本文是一篇计算机论文，本文基于MySQL数据库和SSM框架，设计并实现了一个光伏电站监控管理系统，包括检索、预警、参数辨识及结果展示等多个功能模块，方便了光伏组件的信息收集和管理，实现了快速、简易的参数辨识功能，使光伏电站系统的操作更加便捷高效。
第一章 绪论
1.1课题研究背景及意义
1.1.1 课题研究背景
人类社会的生存和发展离不开能源的持续供应，纵观人类社会演化的过去数百年，能源的使用和升级一直是推进社会进步的巨大动力。在工业蓬勃发展的20世纪，西方国家接连实现了工业化改造，仅仅一个世纪的时间内地球上的化石能源就被大量的消耗。现阶段，一些欠发达的国家和地区同样正在迈入工业化产业升级阶段，这更加向能源问题提出了挑战。
然而从目前世界能源消耗现状来看，能源问题并不乐观[1]。EIA组织在国际能源展望中预测，如果政策或技术没有重大变化的话，未来30年全球能源消耗将增加50%。预计到2023 年，全世界的化石衍生能源的消耗量将恢复到2019年新冠疫情流行前的水平，而且这完全是由欠发达国家的能源需求造成的，而发达国家化石使用量在未来年却都不会回到现阶段水平，部分原因是燃料效率的提高。住宅终端实际用电量增长将最快，预计到2050年，欠发达国家的电力消耗中，家庭能源将占一半以上（2020年仅为33%），而商业领域能源消耗的量级更大，预计可达64%。到2050年，全球范围内天然气、煤气、传统木材消费量也将不降反增。在EIA组织给出的参考案例中，工业领域依然是天然气消费量增长的主要来源，且集中在非经合组织国家，而经合组织国家能源效率的提高将减少个人天然气的使用量，非经合组织国家工业用煤增长最快，重工业为首的能源密集型产业的增长速度更快。
1.2光伏电站参数辨识方法国内外研究现状
1.2.1 国外研究现状
在光伏发电数据的参数辨识领域来说，国外的相关文献更多，研究也更早。美国专家在光伏系统参数辨识中率先使用了Quatre算法，然而发现该算法表现出较早收敛和局部最优的情况，于是引入了元启发式算法（Metaheuristic）的概念[12]，结合仿真实验后表现出更强的竞争力；文献[13]提出了一种基于兰伯特W函数（Lambert W-function）的参数辨识方法，该方法在可变辐射照度和温度条件下可以快速得到最佳的电力特性；对生物种群的模拟算法一直是参数辨识方法中研究的重点，文献[14]中引入混沌初始算法，解决了蚱蜢优化算法（GOA）过早陷入局部最优的缺陷，通过差分进化算法思想来实现突变、交叉和选择以保持种群的多样性，从而摆脱局部最优解，在GOA中寻找更好的解；文献[15]首先基于光伏组件参数辨识问题，提出了几种传统的数值解析模型和混合模型，之后采用了一种新的元启发式算法—基于堆的优化器（HBO）来辨识和改进的三段二极管、双二极管和单二极管三种PV模型的PV参数；文献[16]基于实证电站的实测数据集，提出了一种海洋捕食者算法（MPA）来识别模型参数。在整个优化过程中，采用TDM的9个待定参数作为决策变量，并与不同算法进行了比较，验证了MPA算法的优越性；文献[17]提出了一种增强梯度的优化器算法（EGBO），采用基于秩的机制来高效的更新被识别的参数，并且引入了局部转义因子解决局部最优解的问题；基于混沌机制，文献[18]提出混沌映射的先进黏菌算法（SMA），使用混沌表格影响并修改影响因子和随机数，仿真结果表明，所提出算法能够准确辨识未知的光伏电池的参数，并具有良好的收敛速度和稳定性；文献[19]在元启发式算法的基础上，引入了竞技学习和回溯机制，提出了一种全新的竞争学习的回溯搜索算法（CBSA），核心思想是利用设计的竞争学习机制，增加回溯搜索算法跳出局部最优的场景；
第二章 本文相关技术介绍
2.1光伏系统组成及原理
2.1.1 实证光伏系统组成
太阳能光伏组件、蓄电池、汇流箱、控制器、逆变器和输电线路等设备共同组成了常见的光伏发电系统。现阶段，越来越多的资源需求转向了光伏发电来供应，对于光伏发电的研究也是围绕着以上组件开展的，当前在各个组件的领域都已经有不少研究成果[40]，下面介绍一下系统中各个组件。
光伏组件是光伏发电的最核心的部件，是光能转化为电能的关键，直接影响着光伏行业制造、应用的上下游[41]。光伏组件（PV module）是将多个单体太阳光伏电池物理连接起来，封装之后作为在太阳辐射下可以产生电压、电流输出的设备。而太阳能电池组件是光伏发电系统中可独立运作的最小的发电单元，将太阳能转化为电能后或送往蓄电池等待使用，或直接作为电力消耗，可见光伏组件是决定整个光伏系统的关键设备。
蓄电池是光伏系统中具有存储电能功能的器件，大多数使用的是铅酸电池，一般为12V和24V两种，在非大型系统中也有使用镍氢材料、镍镉材料和锂电池替代的。由于光伏阵列在阳光直照下会快速完成电能的转换，蓄电池的主要作用就是在有光照的情况下将光伏组件产生的电能储备在单位中，持续供电以满足负载需求。
汇流箱用来连接在光伏组件系统中的线路和设备，以此支持光伏组件有序连接和电力汇总功能 [42]。汇流箱可以将一定数量下同规格、参数的太阳能电池串联在一起，然后将串联在一起的光伏电池再通过并联的方式连接在一起实现电力汇流，再通过电路控制来组成一套完整的电力组网系统并可以输出电力。
2.2电力输出影响因素
（1）季节：季节对于光伏组件效能的输出影响并不是直接的，主要是季节的不同将决定整体环境的变化从而提高光伏板的透光率，透光率再决定着光伏组件接受到的光能照射，所以像初季这样阳光充足、温度适宜的季节光伏组件电能输出的效率也会有所提高。图2.2记录了某地季节对于光伏电板的影响数据[50]，可以看出季节的改变，都是对电量输出有一定影响的，不同的季节的实际输出功率有着显著的不同。
（2）能见度：能见度即大气的透明度，对光伏组件影响的原因主要是影响达到地面的太阳辐射从而影响光伏电站电力输出。由图2.3可以看出，能见度和发电效率是呈现正相关的，在能见度大于15 km时，此时大气中的气溶胶对太阳辐射减损影响较小，所以光伏组件接收的太阳辐射也随之增加，发电量也较大[51]。以文献[51]中的太阳能光伏示范电站为例，能见度每增加1km，发电量增大3.6kWh。
第三章 光伏电站数据库设计与优化 ................................... 21
3.1数据库设计和实现 ....................................... 21
3.1.1 数据库需求和功能分析 ................................ 21
3.1.2 数据库概念结构设计 ................................. 21
第四章 基于TS-FOA算法的光伏组件参数辨识............................... 29
4.1果蝇优化参数辨识算法 ............................ 29
4.2禁忌搜索机制 .................................. 30
第五章 基于RFOD-PSO算法的光伏电站参数辨识 .......................... 36
5.1粒子群优化参数辨识算法................................ 36
5.2 达尔文搜索粒子群算法..............37
第六章 实证电站监控管理系统的设计
6.1系统分析
6.1.1 功能需求分析
光伏电站数据信息特殊，在之前的管理过程中常常存在着以下的问题：
光伏电站在地理位置上往往不是集中建设，很多电站之间、电站和组件之间距离比较遥远，所以距离的问题导致电站和光伏组件的联动性较差，对光伏设备的查看、管理困难，管理效率较低。
传统的管理系统中缺少可以稳定使用的参数辨识模块，难以快速实现光伏组件的参数辨识过程，而且没有辨识过程和结果的展示，普通电力管理人员对参数辨识技能学习成本较大，故难以确定MPP位置影响电力能耗分析和电力输出特性。
设备的运行数据可以直接反映发电的效能，并且直接关系到电网的利益。但是在传统的组件管理模式中，电站的运营单位都是周期性对光伏组件进行巡逻，发现问题后再对该组件进行报修，这种被动的管理模式往往导致一些设备长时间故障但是未被发现，严重影响电站的发电效率。
由于技术的限制，对于庞大的光伏电网数据，各个电站只能按照年、月或者季度的周期性的统计绘制成表格然后交给主管单位，这就导致管理单位难以实时了解官方电网的运营情况，而且庞大的光伏数据其实都是各个企业的“资产”，由于没有有效处理的手段和方法，导致大量的数据没有得到高效的利用，造成了数据的浪费，更影响着管理者的决策定位[85]。
第七章 总结与展望
7.1结论
在化石能源逐渐耗尽的今天，世界各国对电力的需求却在持续增加，这让我们不难看到资源枯竭的危机正在越来越明显，而且化石能源的损耗更是带来了不可逆的环境问题，威胁着人们的生活、生产、生存。在这样的时代大背景下，对于生态环境十分友好的太阳能资源，逐渐走入社会的视野，成为社会各界关注的对象。相较于其他能源，光伏能源的优点十分显著、发展潜力巨大、应用前景大好，但是光伏能源的问题也十分地明显，比方说光伏数据的复杂性、多重性以及光伏发电本身的间歇性、低能效、低可控性等问题都很突出，这些问题严重影响着光伏电站电力的输出，因此，对光伏电站进行参数辨识进行研究，获得光伏电站模型参数意义不言而喻。
本文查阅了大量的文献比较分析了国内外对光伏组件参数辨识领域的相关研究，对比不同的参数辨识算法，提出了基于TS-FOA算法和RFOD-PSO算法的光伏组件参数辨识方法，设计并实现了一套适用于光伏系统的数据库和监控管理系统来进行参数辨识的实现。本文的主要研究成果如下：
（1）介绍了光伏发电的基本原理；介绍了太阳辐照度、风速、温度、能见度等气象因素对光伏组件电力输出的影响；基于光伏组件的物理特性选定了单二极管和双二极管两个光伏组件等效模型，并选取了相应的目标函数RMSE，为参数辨识提供了理论基础。
（2）依据光伏数据的特殊性质，选定MySQL作为数据库工具，并通过MySQl数据库的索引、分区、事务和触发器等性能优化技术，针对光伏数据特性实现了对MySQL数据库的性能优化，在数据集下也对该数据库进行了测试，结果表明数据库的优化方法显著提升了数据库的存取性能，为后期参数辨识的迭代过程的存取提供了更好的支持，加快了模型的训练速度。
参考文献（略）