤火虫发出的光就会越亮，吸引度也越高。最后，萤火虫都向着最亮的地方移动，最终大部分的萤火虫都会到达最优解的位置。所以我们就能通过萤火虫的特性来寻求最优解，这就是萤火虫算法的基本原理，下面我将在本论文中用数学语言说明一下萤火虫算法的原理。

2.2萤火虫算法的数学描述

综上所述，萤火虫算法利用了萤火虫通过发光来吸引同伴的特性，最终实现最优解的获取，但是仅仅用文字说明萤火虫算法的原理还不够明确直观。从数学角度对萤火虫算法的优化原理可以进行如下描述：

定义1 萤火虫的相对荧光亮度定义为