基于在線軟測量模型的最大功率點(diǎn)跟蹤的光伏發(fā)電系統(tǒng)的制作方法
【專利摘要】本發(fā)明公開了基于在線軟測量模型的最大功率點(diǎn)跟蹤的光伏發(fā)電系統(tǒng)，包括：太陽能電池、溫度計(jì)、直流電子負(fù)載、取樣電路、DC?DC轉(zhuǎn)換器、DSP控制器，取樣電路中設(shè)有示波器和直流可編程電壓源，示波器與直流可編程電壓源將采集的電流和電壓信號(hào)轉(zhuǎn)換成數(shù)字信號(hào)后傳輸至DSP控制器，溫度計(jì)獲取太陽能電池的溫度數(shù)字信號(hào)傳輸至DSP控制器，DSP控制器用于運(yùn)行基于OLSSM的MPPT算法。本發(fā)明通過在線徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)軟模型來預(yù)測最大功率點(diǎn)(MPP)所在的占空比，依據(jù)預(yù)測與實(shí)際MPP占空比之間的歐幾里得距離來判斷是否更新模型，基于OLSSM的MPPT增強(qiáng)了實(shí)時(shí)跟蹤性能。
【專利說明】
基于在線軟測量模型的最大功率點(diǎn)跟蹤的光伏發(fā)電系統(tǒng)
技術(shù)領(lǐng)域
[0001]本發(fā)明涉及光伏發(fā)電領(lǐng)域，具體涉及一種基于在線軟測量模型的最大功率點(diǎn)跟蹤的光伏發(fā)電系統(tǒng)。
【背景技術(shù)】
[0002]傳統(tǒng)的MPPT技術(shù)憑借其簡單和易于實(shí)現(xiàn)等優(yōu)點(diǎn)，被廣泛地使用于光伏系統(tǒng)功率優(yōu)化。傳統(tǒng)的MPPT技術(shù)包括爬山法，擾動(dòng)觀察(P&0)法和電導(dǎo)增量(IncCond)法燈，因采用定步長跟蹤很難平衡跟蹤精度與速度。
[0003]近年來，人工神經(jīng)網(wǎng)絡(luò)方法被引入MPPT控制。基于人工神經(jīng)網(wǎng)絡(luò)的MPPT可分為兩種類型。一種是單獨(dú)使用人工神經(jīng)網(wǎng)絡(luò)作為MPPT控制器，這種方法通過采集組件電流、電壓、太陽能輻照度、溫度等數(shù)據(jù)建立模型，對(duì)組件電氣特征進(jìn)行直接預(yù)測，但測試值與實(shí)際值難免存在誤差，而且這些誤差難以降低。
[0004]另一種方法是采用將人工神經(jīng)網(wǎng)絡(luò)與傳統(tǒng)MPPT技術(shù)相結(jié)合，或者與人工技術(shù)相結(jié)合，這種混合方法可以對(duì)模型的預(yù)測值進(jìn)行實(shí)施補(bǔ)償，因此較第一種方法精度高。盡管混合方法有著明顯的優(yōu)勢，但是仍然存在一些的問題。人工神經(jīng)網(wǎng)絡(luò)預(yù)測效果往往取決于訓(xùn)練集是否完備，但訓(xùn)練初期收集完整的訓(xùn)練數(shù)據(jù)并不容易。而且，MPP的位置隨著輻射度、溫度等環(huán)境因素變化，組件老化也會(huì)引起組件電氣特性改變，目前的混合方法尚缺乏對(duì)光伏特性的自適應(yīng)能力。

【發(fā)明內(nèi)容】

[0005]本發(fā)明的目的在于克服現(xiàn)有技術(shù)存在的以上問題，提供一種基于在線軟測量模型(OLSSM)的MPPT算法，該算法通過在線徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)軟模型來預(yù)測最大功率點(diǎn)(MPP)所在的占空比，依據(jù)預(yù)測與實(shí)際MPP占空比之間的歐幾里得距離來判斷是否更新模型。仿真和實(shí)驗(yàn)結(jié)果表明，基于OLSSM的MPPT增強(qiáng)了實(shí)時(shí)跟蹤性能。
[0006]為實(shí)現(xiàn)上述技術(shù)目的，達(dá)到上述技術(shù)效果，本發(fā)明通過以下技術(shù)方案實(shí)現(xiàn):
[0007]基于在線軟測量模型的最大功率點(diǎn)跟蹤的光伏發(fā)電系統(tǒng)，包括:太陽能電池、用于測量所述太陽能電池溫度的溫度計(jì)、用于提供基本電阻的直流電子負(fù)載、用于采集電壓和電流的取樣電路、DC-DC轉(zhuǎn)換器、DSP控制器，所述取樣電路中設(shè)有示波器和直流可編程電壓源，所述示波器與所述直流可編程電壓源將采集的電流和電壓信號(hào)轉(zhuǎn)換成數(shù)字信號(hào)后傳輸至所述DSP控制器，所述溫度計(jì)獲取所述太陽能電池的溫度數(shù)字信號(hào)傳輸至所述DSP控制器，所述DSP控制器用于運(yùn)行基于OLSSM的MPPT算法，如果DSP控制器處理數(shù)據(jù)后，功率對(duì)電壓的導(dǎo)數(shù)在設(shè)置的閾值范圍內(nèi)，采用經(jīng)典爬山法進(jìn)行最大功率點(diǎn)跟蹤，如果功率對(duì)電壓的導(dǎo)數(shù)超過閾值范圍，采用RBFNN對(duì)下一個(gè)工作狀態(tài)的最大功率點(diǎn)對(duì)應(yīng)的占空比D’mpp進(jìn)行預(yù)測，并校正其工作點(diǎn)，使用爬山法得到當(dāng)前環(huán)境中最大功率點(diǎn)對(duì)應(yīng)的占空比D，計(jì)算誤差e =
ID-D1mpp I，e如果小于預(yù)先設(shè)置的閾值，保持預(yù)測模型不便，如果大于預(yù)先設(shè)置的閾值，更新模型。
[0008]進(jìn)一步優(yōu)選地，在所述DSP控制器中，基于OLSSM的MPPT算法的流程為:
[0009]S1、開始，設(shè)置閾值t、b、步長dD;
[0010]S2、采集太陽能電池的輸出電壓V(k)、電流I(k)、及表面溫度T(k);
[0011]S3、通過公式 P(k)=V(k)*I(k)，dV = V(k)-V(k-l)，dP = P(k)-P(k-l)，計(jì)算得出 dP和dV;
[0012]S4、判斷功率對(duì)電壓的導(dǎo)數(shù)dP/dV是否大于閾值t，如果否，采用爬山法進(jìn)行最大功率點(diǎn)跟蹤，如果是，采用RBFNN對(duì)下一個(gè)工作狀態(tài)可能的最大功率點(diǎn)所對(duì)應(yīng)的占空比D ’mpp進(jìn)行預(yù)測，并校正其工作點(diǎn)，再使用爬山法，得到當(dāng)前環(huán)境真正的最大功率點(diǎn)所對(duì)應(yīng)的占空比D；
[0013]S5、計(jì)算S4中的預(yù)測誤差e= | D-D1mpp |，用于判斷新樣本是否需要被加入訓(xùn)練集，判斷e是否大于b，如果否，則保持模型不變，如果是，則更新RBFNN模型；
[0014]S6、將公式 V(k-l)=V(k)，I(k-l) = I(k)更新至 RBFNN 模型中。
[0015]進(jìn)一步優(yōu)選地，所述爬山法的流程為:
[00? 6] SlOO、開始，判斷dP*dV是否大于O，如果是，用公式D = V_dD計(jì)算，如果否，用公式D= D+dD計(jì)算；
[0017]S200、結(jié)束。
[0018]本發(fā)明的有益效果是:
[0019]本發(fā)明涉及一種基于OLSSM的MPPT算法，能夠通過神經(jīng)網(wǎng)絡(luò)的算法，預(yù)測出在環(huán)境突變后，下一個(gè)狀態(tài)可能的最大功率點(diǎn)。此外，由于環(huán)境因素的不確定性以及光伏組件本身使用壽命的影響，光伏電池的輸出特性會(huì)發(fā)生異常，在線的方法能夠感知到這樣的異常并對(duì)其進(jìn)行再學(xué)習(xí)，從而很好的適應(yīng)新的環(huán)境。仿真與實(shí)驗(yàn)結(jié)果驗(yàn)證了本算法的可行性與有效性，并且其在收斂速度和瞬態(tài)響應(yīng)方面優(yōu)于傳統(tǒng)的爬山法。
[0020]上述說明僅是本發(fā)明技術(shù)方案的概述，為了能夠更清楚了解本發(fā)明的技術(shù)手段，并可依照說明書的內(nèi)容予以實(shí)施，以下以本發(fā)明的較佳實(shí)施例并配合附圖詳細(xì)說明如后。本發(fā)明的【具體實(shí)施方式】由以下實(shí)施例及其附圖詳細(xì)給出。
【附圖說明】
[0021]為了更清楚地說明本發(fā)明實(shí)施例技術(shù)中的技術(shù)方案，下面將對(duì)實(shí)施例技術(shù)描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實(shí)施例，對(duì)于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動(dòng)的前提下，還可以根據(jù)這些附圖獲得其它的附圖。
[0022]圖1是本發(fā)明的原理框架圖；
[0023]圖2是本發(fā)明的基于OLSSM的MPPT算法的流程圖；
[0024]圖3是本發(fā)明中爬山法的流程圖；
[0025]圖4是不同軟測量模型的預(yù)測結(jié)果圖；
[0026]圖5是爬山法實(shí)驗(yàn)結(jié)果圖；
[0027]圖6是基于OLSSM的MPPT算法的實(shí)驗(yàn)結(jié)果。
【具體實(shí)施方式】
[0028]下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對(duì)本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例僅僅是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例?；诒景l(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒有作出創(chuàng)造性勞動(dòng)前提下所獲得的所有其它實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。
[0029]實(shí)施例
[0030]參照圖1所示，本實(shí)施例中公開了一種基于在線軟測量模型的最大功率點(diǎn)跟蹤的光伏發(fā)電系統(tǒng)，包括:太陽能電池、用于測量上述太陽能電池溫度的溫度計(jì)、用于提供基本電阻的直流電子負(fù)載、用于采集電壓和電流的取樣電路、DC-DC轉(zhuǎn)換器、DSP控制器，上述取樣電路中設(shè)有示波器和直流可編程電壓源，上述示波器與上述直流可編程電壓源將采集的電流和電壓信號(hào)轉(zhuǎn)換成數(shù)字信號(hào)后傳輸至上述DSP控制器，上述溫度計(jì)獲取上述太陽能電池的溫度數(shù)字信號(hào)傳輸至上述DSP控制器，上述DSP控制器用于運(yùn)行基于OLSSM的MPPT算法，如果DSP控制器處理數(shù)據(jù)后，功率對(duì)電壓的導(dǎo)數(shù)在設(shè)置的閾值范圍內(nèi)，采用經(jīng)典爬山法進(jìn)行最大功率點(diǎn)跟蹤，如果功率對(duì)電壓的導(dǎo)數(shù)超過閾值范圍，采用RBFNN對(duì)下一個(gè)工作狀態(tài)的最大功率點(diǎn)對(duì)應(yīng)的占空比D’mpp進(jìn)行預(yù)測，并校正其工作點(diǎn)，使用爬山法得到當(dāng)前環(huán)境中最大功率點(diǎn)對(duì)應(yīng)的占空比D，計(jì)算誤差e= I D-D1mpp I，e如果小于預(yù)先設(shè)置的閾值，保持預(yù)測模型不便，如果大于預(yù)先設(shè)置的閾值，更新模型。
[0031 ] 如圖2所示，在上述DSP控制器中，基于OLSSM的MPPT算法的流程為:
[0032]S1、開始，設(shè)置閾值t、b、步長dD;
[0033]S2、采集太陽能電池的輸出電壓V(k)、電流I(k)、及表面溫度T(k);
[0034]S3、通過公式P(k)=V(k)*I(k)，dV = V(k)-V(k_l)，dP = P(k)-P(k_l)，計(jì)算得出dP和dV;
[0035]S4、判斷功率對(duì)電壓的導(dǎo)數(shù)dP/dV是否大于閾值t，如果否，采用爬山法進(jìn)行最大功率點(diǎn)跟蹤，如果是，采用RBFNN對(duì)下一個(gè)工作狀態(tài)可能的最大功率點(diǎn)所對(duì)應(yīng)的占空比D ’mpp進(jìn)行預(yù)測，并校正其工作點(diǎn)，再使用爬山法，得到當(dāng)前環(huán)境真正的最大功率點(diǎn)所對(duì)應(yīng)的占空比D；
[0036]S5、計(jì)算S4中的預(yù)測誤差e= | D-D1mpp |，用于判斷新樣本是否需要被加入訓(xùn)練集，判斷e是否大于b，如果否，則保持模型不變，如果是，則更新RBFNN模型；
[0037]S6、將公式 V(k-l)=V(k)，I(k_l) = I(k)更新至 RBFNN 模型中。
[0038]其中，如圖3所示，上述爬山法的流程為:
[0039]SlOO、開始，判斷dP*dV是否大于O，如果是，用公式D = V_dD計(jì)算，如果否，用公式D= D+dD計(jì)算；
[0040]S200、結(jié)束。
[0041 ]對(duì)照實(shí)施例
[0042]為了檢驗(yàn)所提出的基于OLSSM的MPPT算法的預(yù)測性能，設(shè)置了一組對(duì)照試驗(yàn)，將提出的OL-RBFNN與RBFNN預(yù)測模型進(jìn)行對(duì)比。訓(xùn)練集為131個(gè)來自環(huán)境Cl至C4的數(shù)據(jù)，而測試集為198個(gè)來自(:1至05的數(shù)據(jù)(其中131個(gè)數(shù)據(jù)來自(:1至04)。((:1:2001/1112，25°(:<2:40(^/1112時(shí)，25cC ;C3:600ff/m2,50°C；C4:800ff/m2，75°C)。
[0043]圖4展示了兩種不同預(yù)測模型的預(yù)測結(jié)果。從圖4中可以看出，離線的RBFNN的模型與所提出的在線模型都可以很好地對(duì)Cl至C4環(huán)境數(shù)據(jù)進(jìn)行預(yù)測，因?yàn)檫@些環(huán)境數(shù)據(jù)在訓(xùn)練集中已有記錄。但是對(duì)于C5的預(yù)測結(jié)果，很明顯離線的RBFNN預(yù)測模型的預(yù)測結(jié)果超出了合理的占空比范圍，因此結(jié)果被校正在了邊界(90%)，而所提出的OL-RBFNN預(yù)測模型可以很好地適應(yīng)新樣本，對(duì)C5中的數(shù)據(jù)有很好的預(yù)測結(jié)果，表現(xiàn)出了很好的預(yù)測能力。
[0044]設(shè)置了一組對(duì)照試驗(yàn)，通過比較傳統(tǒng)的爬山法和所提出的基于OLSSM的MPPT的跟蹤性能來驗(yàn)證改進(jìn)方法的可靠性與優(yōu)越性，實(shí)驗(yàn)結(jié)果如圖5-6所示。圖中的豎直的綠色虛線為環(huán)境突變的時(shí)刻線，突變前的環(huán)境為Cl:太陽輻照度600W/V，溫度25攝氏度，突變后環(huán)境變?yōu)镃2:太陽輻照度1000W/m2，溫度25 °C。兩幅圖中最上面的曲線為光伏組件的輸出功率，下面兩條曲線分別為光伏組件的工作電壓與電流。
[0045]對(duì)比圖5-6的兩幅圖可以明顯看出改進(jìn)的跟蹤算法的跟蹤速度相對(duì)于傳統(tǒng)的爬山法有很大的提升，幾乎在環(huán)境剛發(fā)生突變的時(shí)刻就能夠察覺到環(huán)境發(fā)生了突變，并使用RBF網(wǎng)絡(luò)預(yù)測出新環(huán)境下的最大功率點(diǎn)所對(duì)應(yīng)的占空比，而且預(yù)測的準(zhǔn)確度較高。
[0046]對(duì)所公開的實(shí)施例的上述說明，使本領(lǐng)域?qū)I(yè)技術(shù)人員能夠?qū)崿F(xiàn)或使用本發(fā)明。對(duì)這些實(shí)施例的多種修改對(duì)本領(lǐng)域的專業(yè)技術(shù)人員來說將是顯而易見的，本文中所定義的一般原理可以在不脫離本發(fā)明的精神或范圍的情況下，在其它實(shí)施例中實(shí)現(xiàn)。因此，本發(fā)明將不會(huì)被限制于本文所示的這些實(shí)施例，而是要符合與本文所公開的原理和新穎特點(diǎn)相一致的最寬的范圍。
【主權(quán)項(xiàng)】
1.基于在線軟測量模型的最大功率點(diǎn)跟蹤的光伏發(fā)電系統(tǒng)，其特征在于，包括:太陽能電池、用于測量所述太陽能電池溫度的溫度計(jì)、用于提供基本電阻的直流電子負(fù)載、用于采集電壓和電流的取樣電路、DC-DC轉(zhuǎn)換器、DSP控制器，所述取樣電路中設(shè)有示波器和直流可編程電壓源，所述示波器與所述直流可編程電壓源將采集的電流和電壓信號(hào)轉(zhuǎn)換成數(shù)字信號(hào)后傳輸至所述DSP控制器，所述溫度計(jì)獲取所述太陽能電池的溫度數(shù)字信號(hào)傳輸至所述DSP控制器，所述DSP控制器用于運(yùn)行基于OLSSM的MPPT算法，如果DSP控制器處理數(shù)據(jù)后，功率對(duì)電壓的導(dǎo)數(shù)在設(shè)置的閾值范圍內(nèi)，采用經(jīng)典爬山法進(jìn)行最大功率點(diǎn)跟蹤，如果功率對(duì)電壓的導(dǎo)數(shù)超過閾值范圍，采用RBFNN對(duì)下一個(gè)工作狀態(tài)的最大功率點(diǎn)對(duì)應(yīng)的占空比D’mpp進(jìn)行預(yù)測，并校正其工作點(diǎn)，使用爬山法得到當(dāng)前環(huán)境中最大功率點(diǎn)對(duì)應(yīng)的占空比D，計(jì)算誤差e= I ID-D1mpp I，e如果小于預(yù)先設(shè)置的閾值，保持預(yù)測模型不便，如果大于預(yù)先設(shè)置的閾值，更新模型。2.根據(jù)權(quán)利要求1所述的基于在線軟測量模型的最大功率點(diǎn)跟蹤的光伏發(fā)電系統(tǒng)，其特征在于，在所述DSP控制器中，基于OLSSM的MPPT算法的流程為: 51、開始，設(shè)置閾值t、b、步長dD; 52、采集太陽能電池的輸出電壓V(k)、電流I(k)、及表面溫度T(k); 53、通過公式卩(10=￥(10*1(10，(^= ￥(10-￥(1^-1)，(^ = ?(10-?(1^-1)，計(jì)算得出(^和dV； 54、判斷功率對(duì)電壓的導(dǎo)數(shù)dP/dV是否大于閾值t，如果否，采用爬山法進(jìn)行最大功率點(diǎn)跟蹤，如果是，采用RBFNN對(duì)下一個(gè)工作狀態(tài)可能的最大功率點(diǎn)所對(duì)應(yīng)的占空比D ’mpp進(jìn)行預(yù)測，并校正其工作點(diǎn)，再使用爬山法，得到當(dāng)前環(huán)境真正的最大功率點(diǎn)所對(duì)應(yīng)的占空比D; 55、計(jì)算S4中的預(yù)測誤差e=I D-D1mpp |，用于判斷新樣本是否需要被加入訓(xùn)練集，判斷e是否大于b，如果否，則保持模型不變，如果是，則更新RBFNN模型； 56、將公式V(k-1)=V(k)，I(k-1) = I (k)更新至RBFNN模型中。3.根據(jù)權(quán)利要求2所述的基于在線軟測量模型的最大功率點(diǎn)跟蹤的光伏發(fā)電系統(tǒng)，其特征在于，所述爬山法的流程為: SlOO、開始，判斷dP*dV是否大于O，如果是，用公式D = V-dD計(jì)算，如果否，用公式D = D+dD計(jì)算； S200、結(jié)束。
【文檔編號(hào)】G05F1/67GK106055019SQ201610554413
【公開日】2016年10月26日
【申請日】2016年7月15日
【發(fā)明人】馬潔明, 畢自強(qiáng), 潘欣裕, 王儉
【申請人】蘇州科技大學(xué)