Abstract The single diode Rsh-model is considered to be an accurate and time-efficient modeling method for photovoltaic (PV) modules. However, the implicit equation in the model increases the complexity of solution. In this paper, after analyzing the parameters on the electrical characteristics of PV modules, a pure heuristic iterative method is proposed to extract the five parameters and to solve the implicit voltage and current equation simultaneously. Only three electrical key points specified in the manufacturer’s nameplate together with the Shockley equation are useful. Meanwhile, some pure heuristic strategies are used to minimize the error of the model curve. In order to evaluate the effectiveness of the method, parameters of three different PV modules are extracted, i.e., poly-crystalline, mono-crystalline, and thin-film silicon module. The results show competitive and superior performance to the De Soto model and analytic algorithms in terms of accuracy and computation speed, especially a-Si PV cell types. In addition, 99.45% of PV modules from California Energy Commission (CEC) database are identified successfully to verify the robustness. Further, the field data also indicate that the proposed algorithm can used to predict the real-time generation power of a PV power station at various operating conditions. Therefore, the proposed method can be an effective and efficient alternative for parameter extraction of all kinds of PV modules and arrays.

中文翻译：

---

使用启发式迭代算法的光伏组件参数提取

摘要 单二极管 Rsh 模型被认为是一种准确且省时的光伏 (PV) 模块建模方法。然而，模型中的隐式方程增加了求解的复杂性。本文在对光伏组件电气特性参数进行分析后，提出了一种纯启发式迭代方法来提取五个参数并同时求解隐式电压和电流方程。只有制造商铭牌中指定的三个电气关键点以及肖克利方程是有用的。同时，使用一些纯启发式策略来最小化模型曲线的误差。为了评估该方法的有效性，提取了三种不同光伏组件的参数，即多晶、单晶和薄膜硅组件。结果表明，在精度和计算速度方面，尤其是 a-Si PV 电池类型，与 De Soto 模型和分析算法相比，性能具有竞争力和优越性。此外，加州能源委员会 (CEC) 数据库中 99.45% 的光伏组件被成功识别以验证稳健性。此外，现场数据还表明，所提出的算法可用于预测光伏电站在各种运行条件下的实时发电功率。因此，所提出的方法可以成为各种光伏组件和阵列参数提取的有效替代方法。加州能源委员会 (CEC) 数据库中 45% 的光伏组件被成功识别以验证稳健性。此外，现场数据还表明，所提出的算法可用于预测光伏电站在各种运行条件下的实时发电功率。因此，所提出的方法可以成为各种光伏组件和阵列参数提取的有效替代方法。加州能源委员会 (CEC) 数据库中 45% 的光伏组件被成功识别以验证稳健性。此外，现场数据还表明，所提出的算法可用于预测光伏电站在各种运行条件下的实时发电功率。因此，所提出的方法可以成为各种光伏组件和阵列参数提取的有效替代方法。