摘要：提出一种基于一阶惯性环节的光伏组件温度的实时计算方法，首先，对光伏组件进行传热特性分析，基于一维非稳态导热分析解，推导基于一阶惯性环节的光伏组件温度简化计算模型；然后，使用遗传算法与拟牛顿法法串行优化方法，通过数据驱动方式快速确定模型中的参数；最后，使用该文提出的模型，基于BP、LSTM的温度预测模型和传统经验公式对某光伏场站的组件温度进行分析和预测。对比结果表明：该方法表现出良好的预测精度，平均均方根误差<2 ℃，且部署模型所需的计算规模更小，运算速度可达神经网络10倍以上，方便应用于实际控制系统中，且与神经网络方法相比更具可解释性，可作为一种实时计算光伏组件温度的有效方法。
文章目录
0 引 言
1 一阶惯性环节方法
1.1 惯性环节简述
1.2 光伏组件的非稳态传热模型
1.3 计算模型系数的确定
2 对比方法及实现
2.1 经验关联式模型方法
2.2 BP神经网络方法
2.3 长短期网络方法
3 结果分析与评价
3.1 实验数据采集
3.2 预测精度评价标准
3.3 不同数量惯性环节对计算结果的影响
3.4 预测结果对比与分析
4 结 论
