改进的光伏发电系统MPPT预测算法的研究

《改进的光伏发电系统MPPT预测算法的研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、大功率点电压，然后结合恒压法完成最大功率跟踪，而不依靠在线实时检测电流和电压等信号。2光伏电池的等效模型根据光生伏特效应，光伏电池能够将太阳能直接转换成电能，并给负载供电。根据光伏电池内部结构和工作原理，其等效电路如图1所示‘2

2、。b∑IK5r图1光伏电池的等效模型⋯jK釜l其等效模型的数学表达式为：，=％一Io{exp[鸶半]-¨百U+R,I(1)理想情况下，R；趋近于零；凡趋近于无穷大。式(1)可简化为式(2)：，：_一Io{exp[鼍半]_1}(2)式中：，为输出电流；L为光生电流；，0为方向饱和

3、电流；U为输出电压；尺，为串联电阻；尺小为并联电阻；K为玻尔兹曼常数；丁为光伏阵列表面开氏温度；n为二极管品质因子；g为电子电荷。式(2)表明：光伏电池的输出功率是光照强度和温度的非线性函数，并且这两个量的多变性是影响光伏电池MPPT预测准确性的关键因素。3改进的GA—BP神经网络模型光伏阵列输出MPP容易受阴影遮蔽、光照强度和温度等环境因素影响，而恰当的BP网络可以准确拟合环境多变情况下Pv阵列输出的P—V曲线；遗传算法替代梯度下降法训练曰P网络，更容易获得最优的网络权值和阀值；通过云模型修正遗传算子

4、，能有效避免种群陷入局部最优和提高算法收敛速度。因此，建立合理的网络模型是解决问题的关键所在。3．1BP神经网络的光伏系统模型根据前文所述，选择光照强度、温度和时间为输入层的3个节点；以最大功率点电压为输出层的1个节点；采用尝试法确定隐含层为7个节点，本文设计的3层曰P网络结构如图2所示。输入层和输出层一般线性函数，而隐含层一般采用饱和非线性函数Sigmoid。输入层有Ⅳ个节点[x1，娩⋯．，‰]，隐含层有sA'-节点[z1，忽⋯．，邪]，输出层有￡个节点[y1，y2⋯．，yL]。在网络的学习训练过程中

5、，对M个样本训练，一128一输入层隐舍层输出层图2BP神经网络结构点电压假设第k个样本的输人和输出分别为{茁‘}和{t‘}，则隐含层第P个神经元的输入和输出分别为‘4。53：才=∑酬=∑酬一Op(j=1⋯2⋯g)(3)研=八钟)(，=1，2⋯．，q)(4)式中：髫；和o?分别为输入节点，在样本k作用时的输入和输出，锄为输入层神经元p与隐含层神经元，之间的连接权值；印为隐含层神经元P的阀值以并)为激活函数。样本k的输出节点误差为：J(X。)=÷∑(￡：一。：)2(5)M个训练样本的总训练误差：_，(x)2

6、荟-，(却)2南荟萋(畦一。：)2(6)当正向传播输出的结果不能满足精度时，则网络从输出层开始逐层反向传递误差。输出层的训练误差表示为：劈=oj(1一oj)(乎一o；)(7)式中：07表示第k个样本在第，个输出单元上的目标值。隐含层的训练误差表示为：黟=Dj(1一oj)∑6：％(8)在上述训练误差的作用下，引入可变学习率叼(k)和自适应动量因子A(后)，各权值和阀值的修正为：埘崎(H1)=埘可(t)+，7(＆)劈Dj+JL(^)[t￡I可(f)一埘可(f一1)](9)8i(t+1)=B(f)+叩(七)秽

7、+A(＆)[巴(￡)一B(f一1)](10)柑卜0⋯．7"r／⋯(k-1-■矧，裂㈣，A(k)=A(k一1)+△A(12)式中：田(k)为学习速率，是按梯度搜索步长确定，满足网络不振荡的情况下，田取值越大越好；A(k)是动量因子，通过学习过去权值的变化来影响目前权值的变化，从而消除网络振荡。利用可变学习率田(k)和动量因子A(k)，改进权值和阀值的修正公式。判断网络总误差是否降低来自动调整学习速率，能加快网络收敛速度；设定动量因子上限A(k)翊．95，避免动量因子过大而影响网络收敛速度。从光伏系统网络模

8、型可知，时间序列、温度和光照强度等影响着MPP，通过对样本数据的网络训练，找到使网络均方误差最小的权值和阀值，确定最优网络结构，预测最大功率点电压，但是BP神经网络在训练过程中不可避免的会出现收敛速度慢和误差较大的问题，需要对网络进行优化才能提高最大功率跟踪速度和精度。3．2改进的GA—BP神经网络算法改进的GA—BP网络思想：利用云自适应遗传算法替代梯度下降法，对BP网络的初始权值和阀值进行自适应优化，确定BP网络的最佳权值和阀值，获得一个优化的网络结构；将待优化网络结构的权值和阀值作为一组染色体，采

9、用实数编码，选择适应度函数。当改进自适应遗传算法的网络误差满足要求或进化代数达到设定的上限，算法停止，将得到的最优权值和阀值传递给神经网络，输入样本进行网络的再次训练。GA优化BP网络的权值和阀值主要由以下几部分组成。1)编码方式BP神经网络的权值和阀值决定网络训练的精度，采用GA优化神经网络。根据网络各层之间的连接权值和阀值的数目，用相同维数的实数变量表示，按照从输入到输出的前向传递和先权值后阀值的编码原则组成一组染色体，经过编码后的基因