作者：郑晓敏
高斯一赛德尔迭代法是求解非线性方程较为有效的方法，通过设置误差精度可以得到精确的解。本文首先利用光伏生产商提供的标准条件下光伏电池的数据手册，基于高斯一赛德尔迭代法，提出了一种求解光伏电池模型5参数的算法；进一步根据模型参数随光照强度与温度变化的关系式，求解出任意环境条件下光伏电池模型所对应的5参数；然后，利用Matlab仿真软件一方面求解出此时光伏系统最大功率点( MaximurrPower Point．MPP)的基准值（功率PJIl.电流I。和电压U．．），另一方面根据求得的5参数绘制出不同环境条件下的最大功率点基准曲线。最后，本文对宁夏太阳山光伏电站的光伏电池进行了参数辨识，然后将辨识后预测的最大功率点处发电量与实测数据进行对比，结果表明两者的相对误差均在5%以下，较为精确地达到了预测的目的。
1 光伏单元模型分析
为了获取光伏系统的MPP，分析其等效电路的P-U与/-U特性是十分必要的。在等效电路中使用最广泛的是单二极管模型，其等效模型如图1所示。
2标况下模型参数的求解
2.1光伏单元的参数分析
将Iph,I0代入式(4)中，可得：
对y3求关于y2的偏微分，整理后可得：
2.2高斯一赛德尔迭代法的计算流程
高斯一赛德尔迭代法是在雅可比迭代法的基础上衍生出的算法。按照高斯一赛德尔迭代法整理式(11)~(13)得到：
在式(14)中：n，为未知量R。和尺。。的函数，首先对未知量R。和尺，，，赋初值得到ns的值，然后根据高斯一赛德尔迭代法更新R。与R。。的值，算法的具体流程如图2所示。
高斯一赛德尔迭代法只需对R。和R小进行初始化。在迭代的过程中，如果R。和R小的初始值选取不当会出现发散情况，所以在选取初始值的过程中带有试探性，通常情况下选取R。，，的初始值远大于R。的值。
在Madab调试中，需要观察误差变量error的数值变化趋势。当error值逐渐减小时，迭代趋于收敛：如果error值逐渐增大时，迭代趋于发散，需要重新选取初始值，例如：适当增大R。，R。。的初始值，然后重新观察迭代的收敛性。
3任意环境条件下的最大功率点基准曲线确定
光强和温度是影响光伏电池输出特性的主要因素，而环境中的光强与温度是不断变化的，为了确定任意环境条件下的最大功率点基准曲线，需要对标准条件下的模型参数进行修正，进而得到任意环境条件下的参数。
由文献[7]可得：
利用Matlab软件，分别绘制求出的参数和设定的参数下光伏电池的I-V和P-V特性曲线，如图3所示。
图中显示两者的光伏电池输出特性曲线基本上重合，结果表明：辨识出的参数与设定值之间的误差很小。
不同环境下最大功率点曲线如图4所示。由图4看出，通过本文的求解方法求出的值十分接近设定值，基准值与实际值基本重合。
4.2光伏单元串并联实例验证
宁夏某光伏电站于2009年9月成功并网发电，该电站光伏阵列采用的是多晶硅电池组件。本文将从电站采集的实测数据与通过高斯一赛德尔迭代法辨识后得到的数据进行比较。宁夏太阳山光伏电站电池板的串并数为17 x112，首先根据生产商提供的数据手册辨识出STC下单个光伏电池组件的参数：h。r=9.244 4 A，R。，rPf-123.2 Q，/Oifd=2.597 9xl0-9 A,Rnrf.=0.504 5 Q,n.=77.063 7。然后利用公式(16)~(20)计算出不同环境条件下MPP处电压与电流的基准值，并将求出的结果与实测数据进行比较，其结果如表1所示。
由表1可以看出，P。L，，Vm的实际值与基准值的误差均维持在5%以下，数据表明，经过高斯一赛德尔迭代法求出的最大功率点基准值十分精确。
利用Matlab分别绘制出P。，/Ill, y。随光照强度和环境温度变化的三维图，如图5所示。
5结论
本文利用光伏生产商提供的标准条件下光伏电池的数据手册，基于高斯一赛德尔迭代法，提出了一种求解光伏电池模型5参数的算法，确定了任意光照强度和温度下光伏系统最大功率点基准值的步骤和绘制最大功率点基准曲线的方法，最后，将实际光伏电站的实测数据与辨识得到的基准值进行比较。结果表明，本文的研究结果可以精确地估算任意环境条件下光伏电站的发电量，为电网电量的调度配送提供了一种切实可行的方法。
6摘要：光伏电池的I-V输出特性包含超越方程。文章首先利用光伏生产商提供的标准条件下的数据手册，基于高斯一赛德尔迭代法，提I叶J了一种新的模型参数求解方法：然后，根据模型参数与光照强度、温度之间的关系式，确定出任意环境条件下最大功率点的基准值（功率、电流、电压），并且给出了最大功率点基准曲线的绘制方法：最后，通过将实际光伏电站求得的基准值和实测数据进行比较，验证了方法在实际运用中具有可行性。
