本發(fā)明涉及光伏電力，具體而言，涉及一種基于神經(jīng)網(wǎng)絡(luò)的光伏組件最大功率點跟蹤方法及系統(tǒng)。

背景技術(shù)：

1、隨著光伏發(fā)電裝機容量日益增加，如何讓有限的容量的光伏發(fā)電設(shè)備在同樣的時間內(nèi)以最小的成本發(fā)出最多的電能，有重大意義；其中，最大功率點跟蹤(mppt)作為一種以較低的成本投入，其原理是跟蹤尋找光伏組件最大功率的輸出電壓，讓有限容量的光伏組件在同樣的時間內(nèi)發(fā)出最大功率的方法，逐漸應(yīng)用于光伏發(fā)電技術(shù)領(lǐng)域；

2、目前，實現(xiàn)最大功率點跟蹤的傳統(tǒng)的方法有恒定電壓法、擾動觀察法以及電導(dǎo)增量法：恒定電壓法通過在光伏組件的p-v曲線中，用一條直線近似確定不同光輻射照度下的最大功率點對應(yīng)的輸出電壓，由于只考慮了光輻射照度對p-v曲線的影響，導(dǎo)致其精度較低；擾動觀察法具體為一種類似微分的搜尋方法，其精度會受到初始步長的影響，最終的值會在最大功率點附近振蕩，且搜尋的時間較長；電導(dǎo)增量法通過極大值的斜率為零這一特點找到最大功率點，但要求對電壓電流的采集傳感器精度要求較高，其算法更為復(fù)雜，所需時間更長；為此，我們提出一種基于神經(jīng)網(wǎng)絡(luò)的光伏組件最大功率點跟蹤方法及系統(tǒng)。

技術(shù)實現(xiàn)思路

1、本發(fā)明的目的在于提供一種基于神經(jīng)網(wǎng)絡(luò)的光伏組件最大功率點跟蹤方法及系統(tǒng)，用以實現(xiàn)快速、準(zhǔn)確地找到光伏組件最大功率點對應(yīng)的輸出電壓，使光伏組件保持在最大功率輸出狀態(tài)，提升光伏組件的工作效率。

2、本發(fā)明第一方面的技術(shù)方案提供了一種基于神經(jīng)網(wǎng)絡(luò)的光伏組件最大功率點跟蹤方法，包括如下步驟：

3、基于神經(jīng)網(wǎng)絡(luò)的光伏組件最大功率點跟蹤方法，包括如下步驟：

4、基于目標(biāo)區(qū)域內(nèi)光伏組件的工作環(huán)境溫度區(qū)間和光照強度區(qū)間，提取多組不同溫度-光照強度組合的訓(xùn)練樣本數(shù)據(jù)；

5、模擬各組訓(xùn)練樣本數(shù)據(jù)下光伏組件最大功率點對應(yīng)的模擬輸出電壓；

6、基于神經(jīng)網(wǎng)絡(luò)訓(xùn)練最大功率點跟蹤模型；

7、獲取光伏組件實時工作環(huán)境溫度及實時光照強度，輸入訓(xùn)練好的最大功率點跟蹤模型，輸出實時最大功率點對應(yīng)的輸出電壓。

8、進一步地，基于目標(biāo)區(qū)域內(nèi)光伏組件的工作環(huán)境溫度區(qū)間和光照強度區(qū)間，提取多組不同溫度-光照強度組合的訓(xùn)練樣本數(shù)據(jù)，具體包括：

9、根據(jù)預(yù)設(shè)的溫度步長和光照強度步長，從工作環(huán)境溫度區(qū)間和光照強度區(qū)間的起始點逐步遞增選取若干溫度值和光照強度值，并將若干溫度值和光照強度值排列組合為訓(xùn)練樣本數(shù)據(jù)。

10、進一步地，基于神經(jīng)網(wǎng)絡(luò)訓(xùn)練最大功率點跟蹤模型，具體包括：

11、采用bp神經(jīng)網(wǎng)絡(luò)，訓(xùn)練樣本數(shù)據(jù)作為輸入值，最大功率點對應(yīng)的模擬輸出電壓作為輸出值，對bp神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練，直至達預(yù)設(shè)精度時停止訓(xùn)練。

12、進一步地，采用bp神經(jīng)網(wǎng)絡(luò)，訓(xùn)練樣本數(shù)據(jù)作為輸入值，最大功率點對應(yīng)的模擬輸出電壓作為輸出值，對bp神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練，直至達預(yù)設(shè)精度時停止訓(xùn)練，具體包括：

13、計算bp神經(jīng)網(wǎng)絡(luò)隱含層的輸出值，其表達式為：

14、

15、式中，hj表示第j個隱含層節(jié)點的輸出值，j＝1，2，...，m，m為隱含層節(jié)點總數(shù)；wij表示輸入層與隱含層之間的預(yù)設(shè)權(quán)值；aj表示第j個隱含層的預(yù)設(shè)閾值；xi表示第i個訓(xùn)練樣本數(shù)據(jù)；f表示隱含層的傳遞函數(shù)；l表示輸入層節(jié)點數(shù)；

16、計算輸出層的輸出值，其表達式為：

17、

18、式中，ok表示第k個輸出層節(jié)點的輸出值，k＝1，2，...，n，n為輸出層節(jié)點總數(shù)，即最大功率點對應(yīng)的模擬輸出電壓；wjk表示隱含層與輸出層之間的預(yù)設(shè)權(quán)值；bk表示第k個輸出層節(jié)點的預(yù)設(shè)閾值；m為隱含層節(jié)點總數(shù)；

19、將輸出層的輸出值與最大功率點對應(yīng)的模擬輸出電壓作差，得到誤差值。

20、進一步地，采用bp神經(jīng)網(wǎng)絡(luò)，訓(xùn)練樣本數(shù)據(jù)作為輸入值，最大功率點對應(yīng)的模擬輸出電壓作為輸出值，對bp神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練，直至達預(yù)設(shè)精度時停止訓(xùn)練，還包括：

21、更新輸入層與隱含層之間的預(yù)設(shè)權(quán)值，其表達式為：

22、

23、式中，w1ij表示更新后輸入層與隱含層之間的權(quán)值，ek表示輸出層節(jié)點k的誤差值。

24、進一步地，采用bp神經(jīng)網(wǎng)絡(luò)，訓(xùn)練樣本數(shù)據(jù)作為輸入值，最大功率點對應(yīng)的模擬輸出電壓作為輸出值，對bp神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練，直至達預(yù)設(shè)精度時停止訓(xùn)練，還包括：

25、更新隱含層與輸出層之間的預(yù)設(shè)權(quán)值，其表達式為：

26、w1jk＝wjk+hjek(j＝1，2，…，m?k＝1，2，…，n)

27、式中，w1jk表示更新后隱含層與輸出層之間的權(quán)值。

28、進一步地，采用bp神經(jīng)網(wǎng)絡(luò)，訓(xùn)練樣本數(shù)據(jù)作為輸入值，最大功率點對應(yīng)的模擬輸出電壓作為輸出值，對bp神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練，直至達預(yù)設(shè)精度時停止訓(xùn)練，還包括：

29、更新隱含層預(yù)設(shè)閾值和輸出層預(yù)設(shè)閾值，其表達式為

30、

31、b1k＝bk+ek(k＝1，2，…，n)

32、式中，a1j表示更新后的第j個隱含層的閾值；b1k表示更新后第k個輸出層節(jié)點的預(yù)設(shè)閾值；η表示學(xué)習(xí)率。

33、本發(fā)明第二方面的技術(shù)方案提供了一種基于神經(jīng)網(wǎng)絡(luò)的光伏組件最大功率點跟蹤系統(tǒng)，包括本發(fā)明第一方面技術(shù)方案中任一項所述的基于神經(jīng)網(wǎng)絡(luò)的光伏組件最大功率點跟蹤方法，該系統(tǒng)包括：

34、數(shù)據(jù)采集模塊，配置為提取訓(xùn)練樣本數(shù)據(jù)以及獲取光伏組件實時工作環(huán)境溫度及實時光照強度；

35、模擬裝置，配置為模擬各組訓(xùn)練樣本數(shù)據(jù)下光伏組件最大功率點對應(yīng)的模擬輸出電壓；

36、訓(xùn)練模塊，配置為采用bp神經(jīng)網(wǎng)絡(luò)，訓(xùn)練樣本數(shù)據(jù)作為輸入值，最大功率點對應(yīng)的模擬輸出電壓作為輸出值，對bp神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練；

37、最大功率點跟蹤模塊，配置為獲取光伏組件實時工作環(huán)境溫度及實時光照強度，輸入訓(xùn)練好的最大功率點跟蹤模型，輸出實時最大功率點對應(yīng)的輸出電壓；

38、電源模塊，配置為基于實時最大功率點對應(yīng)的輸出電壓，通過boost電路和buck電路進行升壓或降壓，調(diào)節(jié)光伏組件的輸出電壓。

39、本發(fā)明第三方面的技術(shù)方案提供了一種電子設(shè)備，所述電子設(shè)備包括：處理器以及與所述處理器通信連接的存儲器；其中，所述存儲器存儲有可被所述處理器執(zhí)行的指令，所述指令被所述處理器執(zhí)行，以使所述處理器能夠執(zhí)行本發(fā)明第一方面技術(shù)方案任一項所述的基于神經(jīng)網(wǎng)絡(luò)的光伏組件最大功率點跟蹤方法的步驟。

40、本發(fā)明第四方面的技術(shù)方案提供了一種計算機可讀存儲介質(zhì)，所述計算機可讀存儲介質(zhì)上存儲有實現(xiàn)基于神經(jīng)網(wǎng)絡(luò)的光伏組件最大功率點跟蹤方法的程序，所述實現(xiàn)基于神經(jīng)網(wǎng)絡(luò)的光伏組件最大功率點跟蹤方法的程序被處理器執(zhí)行以實現(xiàn)本發(fā)明第一方面技術(shù)方案中任一項所述的基于神經(jīng)網(wǎng)絡(luò)的光伏組件最大功率點跟蹤方法的步驟。

41、本發(fā)明實施例的技術(shù)方案至少具有如下優(yōu)點和有益效果：

42、本發(fā)明提供的基于神經(jīng)網(wǎng)絡(luò)的光伏組件最大功率點跟蹤方法及系統(tǒng)，通過提取多組不同溫度-光照強度組合的訓(xùn)練樣本數(shù)據(jù)，模擬各組訓(xùn)練樣本數(shù)據(jù)下光伏組件最大功率點對應(yīng)的模擬輸出電壓，利用有限的訓(xùn)練樣本數(shù)據(jù)和模擬輸出電壓訓(xùn)練神經(jīng)網(wǎng)絡(luò)，最大功率點跟蹤模型學(xué)習(xí)光伏組件最大功率點與工作環(huán)境溫度和光照強度之間的復(fù)雜關(guān)系；訓(xùn)練好的最大功率點跟蹤模型實時預(yù)測并輸出光伏組件的最大功率點對應(yīng)的輸出電壓；在實際應(yīng)用中，同一型號的光伏組件只需在神經(jīng)網(wǎng)絡(luò)中訓(xùn)練一次，不需要經(jīng)過復(fù)雜的算法即可實現(xiàn)輸入任意溫度值和光照強度時都可以輸出一個最大功率點對應(yīng)的輸出電壓，將這個電壓輸入到控制電路中，通過調(diào)整輸出電壓，實現(xiàn)光伏組件保持在輸出最大功率狀態(tài)下運行，提高單位光伏組件在相同環(huán)境下的發(fā)電量；該方法整體過程簡單，避免了出現(xiàn)振蕩的問題，其準(zhǔn)確度及跟蹤速度相較于現(xiàn)有技術(shù)中的恒定電壓法、擾動觀察法和電導(dǎo)增量法有所提升。