基于神经网络的光伏组件最大功率点跟踪方法及系统技术方案

技术编号：42665862 阅读：6 留言：0更新日期：2024-09-10 12:21

本发明专利技术涉及光伏电力技术领域，尤其是提供一种基于神经网络的光伏组件最大功率点跟踪方法及系统，包括如下步骤：基于目标区域内光伏组件的工作环境温度区间和光照强度区间，提取多组不同温度‑光照强度组合的训练样本数据；模拟各组训练样本数据下光伏组件最大功率点对应的模拟输出电压；基于神经网络训练最大功率点跟踪模型；获取光伏组件实时工作环境温度及实时光照强度，输入训练好的最大功率点跟踪模型，输出实时最大功率点对应的输出电压。其目的在于，实现快速、准确地找到光伏组件最大功率点对应的输出电压，使光伏组件保持在最大功率输出状态，提升光伏组件的工作效率。

全部详细技术资料下载

【技术实现步骤摘要】

本专利技术涉及光伏电力，具体而言，涉及一种基于神经网络的光伏组件最大功率点跟踪方法及系统。

技术介绍

1、随着光伏发电装机容量日益增加，如何让有限的容量的光伏发电设备在同样的时间内以最小的成本发出最多的电能，有重大意义；其中，最大功率点跟踪(mppt)作为一种以较低的成本投入，其原理是跟踪寻找光伏组件最大功率的输出电压，让有限容量的光伏组件在同样的时间内发出最大功率的方法，逐渐应用于光伏发电
；

2、目前，实现最大功率点跟踪的传统的方法有恒定电压法、扰动观察法以及电导增量法：恒定电压法通过在光伏组件的p-v曲线中，用一条直线近似确定不同光辐射照度下的最大功率点对应的输出电压，由于只考虑了光辐射照度对p-v曲线的影响，导致其精度较低；扰动观察法具体为一种类似微分的搜寻方法，其精度会受到初始步长的影响，最终的值会在最大功率点附近振荡，且搜寻的时间较长；电导增量法通过极大值的斜率为零这一特点找到最大功率点，但要求对电压电流的采集传感器精度要求较高，其算法更为复杂，所需时间更长；为此，我们提出一种基于神经网络的光伏组件最大功率点跟踪方法及系统。

技术实现思路

1、本专利技术的目的在于提供一种基于神经网络的光伏组件最大功率点跟踪方法及系统，用以实现快速、准确地找到光伏组件最大功率点对应的输出电压，使光伏组件保持在最大功率输出状态，提升光伏组件的工作效率。

2、本专利技术第一方面的技术方案提供了一种基于神经网络的光伏组件最大功率点跟踪方法，包括如下步骤：

<p>3、基于神经网络的光伏组件最大功率点跟踪方法，包括如下步骤：

4、基于目标区域内光伏组件的工作环境温度区间和光照强度区间，提取多组不同温度-光照强度组合的训练样本数据；

5、模拟各组训练样本数据下光伏组件最大功率点对应的模拟输出电压；

6、基于神经网络训练最大功率点跟踪模型；

7、获取光伏组件实时工作环境温度及实时光照强度，输入训练好的最大功率点跟踪模型，输出实时最大功率点对应的输出电压。

8、进一步地，基于目标区域内光伏组件的工作环境温度区间和光照强度区间，提取多组不同温度-光照强度组合的训练样本数据，具体包括：

9、根据预设的温度步长和光照强度步长，从工作环境温度区间和光照强度区间的起始点逐步递增选取若干温度值和光照强度值，并将若干温度值和光照强度值排列组合为训练样本数据。

10、进一步地，基于神经网络训练最大功率点跟踪模型，具体包括：

11、采用bp神经网络，训练样本数据作为输入值，最大功率点对应的模拟输出电压作为输出值，对bp神经网络进行训练，直至达预设精度时停止训练。

12、进一步地，采用bp神经网络，训练样本数据作为输入值，最大功率点对应的模拟输出电压作为输出值，对bp神经网络进行训练，直至达预设精度时停止训练，具体包括：

13、计算bp神经网络隐含层的输出值，其表达式为：

14、

15、式中，hj表示第j个隐含层节点的输出值，j＝1，2，...，m，m为隐含层节点总数；wij表示输入层与隐含层之间的预设权值；aj表示第j个隐含层的预设阈值；xi表示第i个训练样本数据；f表示隐含层的传递函数；l表示输入层节点数；

16、计算输出层的输出值，其表达式为：

17、

18、式中，ok表示第k个输出层节点的输出值，k＝1，2，...，n，n为输出层节点总数，即最大功率点对应的模拟输出电压；wjk表示隐含层与输出层之间的预设权值；bk表示第k个输出层节点的预设阈值；m为隐含层节点总数；

19、将输出层的输出值与最大功率点对应的模拟输出电压作差，得到误差值。

20、进一步地，采用bp神经网络，训练样本数据作为输入值，最大功率点对应的模拟输出电压作为输出值，对bp神经网络进行训练，直至达预设精度时停止训练，还包括：

21、更新输入层与隐含层之间的预设权值，其表达式为：

22、

23、式中，w1ij表示更新后输入层与隐含层之间的权值，ek表示输出层节点k的误差值。

24、进一步地，采用bp神经网络，训练样本数据作为输入值，最大功率点对应的模拟输出电压作为输出值，对bp神经网络进行训练，直至达预设精度时停止训练，还包括：

25、更新隐含层与输出层之间的预设权值，其表达式为：

26、w1jk＝wjk+hjek(j＝1，2，…，m k＝1，2，…，n)

27、式中，w1jk表示更新后隐含层与输出层之间的权值。

28、进一步地，采用bp神经网络，训练样本数据作为输入值，最大功率点对应的模拟输出电压作为输出值，对bp神经网络进行训练，直至达预设精度时停止训练，还包括：

29、更新隐含层预设阈值和输出层预设阈值，其表达式为

30、

31、b1k＝bk+ek(k＝1，2，…，n)

32、式中，a1j表示更新后的第j个隐含层的阈值；b1k表示更新后第k个输出层节点的预设阈值；η表示学习率。

33、本专利技术第二方面的技术方案提供了一种基于神经网络的光伏组件最大功率点跟踪系统，包括本专利技术第一方面技术方案中任一项所述的基于神经网络的光伏组件最大功率点跟踪方法，该系统包括：

34、数据采集模块，配置为提取训练样本数据以及获取光伏组件实时工作环境温度及实时光照强度；

35、模拟装置，配置为模拟各组训练样本数据下光伏组件最大功率点对应的模拟输出电压；

36、训练模块，配置为采用bp神经网络，训练样本数据作为输入值，最大功率点对应的模拟输出电压作为输出值，对bp神经网络进行训练；

37、最大功率点跟踪模块，配置为获取光伏组件实时工作环境温度及实时光照强度，输入训练好的最大功率点跟踪模型，输出实时最大功率点对应的输出电压；

38、电源模块，配置为基于实时最大功率点对应的输出电压，通过boost电路和buck电路进行升压或降压，调节光伏组件的输出电压。

39、本专利技术第三方面的技术方案提供了一种电子设备，所述电子设备包括：处理器以及与所述处理器通信连接的存储器；其中，所述存储器存储有可被所述处理器执行的指令，所述指令被所述处理器执行，以使所述处理器能够执行本专利技术第一方面技术方案任一项所述的基于神经网络的光伏组件最大功率点跟踪方法的步骤。

40、本专利技术第四方面的技术方案提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有实现基于神经网络的光伏组件最大功率点跟踪方法的程序，所述实现基于神经网络的光伏组件最大功率点跟踪方法的程序被处理器执行以实现本专利技术第一方面技术方案中任一项所述的基于神经网络的光伏组件最大功率点跟踪方法的步骤。

41、本专利技术实施例的技术方案至少具有如下优点和有益效果：

42、本专利技术提供的基于神经网络的光本文档来自技高网...

【技术保护点】

1.基于神经网络的光伏组件最大功率点跟踪方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的基于神经网络的光伏组件最大功率点跟踪方法，其特征在于，基于目标区域内光伏组件的工作环境温度区间和光照强度区间，提取多组不同温度-光照强度组合的训练样本数据，具体包括：

3.根据权利要求1所述的基于神经网络的光伏组件最大功率点跟踪方法，其特征在于，基于神经网络训练最大功率点跟踪模型，具体包括：

4.根据权利要求3所述的基于神经网络的光伏组件最大功率点跟踪方法，其特征在于，采用BP神经网络，训练样本数据作为输入值，最大功率点对应的模拟输出电压作为输出值，对BP神经网络进行训练，直至达预设精度时停止训练，具体包括：

5.根据权利要求4所述的基于神经网络的光伏组件最大功率点跟踪方法，其特征在于，采用BP神经网络，训练样本数据作为输入值，最大功率点对应的模拟输出电压作为输出值，对BP神经网络进行训练，直至达预设精度时停止训练，还包括：

6.根据权利要求5所述的基于神经网络的光伏组件最大功率点跟踪方法，其特征在于，采用BP神经网络，训练

7.根据权利要求6所述的基于神经网络的光伏组件最大功率点跟踪方法，其特征在于，采用BP神经网络，训练样本数据作为输入值，最大功率点对应的模拟输出电压作为输出值，对BP神经网络进行训练，直至达预设精度时停止训练，还包括：

8.基于神经网络的光伏组件最大功率点跟踪系统，其特征在于，包括权利要求1至7任一项所述的基于神经网络的光伏组件最大功率点跟踪方法，该系统包括：

9.一种电子设备，其特征在于，所述电子设备包括：处理器以及与所述处理器通信连接的存储器；其中，所述存储器存储有可被所述处理器执行的指令，所述指令被所述处理器执行，以使所述处理器能够执行权利要求1至7任一项所述的基于神经网络的光伏组件最大功率点跟踪方法的步骤。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有实现基于神经网络的光伏组件最大功率点跟踪方法的程序，所述实现基于神经网络的光伏组件最大功率点跟踪方法的程序被处理器执行以实现权利要求1至7中任一项所述的基于神经网络的光伏组件最大功率点跟踪方法的步骤。

...

【技术特征摘要】

1.基于神经网络的光伏组件最大功率点跟踪方法，其特征在于，包括如下步骤：

3.根据权利要求1所述的基于神经网络的光伏组件最大功率点跟踪方法，其特征在于，基于神经网络训练最大功率点跟踪模型，具体包括：

4.根据权利要求3所述的基于神经网络的光伏组件最大功率点跟踪方法，其特征在于，采用bp神经网络，训练样本数据作为输入值，最大功率点对应的模拟输出电压作为输出值，对bp神经网络进行训练，直至达预设精度时停止训练，具体包括：

5.根据权利要求4所述的基于神经网络的光伏组件最大功率点跟踪方法，其特征在于，采用bp神经网络，训练样本数据作为输入值，最大功率点对应的模拟输出电压作为输出值，对bp神经网络进行训练，直至达预设精度时停止训练，还包括：

6.根据权利要求5所述的基于神经网络的光伏组件最大功率点跟踪方法，其特征在于，采用bp神经网络，训练样本数据作为输入值，最大功率点对应的...

【专利技术属性】
技术研发人员：张朝，延卫忠，赵凤伟，白泽宁，赵亚雄，张维，张沛霖，石鑫，
申请(专利权)人：华能包头风力发电有限公司，
类型：发明
国别省市：

全部详细技术资料下载我是这个专利的主人